第159回 目からウロコの「新ビジネスモデル」研究会（2022/3/29）
『データドリブン思考 〜データ分析・AIを実務に活かす〜』
講師：河本 薫 氏 
滋賀大学 データサイエンス学部 教授／元 大阪ガス ビジネスアナリシスセンター 所長

参加者のみなさんの”目からウロコ〜” Σ(‘◉⌓◉’)

• 分析を行う、いわゆるデータサイエンティストが主語ではなく、データに近いビジネスマン(つまりほとんど)が主人公である話であり、サイエンティストでなくとも役割があることが気づきでした。
• 当社には意思決定プロセスがない事
• 「ビジネス課題の設定をする」ことはいつもやっていましたが、本当の意味の「ビジネス課題」にはなっていなかったようです。
• 問題と課題を区別し、意思決定における課題を言語化する
• データドリブン思考とは、意思決定プロセスを整えること！
• データドリブン思考が一番フォーカスするのはデータやAIの精度や技術ではなくてプロセスだったということ。
• ビジネスにおいて重要なのはテクニカルな分析の手法や理論ではなく、それ以前の課題設定が大事という点。
• データドリブンに関してツールやAIといった手段に重点をおいていたが、課題解決がポイントであることを理解できた。
• 課題設定こそ重要である事
• 課題と分析の間に意思決定プロセスというステップを置くことで、課題の構造・解像度が驚くほどクリアになる
• データドリブン思考の３STEP(課題設定→意思決定プロセス設定→解決手段の選択）を日々の業務に活用できそうだと思いました。
• コンサルティング案件の受注の際に、意思決定の種類によって案件の難易度が異なると整理できたので、メンバーをアサインする際に活かせるなと感じました。
• 今の会社もこれまでの組織でも根本的な課題にたどり着かないまま方策を立案していました。具体的なアクションをさらに重視するように会社を変えていきたいと思います。
• 課題設定が果たして課題設定として正しいのかどうか、そもそも課題が誤っていないかどうかを常に意識していきたいと思います。
• 課題の表出、暗黙知の形式知化ともに「言語化」がキーであり、そのためには「対話」が重要であることを改めて認識しました。
• 設定した課題を掘り下げる思考力の重要さ
• 書籍も本日の講演も、モヤモヤしていたことを言語化をしていただいたと感じました。
  特に、メタ認知、言語化力、深く考えること、など「哲学」にも通ずるような考え方が大事だと思いました。
• データの専門家が対話をできるようにするよりも、対話をデキる人がデータを学んだ方が早い
• 「方法論をどれだけ理解しても、行動に移さなければ意味は無い」です。
  自社の課題を洗い出し、意思決定プロセスを考えてみようと思います。
• プロセス設計の訓練を社内プログラム化しようと思う。
• 課題設定が出来ていなければデータもAI活用も意味がないという点については今始めようとしているビジネスで一番壁に当たっているところ、取り組むポイントをいただいたと思います。
• データやAIを用いた合理的な意思決定が当たり前にできないと、その企業の将来がないことを実感した
• 普段のビジネスの中で如何に暗黙知に頼った意思決定をしているかを改めて考える機会となりました。
  データドリブンな意思決定にしていくためにまずは形式知にしていくところから始めたいと思います。
• 日本の会社員のメンバーシップ型の雇用が、これからデータドリブン経営の推進力になりえるという話はその通りだと思った。
• 変わらない理由を聞く、変わらないと居心地悪い環境作りは目からウロコでした
• 意思決定プロセスについて意識があまりなかったので、そこの理解を深めたい。
  ”データサイエンスが分からないと居心地が悪いようにする。”という話が出ていましたが、周りの環境を変え、人の認知を変えていくという手法は良いなと思いました。
• 意思決定プロセスが軸であり、意思決定プロセスの改善がデータ分析ゴールだということ。
  あと、Miwaさんもおっしゃられていましたが、僕も”データ分析”の部分を”システム開発”に置き換えても、丸っと話が通じるって感じてました。
• すごく基本的なことですが、「問題発見」「課題設定」が重要だという事です。
  周囲のエンジニアや、お客さまでもいらっしゃったのですが「問題と課題って一緒でしょ？」と言われている方がいました。もちろんその様に、問題と課題が同じだという考えで施策を設定するととんでもない方向に行きかねませんし、そんなケースを見ることがあります。
  講義の中でもお話しされていましたが、日本人は問題解決の力が弱いなぁということを改めて考えさせられました。
• ビジネスで多くの課題を抱えていますが、データドリブン思考で解決するという考えが希薄でした。現状の課題や今後の課題に関してデータドリブン思考で解決できるかもしれない。
• もう２０期以上当社のビジネスモデルがかわっておらず、収益も横ばいでビジネスモデルの再構築が軌道に乗っていません。
  このデータドリブン思考の意思決定プロセスを応用してみたい。
• 仕事を整理するのではなく、再構築する。

