まとめ

データドリブンとは?経営・マーケティング・組織作りの要点&事例3選

2020/4/8

チーム

ヤフーが経営の柱とするデータドリブン。アパレル業界でもナイキベイクルーズなどの、大きな成功事例があります。

このデータドリブンについて、下のような疑問を持っている方は多いでしょう。

この記事では上記の疑問に答えつつ、データドリブン・アトリビューションなど個別のツールについても解説します。データドリブンの本質からテクニックまで、全体を理解していただけるでしょう。

データドリブンとは

会議

データドリブンの概要をまとめると、下のようになります。

意味データを総合的に分析・活用すること
内容膨大なデータ、分析するツール、使える人材を揃える
類義語データインフォームド(データは参考程度)
対義語デマンドドリブン(要求駆動)

それぞれ詳しく説明していきます。

意味:データを総合的に分析・活用すること

データドリブンとは、データを総合的に分析・活用することです。これは、下の辞書の定義を要約したものです。

得られたデータを総合的に分析し、未来予測・意思決定・企画立案などに役立てること。
データドリヴン | コトバンク

実際にやることは、下の段落で説明します。

内容…膨大なデータ、分析するツール、これらを使える人材を揃える

ビジネスデータ

データドリブンの内容は、具体的には下の3要素を揃えます。

それぞれの詳細はリンク先の段落で解説します。

類義語:データインフォームド(データは参考程度)

データドリブンに似た言葉では「データインフォームド」があります。データドリブンとの違いは下のとおりです。

データドリブンデータ重視
データインフォームドデータは参考程度

データインフォームドが、データドリブンの類義語(しかし、似て非なる言葉)として扱われていることは、下の記述でわかります。

データ分析で得られた知見を意思決定や次のアクションに生かす「データドリブン」という言葉が注目を集めている。だが、データの可視化やアルゴリズムから得られる知見は多くの場合ただの相関関係であって、因果関係とはいえない。
データインフォームド | 日経ビジネス

この続きが動画で説明されているのですが、データドリブンでは得られない知見・発想を生み出すのがデータインフォームド、ということです。

データインフォームドの意味・定義

データインフォームドの図解画像引用元:DMMにおけるユーザーレビュー基盤の変革 | DMM INSIDE

「データインフォームドとは何か」は、下の説明がわかりやすいものです。

「Data-informed」という考え方は、データの中に意思決定があるのではなく、意思決定する上での1つの情報としてデータがあるといった考え方です。
Learn→Idea=学習から仮説立案 | DMM INSIDE

短い言葉でまとめると、データインフォームドとは「意思決定の参考情報としてデータを扱う」となるでしょう。つまり、データの比重がかなり小さいということです。

参考なぜデータドリブンではなくて、データインフォームドであるべきなのか | 未来の仕事

対義語:デマンドドリブン(要求駆動)

接客

データドリブンの対義語は「デマンドドリブン」です。デマンドドリブンとは、ユーザーの要求に合わせた仕組みを指します(下の定義の要約)。

デマンドドリブン型とは、利用者の要求、つまりデマンドがすでに決まっており、その要求に合致したルールに基づいて動作する仕組みである。
人の行動・感情を知るために必要な非構造化データの分析 | デジタルクロス(インプレス運営)

もっと簡単にいうと、ドラッカーの「顧客から始めよ」という有名な考え方です。正確には以下のような言葉です。

企業の使命と目的を定義するとき、出発点は一つしかない。顧客である。
マネジメント[エッセンシャル版]: 基本と原則 | Google Books

その「顧客が何を求めているか」を知るためにデータがあるわけです。最初は皆そのためにデータを集め始めたはずです。

しかし、いつの間にかデータ(手段)が目的化してしまう。それがデータドリブンが「過剰になった状態」です。過剰にならなければ、データドリブンは良いものであり、デマンドドリブンと本来同じものといえます。

アパレル業界でのデータドリブンの成功事例・3選

データドリブンの成功事例は、アパレル業界で大きなものが複数あります。ここでは、下記の3つの事例を紹介します。

ナイキデータ×デザインの新コレクション
ベイクルーズ300店舗以上の店舗とECの在庫一元化
IQONアプリの最初の100万ユーザーを広告費0円で獲得

以下、それぞれの事例の解説です。

ナイキ:データ×デザインの新コレクション

ナイキ画像引用元:NIKE

ナイキが2018年に発表したコレクション「Nike x MMW Collection」は、スポーツウェアのデータドリブンの代表例です。同コレクションでは、下のようにデータを活用しています。

