IT技術が発達したことでデータの取得や分析も手軽にできるようになり、ビジネスにおけるデータ活用の必要性はより高まってきています。

この記事ではデータ活用の重要性や成功事例について解説します。

この記事を読んだ人がよくダウンロードしている資料

ビジネスにおけるデータ活用の重要性

ビジネスにおいてデータをうまく活用すれば、売上を伸ばしたり、業務を効率化していくことができます。それは、データを活用することで

• 正しく現状を把握することができる
• 精度の高い予測を立てることができる
• 素早い意思決定が可能になる

といったメリットを得られるためです。

正しく現状を把握することができる

社内に蓄積されているデータは日々の経営活動で得られた結果です。それらを整理し分析することで、現状を正しく把握することができます。また、競合他社のデータや市場のデータとあわせて分析することで、より明確に自社の状況を知ることができます。

現状を正しく把握することができれば、自ずと自社の抱えている課題も明確になり取り組むべき対策なども明確にすることができます。

精度の高い予測を立てることができる

過去のデータを分析することで、規則性や因果関係を洗い出すことができます。その分析結果に基づいて精度の高い予測が可能になります。

現状の課題に対する対策についても、どのような対策を打つべきなのか、その対策を打つとどれくらいの効果が得られるのかなどの予測を立てることも可能になります。

素早い意思決定が可能になる

現状を把握することで課題が明確になり、それに対する戦略や精度の高い予測を立てることができれば、素早い意思決定が可能になります。

どこに課題があるか曖昧なまま闇雲に施策を展開していたり、明確な予測のないまま議論をしていた時よりもより速く課題を解決していくことができます。

データ活用の成功事例

IT技術の発達などによって、ビジネスにおけるデータ活用はさかんにおこなわれるようになっており、売上の向上やコストの削減など、実際に成果を挙げている企業も多く存在します。その中からデータ活用に成功している3つの事例をご紹介します。

北欧、暮らしの道具店　4年で売上を約2倍に

株式会社クラシコムが運営する「北欧、暮らしの道具店」では、売上が順調に拡大している反面、売上が拡大したことで1つひとつの施策におけるリスクが大きくなっていました。また、スマホアプリのリリースなどに伴い分析できるデータが増え、データ活用業務が大きくなることが見込まれたため、効率的なデータ活用を目指し、データ分析チームを発足しました。

データ分析チームは、データをもとに施策を決める「ビジネスサイド」、施策を決めるうえで必要なデータを決定する「データアナリスト」、データアナリストが必要と判断したデータの抽出などを行う「エンジニアサイド」で構成され、専門的な知識がないメンバーでもデータ活用ができる基盤の構築に取り組みました。

その結果

• アプリ内の行動分析をもとに改善を行い、EC購入の6割がアプリ経由に
• SNSやメルマガの顧客動向を分析しフォーマットを改善
• 販売動向データを活用し、人気商品を開発
• データに基づく合理性の高い予算計画の作成
• 発注予測にでーたを活用し定価消化率を95％に

といった効果を生み出し、4年間で売上を約2倍にしています。

参考：【「北欧、暮らしの道具店」データ活用の取り組み】データ分析チーム発足、4年で売上約2倍の年商51億円・定価消化率95%超達成。200万DLアプリ・50万超会員データが社員の感性を裏付け意思決定を迅速化。

JINS　廃棄ロスを約10％削減

JINSが取り扱うメガネは「耐久年数が長い」などの商品特性上、買い替え需要の予測が難しい商品でした。そのため「追加生産が間に合わない」あるいは逆に「過剰在庫が発生する」といった課題を抱えていました。

そこで、アクセンチュアの「AI Powered Management Cockpit」というAI活用を実現するソリューションを導入しました。これによりJINSが保有していた「過去実績」や「セール履歴」といったデータに「過去の天候データ」などを掛け合わせてAIが将来需要を予測をし「欠品リスクへの対応策の提示」や「過剰在庫の値引き施策の可視化」などを行うシステムを構築しました。

