データからエグゼキューションへ【Vol.3】 「マーケター×データサイエンティスト×データエンジニア」のタッグで、データ活用の課題を解決する
データをビジネス成果に結びつける取り組みを紹介する連載「データからエグゼキューションへ」。第3回は、マーケター、データサイエンティスト、データエンジニアのチームによって、クライアントのデータ活用の課題を解決する道筋について、博報堂プロダクツとデータブリッジのメンバーに語ってもらいました。
隈元 夏葉子
博報堂プロダクツ データビジネスデザイン事業本部
CRMデザイン部 第二コンサルティングチーム チームリーダー
シニアデータマーケティングディレクター
瀧山 翔平
データブリッジ データサイエンティスト
田邊 眞太郎
データブリッジ データエンジニア
ファーストパーティデータの課題とその解決策
──マーケティングにおける自社データ、いわゆるファーストパーティデータの重要性が高まっています。現在、企業のファーストパーティデータ活用にはどのような課題がありますか。
- 隈元
- ファーストパーティデータからマーケティングの示唆を得たいというニーズは、多くの企業がお持ちです。しかし現在保有しているデータに当ってみると、粒度が粗く、ご要望どおりの使い方ができないケースが少なくありません。データを使って「やりたいこと」と「できること」の間にギャップがあるわけです。
- 瀧山
- その原因の一つは、分析をする目的でデータを集められていないところにあります。「このデータを使ってください」とクライアントから見せていただいたデータテーブルの中身を見ると、分析に使える十分な量のデータがない場合もしばしばあります。ファーストパーティデータは企業の資産であり、本来たいへん価値あるデータです。その価値を残念ながらいかせていない。そこに大きな課題があると感じます。
- 田邊
- データの収集、管理、分析には専門的知見が必要とされます。それを社内ですべて担うのはたいへんなので、多くの企業はその作業をアウトソーシングすることになります。しかし、そうすると社内にデータ活用のスキルが蓄積していかないので、結果としてデータに詳しい人が社内にいなくなってしまう。そんな課題もありますね。
──そういった課題の解決策をお聞かせください。
- 隈元
- 解決策はいろいろありますが、主には、今あるデータの要素を組み立て直し、粒度を細かくして使うという方法、あるいはサードパーティデータや新たに集めたアンケートデータなどと組み合わせてデータをリッチにする方法などが考えられます。
- 瀧山
- もう一つ、現状のデータに合わせて分析内容を変えていく方法もありますよね。今のデータでできることをやる、という考え方です。
- 隈元
- どの方法を選択するかはクライアントのニーズや状況によってまちまちです。クライアントと対話を重ねながら、最良の方法をご提案することが私たちの役目です。そのご提案がデータ戦略の見直しのきっかけになるケースも少なくありません。
──データに関するスキルが社内に蓄積しないという問題はどのように解決すればよいのでしょうか。
- 田邊
- 僕たちができることは、まずはクライアントとのコミュニケーションを根気強く行うことです。ファーストパーティデータの現状に関する認識や、データ活用の成功事例などを共有し、データに対する認識を深めるお手伝いをさせていただく。それも僕たちの仕事の一つです。
- 隈元
- 私たちは総合広告会社のグループの一員であり、常に念頭にあるのは「クライアント満足度をいかに高めるか」という意識です。課題がいかに難しくても、「できません」という答えはありえません。クライアントに納得していただくまでには、当初想定されていた時間の何倍もかかることもありますが、粘り強い対話を続けながら、最良の道筋を探していくことが、私たちがやるべきことだと考えています。
データ人材不足にいかに対応していくか
──データを使ったマーケティングによってビジネス成果を生み出すには、データサイエンティストやデータエンジニアの存在が欠かせません。一方、そういったデータの専門的人材が社会全体で不足していると言われていますね。
- 瀧山
- データエンジニアは、データ理解やデータ整理のプロフェッショナルであり、データサイエンティストは、分析の全体設計やデータとビジネス戦略を統合するプロです。どちらの人材も社会的に不足していますが、とりわけデータサイエンティストが足りないと言われています。
- 隈元
- 業務の管理や効率化にデータを使うだけでなく、「データから未来をつくる」ことを目指す企業が増えています。そのために必要とされるのがデータサイエンスのスキルです。それが、データサイエンティストへのニーズが高まっている理由です。その需要に対して、人材の数が圧倒的に不足していますね。