  • ナイキが蓄積してきたアスリート達の膨大なデータを活用
  • 体の動き・体温などの各種データ
  • このデータを元に、快適な機能性を実現する

要は「着心地」をデータで実現するということです。着心地は、下のようなあらゆる要素で変わってきます。

  • 気候
  • 体格
  • 性別
  • 人種
  • 種目
  • 競技レベル

こういったデータを膨大な量で分析し「大部分の人にとって快適な着心地」を実現したということです。

参考ナイキの新コレクションのテーマは「データ × デザイン」| AMP

発想自体は「当たり前」である

上の説明を読んで「たくさんのデータを分析して、着心地を良くするのは当たり前では?」と思うかもしれません。実はそのとおりで企業努力はすべて当たり前のことです。

「当たり前だけど難しい」ことを、いかにやるかが企業努力といえます。これは下の記事で解説する「ケイパビリティ」の最も重要な考え方です。

ベイクルーズ:300店舗以上の実店舗とECサイトの在庫を一元化

ベイクルーズさん画像引用元:ベイクルーズのファッション通販

「IENA」や「JOURNAL STANDARD」などのアパレルブランドの展開で知られるベイクルーズグループ。同グループは特に2017~2018年にかけて、EC事業で急成長しました。

具体的な数字を出すと、ECの売上高のみで、下のように急伸していたのです。

2017年8月期前期比27%増(275億円)
2018年8月期前期比24%増(340億円)※当時見込み

この急成長を支えていたのが、データドリブンに基づく「オムニチャネル戦略」でした。この戦略のポイントの一部をまとめると、下のようになります。

  • 300店舗以上の実店舗と、ECサイトの在庫を一元化する
  • 会員プログラムも統合する

これにより、たとえば実店舗での在庫を、ECサイトでリアルタイムに表示できるようになりました。さらに2018年5月からは、「リアルタイムパーソナライゼーション」にも取り組んでいます。

この内容を箇条書きでまとめると、下のとおりです。

  • 顧客の「行動情報・購買データ」を、
  • 「リアルタイム」で解析し、
  • 顧客ごとに「最適化した情報」を、
  • 「最適なタイミング・チャネル」で配信する

これもやはりナイキの事例と同じく「言うは易く、行うは難し」といえるでしょう。その難しい取り組みを実現したことで、ベイクルーズのEC事業は飛躍を遂げたわけです。

参考データドリブンで急成長 ベイクルーズが取り組む オムニチャネル戦略の全容に迫る

なお、ベイクルーズのようにデータによって流通を効率化する取り組みをサプライチェーンマネジメント(SCM)といいます。SCMについては、下の記事で詳しく解説しています。

IQON:アプリの最初の100万ユーザーを広告費0円で獲得

IAOn画像引用元:IQON

2020年4月6日に、惜しまれつつサービスを終了したIQON。2010年に公開されて月間利用者数約200万人を集めた人気サービスでした。

スタートトゥデイ時代のZOZOが20億円で買収した有力なサービスでしたが、同サイトの運営もデータドリブンで成功した事例です。アプリ版IQONの最初の100万ユーザーは、広告費0円で獲得されたものです。

当時の運営会社・株式会社VASILYの代表取締役・金山裕樹社長は、IQONのデータドリブンの方針について、下のように語られています。

すべてデータを使っていますね。データがなければ社員と話(議論)もしません。
(中略)
“かわいい記事が良い”という背景には、“かわいい記事ならユーザーに評価される”という結果があるはずです。その結果は、ログとして残っているわけですね。さらに言えば、最終的には、事業に対する数字、売り上げに結びつくものが大事なわけで、それが判断できるのはデータだけしかありません。
データドリブンはここまで進んでいる! 先進企業4社が語る効果測定とデータ活用の重要性 | マーケジン

サービスは終了したものの、ピーク時には女優の木村文乃さんをCMに起用するなど、大きな成功を収めたサービスでした。特に「100万ユーザーを広告費0円で獲得した」という実績は、データドリブンの大きな成功事例といえるでしょう。

