「データサイエンスはビジネスでどのように使われているの？」
「データサイエンスをビジネスに活用するための準備は必要？」
と気になりませんか。
データサイエンスとは、蓄積されたデータを使って問題を解決するために必要な情報を発見する学問のことで、最近はビジネスシーンでも需要が増えてきていて、データを分析し課題を解決する際に用いられます。
データサイエンスの技術を活用することで、売上向上やコストカット、業務の自動化などが行えます。
この記事では、
- データサイエンスでできること
- データサイエンスの活用例
- データサイエンスを活用するために必要な準備
などについて解説していきますので、ぜひ参考にしてみてください。
澁谷 優成
そもそもデータサイエンスとは
データサイエンスは、データを根拠にして「現状を整理し、次の判断に必要な根拠をつくる」ことです。
この章ではまず、データサイエンスの活用事例を読み比べる前提として、データサイエンスの意味とデータサイエンス活用の基本の流れを整理します。
この2つを押さえると、データサイエンスの活用事例を読むときに「この会社は何を課題として置いたか」と「どのデータや指標を根拠に判断したか」を見比べやすくなります。
データサイエンスの定義
先ほども解説したように、データサイエンスとは、蓄積されたデータを使って、問題を解決するために必要な情報を発見する学問です。
統計学や機械学習などの技術を使い、経験や勘だけでは見えにくい要因を整理して、判断の根拠を作ります。
ビジネスでは「売上を上げたい」「在庫のムダを減らしたい」などの目的に対して、データから意思決定につなげるために使われます。
データサイエンス活用を進める基本の流れ
データサイエンスは、いきなり分析から始めるより、順番を決めて進めた方が成果につながりやすいです。
上記の流れは「PPDACサイクル」と呼ばれ、問題設定から結論までを一連で扱う考え方です。
- P（Problem）：問題や課題の把握
- P（Plan）：仮説や計画の立案
- D（Data）：データの収集
- A（Analysis）：データの分析
- C（Conclusion）：分析結果から結論を導く
この流れを行うことで、「何が未決定で止まっているか」を切り分けやすくなり、適切にデータサイエンスを活用できるのです。
データサイエンスを活用できれば、企業にとって有益な情報を見つけ出せます。
そのため、多くの企業はデータを集めてデータサイエンスを活用しようとしているのです。
Caccoのデータサイエンスでできること3つ
当メディアを運営する『Caccoのデータサイエンス』は、データを分析して終わるのではなく、事業の判断に必要な根拠をそろえ、次の打ち手まで落とし込む支援です。
この章では、Caccoのデータサイエンスでできることを、
- 売上の向上・改善ができる
- ムダのない在庫管理ができる
- 業務の工数を減らすことができる
の3つに分けて整理し、各テーマで導入することで何ができるようになるのかを解説していきます。
売上の向上・改善ができる
売上の向上・改善は、売上を動かす要因を分解し、次の打ち手を選べる判断材料に変えるところから始まります。
例えば、購買データを「誰が・何を・いつ買ったか」で整理し、購入頻度や値引き率もあわせて見ると、狙う客層や伸ばす商品、改善すべき導線の仮説を置けます。
また、施策の前後で同じ指標を追う設計にすると、「どこが変わったか」を社内で説明できる根拠が残ります。
ムダのない在庫管理ができる
ムダのない在庫管理は、欠品の許容水準を決めたうえで、発注判断の根拠を残すことです。
具体的には、販売実績、リードタイム、季節性などの前提がそろうと、欠品と過剰在庫の両方を抑える判断を組み立てられます。
予測と実績の差、発注点や安全在庫の見直し結果などを記録することで、ズレの原因を次の発注ルールへつなげられるのです。
業務の工数を減らすことができる
業務の工数を減らすには、集計と確認の往復や手戻りが起きる工程を減らし、判断までの手順を短くします。
データの所在が分かれる、指標の定義が揃わない、確認者や期限が曖昧、のどれかがあると、作業が止まりがちです。