- 瀧山
- 外部から人材を招くことは事実上難しいので、データサイエンティストを必要とする企業の多くは、別部門で働いていた社員を育成するという方法をとっています。
- 隈元
- 私たちも、「データマーケティングの現場で社員を育ててほしい」というご要望をいただくケースが増えています。
- 瀧山
- 先ほど出た、「データリテラシーが社内に蓄積していかない」という課題を解決するためにも、社内でデータサイエンティストを育成し、データサイエンスを内製化していくのは有効な方法だと思います。しかし、育成には「覚悟」が求められるのも事実です。本格的にデータサイエンスのスキルを身につけるには、学ばなければならないことが非常に多いからです。
- 隈元
- 本格的に育成に取り組もうと思うと、会社側にも覚悟が求められますよね。育成の体制を社内でつくれるならば、育成に取り組む。それが難しい場合は、外部の専門家のスキルを活用する。そのような選択が現実的だと思います。私たちは、社員育成の支援もさせていただけますし、アウトソーシングにももちろん丁寧に対応させていただきます。クライアントの状況に応じたサポートをご提供できることが、このチームの強みと言っていいと思います。
- 田邊
- 同時に、上層部の皆さんのデータ理解を促すことも必要だと思います。決定権のある方々が、ある程度データに関する知識をお持ちでないと、ジャッジを誤ってしまう可能性があるからです。企業内の決定権者がデータの知識を得られるようご支援することも、僕たちができることの一つです。
──データ活用への取り組みのフェーズごとに必要とされる人材も異なるのでしょうか。
- 瀧山
- 一般に、データ分析の前段階のデータ整理の作業はデータエンジニアが担うケースが多いですね。その次の工程における、モデリングは、データサイエンティストとデータエンジニアが協働で行うことになります。ここが、データのプロにとって一番の腕の見せどころとなります。さらにその後の自動化と実装のフェーズを担うのは、データサイエンティストです。ここでは、企業内の各部署との調整も必要になります。データを扱うスキルだけでなく、コミュニケーション力が求められるフェーズと言えます。
- 田邊
- 僕たちがクライアントのデータ分析モデルづくりを任せていただく場合、とくに最後の自動化と実装の段階で、モデルの使い方などをご担当者にしっかりご説明して、納得していただく必要があります。そこでの「腹落ち感」がないと、分析結果をビジネス成果に結びつけることが難しくなります。
データ分析の「目的」を明確にする
──データ活用に関するほかの課題がありましたらお聞かせください。
- 隈元
- データ分析の「目的」を明確にすることも重要ですね。目的が明確であれば、やることはおのずと決まってきます。逆に目的が不明確だと、データ分析をしたけれど、その結果をどう使っていいかわからないということが起こる可能性があります。
- 田邊
- 目的が曖昧なまま作業を進めていくと、データを整理して分析した後で、クライアントと僕たちの間で齟齬が発生するケースも少なくありません。「こういうものを求めていたわけではない」とならないように、最初の段階でしっかり目的を共有する必要があると思います。
- 瀧山
- 定型レポートを出すための分析とアドホック分析によっても目的は異なります。定型レポートは、データが新しく入ってくるたびに自動的に更新されるもので、例えば売上や来店数などをリアルタイムで把握する際に使うものです。一方、アドホックはそのつど必要な分析を単発で行うものです。
- 隈元
- 定型レポートを見て、さらに深掘りしたいところをアドホック分析で確かめていく、という方法が多いですね。例えば、売上が上がっているという定型の結果に対して、既存顧客からの売上なのか新規顧客からの売上なのかを調べる、といった方法です。結果に対する要因を知るために行うのがアドホック分析と言っていいと思います。
- 瀧山
- 一方、定型レポートをつくる際に、どのような項目をアドホック分析するかをはじめから想定できていると、定型レポートもつくりやすくなります。その想定づくりのお手伝いをさせていただければ理想的ですね。
- 田邊
- データエンジニアの立場から見ると、定型レポートには自動化のロジックづくりの設計力が求められます。レポートは、ダッシュボードで誰でもわかりやすく確認できることが前提となるので、プログラミングだけでなく、インターフェースのデザイン力なども必要です。それに対して、アドホック分析に求められるのはスピードです。求められるスキルは異なるのですが、このチームはそのどちらにも対応させていただけます。
