ビッグデータの測定: KPIの例

ビッグデータ施策を組織の戦略と整合させる方法を学び、重要業績評価指標でその取り組みを検証しましょう。

記事の主要トピック:

• ビッグデータとは何ですか？
• ビッグデータの課題
• KPIとビッグデータ
• ビッグデータに注力する
• ビッグデータを測定可能にする
• BSC Designerでの自動化

パフォーマンス指標と整合されたビッグデータプロセスマップ。 出典: Big Data Scorecard.

年末は新たなトレンドについて話すのに良い時期です：自動運転車、人工知能、バーチャルリアリティ、そしてモノのインターネット。これらのトレンドはあなたのビジネスにどのような影響を与えるでしょうか？これらの画期的なアイデアの可能性のある影響をどのように考慮できますか？述べられたすべてのトレンドは詳細な分析に値しますが、他のすべてと関連しているように見えるものが一つあります。それがビッグデータです。AIはそれを必要とし、自動運転車はそれに基づいており、もちろん多くの企業がすでにそれを使用しています。

BSC Designerでは、KPIと戦略について多く話してきました。この記事では、よく定義された戦略とカスタムメイドのKPIがビッグデータの取り組みに集中するのにどのように役立つかを議論することを提案します。この記事の計画は次のとおりです:

• ビッグデータ。それは何ですか？主な課題は何ですか？
• ビッグデータのためのKPI。4つのレベルのKPIと戦略的整合の達成。
• アクションプラン。ビッグデータの測定可能な実施。

ビッグデータとは何ですか？

ビッグデータは、大規模で非構造化されたデータセットの分析に関するものです。

ビッグデータは3つのVで特徴付けられます：

• 量（Volume）。データセットは大きいとされています。少なくとも10GBまたは1TBであるべきという推定もありますが、より良い基準は、ビッグデータは分散（ストレージや計算の観点で）する必要があるものだと言うことです。Hadoopや類似のフレームワークに切り替える必要がある場合、それは大きくなっています。
• 多様性（Variety）。構造化および非構造化データの異なるソースを考えてください。テキスト、ビデオ、販売データ、ソーシャルメディア、天気予報など、あなたのコンテキストで意味を成すものから採掘できます。
• 速度（Velocity）。データの高いボリュームは、迅速なデータ生成の結果です。常に監視されている数千の航空機要素を考えるか、ソーシャルメディアのコメントの絶え間ない流れを考えるか、ウェアラブルデバイスが提供するリアルタイムデータを考えてください。

しばしば（IBM¹やEY²を例にとると）、4番目の「V」が「真実性（Veracity）」を表します：

• 真実性（Veracity）。データについて話すとき、常にある程度の不確実性に対処しています。データはどのようにして取得されましたか？すべての要因を分析しましたか？操作されましたか？これらの数字を信頼できますか？

データはどのように使用されるのか？

ビッグデータは、広範囲にわたる予測および行動分析に使用されています。組織はビッグデータを活用してコストを削減し、顧客のニーズをより良く理解し、リスクを軽減します。顧客に合わせた体験を提供するためにビッグデータを使用するビジネスや、eコマース提供者の不正チェックを考えてみてください。

記事の冒頭でいくつかの新興トレンドについて述べましたが、ビッグデータはそれらすべてに関与しています。ビッグデータの実際の活用についてさらに学ぶには、国際的に認められた専門家、バーナード・マーによる「7 Amazing Companies That Really Get Big Data³」を読むことをお勧めします。

ビッグデータの主な課題

ビッグデータのビジョンは非常に野心的に聞こえます。それでは、なぜ企業はこの新しいトレンドを採用するのが遅いのでしょうか？ビッグデータの主な課題は何ですか？

データマイニングはもはや主要な課題ではありません

10月の後半に、SCIP⁴ (戦略的・競争的インテリジェンス専門家)によって組織された会議で講演しました。この組織のメンバーは、市場インテリジェンスの分野でビッグデータを扱います。会議の主なテーマは、期待されるようなCI/BIデータのマイニングではなく、ビジネスインテリジェンスの取り組みを組織の戦略と整合させることでした。言い換えれば、企業が知りたい質問を理解した時点で、残りは比較的簡単です（いくつかのデータについては以下の調査を参照してください）。