データドリブン経営で必要な「4種の神器」とは

チーム

データドリブンの方針を経営に持ち込む場合「4種の神器」が必要とされます。これは、多摩大学大学院・MBA客員教授で、日本IBMアソシエイトパートナーの前田英志氏が、下のコンテンツで説かれている考え方です。

参考【成功事例】データドリブン経営を成功させる「体制づくり・社員教育」のキモ | ビジネスIT

4種の神器を一覧にすると、下のとおりです。

天然資源貯蔵庫データレイク・収集ツール
飛び道具BI・BA・AIなどのデータを活用する技術
参謀組織データ・ツールを使いこなせるチーム
天才科学者と理解者革新を起こす1人の天才と、それを理解できる経営陣

それぞれリンク先の段落で説明します。

天然資源貯蔵庫:データレイク・収集ツール

データ

データレイクとは「膨大なデータ」です。「データの湖」という直訳のとおりです。

先のナイキの例でいえば、同社が蓄積してきた膨大なアスリートのウェア着用のデータが、レイクになっています。近年よく聞くようになったビッグデータも同じです。

ビッグデータとは「巨大で複雑なデータの集合」のことです。これは、データレイクの発展版といえます。量だけでなく「複雑になった」という点が違いです。

参考ビッグデータ | Wikipedia

飛び道具:BI・BA・AIなどのデータを活用する技術

大量の素材(データ)を集めたら、それを料理する必要があります。その道具がBI・BA・AIなどです。それぞれ「何の略か」を書くと、下のとおりです。

BIビジネスインテリジェンス
BAビジネスアナリティクス
AI人工知能(アーティフィシャル・インテリジェンス)

BI・BAはリンク先の段落で説明します。AIの説明は不要と思われるため省略します。

ビジネスインテリジェンスとは

データ

ビジネスインテリジェンスとは、データを収集・分析・可視化する仕組みです。これは下の説明を要約したものです。

企業の情報システムなどに蓄積される膨大な業務データを収集して分析し、その結果を可視化し、業務や経営の意思決定に活用する仕組み。
ビジネスインテリジェンス | 大塚商会

ビジネスアナリティクス

ビジネスアナリティクスとは、BIの結果から将来を予測する手法・技術のことです。これは下の説明を要約したものです。

BAは「Business Analytics」の略称で、BIで分析した結果を利用して将来を予測する手法や、そのための技術のことです。
今注目の「BI/BAツール」、厳選11製品を比較 | IT Search(マイナビ)

参謀組織:データ・ツールを使いこなせるチーム

チーム

材料(データ)があり、料理するための道具(BI・BA・AIツール)がある。という状態でも「道具を使う人」が必要です。

これは職種でいうと「データサイエンティスト」です。データサイエンティストとは、大量のデータを収集・分析する人のことです(下記参照)。

参考データサイエンティストにおすすめの資格とは?| Udemy(ベネッセ運営)

データサイエンティストの資格

国家資格でいうと、下の4種類が該当します(少し意外かもしれませんが、DB・STも国家資格です)。

「どんな人材を入れればいいのか」「どんな資格があれば能力を証明できるか」と考えたとき、上記のような資格は一つの参考になるでしょう。

天才科学者と理解者:革新を起こす1人の天才と、それを理解できる経営陣

材料・道具・料理人がすべて揃っても、データを分析して何をするのかという方向が定まっていなければ、分析するだけで終わってしまいます。あるいは、何か行動をしても「ユーザーのためにならない努力」となるでしょう。

そのため、分析に方向を与える人が必要です。これが「1人の天才」であり、この人物は分析の能力だけでなく、発想力もあります。

イノベーションを起こすイノベーターにも近い人であり、経営者にも近いポジションです。実際、小規模な企業であれば社長がこのポジションに就いているでしょう。

逆に、中堅以上の企業で社長がこのポジションまで降りて来ると「現場に近づき過ぎ」です。社長がそこまで降りてくる場合は、もうひとり「経営を専門で担当する副社長」を用意する必要があります。

(イノベーターについては、下の記事で詳しく解説しています)

全盛期のホンダの場合

本田宗一郎と藤沢武夫画像引用元:藤澤武夫と本田宗一郎の関係って?| A Little Honda

戦後のホンダの場合「天才科学者と理解者」の組み合わせは、下のようになっていました。

天才科学者本田宗一郎(写真左・ポロシャツの男性)
理解者藤沢武夫(写真右・ネクタイの男性)

