データ駆動型ビジネスであること：メリットと適用方法データ駆動型ビジネス
データ駆動型ビジネスの特徴を理解することは、将来的に関連性を維持しようとする組織にとって不可欠です。これは、テクノロジーの領域が、ビジネスの進化に及ぼす影響によって実現した現実に過ぎません。
簡単に言えば、データ駆動型ビジネスとは、データを活用して意思決定者に通知し、プロセスと意思決定を強化する組織です。最近では、すべての企業がデータを処理し、利用するのは事実ですが、データ駆動型ビジネスは、傾向、歴史、直感、さらに人間（そしておそらく偽りのある）だけに頼るのではなく、体系化された方法でデータを使用してビジネス上の意思決定を決定するビジネスです。考慮事項。
効率を改善し、イノベーションを促進するために企業によるデータを使用することは、明らかに新しいことではありません。1950年代後半から1960年代にかけて、コンピュータ産業が初期段階にあったこの分野では、平均的な消費者は気づかなかったが、企業のアメリカのパワープレイヤーに強い関心が寄せられていた。ビジネスにおけるコンピュータシステムの初期の統合の多くは、銀行、金融サービス、ウォール街で行われたことは驚くべきことではありません。
1990年代から生産性リソースの爆発とデジタル技術の洗練は、デジタルリソースが提供する実際のユーティリティの飛躍的な成長につながっています。これは、本質的にデータ駆動型ビジネスの台頭を促進しました。
プロセスとして、データ駆動型意思決定（DDDM）は、従来の観察方法のみに基づいているものではなく、ハードデータによってバックアップされる意思決定を含みます。ヘルスケア、医療、製造業、輸送などの分野に応用すると特にメリットがあることが実証されています。
DDDMプロセスと誤解
私たちはすべてデータを使用します。実際、私たちは皆、いわゆるデジタル革命以前にもデータを使用していました。データ駆動型のパラダイムで組織がどのように物事を行うかと、データ駆動型のパラダイムで物事を行うかの違いは、データ（さまざまなデジタルソースから収集される）がコンパイルされ、分析され、利用される方法における新しいモダリティを表しています。
コンピュータを使用する以前は、分析はまだ使用されていましたが、データが別の方法で蓄積され、分析されていました。定性的および定量的な情報源は、依然として意思決定者によって活用されていましたが、コンピュータではなく紙のスプレッドシートを持つアナリストは、すべての数字を粉砕しました。傾向、歴史、および空白のスポットで満たされた経験豊富なマネージャーの直感。
デジタルテクノロジーは現在、多くの空白の場所に埋まっていますが、直感と経験豊富なマネージャーの経験は、データ駆動型ビジネスの不可欠な部分です。データ駆動型の組織は、意思決定プロセスから完全に人間の要素を取り出していること、またはこれが企業が向かうべき方向であることを、一部のビジネスストラテジストやアナリストにとって少しイライラする神話のようなものになっています。
データ駆動型意思決定（DDDM）は、組織がより正確な予測を行い、目標と目標を明確にし、他の多くの組織パラメータの透明性を高めることを可能にするための長い道のりを歩んできました。しかし、専門家はまた、専門知識、経験、直感は、デジタルユーティリティが単に持っていない不可欠なリソースであるため、意思決定プロセスに参加し続ける必要があることに同意します。
データ駆動型
になるメリット DDDM のメリットは多様ですが、一般的に、その成功はいくつかの要因によって予測されます。実装と使用の成功に最大の役割を果たす人には、次のものがあります。
1.説明責任と透明性の向上
DDDM のシステム化により、マネージャーとスタッフの両方が時間をかけて信頼できるプロセスがもたらされ、チームワーク、スタッフのエンゲージメント、士気が向上します。特定のエグゼクティブやマネージャーは有能で信頼できるかもしれませんが、意見の気まぐれな性質（ダイムで変化する可能性があります）は、スタッフが頼れるプロセスには適していません。長期的な説明責任と透明性を育むという点で、DDDMは確立された方法に比べて優れたモダリティです。
実際には、DDDMは、リスクと脅威に対処する組織を支援し、それによって全体的なパフォーマンスを向上させます。これにより、特定のポリシーと手順が固定パラメータ内で実行され、推測作業の多くが作業者の決定から取り出され、マイクロマネジメントの必要性が軽減されます。
2.ビジネス上の意思決定は、Analytics
から収集されたインサイトに関連付けられています。以前参照した直観的なプロセスに関して、データ主導型の管理は、管理者がデータをマイニングし、経験と直感を即座に活用できるという点で、時間を節約します。DDDMプロセス内の正確な分析目標により、より多くの時間を節約し、パフォーマンスを向上させることができます。
DDDMはまた、管理者は、さまざまな戦略をテストするために、パラメータを調整し、組織の目的が何であれ、実際に最も効果的なルートであるかを決定することができます。最後に、意思決定をデータ主導で行うと、リアルタイムのデータと過去のデータパターンが常に準備が整っているため、意思決定のスピードが劇的に向上します。
3.継続的な改善