もしデータマイニングがもはや問題でないなら、主要な課題は何でしょうか？

課題 1. ビッグデータに焦点を当てる

主な課題は、重要なことにビッグデータを集中させ、それを適切な人の手に届けることです。つまり、組織内で正しい質問を始める人が必要です。

この考えを説明するために、2012年に話題となったターゲットの話⁵を取り上げましょう。この小売業者は、購買分析データを用いて顧客の中に妊娠している人がいることを予測することに成功しました。プライバシーに関連する部分を考慮せずに、この話を見てみましょう。ターゲットで働いていた統計学者のアンドリュー・ポールは、単に可能なすべてのデータを提供していたわけではなく、マーケティングの同僚から非常に具体的なタスクを受けました。それは、妊娠第2期の買い物客を特定することです。

そこには焦点があり、その焦点には大きなビジネス価値が伴っていました。なぜなら、新しい親は買い物の習慣を変え、すべてを一つの小売店で購入する傾向があるからです。ただデータで遊ぶのではなく、非常に具体的な質問に答えるのに役立つデータを見つけることが重要でした。

チャレンジ2. ビジネス戦略との整合性

ビッグデータは、具体的なビジネス価値を提供することで画期的なものとなります。言い換えれば、ビッグデータの施策が会社の戦略をどのように支援しているのかが明確であるべきです。NewVantage Partnersは、「ビッグデータエグゼクティブ調査」で、ビッグデータのビジネス導入における文化的障害について回答者に尋ねました。42.6%の回答者が「組織の整合性が不十分」と答えました。他の選択肢には、導入の欠如、一貫したデータ戦略の欠如、共有ビジョンの欠如が含まれていました。

ターゲットのケースに戻ると、彼らは2つの重要な要素をうまく対処しました：

1. 特定のクエリに焦点を当てたビッグデータ：データサイエンティストは、妊娠中期の妊婦を特定するよう依頼されました。
2. ビジネス戦略との整合性：データには明確なビジネス価値がありました – 子供が生まれた家庭は長期間にわたり一つの小売店の顧客となります。

チャレンジ3. データのセキュリティとプライバシー

このチャレンジはまだ一般的に使用されていませんが、データ収集と分析が倫理的かつ合法的であるべきことは誰にとっても明白だと思います。一般データ保護規則（GDPR）は2018年5月25日からヨーロッパで施行されており、他の国にも同様の規制があります。企業は個人データを処理する際に、データポリシーに従うことにより真剣に取り組む必要があります。

ビッグデータの文脈でKPIについて議論しましょう。

KPIとビッグデータ

ビッグデータがKPIに取って代わるのでしょうか？ そうではありません。ビッグデータは、より正確で最新の洞察をKPIに提供します。

NPS（ネットプロモータースコア）を例にとってみましょう：

• 現在のNPS。今日、あなたの組織ではNPS（ネットプロモータースコア）がどのように計算されていますか？おそらく、四半期ごとに何らかの顧客調査を行っているでしょう。したがって、この指標は時間的に遅行しています。何かがあなたのビジネスに起こった場合、NPSは数ヶ月後にそれを示すでしょう。
• ビッグデータで強化されたNPS。今、顧客の感情をリアルタイムで分析するビッグデータツールを使用していると想像してみてください（下記のHeedbookの参照を参照）。この場合、あなたのNPSはリアルタイムのKPIになります。基本的に、特定のクライアントの特定のオファーや特定の販売アプローチに対する反応を見ることができるようになります。

場合によっては、データをさらに深く掘り下げて具体的な状況に至ることに興味があることもありますし、場合によっては週、月、年の集計データを見る必要があることもあります。

ビッグデータのKPI

ビッグデータの場合、新しいツールやアーキテクチャへの大規模な投資について話していますので、これらの施策を具体的なデータで監視することが合理的です。ビッグデータ施策は、定量化され測定されるべきです。これをいくつかの異なるレベルで行うことができます。

レベル1. 3-Vメトリクス

ビッグデータの3V（ボリューム、バラエティ、ベロシティ）は簡単に定量化できます：

• ボリュームはそれ自体で測定されます（GB、TBなど）
• バラエティは異なるデータソースの種類の数として定量化できます
• ベロシティは一定期間内に生成/分析されるデータのボリュームで定義されます

4つ目のV – 信憑性は定量化が難しいかもしれません。チームが正確なデータとみなすものを定義する必要があり、それは文脈に依存します。例えば、内燃機関の車では速度を±5 km/hの誤差で測定することが正確なデータと考えられるかもしれませんが、電気自動車ではそれは許容されません。データの正確性についての概念を与える1〜2のメトリクスを定義してください。

3-Vメトリクスは役に立ちますか？それは文脈に依存します。Googleの自動運転車を例にしましょう。車は1秒あたり1GBのセンサーデータを生成します⁶。その数字は印象的です！ビッグデータの規模を推定できますが、これらの数字は前述の3つの課題を解決するのには役立ちません。

ビッグデータのパフォーマンスを測定するためのKPIの階層。 出典: ビッグデータスコアカード.