当時のホンダでは「宗一郎が技術に専念し、経営はすべて藤沢に任せる」というスタンスを取っていました。データドリブン経営でも、こうした「天才と理解者」の両方がトップにいることが重要です。

(役職は社長と係長などかなり離れる可能性もありますが、プロジェクトのトップという意味です)

参考藤沢武夫 | Wikipedia

データドリブン組織を実現するための3つのポイント

チーム

東証1部上場企業のソウルドアウト株式会社が運営するLISKUL(リスクル)。同サイトの記事では、データドリブン組織を実現するためのポイントを、下記の3点に集約しています。

人材知識・スキルを持つ人材を集める
体制人材が行動しやすいルール・体制を整える
ツールデータ収集・解析のツールを揃える

参考データドリブンとは?組織に浸透させるための3つのポイントと注意点 | LISKUL

それぞれのポイントについて解説します。

人材:知識・スキルを持つ人材を集める

当然ながら、知識・スキルを持つ人材が必要です。知識については下の4点が必要とされています。

  • データ分析
  • 統計学
  • データ処理
  • マーケティング

上記の4つの知識に加え、ロジカルシンキングのセンス、担当するビジネスに対する見識が必要ということです。

体制:人材が行動しやすいルール・体制を整える

会議

優秀な人材がいても、その人材が「行動させてもらえない組織」では意味がありません。

  • 組織全体が、データドリブンについて理解を示す
  • 行動のためのアクションプランを立てる
  • これらの方針が守られていることを、トップが定期的に確認する

上記のようなルール・体制が必要となります。

ツール:データ収集・解析のツールを揃える

人材も体制も整ったら、おおむね成功しています。しかし、優秀な人材も「素手で戦う」ことはできません。データドリブンのためのツールが必要です。

たとえば集客が目的ならDMP(データマネジメント・プラットフォーム)、顧客化を目指すのであればSFA(セールス・フォース・オートメーション)などのツールを導入します。

データドリブンマーケティングとは

会議

データドリブンマーケティングの意味や関連知識をまとめると、下のとおりです。

意味多様なデータを活用するマーケティング
書籍アマゾンCEO・ベゾスが愛読、同社の教科書
事例ヤフー「データドリブンカンパニー」を掲げる

それぞれ詳しく説明します。

意味:多様なデータを活用するマーケティング

データドリブンマーケティングとは、多様なデータを活用するマーケティングです。他の言葉の定義と同じく「決して特別なことではない」といえます。

上の定義は、下の説明の太字部分を合わせて要約したものです。

データドリブンマーケティングとは、売上データや顧客データ、WEB解析データなど多種多様なデータを活用して、経営の意思決定や企画立案を行っていくマーケティング手法です。
データドリブンマーケティングは誰のため? | リコー

書籍:アマゾンCEO・ベゾスが愛読、同社の教科書

データドリブンマーケティング画像引用元:データ・ドリブン・マーケティング | Amazon.co.jp

データドリブンマーケティングは、同名の書籍もあります。この書籍は有名で、アマゾン創業者のジェフ・ベゾスも愛読しています。

アマゾン社員の教科書にもなっており、アメリカ・マーケティング協会が選ぶ「最優秀マーケティング・ブック」にも選ばれています。

(出版から3年経っても、中古品が2,000円台からと、かなり需要のある書籍です)

事例:ヤフー「データドリブンカンパニー」を掲げる

ヤフー画像引用元:ヤフー株式会社

Yahoo!は2018年6月に川邊健太郎氏がCEOになりました。このときから「データドリブンカンパニー」を新たな方針として掲げています(下記参照)。

川邊氏は、これまで宮坂氏が掲げていた「爆速経営」に代わるテーマとして、ヤフーの各サービスで得られたマルチビッグデータを生かした事業モデルを展開する「データドリブンカンパニー」を新たに掲げている。
ヤフー“第二の創業”に挑む川邊社長--PayPayやデータドリヴンは次の柱になるか | CNET Japan

