FC2ブログ
Business Intelligenceツールに、シュミレーションや将来予測を求めて良いものかどうか。
2016年5月23日
https://www.tumblr.com/blog/shinochikabi/

もう何年間か分からない程長い期間、BIとお付合いしていますが、「昔のデータはもう良くて先が知りたい」…や「シュミレーション・・」と10年以上変わらず聞く続ける問いに関して一言思う事を書いてみました。私も確固たる答えはなかったのですが、最近答えが出てきました。やはりBIツールにシュミレーションや予測を求めても無駄な気がします。予測でも統計解析系の『予測』は別ですが、業績予測や見通し系の、将来視点…については、それもBIツールはミスマッチではないかと思います。データマイニング系の予測も、BIではなく、BAツール系で、狭義にはBIからは外れます。私が、「業績予測」や「シュミレーション」に恐らくベストマッチと思うのは、やはりEPMとかCPMとか言われるツールです。

BIツールは、レポートを見せたりダッシュボードを見せたりしますが、対話手的なやりとりを、そもそも想定して設計されていません。一部の製品で例外もありますが、BIツールは基本的にデータベースから一方向にデータをSELECTするように基本設計されているからです。「対話操作」に対応…であったとしても付加的な機能の一部かと思います。2016年度手前にかけては、コラボレーション系の仕組みが流行したりし、コメントつけれるとか、FacebookやChatter、Twitter的な文字補足情報の追加が出来るなどの話がありましたが、私は余り利用イメージがわきません。瞬間的には便利なのかもしれませんが、相手とタイミングが合わない限りNGである点と、またGoogle並にテキスト解析エンジンが投稿を整理分析&リスティングしない限り、事実上は使い物にはならないのではないかと感じます・・・

BIがセルフサービス≒「カイゼン」を意図するTry&Errorのプロセス、である掲示板ではNGは多分正解でしょう。企業内Facebookなどの利便性も知っているつもりですが、BIに求められるのは、掲示板ではなく、レポートを見て更新者に電話して理由を会話し、その数字を合意できる値に上書きする的な話の方が、業務上フィットするはずです…そうなると、BIツールと分類されるツールではなく、CPM/EPM製品がマッチします。
その手のツールやサービスは、数はさほど多くはないものの、基本的に組織の考え方を持ち、複数の人が値を更新しあう事が想定された製品です。この手のツールは経営管理とか予算管理[予算編成]製品と呼ばれており、経営企画や経理部を想定しているため、勘定科目・・・などの管理会計用語が大体付属してきます。従って、とっつきにくい印象を持つ事が多い他、レイアウトやチャートの表現能力もBIツールと比較若干劣るものが多い傾向があります。しかし、多次元DB型の製品が多い点は少し残念です。多次元DBは慣れると、すこぶる使いやすいのですが、運用の癖が普通の人には大変です…

ともあれ、BI選定は、初心者の方は、だいたい画面に騙されます(笑)。画面は実は(ほぼ)どうでも良いのですが影響されやすい…分かる気はします。BIツールのほとんどは、入力を伴えないので、入力画面の別開発だったり、入力は元システムからDWHに直エントリーなどとなるので、結局運用に載らないか、諦めて使うのがせきの山なんて話もよくあります。綺麗なレポートだけで良ければ、MsOfficeとAdobe Acrobatで十分だったりする時代なので、複数のビジネスユーザの互いに知識を活かすような、発展KKDを活用する想定の場合、経営管理の製品やサービスを一度見てみてみると良いと思います。セミ玄人判断の視点では中々良しと判断頂けるのではないかと思います。
現行のCPM/EPM製品やベンダーも、BIツールを塗り替える需要がある事を認識していないと思いますが、時間がそれを変えていくのだろうと思います。
多分、綺麗なレポートだけを求めないBIの場合は、CPM・EPMを拡張してTwitter・Chatter的なコラボレーションが加えられる形が次のベストになるのだろうと思います。
以上、独断と偏見のコメントではありますが、同じく感じられる方が居られると幸いです。


========== =========== =========== =======シノチカ====
予算管理ポータルページ: http://yosankanri.jp/
Facebook: http://www.facebook.com/AdaptiveInsightsJP/
スポンサーサイト



[2016/05/24 00:25] | BI | トラックバック(0) | コメント(0) | page top
経営企画部・経理本部の変革について、クラウCPMサービスドが提供できること
2016年3月2日
https://www.tumblr.com/blog/adaptiveinsights-jp

ファイナンスの変革3ステップの絵をURLに投稿してみましたが・・・
予算編成や予実管理、見通し予測etc,…の業務周辺では、社員の莫大な時間が日々消費されています。そしてその多くは徒労な作業です。 第1フェーズはまず其れに気づき止めること。このExcelからの卒業で容易に解決できる工数が沢山あります。加えて、この段階で経営陣が気づかなければいけない事は「正しいデータが報告されて無い」ことです。現場は絶対に正しくない事を認めません。何故なら正しいと思い報告しているからです。しかし現実は違い「訂正」という形で後日知らされます。この間違いによるビジネスロスは顕在化されませんが相当量が失われているはずです。 続けて第2フェーズでは、工数改善による捻出時間を生産的な業務にふりかえる事で効果の加速を生み出します。この生産的な業務変革が始まると様々な業務上のロスが、より解決され、多くの監視ポイントKPIが見えてきます。中には非優先KPIなども出てきますが、TOCやカイゼン、スコアカード、CSFなどの管理手法はこの段階で最も効果を発揮します。第2段階に「完了」はなくスパイラル的に続くことが組織にとって健康的な状態ですが、徐々に第3段階として普遍のKPI(変わらない監視ポイント)が確立されます。そうすると経理・経営企画部による企業データの本当の確立が完成に近づき、数字が実ビジネスを完全に支援する形が出来上がるのです 絵に描いた餅ではありません。実際に実現しているAdaptive ユーザー企業は沢山います。なのでAdaptiveは顧客満足度が異常なまでに高いクラウドサービスなのです。


========== =========== =========== =======シノチカ====
予算管理ポータルページ: http://yosankanri.jp/
Facebook: http://www.facebook.com/AdaptiveInsightsJP/
アダプティブインサイツ: http://adaptiveinsights.jp/
[2016/03/02 11:25] | 予算管理CPM | トラックバック(0) | コメント(0) | page top
予算管理ブログを始める事にしました
2016年1月25日
かつてビジネスインテリジェンスのブログが少なかったころに、このブログは思い付きで始めたプライベートなものでしたが…その後、少し噂をして頂いたりした時期を経たりしましたが、Microsoftを始め色々なBIベンダーがブログを始めたので頻度を落して細々としるしたりしておりました。


しかし、次はテーマを少しねじって、経理財務のビジネスインテリジェンスについて書き続ける事に致しました。立場上、若干の宣伝が入る事はご容赦いただきたいのですが、CPMの需要は非常に的が絞られているので市場をささえる全製品は、お客様の同じ課題を解決するために存在しています。

その辺り顧客目線で字に起こしてまいります。
Business Intelligenceの商談機会で、対象者が経理部や経営企画室の場合、話がもやっと終わる事が多いですよね?CPM出身ではない方なら経験があるはず。それは幾つかの前提知識の問題なのです。その辺りを予備知識として理解してください。

BI人口は多いですが、CPM人口はまだまだ少なく、このカテゴリは、ユーザー企業への啓もうだけでなくSE陣、SI企業陣への
啓蒙もできたらよいなと考えています。



タンブラーでの宣伝ブログと、似たテーマをこちらではニュートラルな立場で(出来るだけ?)、書き続けようと計画しています。
https://www.tumblr.com/blog/adaptiveinsights-jp

より多くのCPM友達さがしております!


