近年、ITツールの性能向上によって現場主導でデータ分析を行える環境が整いつつあります。データ分析を効果的に活用するには、要点を押さえて分析プロセスを進める必要があり、その際にはいくつかのスキルが重要になります。本記事ではデータ分析において必要なスキル、分析手法やメリットについて解説します。
今注目のデータ分析とは
データ分析とはさまざまな種類のデータの中から、目的に即した有用な情報を抽出する作業です。データ分析を行うことで、例えば現在・過去に起きた事象の因果関係や傾向、特徴などを明らかにしたり、将来起きる事象を予測したりできます。最も身近なところでは、各地の観測データに基づいて行われる天気予報もデータ分析の1つです。
ICTの発展により、昨今はあらゆるチャネルから多種多様かつ膨大なデータ（ビッグデータ）をリアルタイムに取得できるようになりました。また、AI技術などの発展により、蓄積された大量のデータを分析する技術も精度・利便性ともに飛躍的に向上しています。
大量の情報の中から指標や傾向を明らかにするデータ分析は多くの用途に役立つことから、データアナリストをはじめとする専門家や、BIなどのデータ分析ツールの必要性が非常に高まっています。
データ分析が企業に重要な理由
ビジネスにおいてもデータ分析は多くのメリットを生み出します。例えば、自社のどの商品が、いつ、どのくらい売れているかをデータ分析から導き出せば、最適な在庫管理ができます。さらに顧客の年齢層や性別、購入する商品の傾向などを分析すれば、ECサイトなどで個別に最適化された広告を表示することも可能です。これらはビジネスで活用されるデータ分析のほんの一例に過ぎませんが、無駄なコストを削減したり、売上・利益拡大につなげたりする効果があります。
従来、データ分析は高度な知識を持った専門家だけが行えるものと捉えられていましたが、最近ではAI（人工知能）を利用して分析作業を自動化することにより、以前と比べると導入しやすいものとなっています。データ分析を行うためのITツールと言えば「BI（Business Intelligence）」が挙げられますが、現在のBIツールのほとんどは「セルフサービスBI」であると言われています。ここでのセルフサービスは、データサイエンスなどの専門知識がなくても、現場主導（自分自身）で活用できるということです。こうしたセルフサービス型の分析ツールは、
- データ分析を実施したいが専門知識がない
- データ分析の手法が分からない
- 顧客データを活かしきれていない
- データを活用した経営を実施したい
上記のような課題を解決できる手段として、多くの企業で導入が進んでいます。
データ分析に必要なスキルとは
データ分析は以前よりも多くの人が利用できるようになりつつありますが、それでも精度は分析する人のスキルによってある程度左右されるものです。では、どのようなスキルがあればより高精度な分析が実行できるのでしょうか。ここでは3つのスキルについて挙げます。
1.課題把握スキル
第一に必要なスキルは、自社がそもそもどのような課題を抱えているのかを把握するスキルです。何を明らかにしたいのか曖昧なままでは、分析の土台となるデータの収集や切り取りもうまく行えず、データ分析は徒労に終わってしまうことでしょう。それゆえ、データ分析を行う以前に、自社の現在の業務や経営上の課題を的確に発見できるスキルを有しておくべきです。
2.データ手法を選択するスキル
2つ目は、データ分析の手法を選択するスキルです。データ分析には数々の手法があり、それぞれの特徴や強みが異なります。そのため分析手法の特性を適切に理解し、自社の課題や目的に即した分析手法を選定できることも非常に重要となります。
3.データ活用スキル
「課題把握スキル」にも通じることですが、そもそもデータ分析は手段であって目的ではありません。分析結果を得ることがゴールではなく、その結果が示す意味を正しく読み取り、経営判断や企業戦略を決定する際に落とし込んでいく次段階の「データ活用」ができるかも問われるスキルです。
データ分析の手法と種類
ここではデータ分析の代表的な手法を3つ挙げ、それぞれの特徴について説明していきます。
手法1.クラスター分析
クラスター分析とは、異なるものが混ざったデータの中から共通の属性を見つけ、類似したグループ（クラスター）をつくる分析手法です。例えば、店舗で取り扱っている商品構成の分析や、商圏の特性分析に活用されます。
ただしクラスター分析は、データをグループ分けするだけで、それが何を意味するのか、因果関係や法則性まではわかりません。例えばある商品の購入者をクラスター分析すれば、メイン顧客層がどのような属性なのかを明らかにできるでしょう。しかし、なぜその商品がその属性の人々の購買活動を訴求したのかは分かりません。それゆえ、さらに踏み込んだ分析を可能にするには、クラスター分析に他の分析手法と組み合わせた方がよいでしょう。
手法2.アソシエーション分析
アソシエーション分析の「アソシエーション（Association）」とは、日本語で「連想」や「連合」を意味する言葉です。アソシエーション分析においては、「もしAを購入したならBも購入するだろう」というような傾向や関係性を分析するために用いられます。
購買データから人々の購買行動における関連性を分析できれば、たとえばセットで購入されやすい商品を実店舗の棚やECサイトの表示でまとめて配置し、商品の持つ訴求力を互いに高めることができます。また、ECサイトである商品を買い物かごに入れた顧客に、「この商品を購入した人は、こちらの商品も購入しています」といったレコメンドを表示する機能も、アソシエーション分析によって可能になります。
手法3.クロス集計分析
クロス集計分析とは、世論調査やマーケティングリサーチなどのアンケート集計で活用される分析手法です。アンケートは通常、複数の質問によって構成されていますが、クロス集計分析を用いることで、回答を個別的に見るだけでなく、複合的に見ることが可能になります。
例えば、アンケート調査において100人の顧客に対して「当社の製品を気に入りましたか」と質問します。単にアンケートを集計しただけでは、100人中何人がその製品を気に入ったかしか分かりません。
しかし、クロス集計分析を利用すれば、回答者の「性別」や「年齢」、「どこが気に入ったか」など他の質問項目を組み合わせて顧客の男女比や、気に入られたポイントなどより洞察に富んだ情報を得ることができます。クロス集計分析は分析手法の中でも基本的なものですが応用が効きやすく、Excelにも標準搭載されています。
セルフサービス(現場主導)型のデータ統合と課題点
現在、ITツールの性能や利便性が向上したことによってセルフサービス（現場主導）型のデータ分析が可能となっています。セルフサービス型のデータ分析はIT部門や外部の企業・専門家を通さずに、現場の実情を知っている社員が自らデータ活用することを可能にします。一方で、各チームが個々のやり方でデータ分析をすることによって、同じ作業を知らずにやっていたり、チームごとに異なるロジックでデータ分析をしたりして、一貫性を欠いた分析になってしまう危険性もあります。
まとめ
データ分析を効果的に行うには、解決すべき自社の課題を的確に把握して、適切な分析手法を選択し、その分析結果を実際のビジネスに活かしていくスキルが求められます。現場主導型のデータ分析を真に実現するにはMicrosoft AzureとData Solutionといったデータソリューションを活用するのが非常に有効です。