Yahoo!にはオークションやメールなど多くのサービスがあり、それらによって大量のデータが集まっています。それを活かしてデータドリブンを行うということです。

データドリブン・アトリビューション(DDA)とは

経営

データドリブン・アトリビューションの概要をまとめると、下のとおりです。

意味主にGoogle広告の機能の一つ
内容CVに貢献したキーワード・キャンペーンを検証する
他モデル全6種類のアトリビューションモデルがある

それぞれ詳しく説明します。

主にGoogle広告の機能の一つ

DDAは、主にGoogle広告の機能の一つを指します。その機能は下のようなものです。

データドリブン アトリビューションでは、ユーザーが広告主様の商品を検索し、コンバージョンに至った過程に基づいて貢献度を割り当てます。データドリブン アトリビューションについて | Google広告ヘルプ

箇条書きで書くと、下のようになります。

  • ユーザーがあなたの商品を検索する
  • 購入(コンバージョン)に至る
  • その過程を調べる
  • どの要素が一番貢献していたか、探る

具体的にいうと、下のようになります。

CVに貢献したキーワード・キャンペーンを検証する

データ解析

Web検索からのコンバージョンというと、キーワード・キャンペーンなどが、主な分析対象になります。

  • どのキーワードの検索からのCVが多かったか
  • どのキャンペーンが有効だったか
  • 同じキャンペーンでも、どのLPが有効だったか

などの点を分析するわけです。

他モデル:全6種類のアトリビューションモデルがある

実は、Google広告のアトリビューションモデルは、全部で6種類あります。「データドリブン・アトリビューション」はその一つに過ぎません。

6種類を一覧にすると下のとおりです。

  • ラストクリック
  • ファーストクリック
  • 線形
  • 減衰
  • 接点ベース
  • データドリブン

各モデルの詳細は、下の公式ページをご覧ください。

参考アトリビューション モデルについて | Google広告ヘルプ

そもそも、アトリビューションとは

データを見る女性

「データドリブン・アトリビューション」という長い言葉でなくとも「アトリビューション」だけで、貢献要素の分析という意味があります(下記参照)。

アトリビューションとは、メディアごとのコンバージョンへの貢献度を測ること。
アトリビューション | シナジーマーケティング

測るためには当然データも分析します。ということは「データドリブン・アトリビューション」と、前に「データドリブン」を付けなくても良いともいえます。

実は、マーケティング用語の大部分は「名前をつけなくてもいい」

プレゼン

今回のデータドリブンでは特に「これは、わざわざ名前をつける必要があったのか?」と思う人も多いでしょう。その疑問は正解で、マーケター以外の人は「専門用語を使う必要はない」と、抵抗を感じることもあります。

たとえば、爆笑問題の太田光さんは、起業家・椎木里佳さんの「PDCAサイクルを回して…」という言葉に不快感を露わにしたことがあります。

参考
爆笑問題・太田光 ビジネス用語を使う女子高生社長にイラ立ち | ライブドアニュース

太田さんだけでなく、医師の西川史子さんも「別に…計画して行動してってことでしょ?何で面倒くさいこと言うの?」と、抵抗感を示していました。(参考:netgeek

上の西川さんの指摘は一理あるものです。たとえば「マーチャンダイジング」は、辞書では「マーケティング戦略。」と一言で定義されています。

松下幸之助も、経営の極意を「雨が降ったら傘をさす」と、庶民でもわかる一言で説明していました。

松下幸之助氏画像引用元:PHP研究所

マーケティングの用語は、結局すべて「略語」なのです。略語がわかる人同士なら、使う方が話がスムーズです。

しかし、そうでない人が相手なら、社内でも社外でも「その人に合った言葉」を使って説明しましょう。仏教で「人を見て法を説け」と言うとおりです。

まとめ:データドリブンには高機能なクラウドシステムの導入も有効

パソコンを使う女性

データドリブンを経営に導入するには、下の2つが必要です。

  • 豊富なデータ
  • それを正しく分析できるツール

アパレル店舗の経営で、この2つの要素を揃えるために役立つシステムが、弊社が提供する「birdiecloud」です。アパレルに特化した高機能なクラウドシステムであり、クラウドPOSレジの「birdiePOS」と連携することで、実店舗でのデータドリブンもさらに効率的に実践できます。

データを効率的に活用し、より高いレベルの経営やマーケティングを実現したいマネージャーの方は、ぜひ下記のバナーから、birdiecloud・birdiePOSの詳細をご確認いただけたらと思います。

PR

-まとめ

Copyright© アパラボ , 2020 All Rights Reserved.