========== =========== =========== =======シノチカ====
予算管理ポータルページ: http://yosankanri.jp/
Webセミナー: http://yosankanri.jp/event/
Facebook: http://www.facebook.com/AdaptiveInsightsJP/
アダプティブインサイツ: http://adaptiveinsights.jp/
[2016/01/25 10:56] | 予算管理CPM | トラックバック(0) | コメント(0) | page top
ベンダーによってビッグデータの定義が微妙に違っている件…
2015年1月11日



ベンダーによって「ビッグデータ」の内容は実は色々と違いますよね。


ビッグデータという言葉が一時期グッと延びた事とも関連しますが、多くの業者が一堂に会せる共通エリアです。コンサル、ソフト屋、システムインテグレータ、箱屋、ストレージ屋、に加えてデバイス屋、回線屋、クラウド屋さんなど様々な業種がビジネスを展開します。なので当然なのですが、それぞれ売り込む内容が違います。分析して結果を追求するためのビッグデータとはどの辺りなのか、少なくとも各ベンダーの説明を聞く前に、クリアにした方が良いと思うので思うところを書いてみます。

...とは言っても別に難しい話ではありません。何を売りたい業者さんなのかを知れば済む話なのですが…ビッグデータの種は、大きく2つに分類されます。業務だ、業種だ、のデータ分類視点は何でもいいのですが、把握できるサイズのデータとそうではないデータの2つに注目してみたいと思います。把握できるデータは、昔からあるDWHとかBIとして由緒正しく考えれば良いのですが、要確認は、把握できない(サイズの)データです。Webログやマシンデータなど莫大なメッシュのデータ量をはく種類のものをさしているつもりですが、IoTブームで密かに広がる問題かと思います。分析系は、オプショナルなものなので、この辺の考慮が足らない事によって最も誤った状態になってほしくないので懸念しています。すなわち「これらのデータが使いものにならない」とか「貯めても意味がない」という間違った方向に、ベテラン以外の方々が向かわないかを心配しています。



最近のIoTブームはそれが実現する未体験のUXあたりがブームですが、膨大なデータが生まれている背景へもトレンドがすぐに波及します。で、センサー屋さんやハード屋さんは兎に角、データ量に向きます。解析屋さんも同じでしょうか。解析屋さんはデータ量がないと傾向把握にならないから不可抗力としても、分析屋のいう「ビッグデータ」とは、この大量データの事ではありません。この手のマシンデータは、いわゆるOLTP系のデータと同じです。それ単体は、事実や瞬間を意味しており、目的別にまとめ直さないと、そんなに意味がないデータです(少なくとも分析視点では)。この明細データは、手に入らなければ困るので捨てにくいのですが、センサーレベルで捨てる=取らない、選択も重要かです。検討すべきビッグデータは使わないレベルのメッシュを捨てて一旦小さくなったデータを、改めて分析軸ごとに細分化して、大きくなったデータです。大きくしたデータという言い方の方が正しいかもしれません。

この「大きくしたデータ」は様々な分析の対象です。データマイニング側の言葉でも構造化データと非構造化データと言う言葉がありますが、同じかと思います。意味づけをする段階でメッシュの調整をして分析が出来るように調整するのです。勘定系や顧客系でも基幹系と情報系に分かれるのと同じように、情報系に改造してあげる必要があるかと思います。非構造化データをいくらためても、分析観点では意味がない≒即効性がない、ので気を付けましょう。いわゆる前処理をしないといけないが、そんなにすぐには出来なかったりします。非構造化データを膨大に貯めても仕方ないのですが、でもビッグな構造化データを作れば良いと言うわけでもなかったりします。

何故ならば・・・いつもの話です(笑)。分析のゴールが「カイゼン」だとすると、見るべき(分析)データは何らか改善されるためにあります。なので当然、改善されて問題点ではなくなると、別のデータを見に行く必要があります。すなわち理論的には、いわゆる前処理には終点がありません。ですから、構造化済みビッグデータ構築が完了する、という事もあり得ないということになります。通常、前処理には人手や時間がかかるので、「いつまで金を払い続けるんだ」と憤る方がいることがありますが、ITソフトウエア製品やプロジェクトの問題ではなく、先方の会社の問題であったりするのです。

・・・話が若干それましたが、『考えるべきビッグデータ』は、前処理まえのデータではない事を再考してもらうきっかけになれば幸いです。少なくとも生データ系ではなくて、一時集約済みデータというか、再ブレークダウン済みデータということになります。知ってる人には当たり前ですが、気付いてない方も少なくないはず。何となくイメージを感じて頂ければ幸いです。



最近は各ベンダーの課金モデルもデータ量をベースにする業者が増えてきています。ディスクも安くなったし、Hadoopとかで・・・とは言えど、金のかかる前処理でやめてまう蓄積であれば、ためても意味がありません。ソフトウエアは易くはないので、BIツール、分析ツール、DB、ETLなど外せないソフトウエアコストは馬鹿になりません。(コストではなく投資ですが・・)、そして前処理の金額も。

センサー系のデータも、貴重な1ファクトとして利用すべきデータとして市民権を得ています。際限ないレベルのデータが生まれてくるのがこの種のデータであるため、疲弊に拍車がかからない事を祈る限りです。分析はそもそも100%持久戦になるし、すべき物なので、分析プロジェクトを正しく理解してハンドリングして貰えるよう考えてください。情報活用≒ビッグデータは、ゴールもなければ定石もなく、しかし、にも関わらずナマモノで、揮発性です。旬を過ぎたデータはただのバイトデータで使い物になりません。活かすも殺すも手段と目的いかんです。発生済みデータの再整理よりも、整理前に意味づけする事はとても重要です。正しいビッグデータの理解と活用が広がると良いと思う限りです。

本日も最後まで、戯言にお付き合い頂きまして誠に有難うございました。



以上♪

起稿者紹介 

==============================================
しのチカ
Twitter: @shinochika_bi
Tumblr: https://www.tumblr.com/blog/shinochikabi
blog: http://shinochika9861.blog22.fc2.com/
[2015/01/11 07:30] | BI | トラックバック(0) | コメント(0) | page top
BIツールベンダーランク2014。勝手にランキング。
2015年1月1日



2014年も飛ぶように過ぎました。2014年もBusiness Intelligenceがそれなりの脚光をあびてきた事に喜びを感じつつ、勝手ランキングをつけてみました。当然ですが、完全に感覚的な私の感想で、私個人が印象で勝手に書いた順序で独り言です。



