用語集

データアナリティクス

データ分析とは

データ分析（data analytics、データアナリティクス）とは、データを調査、変換、分析して、トレンドやパターンを特定することで、重要なインサイトを明らかにし、
意思決定の効率性を高めるためのプロセスです。最新のデータ分析戦略は、
システムや組織がリアルタイムの自動分析に基づいてアクションを起こすことを可能にし、インパクトのある成果を
すばやくもたらします。

データ分析のプロセス

データ分析のプロセスは、複数のステップとフェーズから構成されます。後のフェーズで得た学びをもとに、前のフェーズに戻って
再構築を行うこともあるため、そのプロセスは直線的ではなく、循環的なものとなります。データ分析のプロセスの成功は、
これらの各ステップの再現性と自動化に左右されます。

分析プロセスは、次のステップとフェーズから構成されます。

データ入力：要件を定め、その要件に合うデータを収集します。これには、ステークホルダーとの対話、データ所有者の特定、データへのアクセス権の取得などの、調査的な作業も含まれます。

データ準備：分析的洞察の獲得という最終目的のために、データを準備するプロセスです。このプロセスでは、生データをクリーニングして統合し、分析可能な構造化データへと変換させます。次に、準備プロセスの各段階で結果をテストし、分析が望ましい結果をもたらすかどうかを確認します。

データ探索： データ探索（探索的データ分析）とは、サンプリング、統計分析、パターン識別、
プロファイリングの可視化などにより、大規模なデータセットを調査するプロセスです。これらの手法は必ずしも科学的ではなく、結論を出すものでもありません。データへの理解を深め、より多くの情報に基づいたデータ変換を実現することを目的としています。

データのエンリッチ化：追加の入力情報やデータセットを用いてデータをエンリッチ化および増強し、分析のための情報を充実させますデータ分析のプロセスにおけるこのステップは、データを違った視点から見ることで、新たなインサイトを明らかにできるため、非常に重要です。

データサイエンス：より高度なデータ手法を用いて、初歩的なデータ処理手法では取得できない（または取得することが困難な）、より深い意味やインサイトを獲得します。これには、アルゴリズム、モデルトレーニング、機械学習（ML）、人工知能（AI）などが含まれます。

ビジネスインテリジェンス：組織のデータ、ソフトウェア、インフラ、ビジネスプロセス、人間の直感などを組み合わせることで得られる成果です。これらの成果から実用的なインサイトを獲得し、レポート、ダッシュボード、可視化などで共有することで、ビジネス上の意思決定を支援します。

レポーティング：データ分析で得た結果は、効果的に共有し、有益な知識を維持させていく必要があります。レポーティングとは、そうした知識や成果を整理し、分かりやすい形式に落とし込むことです。

最適化：変数は時間の経過とともに変化するため、当初の目的を達成し続けたり、新しい入力内容や特性の変化に基づいて目的を進化させたりするには、モデルを最適化および改善する必要があります。

データ分析のタイプ

データアナリティクスのタイプ

データ分析には、さまざまなタイプがあります。具体的には以下のとおりです。

記述的分析：「何が起きたのか」という質問に答えます（過去
1週間の
売上は？）。
診断分析：「なぜ起きたのか」という質問に答えます（前週から売上が増加したのはなぜか？）。
予測分析：「何が起こるのか」という質問に答えます（ホリデーシーズンにおける同店舗の売上はどうなるのか？）。
処方的分析：「何をすべきか」という質問に答えます（在庫切れを回避するために、特定の製品の出荷数を増やすことを推奨）。

記述的分析と診断分析では、データアナリストやリーダーは段階に応じて分析を行うことができます。また、これらの分析は、
より高度なインサイトを得られる予測分析や処方的分析のための基盤となります。

成熟したデータ分析基盤の構築

データはシステムや組織内のあらゆる場所に存在しています。多くのシステムや組織が、
分析を活用して、プロセスの改善やインパクトのある成果を実現しており、データ分析の
重要性については、疑問の余地はありません。今日の組織では、リアルタイムのインサイトと未来を見据えた
意思決定を可能にする、成熟したデータ分析戦略の構築がますます重視されるように
なっています。

最新の分析ソリューションには自動化が不可欠

データ分析の実践においては、前述のデータ分析プロセスの各ステップやフェーズに対応する
無数のポイントソリューションがあります。しかし、ポイントソリューションによる
アプローチの主な問題は、エンドツーエンドのデータサイエンスや分析プロセスを容易に自動化できないことに
あります。分析の自動化では、
単一の分析ソリューションによる分析の全工程の自動化を
基盤していることから、真のリアルタイム分析を実現できます。

データ分析の自動化により、分析チームや組織は1つの分析ソリューションのみで、データの初期入力、
クレンジング、エンリッチ化、データサイエンス、機械学習から、関連するアプリケーション、
クラウドデータベース、BIプラットフォームへのデータの書き込みに至るまでの、分析プロセスの
あらゆるパートを自動化できます。

現代の組織には分析のための中核的研究拠点が
必須

現在のデジタル経済で競争力を発揮するためには、将来を見据えた迅速な意思決定が
不可欠です。したがって、デジタルトランスフォーメーションを目指す今日のシステムや組織は、
その取り組みの「主要な推進要因」となる最新のデータ分析戦略を検討に入れる必要があります。

データ分析のためのセンターオブエクセレンスの構築

センターオブエクセレンス（中核的研究拠点）は、分析主導の文化を組織全体に効果的に
浸透・定着させることを目的とした、分析に特化した部門であり、全社規模での業務効率とプロセスの改善、
インパクトのある意思決定の実現やリアルタイムでのビジネス成果の達成を最終目標と
しています。影響力のあるセンターオブエクセレンスを構築することで、
社内主導のトレーニング、コンサルティング、ガイダンス、サポートを提供し、ベストプラクティスを促進し、
分析モデルの作成手法のフレームワークを実装し、分析に対する投資のROIを最大化できるようになります。

センターオブエクセレンスがうまく機能すれば、データ、分析、プロセス、人材をつなぐ架け橋にも
なります。これらの4つの柱がしっかりとかみ合えば、組織全体でデータが民主化され、
アナリストがシチズンデータサイエンティストとして活躍するようになり、分析プロセス全体が自動化され、
従業員のスキルアップが容易になります。

センターオブエクセレンスへの投資が効果的であることはデータによって裏付けられています。最近の調査では、データにアクセスして
分析を行うためのツールや手法を全社的に統一することで、触媒効果が得られることが明らかになっています。こうしたことを正しく行う組織の割合は26%にすぎませんでしたが、
そのうちの80%がビジネス目標を超える成果を達成していることにも注目が集まりました。また、データの活用方法について
全人材がトレーニングを受けた組織では、88%がビジネス目標を上回っていたのに対し、トレーニングを受けた人材が
少ない企業では61%程度となっていました。

データアナリティクス

分析を変革

データ分析とは

データ分析のプロセス

データ分析のタイプ

成熟したデータ分析基盤の構築

最新のデータ分析のユースケース

サプライチェーン

消費財/小売

医療

公共部門

金融サービス

財務部門

次の用語

関連リソース

お客様事例

自動予測で 1 日 75 時間以上を節約

お客様事例

日本キャタピラー社が分析業務を大幅に効率化

Inspire2024の開催まで残り数週間となりました！

5月13-16日｜今年のアナリティクスイベント