「データドリブン経営」という言葉を聞いたことがあると思うけど、それがどういう意味なのか、どう実現されるのかについて、概要を解説しているよ。

DXというと「新規事業創出」や「業務プロセスの革新」といった攻めの改革をイメージすることが多いと思う。でも、特に大企業だと、もう少し地味というか、一見すると当たり前な経営のインフラとなるデータ利活用の環境を刷新する、という守りの取り組みもあるんだ。

基本的には「データを経営に活かすことで経営目的を実現する手法」のことだけど、動画では「機械学習やAIというテクノロジーを使って、ビッグデータを分析して経営に活かす」とか「稼ぐ力を持つ資産としてのデータをどうマネジメントしていくか」という、もう少し積極的で具体的な表現でも説明しているよ。

非常に大規模で体系的、緻密かつ網羅的なしくみについて説明しているので、超大企業以外の会社では、正直そこまでやらなくてもいいと思うかもしれない。でも、「信頼できるデータを基に意思決定したい」のはどの会社でも同じことなので、これを基に実現できる部分だけでも応用する、という使い方でいいのではないかと思う。

大きいレベルでは、不備のある意思決定で損失が発生することがあるし、事業機会を逃して逸失利益が発生することもあるよね。

日々の業務レベルでは、「誤った請求」であるとか、「顧客サービスコールの増加」と「それを解決する能力の低下」といったものを動画では挙げている。不正行為が発生しても、即座に気づけない問題が起こるおそれもある。

動画では、経営のPDCAの「マネジメントサイクル」の各活動においてデータを利活用するための「データライフサイクル」を回していく必要があるとしている。

これは、信頼できるデータを利活用するために、データ取得や収集などの「計画」を立て、しくみの「設計・実装」を行い、データの「生成・取得」や「格納・維持」をする。さらに利活用の結果を検証し、しくみの「強化」を図るサイクルのことだ。

データの品質を維持・向上させるためには、さらに「データマネジメント」が必要で、内容としては「データマネジメントポリシー」を作成し、それに基づき「データアーキテクチャ」を決め、「データマネジメントプロセス」を回し、「データガバナンス組織」を整備する、といった取り組みを行う必要がある。

なお、データガバナンス組織には、データライフサイクル全体を管理してデータ品質を維持・向上させる「データスチュワード」と、データの設計と実装を行う「データアーキテクト」、データを分析して経営の意思決定を支援する「データアナリスト」という3つの職種の人材が必要になる。

動画には図も示されているので、もう少し理解しやすいと思うのでぜひ見てほしい。ただ、これはまだ総論レベルで、実務に携わるためには別の動画で紹介されている各論を含め、結構勉強が必要になりそうなのは事実だね。

でも、超大企業だとこのくらい大きな構想を持っていないと、経営に対して信頼できるデータを提供するしくみを作り上げることはできないだろう。また、怪しげなデータが発生した場合、どこに問題があるのか追跡して改善することもできないんじゃないかと思う。