昨年を振り返ると一昨年に引き続きより一層とBIの需要細分化が進んだ1年でした。爆発的なデータ増加はとどまる所を知らず、フロント側だけでなく蓄積側にもバリエーションが増え、下火になりつつある多次元DBをしり目にNo SQLに光が当たった事がありました。また、未整理のまま置いておく、安く置いておく、取り敢えずおいておくという蓄積方法も其れなりの指示を得てHadoop/Hiveも一定の市民権を確立した1年であった気がします。コアBIの流れでは、ようやくレポーティングからデータディスカバリーへのシフトがメジャーになってきました。データの増加が止まらにことに気付いた人間側が、レポートを作っても意味が余りない事に気づけた点で、とても良い流れだと思います。意思決定層や管理職層の世代交代も影響しているのでしょうか。流れが変わりました。

また、「ビッグデータ」というキーワードにふり回される1年であった事も事実でしょう。一旦バズワードになりかけた「ビッグデータ」ですが、第1次のWebログ、SNSからO2Oやオムニチャネルというレベルで認知され、第2にIoTに支えられる予防保全や分析サービスとして第2次の注目を維持しています。次年度にかけてIoT,IoEはロボティクス、AI系の影響も受けてさらに広がるはずなので、より日常業務に入り込んでくることでしょう。そうなればBIは水を得た魚状態です。群雄割拠の市場が少し緩やかになるかもしれません。さらに、ビッグデータはBIの人たちにもBAの可能性を教えました。Business AnalyticsをBusiness Intelligenceと同じ言葉として使う記事も多いですが、厳密には前者はデータマイニングを含む拡張BIです。まだまだ日常で利用されるBA分析は高いレベルではないものの、新たな領域を探し始めた時点で大きな進化です。レベルが高い事が重要ではないですし…。相関と回帰、クラスタ分析やアソシエーション、辺りだったりすると思いますが、BIがデータをビジュアル化して終わりなのに対して、BAは原因や動向などを初め次へのアクションを示唆してくれる・・・という事に気づいたという人たちが多かった事は画期的な変化であった気がします。


BIの選定過程では、過去に経験済みの方が増えており、新規の方と比べると印象の2極化が更に進んでいます。そして同時に純粋なBIはより一層価格破壊が顕著になっています。10年前と比べると半値どころか酷い場合は70%近くもスタート予算が減った気がします。破壊的過ぎるプロジェクトでは、対応を見合わせるベンダーもあって良いほどのレベルだと思います。また顧客側も問合せ前にベンダー選択をほぼ終えるなど、それだけ市場にカテゴリが浸透している意味では、成熟期を実感する今日この頃です。成熟期の先には転換か衰弱かの分岐点が、生涯サイクル的にはある訳です。しかし、ビッグデータに始まり、各種業務カテゴリへの分割吸収など、BIは各々の道で次のカーブへ移りつつあります。経理・顧客・在庫・売上ナンバー系の『元祖』に最終的には分析はつながる訳ですが、広告やマシンデータ、テキスト解析などで人とテクノロジーとが広がっている事はよりよいイノベーションにつながりそうです。データの幅と粒度は今後もより急速に間違いなく増える訳で、ロボットに負けずに人間が判断を続けるためには、データの扱い方と意思決定の相対速度を自分たちの創意工夫でやりきる以外にありません。2015年もデータの増加は続くほか、より幅広い分野から情報活用のニーズは流れてくるため、BIのみならず広義のBIは活況間違いなしです。


ではでは、前置きが長くなりましたので、本題の勝手ベンダーランキングは以下の通りです。鉄板組ばかりで面白くないのですが、今年は私はこれつしか聞かなかったと言えるほど多かった気がします。



1.Tableau (Tableau Software)
----------------------------------------------------
今年飛ぶ鳥をおとす勢いで日本シェアを延ばした成長した製品はやはりタブローでしょう。Data Discovery分野ではQlikViewと競る2つだろうと思いますが、この2つだとQlikがDBレスで使える分値段が高くなってしまう…からかどうか分かりませんが、SI各社がこぞって始めた製品ではなかろうかと思います。どの製品でも表現能力はある程度までは差がないのですが、設定操作がよくできている点と、DB/データソース接続のバリエーション、対応の早さが本気度を感じさせられた気がしました。あと中間ファイルが出来るのも以外と良いのです。この先どの方向へ拡充していくのか、企業としての財務体質など、どこでもFundの支援は避けられないので、方向性が楽しみな企業です。もうBIは一般化され過ぎているのと企業値段として全般的に高いので買収リスクはさほどないのかもしれないかもしれません。分かりませんが…

2.QlikView (QlikTech)
----------------------------------------------------
引き続き根強いFun層の多い製品。世界中で一通りビジネスをされているのでInstall baseも多くData Discovery分野の老舗という感じでしょうか。Tableauが出てくるまではDr.Sumと競いながらも圧勝の勢いだったかと思いますが、最近少しとられているか(私見)。弱点補強のために買収したETLは早く出れば良いのにと思いますが(もう出てるのでしょうか?)噂を追跡できていません。このロードスクリプトの部分は競合が指摘しますが、さほど難しい物でもない模様です。モバイルも含めたビジュアルの軽快さはこの緑の会社の売りでしょう。この企業もこの先5年後どこへ行くのか専業ベンダーならではの難しさがあるのではないかと個人的に思います。独立の良さもあるとは思いますが。

3.Oracle BI (Oracle)
----------------------------------------------------
案件ではよく聞くのがOracle BIだった気がします、あくまで私見ですが。製品としてもこなれてきた気がしますが、余計な細かい飾りはせずに体力を提供する系のBIと定義しています。買収統合によるBrio、Discovererの影響もこなれて無くなりだし、型が良く定まってきたのでしょうか。Endecaとのマッチはよく分かりませんが、再度の混乱は続けてほしくない物です。元々シンプルなダッシュボードを表現するには適した製品であったためEP系のBIには適しているでしょう。昨年流行にはやったData Discoveryとは違う伝統系ポジションです。

4.SAP Lumira (SAP)
----------------------------------------------------
多少、依怙贔屓が入っていると言われそうですが、BusinessObjectsで老舗を誇っていたSAPが本気で作りなおした新生BIがこのSAP Lumiraです。本気なんだなーと感じますがData Discoveryに特化してSAPらしからぬフリーミアムモデルを取り入れたりDROPBOX(みたいな物)を無償で付けてみたり、ユーザーから何が求められるのか次の世代を熟考している気がします。BOのマイグレーション話も出たりしているし、この会社は買収による消滅リスクはないので今後の展開に期待でしょう。他社と同様チャートはCVOM系と見受けられ、あとData Driven DocumentsのJSプラグインに対応していたりと表現の拡張もナカナカです。

