データサイエンスの重要性が増しています。テクノロジーが進化し、日常のあらゆるシーンでデータを活用することが、今私たちの進化の中心にあります。一方で、データサイエンスやAI・機械学習という言葉の流行とともに、そもそもデータサイエンスで何ができるのか？なぜ経営にとってデータサイエンスの重要性が増しているのか、という点を置き去りにしてしまってはいけません。
データサイエンスとは、「特定の目的に向かって、データが生成される仕組みを理解し、数値の羅列に過ぎないデータを解釈可能なかたちに数式化・定式化する枠組みを探索・発見し、データから意味を取り出す一連のプロセス」です。
非常に難しく聞こえてしまいますが、シンプルに「数値などのデータから意味を取り出す作業」ということです。技術が進歩し、沢山のものが数値化される時代になっています。大量のデータから意味を効果的に取り出すことができるようになれば、顧客に支持されるプロダクトを生み出したり、顧客の購買行動を予測したり、自社の組織の状態や人材のコンディションを把握し、強い組織を作ったりすることができるようになります。ひと昔前では考えられないような「レベルの高い経営」への扉が開いていくことになります。
私たちConsulente HYAKUNENは
データサイエンスをもとに様々な経営課題に取り組んでいます。
経営に資するかたちでデータサイエンスを用いるために、
以下のことが特に重要だと考えています。
-
目的をつくりだす
-
データサイエンスで実現したい経営上のゴールを明らかにする。データサイエンスは大量のデータから特徴量やパターンを明らかにし、物事の背景にある構造を把握することです。幅広い経営課題の中で、一体何を明らかにすればインパクトがあるのかを定める力がなければ、データサイエンスが企業競争力の強化につながることはありません。
-
データを「正しく」採る
専門分野の知見 -
データサイエンスの流行とともに、解析技術の名前が独り歩きしていますが、重要なことを忘れてはいけません。それはデータは「正しく採る」必要があるということです。素人判断で採られたデータやバイアスがかかったデータをもとに解析していては、重大なミスリードが発生します。経営課題を解決するには、課題領域の専門知見をもとに意味のあるデータを集めることが必要です。たとえば、組織の中で起こっている関係性のメカニズムを知りたければ、心理学や組織行動論等の知見をもとに信頼性の高いデータを集める必要があります。データサイエンスが現実に難しいのは、このデータの分野依存性の高さにあるのです。
-
数値に意味を見出す枠組みを
探索、適用する知見 -
人材の退職率を予測するために、医療統計における生存時間分析の枠組みを転用するなど、経営課題解決に向けて他分野のアイデアを探索・適用することにより、最適なデータ解析を行うことが時に必要になります。数字の羅列に過ぎないデータを解釈可能な理解へと変換するこの枠組みを探索し、適用するには、データ解析手法に精通しているだけでは不十分です。さまざまな分析枠組みの成り立ちに遡り、その原理を理解する「数学」に精通した人材でなければ、このような高いレベルの解析は不可能といえるでしょう。
-
データサイエンスを実装する
チーム力 -
データ解析技術を闇雲に適用するだけならばエンジニアがいれば十分ですが、ゴールに向かって正しくデータを採り、解釈可能な理解へとデータを変換し、物事の背景にあるメカニズムを明らかにする一連のプロセスを、一人の人間が行うことは至難の業です。
・課題を提案し、解決に資すべき方向を決めるリーダー
・特定の専門分野の理論や実践に精通し、正しくデータを扱える人(プラクティショナー)
・数字を解釈可能な理解へと橋渡しする数学に精通した人(コンサルタント)
・数式やアルゴリズムをプログラミングして実装し、解析を運用・保守する人(エンジニア)
これらの人材がOne Teamとなって進むとき、データサイエンスは深遠な世界を私たちに見せてくれます。
私たちConsulente HYAKUNENは、経営や人・組織に関する知見を持つ人材、数学に関する知見を有する人材など、様々な専門家で構成されています。このようなチームだからこそ、データサイエンスを用いた課題解決が可能になるのです。
データサイエンスへの理解を深めたい、特定の経営課題を解決したい、など状況に応じて知見を総動員し、解決にあたります。