【研究会当日の集合写真】

【開催概要】

新型コロナは、データ分析のあり方(特に機械学習)にも
大きな影響を与えました。
人々の生活様式や価値観が変わり、人・モノ・金・情報の
流れが大きく変わりました。
そもそもの前提条件や基準が変わってしまったのです。
コロナ前のデータをいくらAIに学習させても、
前提条件が違えば、今後の動向を予測することなどできません。

それでもなお、いまだに
売上を回復させたい、顧客のニーズを知りたい、
今後の市場の動向を知りたい… そんなときは…
「とにかくデータを色々と分析すれば、何か答えが出てくるはずだ〜！」
と過去データを集めまくっている企業がたくさんあることに驚かされます。

そもそも何がしたいのか、何が目的なのか。
データと向き合うにあたり、本当に必要なスキルとは何なのか。

『ビジネスの根幹は、意思決定、
それに劣る我が国は競争力を失ったのではないでしょうか。
しかしながら、そもそも意思決定プロセスを意識していないので、
そこに原因があることに気づかなかった。
それがデータやAIの時代になって、「AIをビジネスに活かせない」ことに
直面し、意思決定プロセスの弱さに問題があることが露見したのだと
思います。ー(中略)ー
個人の資質として「どうやって意思決定をするか」を考える力どころか、
意識すら持ち合わせていないのです。』 (「はじめに」より)

温和な河本先生が、バッサリとここまで言い切るのは、
データ分析型組織を作り上げてきた第一人者として、
前述のような数多くの勘違い企業の実態を目の当たりにしてきたから
こそでしょう。

そんな「データ分析の誤解」と
「現場の能力を引き出し、業務改革につなげるためのデータ分析」
について、今年1月に出版された
『データ分析・AIを実務に活かす　データドリブン思考』(ダイヤモンド社)
をベースに、お話を伺います。

【講師より】

多くの企業がデータドリブン経営を目指して、データサイエンテイストを育成し、データ基盤に投資するものの、思ったようにビジネス成果は出ずに苦しんでいる。
なぜか。それは、データやAIという手段をビジネスにつなげるプロセスを知らないからです。では、そのプロセスとは何なのか？様々な企業をサポートしているうちに、それは「課題解決につながるようにデータドリブンな意思決定プロセスを設計すること」であるとの考えに至りました。そのような考えについて、出来るかぎりの言語化と体系化をして話したいと思います。
 

◎講師プロフィール

河本 薫（かわもと かおる）氏

滋賀大学 データサイエンス学部 教授／元 大阪ガス ビジネスアナリシスセンター 所長

【著書】

『データ分析・AIを実務に活かす　データドリブン思考』
(ダイヤモンド社, 2022年)

『最強のデータ分析組織　なぜ大阪ガスは成功したのか』
(日経BP社, 2017年)

『会社を変える分析の力』
(講談社, 2013年)

■ナビゲーター

井ノ上 美和

■共催

ビジネスプラットフォーム革新協議会(BPIA）
ITmedia エグゼクティブ

▶目からウロコの新ビジネスモデル研究会　トップページ（BPIAサイト）
▶目からウロコの新ビジネスモデル研究会　Facebookページ