レベル2. ビッグデータプロセスの指標

次の抽象レベルに進み、ビッグデータプロセスを見てみましょう。簡略化されたモデルは以下の通りです：

• クエリ
• 収集
• 分析
• 報告

この場合、最も有用な指標は時間に関連しています：

• データ収集の頻度
• 分析可能なデータが利用可能になるまでの時間
• KPIの形式でデータが報告されるまでの時間

タイミングに関するベンチマークは、ビジネスのコンテキストに依存します。例えば：

• 自動運転車はデータをリアルタイムで収集し分析する必要があり、ミリ秒の差が重要ですが、
• NPSのケースでは、マネージャーが週次の集計データをレビューすることに興味を持つかもしれません

プロセスの効率性に関しては、以下を追跡できます：

• クエリから報告への変換率, %。この場合、まず適格なクエリの概念を定義し、その後、データサイエンティストが回答できた適格なクエリの割合を追跡します
• データキャプチャ能力。キャプチャするデータの正確性レベル（上記の真実性で議論したアイデア）。一部の企業にとって、これらの能力が持続可能な競争優位性を定義します。

このレベルの指標は、ビッグデータがどれほど効率的であるかについてのより良いアイデアを提供しますが、ビッグデータが実際のビジネス目標に与える影響についての手がかりはまだありません。

レベル3. 遅行KPI。ビッグデータ成功を検証するためのKPI。

企業におけるビッグデータ施策の成功をどう検証するかという問題があります。一方でインフラへの大規模な投資がある一方で、ビッグデータはビジネスインサイトという形でリターンをもたらすべきです。それらのインサイトのドル価値をどのように測定できるでしょうか？

この場合、ビッグデータの使用により認められる改善を追跡する必要があります：

• ビッグデータからどのような教訓を学びましたか？これらのアイデアを実施した後のコスト削減はどのくらい達成されましたか？
• テーラーメイドの体験を提供することにより、顧客維持率はどのように変化しましたか？顧客のライフタイムバリューはどのように変化していますか？
• ビッグデータはカスタマーサービスをより効果的にするのに役立っていますか？初回解決率はどのように変化しましたか？
• ビッグデータの使用開始後、採用プロセスはどのように変化しましたか？パフォーマンスまでの時間という人事指標はどのように変化しましたか？

このレベルでは、以前使用していた古典的なKPIを使用しています。私たちがしようとしているのは、特定の改善をビッグデータの実施に帰することです。

このアプローチはバイアスがかかる可能性があります：

• 私たちはポジティブな変化を自分たちの成果と数えがちであり、
• ネガティブな変化を常に起こる通常の変動と見なすことがあります。

その解決策は、より大きく具体的な目標を目指すことです。

多くの組織はこの測定部分をスキップし、単に「いくつかのビッグデータ」を購入します。Capgemini Consultingによるデータの謎を解く：成功した企業がビッグデータを運用する方法という報告書⁷によると、インタビューを受けた企業の67%は、ビッグデータ施策の成功を測るための明確な基準を持っていません。投資の規模を考えると、企業はビッグデータ実施の目標と成功基準をより体系的に定義するべきです。

整合されたパフォーマンス指標を持つビッグデータプロセスマップの例。 出典: ビッグデータスコアカード.

レベル4. 先行KPI。ビッグデータの成功を確実にする。

今、ビッグデータ施策の成果を測定する方法はわかりましたが、先行部分についてはどうでしょうか？ビッグデータを成功裏に実施するためには何をすべきでしょうか？

ビッグデータの難しい部分はかなり明確であり、次のような一般的な指標で測定できます：

• ビッグデータ施策に投資された資金
• ビッグデータ施策に費やされた時間

ビジネス目標に集中するビッグデータ

ここに実際のシナリオがあります：ある会社がインフラ、ツール、およびHadoopクラスターを使ったビッグデータの収集に数百万ドルを投資しましたが、測定可能な成果は何も得られませんでした。これはチャレンジ1で話していたことです。ビッグデータはAIではなく、自ら話すことはできません。チームは質問をすることを学ぶ必要があります。では、どのようにしてチームの役割を測定できるのでしょうか？