継続的な改善は、データベースの意思決定のもう一つの明確な利点です。確立された指標と継続的な観察を通じて、組織は、前記指標を監視し、増分変更を実装し、結果に基づいて補足的な変更を加えることができるようになります。これは、パフォーマンスと全体的な効率を向上させるのに役立つ。
DDDMを採用することで、確立されたメトリックは、意思決定ではなく、スタッフやマネージャーの知識レベルやスキルではなく、事実に根ざしていることを保証します。また、組織は、変更を拡大/縮小し、新しいポリシーや手順を迅速に実装できます。
4.明確で正確な市場調査の取り組みデータ主導の意思決定
を通じて、組織は、効率を向上させる新製品、信頼性の高いサービス、職場イニシアチブを考案することができるようになります。また、市場に現れる前に、傾向の識別にも役立ちます。履歴データを調査することで、組織は将来予想される内容と、より良い数字を生み出すために何を変更すべきかを知ることができます。
顧客データを分析すると、ビジネスは顧客との良好な関係を確立して維持し、新製品、サービス、またはビジネス開発の分野で情報を維持する方法を理解するのに役立ちます。
5.時間の
経過に伴う一貫性データ主導型の組織であることの利点は、時間の経過に伴うプロセスの一貫性があることです。このアプローチはまた、組織内の人々は、自分の役割でそれらをより効果的に作り、意思決定がなされている方法を知ることができます。マネージャは、収集、分析、管理されるデータの重要性と重力を判断し、適切な措置を講じることができます。
組織内の全員がDDDMプロセスに従事すると、関連するスキルを開発することができ、一貫性が向上します。
6.コスト削減と収益の増加
最後に、データ主導型の分析は、コスト削減と収益の増加によってそれ自体に支払うことができます。ここで説明したように、組織内に流れるデータの量は、近年劇的に増加しています。一部の業界では、数万ものデータポイントを毎秒ストリーミングしています。このデータポイントは、数年前に測定可能であったものよりもはるかに多くなっています。
迅速に行動することで、マネージャはプロセスを継続的に改善し、コスト削減の意思決定を推進することができます。DDDMによって推進される効率性の向上は、コスト削減と収益の増加にもつながります。
例-データ主導型のビジネスと戦略
データ主導型の意思決定に現在取り組んでいる企業と、効率性と生産性の向上のためにどのような戦略を採用していますか。
獲得と保持
組織がDDDMを使用する1つの方法は、顧客の獲得と保持にあります。データソースを使用することで、企業は顧客に関連する支出のパターンと傾向を観察し、顧客サービスとエンゲージメントを向上させることができます。顧客ロイヤルティを高めるには、データに基づく顧客の行動やニーズへの対応が不可欠です。
オンライン購入を定期的に行う人は、おそらく小売業者の購入後の調査や電子メールの育成、この目的のために企業が使用するデータ収集方法の一つです。ビジネスが収集する顧客データが多いほど、ビジネスが識別できるパターンと傾向が増えます。
健全な顧客データ分析メカニズムにより、企業は顧客をより効果的に維持するために必要な行動分析情報を形成することができます。
Coca-Cola は、顧客維持を促進する目的でビッグデータ分析を利用する企業の素晴らしい例です 。2015年、コカ・コーラはデジタル主導の新しいロイヤルティプログラムを通じてデータ戦略を強化しました。このプログラムは、コカ・コーラの顧客定着を促進する上で非常に成功しました。
改善されたマーケティングインサイト
ビッグデータ分析は、マーケティングインサイトの改善にも役立ちます。これは、顧客の期待を一致させ、製品ラインを変更し、マーケティングキャンペーンが影響力を持ち、適切にターゲットを絞っていることをカバーします。
消費者として、私たちは長年にわたり、ビッグブランドが散弾銃のアプローチをマーケティングに使用する傾向があり、逃げにくい広告に目まぐるしい金額を費やしていました。大きなブランドは、彼らができたので、主にこれをやりました, 彼らの莫大な収入のために.しかし、困難な経済時代には、この習慣は持続不可能になり、ビッグデータの時代には、もはや必要ありません。これまで、企業は実を結ばなかった広告キャンペーンで数百万人を失うことが多くありました。今、この練習のための唯一の言い訳は、貧弱な研究やデータの悪い分析です。
Netflixは、ターゲット広告でビッグデータ分析を行うためのタイトなプログラムを持っているものとして、いくつかの専門家によって引用されている会社です。Netflixには1億人以上の加入者がいます。つまり、時間単位で膨大な量のデータを収集しています。プラットフォーム上のデータの検索と表示は、顧客の過去の視聴習慣に沿ったプログラミングを推奨するために使用され、顧客のエンゲージメントを維持します。
製品開発とイノベーション
これは、実際にはDDDMがビジネスで使用される最大かつ最も強力な分野の1つです。現在、製品を販売する企業は、新製品ラインにインサイトを取り込み、既存製品の継続的な改善を図るために、技術的に可能な限り多くの情報を収集しています。