5.Analytics Cloud (Sales Force)
----------------------------------------------------
案件で聞くというよりも話題を一時かっさらったという意味でSales Force。 Dream Force 2014。Q4リリースなので実案件では聞いた事がまだありませんが、ガーデンからのスタートだろうしやむなしか。しかし10月には最大瞬間風速を記録したSFDC。リークを上手く使ってかSF前に結構情報がながれていた気がします。今さらながらもBI単体を噂させるのは流石のReputation。本格化し始める2015年の動向に期待です。SFDC寄りでビジネスをしていた幾つかのベンダーやクラウド系のベンダーは方針転換必須でしょう。





新参組もあるものの、Oracle BIやWebFocusあたりはお約束でEnterprise BI系によく出てきた気がします。また、その他に日本法人をたてたYellow Finも新民権を得た気がするし、たまにActuateを聞くか。SAPをきかないという声を聞く時もありますがBO、Lumiraが堅調でDr.SumもBIツールとしてはレギュラーです。しかしIBM系の元気を聞くことがありません。。。またオープンソース系と(Yellow Finもそうですが)出会う事がピークよりは結構下がった気がします。その他、異例系?ニッチがData Natureで独自路線のロングセラーでたまにお会いするでしょうか。昔は一時すごかったSagentもCSV抽出に割り切ったら使い勝手が結構よいのですが、Pitsney Bowesに買収されて以降は、行き先が違うのか、私はめっきり聞かなくなりました。そして今年は、のし上がってくるのかダークホースがSpotfire。買収後もTIBCO社が粘り強く提供を続けている元祖アナリティクス系で、買収時のモジュールドロップでデータディスカバリの製品になったはずです。しかし昨年Jasper Softを買収しています。その後に超アグレッシブな相乗効果の噂は聞かないもののData Discoveryの先にはReporting需要が増えるはずと私は思うので意見が同じ?かと若干期待する今日です。この会社はオープンポジションも良く聞くのでアイドリングかと…その他に、くすぶっている?ルーキーがBOARD。予算管理、CPM系のBIツール。日本法人があるはずで新バージョンのプレスもたまに見かけます。イタリアだったはずですがスイスに本社が移された模様。一部大手のSIが販社をやり始めている模様。Fin系BIは、Oracle、SAPで結構かたまっている気がするのだが、どう次へ舵取りするのか期待がつのります。
予算管理系BIが、また流行り出している?のかベンダーが少ないからなのか、外資の数社のOn boardingの噂を聞きます。選択肢が増えるのは競争原理からは良いはずなのですが、もう増え過ぎです。返ってBI選定の邪魔になっている事は間違いありません。行動心理学でもありますが、3つ出されると人は選びますが、30出されると選ばずに帰ります。選定をする時には、何を実現したいのか、何が出来れば買うのかを決めてから、製品を見た方が良いかと思います。
増えすぎた専業ベンダーと、業務特化BIサービスを提供するベンダーとの攻防戦が2015年のパターンでしょうか。2014年は淘汰が進むと思っていましたが予想が外れ群雄割拠は激しさをます一方です。最後までつまらない意見にお付き合いいただきまして誠に有難うございました。



以上♪

起稿者紹介 

==============================================
しのチカ
Twitter: @shinochika_bi
Tumblr: https://www.tumblr.com/blog/shinochikabi
blog: http://shinochika9861.blog22.fc2.com/
[2015/01/02 00:40] | BI | トラックバック(0) | コメント(0) | page top
低欲望社会で、どうやって物をうるか。
2014年も終わりです。最後に次年度の景気を予兆する選挙がありましたが、景気が良かろうと悪かろうと、そもそも消費につながる欲望が下がっています。成熟社会の宿命かもしれませんが、消費は減り、物が売れません。物が売れないから作らない、だから金利が下がっても借りる必要がない…とマイナス回転。マイナスでも国内視点では耐え忍べば良いのかもしれませんが、国際社会の中で『円の価値』を考えると致命傷です。競争は日本の美学では勝てない。スーパーや銀行が合併で乗り切るように通貨単位でも同じ事が起きるでしょう、だから何がなんでも買わせなければ行けない。耐え忍ぶ美学は美学でおいておき、現実世界ではあらゆる手を打って動きましょう。日本の良くない性格は『現状維持』に対する根拠のない安心です。幾つかの大型倒産が報道されたように手遅れまで気付けない、という結果につながる愚かな判断です。困ったときほど暴れ、動きましょう。

しかし理由なく物など買わない。だからどうすれば買うのかを分析するのです。究極の位置に来れば誰しも知恵を絞るもの、考える事なしに物なんて売れるわけが無い時代に完全になりました。何故ものが売れないかについてか議論して答えが出る物ではないですが、消費者層の推移を考えると『買う時代』を経験していない層が半分を超えています。買い方を知らない、需要に気づいてない世代が増え続けています。

成熟と倹約による低需要は間違いありませんが、一方で『未知と無知』による低欲求も無視でないサイズと思われます。購買者に今までと同じことをする、やった事をやるだけでなく、新たな買い方を提案する事こそやるべき内容です。では続いて何を提案すれば振り向いてくれるのか…簡単な話では当然なく、五万といる買うか買わないか分からない顧客様みなのお好み、御嗜好なんて当てられるものかと思います。しかし当てないといけない、セグメントを分けて試行錯誤し、場所を変え、期間枠を変え、売値帯を変え、組わあわせを変え、色々と試行錯誤を企業はしています。もしやってなかったら今すぐ始めて下さい。相談して頂いてもいい…でもほとんどの人たちは『当り』を探している。なので、次には是非『はずれ』を探して欲しいと思います。消去法です。ちょっとしたアイデア化と思いますが、当たれば其れでいいので最近の意思決定はばくちのような物です。

分析系のジャンルには雑にわけるとBI(ビジネスインテリジェンス)とBA(ビジネスアナリティクス)という枠があり、特に敷居の低い前者については、ゲームやバクチのような物なのです。見せるので最終的に自分で判断して…というタイプのこの人間系の分析は、どこまで行ってもビジネスユーザーには身近な存在です。なので、だからこそヒット率をあげる為に超人間系としてはずれを捨て続けて辺りに近づく事もやってみて下さい。セグメンテーションは皆さんやってますが、はずれ探しは、まだ聞いた事がないので是非一度お試しくださいませ。

幸か不幸か日本の消費者は流される事に肯定的です。人がやってたら私もという国民性は、バクチにはなるものの法則性さえつかめればプチヒットを量産する事も出来ます。大当たりは狙ってはいけない、プチヒットを何度かやる。このようにリスクを下げつつ乗り切る事が大切で、従って消去法にて大外れを外すのです。購買者に今までと同じことをする、やった事をやるだけでなく、新たな買い方を提案する事こそやるべき内容です。見つける事が難しい課題ですが、自分たちにとって知っている事でも購買者層にとって新しい事である事も少なくありません。。

また、業務や客を知っているのは自社であり、自社で顧客の声を聞いているフロントの人間です。他社の真似事、他人のアドバイスはあくまで参考情報です。自社の一番偉い?使える?使わなければいけない?層の人たちの、彼らも気づいていない知見、経験を何とかして数値化し、分析し、お金につなげて下さい。キーになるのは顧客と日々悪戦苦闘する社内の人種です。役割分担だから別に良いのですが社内でふんぞり返っているお偉いさんは客を知らない点においては使い物になりません。現場の声を吸い上げて最終的な投資判断の時には、是非、先入観に基づかない、演繹法的な判断をお願い致します。最後までお読みいただき誠に有難うございました。