まずは「何をどの粒度で集計し、誰が何を見て判断するか」を揃えるだけでも、転記や差分確認の往復は減らせます。
Caccoのデータサイエンス活用事例5選
ここからは『Caccoのデータサイエンス』の導入事例を5つ紹介します。
- 株式会社デザインフィル様
- 株式会社NEWSY様
- 株式会社アーバンリサーチ様
- 株式会社ストライプインターナショナル様
- 大峰堂薬品工業株式会社様
それぞれの企業様が別々の課題を持っていて、データを用いて解決するためにCaccoのデータサイエンスの導入をご決断していただきました。
どのような流れでデータサイエンスの活用を進めるのかを紹介しますので、ぜひ参考にしてください。
【事例1】株式会社デザインフィル様｜メーカー業界
株式会社デザインフィル様は、デザインを通じて生活を楽しくするインスピレーションを提供し、人々のコミュニケーションを豊かにすることを理念としています。
メーカー業界の企業様であることから、需要予測や在庫管理でCaccoのデータサイエンスを導入していただきました。
導入の背景から効果まで、以下でご紹介します。
- 導入の背景（課題・ニーズ）
Caccoのデータサイエンスの導入のきっかけは、ライフスタイルデザイン事業の1つ「ミドリ」におけるベテラン社員の定年退職でした。
ベテラン社員の方が経験やノウハウをもとに需要予測を行い、生産指示を出していたため、判断の根拠が残りにくい点が課題でした。
そこで、現状を整理し、需要予測のロジックを定めるために、Caccoのデータサイエンスが導入されることになったのです。
- データ分析した内容
まず、需要予測に必要なデータが部署や形式ごとに散らばっていたため、データを集約し、月次で予測と実績を照合するところから着手しました。
その後、準備期間を経て、2020年7月より「需要予測システム」として運用を開始されています。
需要予測から最適な生産量を決めなくてはなりませんが、以下が仕組み化を行う上で難しい点でした。
- リードタイム（発注から納品までにかかる時間）がある
- 各商品でリードタイムが異なる
- 日々の販売量が不確実である
- 次年度に持ち越せない商品は売り切らなければならない
これらを同時に考慮して生産計画を決めるのは、属人的な判断だけでは再現が難しくなりがちです。
しかし、データサイエンスの手法を用いることで、需要量の見立てに加えてリードタイムなどの条件を織り込み、判断の根拠を残しながら生産量を決める設計が可能になります。
また、今回の場合は、ベテランの方がどのようなプロセスで在庫管理を行っているかのヒアリングも丁寧に行いました。
Caccoのデータサイエンスでは、ヒアリングを重ねることで一緒に改善を目指し、自走できるようサポートさせていただきます。
- 導入の効果
導入の効果としては、以下のようなことが挙げられます。
- 生産数に対して過不足が起こった時、原因追及が素早くなった
- データを根拠にした意思決定ができるようになった
- 経験値から決定してた生産量・余剰量が見える化された
- 欠品額を4割削減できた
- データサイエンス部の新設
データサイエンスを導入するだけでも、以上の効果が得られるのです。
データサイエンスによる仕組み化だけでなく、企業様自身がデータ活用に対して前向きになれます。
同じような課題点でお悩みの事業者の方は、Caccoのデータサイエンスにご相談ください。
※参考：Caccoのデータサイエンス導入事例「株式会社デザインフィル様」
【事例2】株式会社NEWSY様｜メディア業界
株式会社NEWSY様が提供する調査系ニュースメディア「しらべぇ」は、月間3,710万PVを誇る人気メディアです。
記事の当たり外れを勘だけに寄せず、PVに貢献するタイトル表現を言語化して、コンテンツ制作の再現性を上げたいという狙いがありました。
その取り組みの一環として、「どんなタイトルをつければ良いか」を判断するための分析に、Caccoのデータサイエンスをご活用いただきました。
導入の背景から効果まで、以下でご紹介します。
- 導入の背景（課題・ニーズ）
