アクセンチュア関連ニュースアクセンチュア転職情報

イノベーションを加速する分析結果最適化プロジェクトとは

4月10日、国内最大級のアナリティクス専門カンファレンス「Analytics2014　‐SAS FORUM JAPAN」が開催された。本カンファレンスでは、データを活用し経済活動を効率化するための手法が数多く紹介された。

データサイエンス分野では、アクセンチュアアナリティクスの日本統括をうけもつ工藤卓哉氏が、企業戦略や意思決定の最適化を模索する上で重要となるイノベーショントレンドを概説した。また、データアナリティクスを行う際、“スケールアウトする領域、しにくい領域”を分類・把握したうえで、個々のデータに応じたサービス展開をすることの重要性を指摘した。

講演タイトルは「分析結果最適化プロジェクト成功の要諦とディシジョンサイエンスを支える人材の育成方法」。

◆企業戦略、意思決定効率化にヒントをもたらす　3つのイノベーション手法

データサイエンスの領域には、企業戦略、もしくは意思決定の最適化を目的として方策を考えるものがある。工藤氏は、これらを考える上でイノベーションのトレンド理解が役立つ、と話す。

経営戦略や意思決定の最適化を模索する中で「旧来型の、新しいサービスを考えるあり方では突破できなくなっているものは多いと感じる。そこで旧来型とは異なる3つの手法がヒントとなりうる」という。

工藤氏はクレイトン・クリステンセンのイノベーションの考え方を土台にした模式図を示しながら、3つの新しい型を説明した。

1. リードユーザ法（Lead User Process）：ヘビーユーザーでなくても「内容を理解している、とがったユーザ」が生み出すケース。例えばブレーキのABSのように、航空機で生み出された技術が、自動車に応用されたように、必ずしもヘビーユーザーがあたらしいビジネスを創造するわけではなく、リードユーザの発見を応用するかたちで新しいアイディアが生まれることがある。

2. ユーザ創造型（User Generated Innovation）：プラットフォームがオープンエリアとなっていて、その領域でユーザが独自のイノベーションを起こすケース。グーグル、アップル、リクルート等のB2Cに多くみられる方法で、ユーザ発のサービスの取り込みが肝となる。

3. アナリティクス型（Analytics Deep Learning）：機械学習から学んでいくことを指す。アイディアの起点はユーザのデータ（Raw Data）で、スパースコーディングを通じて開発に繋げるものだ。この手法が対象とするのはAI技術を活用した製品やサービスや大量のデータを活用できるケースだ。

工藤氏は、これら3つの型に限らなくとも、人材に関する領域でこれから今までに無いオープンコミュニティ型の手法がでてくるのでは、という可能性を示した。「実際に自社でハッカソンに入賞する人間をみていると、10何年前からは随分かたちが変わってきていると感じている」という。

◆アナリティクスが効く領域を見極め、「データに応じたサービス展開を」

この上で、工藤氏はデータアナリティクスにおいて、目標設定の重要性とデータに応じたサービス展開をすることの重要性を説く。

同氏はデータアナリティクスは「データや数理モデルだけでもダメ」という点を強調し、先立つ目的に適用されるような方向性があってこそ最適化にむかうものだ、と指摘する。

また、何億円という規模でのコスト削減に結びつくような、すなわち利益に直接結び付くようなものは、スケールアウトしやすくSKUナンバーが非常に多いもので、リニアにスケールアウトできるようなケースであることが非常に多いという。このようなサービス・商材ではアナリティクスが効きやすく、アクセンチュアにおいてもレベニュードライバーとなっているという。

一方でアクセンチュアが取り組むなかでも、目的にそういうことが難しい領域が存在するという。具体例をあげれば生鮮食品の需要予測などは「レイバーインテンシブ（labor-intensive）で、正当率が高くてもなかなかスケールアウトできないことがある」という。

したがって、性質に合わせて領域をわけ、データに応じたアルゴリズムを展開すること、その上でサービス展開をすることの重要性を工藤氏は強調した。