仮説づくりのコンサルテーション
- 隈元
- もう一つ、データ活用で重要なのは「仮説発想」です。質、量ともに十分なデータがあっても、仮説がないと往々にして分析結果が曖昧になってしまうからです。
例えば、売上に影響があると考えられる要素をすべて出してみて、それらの要素に対する過去の施策とその成果を検証すれば、最も重要な要素が見えてきます。その要素がビジネス成果にどう結びつくかという仮説をつくり、それを数値に置き換えていく──。そのようなプロセスによって、結果の精度はぐっと高まります。
- 瀧山
- その仮説づくりを僕たちがお手伝いすることも可能です。マーケターとデータサイエンティストが、クライアントとディスカッションを重ねることで、仮説発想に基づいたデータ活用を実現させることができます。
- 隈元
- 一種のコンサルテーションと言ってもいいかもしれませんね。仮説づくりは、例えば次のような流れで進みます。
自動車のディーラーが「都心店舗の成約率が高く、郊外店舗は低い」という課題をお持ちだとします。そしてその課題に対して、「郊外店舗は接客レベルに問題がある」という仮説が設定されたとします。
しかし、課題を検証していくと、都心店舗と郊外店舗では「カバーエリアの広さ」に差があることがわかってきます。都心店舗がカバーする商圏に対して、郊外店舗の商圏が広いので、郊外店舗の販売員一人が担当する顧客数が増えてしまう。それによって、一人ひとりの顧客に対応する時間が限られ、成約に結びつくきめ細やかな接客ができなくなってしまう──。そうなると、課題解決のための仮説は、「接客レベルの向上」ではなく、「販売員一人あたりの見込み顧客数の適正化」ということになります。
では、一人当たりの適正顧客数はどのくらいか。ここからがデータサイエンティストの出番となります。その仮説に対して、必要と考えられるデータを見極め、ロジックをつくり、ビジネスアウトプットにつなげていく道筋をつくるのがデータサイエンティストの役割です。その道筋を踏まえて、データエンジニアが必要なデータを整備していくことになります。
- 瀧山
- マーケターが「ビジネス思考の仮説」をつくるお手伝いする一方で、データサイエンティストやデータエンジニアはデータから見えてくる「データ思考の仮説」をつくります。いわば「上からの仮説」と「下からの仮説」を組み合わせることで、データをビジネス成果に確実につなげていく。それが僕たちの考え方です。
──データ活用に課題を感じていらっしゃるクライアントの皆さんへのメッセージを最後にいただけますか。
- 田邊
- データをビジネスに活用するのは、たいへん面倒なことです。データ分析がゴールだと思ったら、実はそこがスタートだったということもしばしばあります。そのたいへんな作業をお手伝いさせていただくことが僕たちの仕事です。ご担当者と対話を重ねながら、クライアントのビジネス成果を向上させる支援をさせていただきたいと考えています。
- 瀧山
- 世に出ているデータ活用の成功事例には華やかなものが多いのですが、成功に至るまでには泥臭い作業が必要です。田邊が言うように、そこをしっかり担わせていただくのが僕たちの役割だと考えています。データ活用に対する理解を深めるお手伝いをしながら、価値のあるアウトプットを出していけるよう、これからも努力していきます。
- 隈元
- 博報堂ＤＹグループの強みの一つは、幅広い業種のクライアントとおつき合いしてきた経験の蓄積があることです。ゼロベースからのご相談でも、クライアントのニーズや課題をしっかり受け止めながら、確実に結果を導き出していくことができる。そう私たちは考えています。ビジネスを見るマクロな視点と、データを見るミクロな視点を組み合わせて、クライアントのデータマーケティング成功に寄与していきたいと思います。
この記事はいかがでしたか？
-
博報堂プロダクツ データビジネスデザイン事業本部
CRMデザイン部 第二コンサルティングチーム チームリーダー
シニアデータマーケティングディレクター95年から一貫して博報堂グループのマーケターとしてストラテジック領域に従事。近年はＣＲＭ業務を中心に、データ分析環境の構築からデータ分析による課題解決業務にも対応している。
-
データブリッジ データサイエンティスト医薬業界において多数のプロジェクトの統計解析業務経験を基に、データ分析/ 統計解析と呼ばれる一連の業務に関して、特に強みを持っているデータサイエンティスト。
-
データブリッジ データエンジニアGCPなどのクラウドサービスや、SQLとpythonなどを使用しクラウド・ローカルどちらの環境にも対応可能なデータマートの構築・運用時の作業削減可能な自動を得意としているデータエンジニア。