※最近、短編にしてTumblarにPOSTしています。宜しければご覧ください。
Tumblr: http://www.tumblr.com/blog/shinochikabi



以上♪
==============================================
起稿者:  しのチカ
Twitter: @shinochika_bi
Tumblr: http://www.tumblr.com/blog/shinochikabi
blog: http://shinochika9861.blog22.fc2.com/
[2014/12/29 13:00] | BI | トラックバック(0) | コメント(0) | page top
BIの流行り&分析にどこまでの精度を求めるべきか
最近、Data Exploration/Data Discovery と言われるジャンルの製品が脚光を浴びている。というか売れてる。
だが、流行り物に飛びつかざるをえないSI 陣営の影響を考えると実際のところはどの製品がドミナントをとるかは不明である。そして、この新しいトレンドが、帳票を芸術作品のように綺麗につくって満足してしまう国民性が変わりつつある兆しなら喜ばしい事だ。意思決定者の世代交代は少しずつ進んでいるはずで大代表は変わらずともミドルマネジメントには変化の波を感じる所は事実だ。乞うご期待である。


しかし、分析はやっても別に儲かるわけではない。すなわち分析の結果、なんらか行動にうつさなければ事が始まらないのは周知の事実。そして、今のご時世、分析なしに行動すると打率がさがり過ぎるわけで、その意味では分析は必須アイテムになっている。大体のケースで合っているとはいえどKKD(経験/勘/度胸)を鳥瞰的に確認するためにも「分析」は必須アイテムと言える。 だから、レポーティングではなく、毎度ちょっとずつデータを確認出来れば良いデータディスカバリーなのである。…とか言っても一昔前のOLAPとかスライスアンドダイスの時と追及する所は何も変わってない。完全に使いこなした人々が少なかったために再び注目を集める必要がという事で「ちょっと分析」のコンセプト再建なのである。


なお、昔と違い、データにあふれ、豊かさにあふれた現在は、分析の結果行動指針の「正解」を探す事は至難の業。確率論から言って、行動指針の「不正解」を探して、それを除外していく方法で分析をする事は、なかば常識ともいえるテクニックになってきている。このように、とても難しい分析を常に求められる状況にあるからして、最低ラインとして、平均、偏差、中央値。回帰、分類、クラスタリング位は知っておかなければいけない。この辺は、ビジネスマンの基礎体力であるわけである。
この仮説主義がいやであれば統計によって答えを探す方法もあるが、セルフサービスでは到底無理だろう。なので、仮説主義+確認のためのデータディスカバリー&ビジュアリゼーション。この3つを駆使してビジネスマンとして結果を出すべく行動しなければいけないわけである。特にビジュアリゼーションは、分かった知見や検知を人に伝え、一丸となって行動する時に主張を通すためのテクニックとしても非常に重要なわけである。頑張って働きましょうー。


※最近、
短編にしてTumblarにPOSTしています。まとめてこちらに移しますが、Tumblarにはより速く投稿いたします。
最後までお読みいただき誠に有難うございました。

以上♪
起稿者紹介 
==============================================
しのチカ
Twitter: @shinochika_bi
Tumblr: https://www.tumblr.com/blog/shinochikabi
Web: http://shinochika.net
blog: http://shinochika9861.blog22.fc2.com/
[2014/10/28 02:06] | BI | トラックバック(0) | コメント(0) | page top
Business Intelligenceのシフトとサービス化の流れへ
2014年06月10日


久々にBlogを更新させて頂きました。
毎年前半はあまり投稿しない傾向があり、今年もやはり...ですが、
定期的にご覧になる方はおられない点においてどうでもよい話題です。


さて本題ですが、最近のBusiness Intelligenceの流れとしてクラウドシフトに取り残されるBIの流れを上げてみました。


言うまでもなくERPやCRM、SCMなどの代表的な企業システムは、今や「クラウド」が相当に優先的な選択肢です。しかしBIに関してはどうでしょう。10年以上必要性が語られてきたDWH/全社BI的要件に関してはクラウドシフトにのれず取り残されています。理由は簡単です。なお、結果としてBI自体が二分してしまうのですが、クエリー量やクエリーパターンを考えるとWAN越しに対応できない事が根本的な問題と言えるでしょう。リテラシーが高くない場合や、分析要件が定まらない程、BIでは求める初回データ量は大きくなります。日次で3年分の商品100、枝番10と顧客100と…と掛け算しても、たった日次3年だけで1億件です。BIツールには画面転送量が小さい仕様や圧縮する物もありますが、フェッチ待ち時間はそれなりに要求されてしまいます。C/Sだった自体は数100万+件程度は平気な場合もありましたが今や環境はブラウザ。量や時間が増えると、バッファをあふれたりパケットのロス、タイムアウトなど様々なSTOP要因が発生してしまいます。さらに時代はビッグデータ。沢山とれるデータをどんどん活用する流れになっています。従って、よりチャレンジが必要になります。しかし量が多いものはどうしようもない点、闘っても今後幾らでもデータが増えるために割り切った流れとなっています。


その傾向がBIの細分化です。いま企業向けのシステムパッケージ購入すると必ずと言っていいほど、分析≒BIがついてきます。BIの元々のコア機能は単なるSQL生成エンジンですから高度な事をやっていません。従って各種ベンダーはERPやCRM、ITIL系やワクチン系にまでもですがBI機能は純正品が提供されます。従って、用途別の分析は、それらの企業向けアプリケーションシステムで完結されて今います。これによって独立系のBIベンダーやSI企業は少なからぬ煽りを受けていると私は思いますが、よりユーザー部門側で「使いたいデータ」が取れない状況が生まれてしまっています。BIは実装前に要件を見極める事が難しいシステムであるがゆえ、『ついてるもので良いじゃん』となる訳です。そして導入後は予算も半減されるために追加はできず、結局Excelで手作業で・・・・という昔BIへ時代を遡り続けています。


他方、それでも必要とされるDWHはどうっているでしょうか。特定アプリケーション側では完結できない複合情報源の分析です。ここでもアプリケーション純正の分析がマイナスに作用してます。「其々についている」のでExcelで現場はマージする事を期待されます。その結果、大きなDWHを構築する事が、予算やリソース、経験的に難しくなり、いまは『外注』の流れが発生しています。そもそも分析には手間と時間がかかる物なので、システム投資をして環境構築するよりも、構築にも分析にもノウハウをある程度もつ業者へ投げてしまうわけです。おりしもデータの置き場も発生場所の近くへホスティングする時代…データを保管する業者がこぞって分析代行をサービス化している訳です。『分析の外注』は直近に大きな問題が発生する訳でもないのですが、そこには課題発見能力や対策ノウハウを外に依頼する事に点で、長期的にはとても良くはない事を多くの企業は実施しつつあります。
分析画面も自社で作れない、データはWANの遠く外、そして動かせないほど莫大なデータがたまってしまう…という状況が多くの企業が抱えるビッグデータの実態です。そして分析を自社でしない為にデータを「まびく」事も出来なくなるのです。HADOOPやNOSQLで安く早くデータが取れるとは言えど、よくない問題です。データを預けるにも、引き出すにもお金が発生する事になると、いくら分析しなければ意思決定が危険になるとはいえど『分析費用』が、『意思決定原価』として重たい足かせになってします。やはり、面倒で、手間もかかるし、大変ではありますが、ある程度自社で分析担当者を置かなければ、外注の麻薬のとりこになってしまう事が関の山です。