AIによる提案をもとに迅速な経営判断を行った結果、年間の廃棄ロスを10%削減し、欠品による売り逃がしを65%削減するなどの成果を上げました。

参考：
JINS：データに基づいた未来予測型の経営判断を実現
1200品目のビッグデータ生かし眼鏡の欠品減らす、JINSのAIシステムのつくり方

トライアル　データ分析基盤の構築でDXを実現

福岡に本社を置く「トライアル」はデータ活用によってDXを実現しています。

トライアル社は、Project REAILというリテールAIに取り組んでいますが、同社は創業当初から「ITと小売業・流通業を融合させ、お客様の役に立つ」というビジョンを掲げており、システムにおいて上記で挙げたような問題がなく、各データの一元管理・統合・分析を可能とする基盤が出来上がっています。そのため、IT・データの力を最大限活かせる体制・仕組みができているのだと思います。

データ活用、特にCRM領域におけるDX推進においては、経営トップが推進しなければ前に進むことはあり得ません。

データ活用が進まない主な課題は「システム」

例えば小売業界では、コンビニやスーパー、ドラッグストア、ホームセンター等、皆さんが知っている売上トップ企業の全てと言っても過言ではないほど、データを活用し切れていません。その大きな要因が”システム”です。

• 多面的に収集しているデータがバラバラで結合しにくい
  （粒度がバラバラ、名寄がしにくい等）
• 多面的に収集しているデータを結合した上で分析する取り組みが出来ていない
• Webサイトやアプリなど多数展開しているが、それぞれ管理が煩雑・バラバラで一元管理が出来ていない
• 新たなサービスを進めるにあたって必要なサービス設計、アプリ構築等をアジャイルに展開できる仕組みを持っていない
  （新しいことをやろうと思うと、毎回時間がかかる）
• 新たなサービスを進めようと思うと、毎回何らかのシステムがボトルネックとなる
• 顧客の購買データ（誰がいつどこで何を買ったのか）を分析して得られた定量的な示唆をもとに、商品開発やマーケティング施策に繋げることができていない

など、企業規模が大きければ大きいほど、上記のような問題を解決するのに多大な労力（資金、時間）がかかってしまい、結局今のままで良い、という判断となってしまっています。

実際、大企業であっても、以下のような問題が起こっているのが現実です。

• 同じ商品なのに全角、半角含めて入力名が異なり名寄せが大変
• ちょっとしたデザインや素材の変更などのマイナーチェンジした商品について、商品IDの洗い替えなどをしてしまい、過去からの実績を紐づけることができない
• 同じ顧客（会員）なのに、複数店舗やオフライン・オンラインでそれぞれ登録されており、別々の顧客として管理されてしまっている

実はこれらは、大企業ほど起こっていると言ってもいいかもしれません。現在、小売業に属する大企業が出来ているデータ活用といえば、

• POSデータの分析による在庫管理
  （出来る限り在庫を切らさない、多く仕入れ過ぎない）
• 新たに会員アプリを作り、そのアプリ会員のみ管理し、プッシュ通知などを実施

くらいの場合も多いです。例えば、顧客の購買行動に基づいた適切な商品やサービスを提供することによるCRMと言われる顧客管理はほとんど出来ていません。

これは言い換えれば、システムが複雑化していない中小企業ほど、実はデータ活用に取り組みやすいとも考えられます。

データベースが複雑化しないうちに取り組む

データベースが複雑化していないうちに取り組んだ企業だけが、今後のDX推進を加速させ、中長期的に持続的成長を実現する「強い企業体」を創り上げることができるはずです。

これは特定の企業だけではなく全業種で同じだと思います。ぜひ、「今のうちに」自社のデータ基盤を見直してみてください。そして、「売上を上げる」「顧客満足度を高める」ためのDX推進を実現していただければと思います。

＼ この記事を読んでいる方におすすめ！ ／