さまざまなメディアの勝ちパターンは表面的に真似できても、自社に合うかどうかをデータで検証し、根拠を持って判断したいという課題があったそうです。
メディア勤務歴のない社員や経験の浅いライターも多く、属人的な感覚に寄らない判断材料が必要になっていました。
そこで、ニュースのタイトルを「良し悪し」で終わらせず、データで評価できる状態を作ることを目的に分析が進められました。
- データ分析した内容
分析では、PVに対する寄与を見ながら、タイトルのキーワード・表現・構成を要素に分けて評価しました。
具体的には、自然言語処理でタイトルを品詞（名詞・形容詞など）に分解し、PVへの影響を調べる方法で、効く要素と避けたい要素を整理しています。
その結果、PVに影響するキーワードや表現、構成があることを示し、どのようなタイトルに寄せれば良いかを明らかにできました。
- 導入の効果
導入の効果としては、以下のようなことが挙げられます。
- 一般論ではなく、自社メディアのデータにもとづく判断材料を得られた
- PVに影響する要因の中に、想定外の発見があると分かった
こうした結果をふまえ、クリエイティブな記事を作る際の判断材料として活用いただいています。
タイトルの検討で迷った場合も、判断の軸が根拠のあるデータで持てると、次の改善が回しやすくなります。
※参考：Caccoのデータサイエンス導入事例「株式会社NEWSY様」
【事例3】株式会社アーバンリサーチ様｜EC・小売業界
株式会社アーバンリサーチ様は、EC展開もいち早く行い、実店舗でもこれまでのアパレル業界になかった新たな取り組みで注目を集めている企業様です。
離脱率の改善やアクティブ会員を増やすための顧客分析に、Caccoのデータサイエンスをご活用いただきました。
導入の背景から効果まで、以下でご紹介します。
- 導入の背景（課題・ニーズ）
導入のきっかけは、離脱率の改善と、会員をいかにアクティブにするかが課題になっていたことです。
キャンペーンで一度は買ってくれたものの、次につながりにくい顧客がいるなど、継続利用を増やすための打ち手が求められていました。
手を打つにしても、会員が多い中で「どう分けて、どう伝えるのが良いか」が分からず、判断が止まりやすい状況があったそうです。
- データ分析した内容
支援では、個人情報を除いた顧客情報と、リアル店舗・EC双方の購買データをもとに、属性やブランド、購入頻度、値引き率などの観点からクラスタリングを行いました。
クラスタリングは、顧客を「買い方の傾向」でグループ分けし、どの層にどんな施策が効きやすいかを考えるための土台づくりです。
そのうえで、各ブランドの年齢層や値引きの効果なども含め、想定とデータのズレがどこにあるかを把握できる形に整理しました。
- 導入の効果
導入の効果としては、以下のようなことが挙げられます。
- 顧客グループごとの特徴が分かり、「誰に向けた施策か」を置けるようになった
- 購入ポテンシャルを含めて整理でき、優先順位の判断がしやすくなった
- 商品中心の見方に加えて、顧客起点の見方を組み合わせて考えられるようになった
顧客を「購入金額だけ」で見るのではなく、買い方の違いまで含めて整理できると、施策の狙いが合わせやすくなります。
顧客分析を進めたいのに、分け方や判断軸が決まらず手が止まりやすい場合は、Caccoのデータサイエンスにご相談ください。
※参考：Caccoのデータサイエンス導入事例「株式会社アーバンリサーチ様」
【事例4】株式会社ストライプインターナショナル様｜EC・小売業界
株式会社ストライプインターナショナル様は、有料会員数3万人、アプリダウンロード数は100万件を突破するファッションサブスクリプションサービス「メチャカリ」を運営されています。
キャンペーンや施策の意思決定を前に進めるためのシミュレーション（事前分析）に、Caccoのデータサイエンスをご活用いただきました。
導入の背景から効果まで、以下でご紹介します。
- 導入の背景（課題・ニーズ）
導入のきっかけは、別事業での接点に加え、アパレル領域での実績を知っていただいていたことです。
施策を伸ばすには、「どんな行動を取った顧客が継続しやすいのか」を分析して押さえる必要がある、という課題があったと伺っています。