しかし、専門家に分析を任せる事が100%悪いわけでもないかもしれないという評価もあります。単なるSQLの延長としての由緒正しいBIに加えて最近は、データマイング、プチ統計が色々と脚光を浴びています。このBusiness Analyticsの分野になるとド素人には分析結果を取得する事さえできない事に加えて、出た結果の理由が分からない為に結局判断できないという事にもなりかねません。その点をサービスとしての外注は多少緩和してくれるでしょう。ただし回帰分析や分類、クラスタリングくらいは、その特性と課題を知っておいて損はないでしょう。Business Analyticsは多少の眉唾はありますが、確率論の解析結果を取る事は出来る為に、ある一定量のリスクを避ければ、一定量の結果は予測できるというまっとうな考え方です。BIで過去だけを見るのではなく過去から未来を若干示唆してくれるデータマイニングは活用しても罰は当たりません。

データマイニングの話は別の機会にするとしまして、本題に戻しますが、分析の外注が増える時代になると手元には断片的な情報しか残せない純正分析品による社内環境が出来上がります。また、分析外注を選択しなかった真っ当な企業でも、莫大なDWHシステムが社内に居座る事になりITで厳格に管理された仕組みが出来上がります。そうなると、次には手元で「とりあえずデータを集めたい」需要が浮上する訳です。これがアジャイルBIとかパーソナルBIとかと、一部ベンダーが言い始めた傾向で、外注BI対インハウスBIや、社内認定の標準BI対個人デスクトップで動かす勝手BI、のような構図が出来上がるわけです。



BIベンダーはリレーショナルDBに接続するかつての由緒正しい数社と、新規組の非DB型に大きく現状分かれています。クラウド系BIベンダーがどちらへ流れるかは私も分かりませんが、この構図では、どちらがどちらへ採用されるかは比較的明らかです。両者は共存関係にあり、どちらか一方で済むと良いのですが、使い分けを誤ると結構無理な実装、無理な課題に頭を悩ませる事になります。数億件を数秒で全てGroup byしてくれる時代にN/Wとハードが成長すればよいのですが、残念ながらデータの成長はハードよりもはるかに速い事が現状です。IoTやM2Mでデータの種類は悲しい事に又しても音速的に増えています。あと1年もたたないうちに、「声」、「音」、「光」、「絵」、「写真」が分析対象に加わる事は明確です。そうなるとますます、この傾向は顕著になり、分析サービスVSデスクトップBIの流れが大きく分かれてくることになると思います。そして、この分析の特徴を知って、システム投資のバランスを考える事は、無駄使い出来ない予算配分を考えるにおいて重要な要素になるのではないかと私は思っています。システム投資というよりは、意思決定コストとして、費用償却されるから良いのか?という議論もありますが・・・
ガートナーも由緒正しき観点からのBIにはコメントをしてくれないので、誰もまだこの領域を考える事は出来ないようです。

今回も長く最後までお読みいただきまして誠に有難うございました。



以上♪

起稿者紹介 
==============================================
しのチカ
Twitter: @shinochika_bi
My Page: http://shinochika.net
blog: http://shinochika9861.blog22.fc2.com/
[2014/06/10 01:59] | BI | トラックバック(0) | コメント(0) | page top
BIツールベンダーランク2013。勝手にランキング。
2013年12月31日

2013年も最後になりました。今年もBusiness Intelligenceに従事出来た事を感謝しつつ、今年1年を振り返って私個人が勝手に思うランキングです。当然ですが、完全に感覚的な私の感想で、印象で勝手にベンチマークしたリストになります。


今年もBIは昨年同様に注目されつつも、経験済みの方が増えて印象の2極化が更に進んだと思いました。また同時に純粋なBIはより一層価格破壊が顕著になってきました。10年前と比べると半値どころか酷い場合は70%程度程もスタート予算が減った気がします。プロジェクトによっては破壊的過ぎてベンダー側も対応でき無い場合があったり、また顧客側も問合せ前にベンダー選択をある程度決めてしまう事も多くなってきた事でしょう。それだけベンダーランクが市場に浸透している意味ではITカテゴリの中での習熟度が成熟期に達している気がします。またビッグデータというキーワードで新しい人たちが沢山加わった1年でもありました。広告系やマシンデータ系が一時期より近くなりましたが、2014年にかけては、広告系はテキスト解析からよりCRMに、マシンデータ系はよデータマイニングに特化されていく事でしょう。しかしBusiness AnalayticsとBusiness Intelligenceは切れない関係の為、データマイニングの前工程と後行程にBIの再活用が行われる事になります。では、勝手なイメージでのベンダーランキングは以下の通りです。



1.SAP Business Analytics (BusinessObjects, SAP)
----------------------------------------------------
長きにわたる歴史をもつ老舗のBI。買収による長い影響とまた後発ベンダーの勢いに押されてくすぶる期間が続いたと思いますが、ガートナーや富士キメラのランキングでも復活評価がされ製品としての安定性もこなれてきた模様。また製品軸もクラウド系、中堅用、大規模用と分かれたラインナップに、トラクションがかかってきたように思います。SAPインストールベースの+影響は少なくないように感じますがインメモリDBの影響もあって市場側にエンジンがかかっている印象です。過去長い歴史をもつユーザーもSAP買収による影響も時間の経過とともに落ち着いているはずですから、調査会社の期待評価の通りに進むんでしょう。老舗ツール名であるBusinessObjectsの周辺製品として、SAP HANAのエンジンと合わせてPredictive Analaysisというデータマイニングプラットフォームがゼロ開発されていますが、KXENの買収でInfiniteInsightというデータマイニングツールもファミリーに入るためより広範囲なビジネス要件をカバーできるBI,BA,DB統合基盤が期待されます。


2.Tableau  (Tableau Japan)
----------------------------------------------------
日本市場への誘致を行ったSI日本企業からバトンを渡される形で日本法人ができ、日本でもエンジンがかかり始めたツールです。日本での認知度はUSとは随分ずれがあった気がしますが、既にTableauのボリュームゾーンはQlik TechとWingarcに占領されている気がしますので、この次の展開がどうなるかお手並み拝見でしょうか。しかし先駆けとして、老舗ベンダーとは少し毛色の違うクラウド系のベンダーとのタイアップを発表したり、彼らが好むライセンス体系を持っていたり(はず)と、市場活性化の新たなプレイヤーになりつつあると思います。ジャパンが出来たのが恐らく2013後半と思いますので、2014にかけてメジャー事例がいくつ出せるか認知度争奪の戦い次第かなといったところでしょうか。古くは別ベンダーの分析系データベースにOEMされたりしていたものですが、データ探索としては十分な気がします。ただデータ探索&ダッシュボードが主眼のツールであるはずなので、二言目にはレポーティングと未だに言い続ける日本市場でどこまで啓蒙できるかも勝負所かもしれません。