製品設計プロセスは、顧客が望むものを決定することによって確立されます。組織は、ビッグデータ分析を使用して、顧客が本当に望んでいるものを新製品に取り入れることがはるかに可能になりました。これは、関連する質問をすでに受け、詳細な回答を得ているからです。
ビッグデータを活用してイノベーションと製品開発を改善する企業の素晴らしい例は、Amazon Fresh/Whole Foodsです。2017年にAmazonがWhole Foodsを購入したとき、Amazonはビッグデータ分析を活用し、さらに大きな市場に移行する比類のない機会を提供しました。Amazon/Whole Foodsは、データ分析を使用して、顧客が食料品を購入する方法やサプライヤーとの関係を改善する方法についての洞察を得ることができます。
データ主導型のビジネス文化
を構築する方法データ主導型の意思決定を行う動機や必要性、およびビジネスが DDDM プラクティスを採用する度合いは、組織とそのニーズによって異なります。テクノロジー、販売、製造などの多くの企業は、分析をあらゆる意思決定の中心に据えています。
ハイテク大手、 インテル によると、データ駆動型の文化を構築することは大きな努力のように聞こえるかもしれませんが、大部分は、それは単なる形式化です一般的な行動データ駆動型の文化は、組織全体のデータコレクターに報酬を与えるものです。これは、データが示唆している内容を知りたい経営幹部、データ分析を含む意思決定構造を構築し、その分析に基づいて計画を立てる経営陣が主導しています。
これは、データ主導型の文化を構築または改善しようとするビジネスオーナー、エグゼクティブ、またはマネージャの観点からは、単純化または混乱しているように見えるかもしれませんが、ここでは、データ主導型のビジネスになるためのロードマップを提供するのに役立つ 5 つのステップを示します。
1.現在のパフォーマンスの
定量化組織の成果を向上させるにはどのようなものがありますか。この質問は、現在の段階での組織の成長によってアプローチされる可能性があります。スタートアップは、さまざまなビジネスモデルを検証するメトリックに重点を置く場合がありますが、企業では、顧客の生涯価値などのメトリックに重点を置くことになります。
この質問は、業界の面でも検討される可能性があります。製品を開発する会社は、製品の使用に焦点を当てる傾向があるだろうのに対し、サービスを提供する会社は、現在のサービスの品質にもっと焦点を当てるかもしれません。
2.主要な領域を特定するデータが組織内に流れているさまざまな方法から
始めて、企業のリーダーは、データのソースをどのように使用するか、組織に最も大きなメリットをもたらすかを判断できます。最も可能性の高い分野は、全体的なビジネス戦略を達成するための鍵となる分野です。
3.ターゲットデータセットビジネスのどの領域が、分析や対処が必要な主要な問題から最もメリットを得られるかを特定
したら、次のステップは、プロセスの結果として生じた質問に答えるデータセットをターゲットにすることです。
ビジネス戦略と目標のコンテキストで最も価値のある情報を提供しているソースはどれですか。このような質問は、既存のデータを合理化するのに役立ちます。ビジネス目標に従ってデータをターゲティングすることで、最も有用なインサイトを確実に活用しながら、データストレージのコストを抑えることができます。
4.データの
収集と分析貴重なデータは組織のあらゆるレベルで収集され、外部ソースと内部ソースの両方から収集されますが、データを管理する担当者を特定する必要があります。多くの場合、これらは部門長になり、より少ない程度では、マネージャーになります。
統合システムは、データを効果的に集約して分析できるように、異なるデータソースを結びつける必要がある場合がある。また、分析に必要なスキルのレベルは、分析するデータの種類によって異なる場合がある。ある部門のスタッフは、分析を実行するためにMicrosoft Excelの実用的な知識のみを必要とする場合がありますが、別の部門では、カスタマイズされた分析アプリケーションまたはスイートに精通しているスタッフが必要な場合があります。
5.実装
データから収集された洞察が提示される方法は、経験、専門知識、直感が復活する最後のステップです。これにより、組織がデータからどれだけ得るかを判断できます。
複雑なデータセット (たとえば、MS Excel で処理できる以上のデータセット) を扱う場合、複雑なデータセットを集めて、組織全体の意思決定者やスタッフに洞察を明確にする方法で提示できるビジネスインテリジェンスユーティリティが多数用意されています。
はい。データ主導型のビジネスになるには、組織がビジネス上の意思決定を推進するためにデータを取り込むという要約的な意思決定よりも、もう少し重要ですが、プロセスに苦労したり面倒な作業は必要ありません。優れた分析ツールと適切な技術アーキテクチャは、効果的な実装のための正しいパラメータを確立するのに役立ちます。
最後に、組織の文化を調整して、部門全体のスタッフがデータの価値を認識し、データを最大限に活用するための最良の方法を把握することで、円滑な実装と長期的な成功につながります。
データ主導型になる：データ主導型の意思決定を行う初心者
データ収益化-詳細なガイド