ここにいくつかのアイデアがあります：

• ビッグデータ研修の効果。チームの主要メンバーがビッグデータについての研修を受けたことを確認してください。彼らが必ずしもデータサイエンティストになる必要はありませんが、どのような質問をすることができるか、そしてそれらの質問をどのように形成するかを知る必要があります。この場合の指標は研修の効果に関連します⁸。
• ビッグデータ施策を伴う戦略目標の割合。各チームが形成したビッグデータクエリの数を追跡することもできますが、このアプローチは非常に形式的であまり有用ではありません。より良い選択肢は、目標とビッグデータクエリとの整合性を追跡することです。チームに戦略目標を確認し、それらの目標の文脈でより良い意思決定を行うためにどのようなデータが必要かを話し合うよう依頼してください。

ビッグデータは新しいビジネス目標を策定するのに役立ちます

ビジネスコンテキストとビッグデータをマッチングさせるプロセスは双方向です。時には特定の課題を念頭に置き、特定のビッグデータツールを探すことがあります（ターゲットの例のように）。時には興味深いツールを見つけ、それを目標に合わせようとすることもあります。以下はいくつかの例です：

• チームの誰かがHeedbook⁹を見つけました。このサービスは顧客の感情をリアルタイムで分析します。サービスはMicrosoftのAzure上に構築され、クラウドで利用可能です。あなたのクライアントサービスチームは、このサービスを使用してNPSをより良く計算するというアイデアを思いつくかもしれません。
• IT担当者はDLP（データ損失防止）ソフトウェアを見つけるという課題に直面しました。CIS地域の情報セキュリティ会社であるSearchInform¹⁰に出会いました。これは通信や送信ファイルを分析するだけでなく、特定のセキュリティポリシーを強制することもできます。組織のIT戦略は、DLPツールの可能性を考慮に入れて更新することができます。

いずれにしても、具体的なビジネス目標をビッグデータの要件にマッチさせることは良い考えです。

アクションプラン。ビッグデータを測定可能にする。

この記事からのいくつかの重要な点をアクションプランの形でまとめましょう。

1. ビッグデータを見直す。現在どのようにデータが収集されているか、どのようなデータキャプチャの能力を持っているかを確認する（ビッグデータプロセスメトリクスをフレームワークとして使用）。
2. 宿題をする。戦略マップ上に戦略を策定し、それを業務ユニットに展開する。現在のKPIを見直す。
3. 能力を向上させる。ビッグデータに関するチームの能力を向上させるための施策を計画する。主要メンバーはどのような質問をすることができ、どのようにその質問を策定するかを理解する必要がある。
4. ビッグデータの取り組みに焦点を当てる。戦略マップを見直し、ビッグデータがビジネス目標をサポートできる機会を見つける。ビッグデータクエリを策定する。
5. 実施。ビッグデータによって得られた洞察を分析し、必要に応じてそれをKPIの形で反映する。

BSC Designerソフトウェアユーザーのための短いガイド

BSC Designerのユーザーとして、この記事で議論されている戦略的整合性やKPIの多くの側面を自動化する強力なソフトウェアをお持ちです：

• 戦略的整合性とビッグデータの集中。戦略マップを作成してビジネス目標を提示します。KPIをマップ上の目標と整合させます。まだ戦略マップがない場合は、戦略マップウィザードを使用して開始してください。

• チームがビッグデータ機能を持っていることを確認する。トレーニングスコアカード（この例から始めることができます）を使用して、チームがビッグデータを扱うための必要な能力を持っていることを確認してください。
• ビッグデータでKPIを強化する。ビッグデータ施策のパフォーマンス指標を追跡し、RESTFul APIを使用してリアルタイムのビッグデータレポートを指標に入力します。

まだユーザーでない場合は、オンラインで利用可能なBSC Designerの無料プランから始めることができます。

Big Data Scorecardテンプレートを使用してください

BSC Designerは、組織が複雑な戦略を実施するのを支援します:

1. プラットフォームで無料プランにサインアップしてください。
2. 新規 > 新しいスコアカード > その他のテンプレートで、 Big Data Scorecardテンプレートを開始点として使用してください。
3. 利害関係者と戦略的野心を包括的な戦略に整合させるために、戦略展開システムに従ってください。

今日から始めて、BSC Designerがどのように戦略実施を簡素化できるかをご覧ください！

Alexis Savkín

Alexis Savkinは、戦略アーキテクトであり、バランスト・スコアカードを中核とする戦略実行ソフトウェア・プラットフォームであるBSC Designerの創設者です。彼は、組織が戦略を測定可能な戦略的目標、KPI、および施策へと落とし込むことを支援しています。Alexisは、Strategy Execution Canvasの考案者であり、戦略とパフォーマンス測定に関する100本以上の記事の著者であり、また定期的な講演者でもあります。