3.Microsoft SQL Server (Microsoft)
----------------------------------------------------
隣人の声で多かったのがMicrosoftでした。少なからず増えているようです。当初、厳し目に指摘された価格戦略の変更が効いてる気がします。規模の力というと怒られるかもしれませんが、新たなベンダーを使うよりMicrosoftならリスクが低い、ことに加えてExcelとの親和性も高く間違いは少ないと思われます。使い勝手ではMOLAP課題が私には気がかりですが、MOLAPならではのUIメリットも確かにあり、MOLAPでなければ分析できない特徴もあります。そして翌年にはPower Pivotも控えているわけですし、インメモリオプションの登場と加えて引き続き今後に期待です。


4.QlikView (Qlik Tech)
----------------------------------------------------
根強いパワープレイヤがクリックビューです。こじんまりと初めて大きくするには敵ながら天晴と感じている方も多いのではないかと思います。データロードのスクリプトがネックでしたがETLを買収したようで解決の浸透も間近?かと思っています。後はデータソースが肥大化した時の解決策でしょうか。私は詳しく知りませんがBIは類型的にデータの増える仕組みですからブラックボックスのデータモデルは必ずいつかは破たんするリスクがあるはずで、消込処理もしなはずですから、速さが売りのクリックビューを損ねてしまわないか気になるところです(取り越し苦労かもしれませんが)。最近少し、クリックの噂を聞く機会が減った気がします。





その他の気になるソリューション。
・BOARD   (http://www.board.com/ja/) 
イタリア系のBIツール。予算管理から一通り持っているフルクラス系のBIの模様です。日本での体力などは知りませんが
日本法人?はあったと思います。はあるはずです。今年にどこかの企業が販売店契約を開始のプレスがでていたはずです。日本はどうしてもパートナリングがキーとなるため個人的視点では経過観察です。

・DOMO    (http://www.domo.com/jp)
ここの日本社長のブログはBIブログの中でも継続的に書かれている物ですが(翻訳が主の模様ですが)、クラウド系(と思われる)BIです。Webサイトが全て問合せしなければ情報を出さないタイプにデザインされているようなので情報はあまりなく私も分からず仕舞いです。価格帯もポジショニングも分からないですが、
私が気になる理由は、日本法人の社長さんの経歴です。クラウド系としてうまく広がってくれることを祈ります。

・Spotfire  (spotfire.tibco.com/‎)
このツールは新しい物ではなく、TIBCOが長く提供している物ですが、買収によるラインナップの整理の後、私は勢いの落ちたツールだと思っています。他の製品との差別化が難しくなったんでしょうか。
製品に何か変更が加えられてかまではチェックしていませんが、たまに名前を聞きます。・・事もあり経過観察の対象です。




2013年を振り返ると…
Yellow Finはライトを求めるBIとしては、頻度こそ毎回ではありませんが名前を継続して聞きました。最近Dr.Sum(やQlik Tech)の勢いが少しだけ落ちてきた気がします。前が飛ぶ鳥を落とす勢いであったようなので、普通に戻った程度でしょうか。またIBM Cognosは私の周辺ではすっかり聞かなくなってしまいました。別のところで動かれているんでしょうか。そしてオープンソース系では、Jasper Reportが耳に残っています。昨年聞く事のあったPentahoよりもJasperのうわさが多いような気がしました。そしてActuateも依然あまり聞かない気がします。ツールの機能で選択する時代は遠く昔に終わっていますので、BIツールを選ぶ際には何を基準に選択すべきか迷うところでしょう。




2014年も1社でも多くの企業にBIによるメリットを享受して貰いたいと祈りつつBLOGを終了します。今回も最後まで読んで頂き、本当にありがとうございました。 良いお年をお迎え下さい!




以上♪

起稿者紹介 

==============================================
しのチカ
Twitter: @shinochika_bi
My Page: http://shinochika.net
blog: http://shinochika9861.blog22.fc2.com/
[2014/01/01 01:26] | BI | トラックバック(0) | コメント(0) | page top
なぜビッグデータにそんなに期待するのだろうか。日記のように少し整理して考えてみる。
2013年12月24日


ビッグデータ…というと非ITの分野でも結構さかんに登場するキーワードになりました。しかし何となくモヤッと騒がれているような気がしてらない。ので何故期待されるべきなのかのかという点を考え直してみました。



元来、由緒正しき「分析」とは長らく蓄積された過去のデータを、大凡決まりきった着眼点から集計をし直してみて、昔を省みる事でし。従って、観点も時間や地域、顧客などの比較的オーソドックスな観点となり、いわゆる決算書の考察にあるようなセグメント別分析というジャンルが多く流行りました。BSCなんてのもあり財務と顧客とプロセスと改善の視点で…とまとめなおす物もありましたが、過去を振り返るという点で共通で、(十分なんですが)現場の人の発想で、コンバージョン済みの実績を分析する物でした。そして、其れを実現するために、データウエアハウスとか、マスターデータの統合とか、業界統一コード体系とか、色々なテクニックとテクノロジーが生まれては廃れてを繰り返してきています。これらは、少しでも売ろうという類稀なる努力の結晶で、CRMとかRFMとかABCとかの原点の延長に、SI企業とIT部門の努力が積み上げられてきた賜物です。このDWH的な情報活用はBusiness Intelligenceと呼ばれて、大手企業から中小に至るまで、ほとんどの企業が少なくとも2度か3度は経験された仕組みです。最近はようやく?認知度もあがって「必要な投資」というか「仕方ない範囲の費用」?と考えられるようになってきています。そして時間の経過とともに、遡って「量」は貯めれるが、「次の分析」が必要になり別の視点が求められるようになりました。

この「次」の観点ではビジネス系とテクノロジー系で発達があったのではないかと思いますが、ビジネス系では例えば、少し前にサプライチェーン系のキーワードで、デマンドチェーンへとか製販一致とかいう話がありました。これに端を同じくして「需要」をコントロールしようという発想が出てきて、過去だけでなく未来を知りたいと言い出す人が増えてきたわけです。そして、この「未来」という観点では、未だ継続していますがビジネスインテリジェンスの類似用語としてビジネスアナリティクスと言葉を少し変えて、統計手法をもちいて「こうなるはず」を予測するようになってきました。統計というよりデータマイニングと書いた方が良いでしょう。データマイニングで解析する対象はテクノロジーから分類して主に「数値系」「要因系」、そして「テキスト系」の2つに分かれると思っています。「数値系」「要因系」は切れない関係にあるためセット扱いが多いですが中々浸透してきませんでした。教師付きデータとかP値とか、マハラノミス距離が直交表がアノーバがとか…色々言われても報告を受ける方が理解できない事が多く、「それでなければならない」分析需要にしか展開されようがなかった事が原因でした。しかし最近ではビジネススクール卒のミドルマネジメントが増えるなど「人間側が変わってきた」事もあり、少しずつ浸透している事と、「そうでもしなければ差別化要素を探せなく」なってきているためデータマイニングには着眼点が当たっています。もし、この因予測を当てる事ができるのであれば、「個別化」を極めている需要の変化に応える事ができるため、主としてデータを集めやすいオンライン系リテールとか、Web解析系に広告屋さんがやっきになってCMしているわけです。