そこで、感覚で回しがちな施策判断を、データで検証できる状態に寄せるための取り組みが進められました。
- データ分析した内容
まず、新規事業として、売上に直結する要素をKPIとしてどう置くかの検討から始まりました。
「メチャカリ」はサブスク型サービスであることから、売上最大化に向けてCLTV（顧客生涯価値）の要素分解を行い、どの数字を追うと施策判断につながるかを整理しています。
CLTVを「顧客単位の売上 × 継続期間」に分け、それぞれをKPIとして見ることで、施策の事前分析ができる形に整えました。
- 導入の効果
導入の効果は、「キャンペーンが有効かどうかをデータで判断できるようになった」ことが挙げられます。
Caccoのデータサイエンスとは現在も取り組み中であり、今後は商品や在庫量の最適化などの分析にも携わらせていただく予定です。
このように、施策の効果を事前に見立てられると、実行前の判断が揃いやすくなり、改善の回転も上げやすくなります。
※参考：Caccoのデータサイエンス導入事例「株式会社ストライプインターナショナル様」
【事例5】大峰堂薬品工業株式会社様｜製薬業界
大峰堂薬品工業株式会社様は、1900年創業の老舗製薬会社で、漢方薬の製造を得意とする企業様です。
良品率100％を掲げた品質向上の取り組みの中で、データインテグリティへの対応をはじめとしたデジタル活用を進める必要があり、Caccoのデータサイエンスをご活用いただきました。
導入の背景から効果まで、以下でご紹介します。
- 導入の背景（課題・ニーズ）
大峰堂薬品工業株式会社様では、品質を高め続けるための取り組みとして、LIMS（実験室情報管理システム）の導入を進めていました。
その準備として、数百件の承認書や1,000件超の市販薬情報など、大量の文書データをデジタル化・整備する必要があったそうです。
PDFからの文字起こしや整形など、手作業では手間と時間がかかり、担当者の負荷が高くなりやすい状況が課題になっていました。
- 業務効率化のために実施した内容
PDFの文字起こしや、動詞の整形処理などの定型作業を自動化し、文書データ整備の負担を減らす取り組みを進めていきました。
また、単に作業を代替するだけでなく、「こういう部分はこうしたらどうですか」といった提案も含めて、進め方を丁寧にすり合わせながら支援しました。
- 導入の効果
導入の効果としては、以下のようなことが挙げられます。
- 手作業の負担を大きく減らし、担当者の負荷を下げられた
- 文書データ整備を進めやすくなり、LIMS導入に向けた準備を前に進められた
- 定型作業の時間を圧縮し、品質向上のための検討や運用整備に社内リソースを振り向けやすくなった
製薬の現場では、品質を守るためのデータ整備が大きな負担になりやすい一方で、避けて通れないテーマになりがちです。
同じように、文書データの整備や品質管理のDXでお悩みの場合は、Caccoのデータサイエンスにご相談ください。
※参考：Caccoのデータサイエンス導入事例「大峰堂薬品工業株式会社様」
以上が『Caccoのデータサイエンス』を実際に導入・活用した企業の事例になります。
今回紹介しているのは、事例として紹介する許可を得られた一部の企業様で、他にも多数の実績があります。
また、ここで紹介している企業様の事例以外にもデータサイエンスは活用できるので以下を参考にしてみてください。
他にも活用可能な事例を紹介
先ほど紹介した5つの業界以外でも、データを使った意思決定が必要な場面では、データサイエンスを活用できる可能性があります。
例えば、次のような悩みがある場合も、データサイエンスを使って課題解決のアプローチを作れます。
- コールセンターなどで、繁忙の波に合わせた配置が組めず、現場の調整コストが膨らむ
- KPIが定まらず施策が当たり外れの感覚論になっている
- 購買データはあるのに、客層の切り分けや打ち手の優先順位が決められない
- ECの事業戦略で、どの数字を見てどこまで判断するかがチームで揃わない
- 現場の作業が属人化していて、毎月の集計や確認に時間がかかる etc.