また一方でテクノロジー系では、例えばM2Mとか画像解析系が少しずつ変わってきたかもしれません。M2Mはデバイスの制約が許容範囲になってきた事が一番の理由と聞きますが、センサーから上がるデータを集めて何かに使おうという発想です。ICタグやバーコードによるトレーサビリティが少し古い話でありますが、基本は其れの延長で、NFCとかでスマホなどを特定してステルスマーケティングを狙うアイデアや、単純にセンサーとGEO情報を特定して、データのリアルタイム性を活かして何かに使うとかアイデアなどが実例として既にあったりします。某事例でフリート事業者がトラックについてるセンサーとその場所を特定して安全性と定時配送率を向上したり、アミューズメント施設で混雑率の調整にセンサーが使われていたり、皆が最近持っているスマホのロケーションを使ったクーポンの配布なんかは身近に使われている方も多いでしょう。appleもiBeaconを遅ればせながら始めましたし携帯キャリア屋さんも商品化に躍起になっているはずです。SuicaデータをJR東日本がビッグデータする…という話が出た時にクレームした一部の方もいるようですが、Googleマップで渋滞情報がなぜあんな広いレンジで出るのかを知れば、そんなクレームは時すでに遅しである事はその人にもわかるはずで、私たちは常にネットワークにつながり監視されている時代を生きている訳であったりします。画像解析系でも少し前に、人を識別して陳列を変える自動販売機がテレビに出たりしましたが、年齢、性別くらいはかなりの精度でカメラが特定するようになっています。また物体の向こう側を透視するかのように、見え方を解析して投影するカメラ&モニターも試行品としてもう出てきています。カメラも小さくなっていますから、そのうち粉のような部品で出来るようになるはずですから「007の消える車」も実用化直前という事でしょうか。またモーションセンサーとカメラ映像を重ねて判定する事でより精度の高い特定を行ったり、2点から映像をとらえる事で、動きを監視しながら追跡するカメラも登場したりしています。これらは全て「パターン解析」によって分析されデータとしてデジタルに利用可能になっています。カメラで追跡されてスマホで特定されて…と、このように24時間365日の間ミリセカンド単位で監視されながら生かされているといっても過言ではない時代になっていたりします。そしてこれらのデータをとれる仕組みを活用するためには膨大なインフラが必要で、その受け皿がビッグデータと漠然と言われているわけです。



しかし、こう漠然とビッグデータと騒がれているだけで、具体的に何をする?という所までは落ち着いていないため、騒がれつつもモヤっとした感じになっているわけです。しかし、それでもデバイス系の人やストレージ系の人、SCM系の人からリテールの人、Web系の人や、モバイル系の人から、広告系、ソフトウエア系の人など様々な人たちが、何かしら接続できる共通キーワードがビッグデータなのでユビキタスにつながる事の出来る丁度良いキーワードなのです。多岐にわたる可能性がある仕組みですから、「ビッグデータ=?」と簡単にキーワード化出来るものでもないのでしょう。各論では既に沢山の「ソリューション」シナリオが出始めているかと思いますがビッグデータ関連の商売は、まだしばらくは続きそうです。


色々書きましたが、このように大容量のデータをどう使うかという観点で色々な可能性があるわけですが、データには面白い特性があります。粒度を突き詰めていけばパターンの解析ができるという事です。最終的に何故ビッグデータが注目されるのかというゴールは、ある観点ではここに終結できますが、見れない未来がデータマイニングによって予測できるという事です。旧来の分析では、「実績」を分析する中で「予測」するためには情報量が足らない事が多かったわけですが、それらが「解禁」されたのが今の時代と言えるでしょう。また機械系、M2M系では必ずしも該当しませんが、広告系では「実績」と「予測」の間にも注目が入っています。それがWebログや口コミのデータです。広告の発想では「旧来の分析」対象として実績データは色々と分析しつくされていますが、それらは全て「売れた」人たちのデータであるわけです。したがって、データマイニングによって予測したとしても、それは「売れたデータ」が元になっており「売れなかった」直接要因は分かりません。そしてそれらがあるのが「口コミ」系のWebログです(少し飛躍しますが)。やる事はそんなに新しくない「顧客の声(VOC)」とかと同じテキスト解析ですが再度注目されているのは、データマイニングで売れると思うデータ」と、「売れなかったデータ」の突合せが出来そうになっているわけで、本当に欲しい「次に売りたい」人のデータでが、これによって醸造できる所まで来ているからだったりします。まだ安く調達できる完成したリテールモデルは聞きませんが、この予測とテキストマニングのハイブリッドは私も期待しています。売れない属性の特定はすぐそこまで来ています。


理想論を現実に落とすと、まだまだデータの品質が課題になるため、現場の苦悩は続くわけですが、少なくとも高い粒度のデータを、貯め方によっては破格の蓄積コストで貯める事の出来る仕組みがビッグデータです。未コンバージョンのデータも含めて活用でき、旧来の分析をし尽くした人たちには、まず第1歩何をすべきかがクリアなパンドラの箱になります。逆に何をすべきか分からない人たちはまず「由緒正しき分析」がまだ不足しているわけで、その後にビッグデータすればよいと思います。市場はそろそろ「使わないデータを貯めても意味がない」事に気づき始めていますが、これよって更に「蓄積されたデータ」の値段が今後下がっていき、より買わなくてもただで使える時代になっていきます。データの品質の課題があるため「タダほど高いものはない」という意見もありますが、ここでも「ムーアの法則」がより加速化する事は間違いないと思います。


なんだか、まとまりが無くなってきましたが、最近ビッグデータが注目される理由は、分析しなければ生き長らえる事ができない「売る」人の苦悩と、旧来から存在してた「データマイニング」を使えば予測は出来るという事実が出会い、その制約であったデータの蓄積コストが段階的に革命されて、さらにテクノロジーによってデータの取得粒度にも制約がなくなった、これらのハイブリッドがよりCRMを面白くするビッグデータとして注目されていると結論付けたいと思います。財務系はオペレーションの最適化がゴールですし、サプライチェーン系はジャストインタイムができれば後は経費のマネジメントですので、やはり最後は誰に売るか、どこに売るかというCRMに話が尽きると思っています。
今回も最後までお付き合いいただきまして誠に有難うございました。



以上♪

起稿者紹介 

==============================================
しのチカ
Twitter: @shinochika_bi
My Page: http://shinochika.net
blog: http://shinochika9861.blog22.fc2.com/
[2013/12/24 06:03] | BI | トラックバック(0) | コメント(0) | page top
| ホーム | 次のページ>>