これら以外の課題をお持ちの事業者様も、ぜひ一度『Caccoのデータサイエンス』にお問い合わせください。
Caccoのデータサイエンスが選ばれる理由3つ
データサイエンスの支援は、「課題がまだ曖昧で相談してよいか分からない…」と思われがちです。
この章では、そうした不安をほどくために、Caccoのデータサイエンスが依頼先として選ばれる3つの理由を解説します。
- 【理由1】課題が固まりきっていない段階から相談できる
- 【理由2】解決案の提案まで無料で進められる
- 【理由3】伴走しながら改善を進められる
ぜひ参考にしてみてください。
【理由1】課題が固まりきっていない段階から相談できる
Caccoのデータサイエンスは、課題が固まりきっていない段階でも相談を始められるため、目的や状況の整理から着手しやすくなります。
最初に「何を判断したいか」と「判断に必要な前提（見る指標・対象期間・粒度など）」を言葉にすると、次にやることが分解できます。
その結果、必要なデータの洗い出しや社内の確認事項が先にそろい、相談後のやり取りが滞りにくくなるのです。
【理由2】解決案の提案まで無料で進められる
Caccoのデータサイエンスは、相談無料かつ初期費用不要で、課題の洗い出しから解決に向けた提案までを無料で進められます。
社内検討では、見積もり以前に「この課題はデータで解けるのか」「どのデータが要るのか」を確かめたい場面が出ます。
提案までのプロセスがあることで、導入の可否を判断する材料をそろえやすくなります。
【理由3】伴走しながら改善を進められる
Caccoのデータサイエンスは、分析結果を出して終わらせず、改善までを前提に伴走しながら進められます。
データ活用は、分析の正しさだけで成果が決まるのではなく、現場で運用できる形に落ちるかどうかで差が出るからです。
こういった伴走の前提があると、指標の見方や判断の仕方が社内に残り、取り組みが単発で終わりにくくなります。
データサイエンスの外部支援を頼む前に決めること3つ
外部支援を使うかどうかの検討で遠回りになりやすいのは、「依頼内容」と「社内の判断の仕方」が決まっていない状態で話を始めてしまうことです。
この章で扱うのは、分析の専門知識ではなく、相談や見積もり、体制づくりが進みやすくなる“前提の決め事”です。
具体的には、
- どこまで頼むかを先に決めておく
- 何を成果物にするかを決めておく
- 社内での意思決定の流れを決めておく
の3点を整理します。
この3点が先に決まっていると、相談後の確認往復が減り、プロジェクトが止まりにくくなります。
1. どこまで頼むかを先に決めておく
外部支援に任せる範囲を先に決めると、「想定外の作業」が後から増える事態を防ぎやすくなります。
例えば、データ整備までを頼むのか、分析設計までを頼むのか、改善施策の検証まで踏み込むのかで、必要な体制も期間も変わります。
社内では、窓口になる担当者が「社内でやること」と「外部に頼むこと」を切り分け、提供できるデータと期限だけでも先に押さえると良いでしょう。
2. 何を成果物にするかを決めておく
成果物を決めると、途中のやり取りが「進捗確認」ではなく「合意形成」になります。
成果物は、分析レポートだけでなく、指標の定義書、ダッシュボード、検証の設計書など、運用に残る形で設定できます。
社内では「何が残れば意思決定できるのか」を基準にすると、成果物がデータサイエンス活用の目的に寄りやすくなります。
3. 社内での意思決定の流れを決めておく
社内の意思決定の流れを先に決めると、外部支援が「確認待ち」で止まるリスクを下げられます。
ここでいう確認待ちは、分析結果や提案が出たあとに、データの扱い、施策の実行可否、優先度の判断などが決まらず、次のアクションに進めない状態です。
例えば、データの取り扱い確認、現場の運用確認、最終判断を誰が担うかを決め、回答期限も置くと、やり取りが滞りにくくなります。
【実際に聞いてみた】データサイエンスを活用するために必要な3つの準備
ここまでデータサイエンスの活用事例を紹介してきましたが、そもそもデータサイエンスを使って自社の課題解決をするには”必要な準備”があります。
今回、実際にかっこ株式会社のデータサイエンティストに「どんな準備があればいいのか」を聞いてみて、以下3つが必要だということが分かったので参考にしてみてください。
- データサイエンスを活用する目的を設定する
- 目的を設定した背景や原因の整理をしておく
- 目的を解決できるデータを用意する
簡単にまとめると、目的を持ち、原因の整理を進めて、分析できるデータを集めておくことが必要ということです。
冒頭で説明したPPDACサイクルの「P(問題)」や「D(Data)」を事前に準備していると、スムーズにデータサイエンスを活用できるのです。
それぞれの準備物がなぜ必要なのか、詳しく説明していきます。
【準備1】データサイエンスを活用する目的を設定する
まず1つ目に、データを活用して何を良くしたいのかを決めておくのが重要とのことでした。
目的が曖昧だと、必要なデータも、分析のやり方も、分析結果をどのように活用すべきかも不明確になってしまいます。
ここでいう目的は、完璧な言葉でなくて構いません。
まずは以下のように、“改善したい対象”を一言で置くと良いでしょう。
- 顧客のリピート率を上げたい
- 在庫を最適な量に保ちたい
- 効果的なプロモーションをしたい
以上に挙げた目標は一部であり、企業によって設定すべき目的は異なります。
目的が具体的であればあるほど、データ分析が効率的に行えるので、事前に設定しておくことをおすすめします。
【準備2】目的を設定した背景や原因の整理をしておく
2つ目に、データサイエンスを活用する目的を設定するだけでなく目的の背景や原因を整理しておくことも必要になります。
目的を設定した背景が整理されていなければ、解決すべき問題を把握するのに時間がかかってしまうためです。
例えば、「在庫を最適な量に保ちたい」目的である場合は、以下のような背景が考えられます。
- 売り切れになることが増えてきて、お問い合わせが増えた
- 在庫が多くなって、無駄なコストが増えてきた
目的は同じですが、背景が違うだけで、データ分析の方向性や分析結果の使い方が大きく変わってきます。
目的を設定した背景を整理しておくだけでデータ分析の効率が大きく変わりますので、できるだけ背景を明確にしておきましょう。
【準備3】目的を解決できるデータを用意する
最後は、データサイエンスを活用するためにデータの準備が必要です。
データサイエンスは、データがあって初めて分析を始めることができるので、これは最重要といえます。
さらに、データをただ準備しておくのではなく、目的を解決できるデータを用意することです。
例えば、「顧客のリピート率を上げたい」という目的の場合は、以下のようなデータが必要になります。
- 顧客の年齢などの顧客情報
- 顧客の購入履歴
分析に必要なデータがないと、データサイエンスの活用はできなくなってしまうので活用する際にはデータがあるかを確認しましょう。
以上が実際にかっこのデータサイエンティストに聞いて分かった、データサイエンスを活用するために必要な3つの準備です。
もし「このデータって役に立つかな？」「そもそもデータってどうやって集めるの？」とお悩みであれば、ぜひ一度『Caccoのデータサイエンス』に相談してください。
まとめ
データサイエンスとは、蓄積されたデータを使って問題を解決するために必要な情報を発見する学問のことで、最近はビジネスシーンでもよく活用されています。
データサイエンス=データ分析をすること、という認識を持っている方も多く、データから課題解決をしたいと思っている人も増えてきています。
実際にビジネスの世界では、データサイエンスは以下のようなことに活用されています。
- 売上を向上・改善する
- コストを削減する
- 業務の自動化をする
この3つはビジネスで大きな課題になるため、データサイエンスの活用が急速に拡大しているのです。
Caccoのデータサイエンスはさまざまな業界のデータ分析を行っています。
この記事では、5つの企業様の導入事例を紹介しました。
- 株式会社デザインフィル様
- 株式会社NEWSY様
- 株式会社アーバンリサーチ様
- 株式会社ストライプインターナショナル様
- 大峰堂薬品工業株式会社様
データサイエンスを活用するイメージを明確にしたい方は、ぜひ参考にしてください。
また、弊社のデータサイエンティストに、データサイエンスを活用するために必要な準備についても調査しました。
- データサイエンスを活用する目的を設定する
- 目的を設定した背景や原因の整理をしておく
- 目的が解決できるデータを用意する
以上の準備ができているかどうかでデータサイエンスを活用できるか判断することをおすすめします。
もし、「データサイエンスを活用したいけど、専門的な社員がいない…」「データサイエンスを自社で活用できるか不安…」とお悩みの方は、『Caccoのデータサイエンス』にご相談ください。
