データビジネスの成功事例から学ぶべきこと
昨今、多くの組織でデータ活用における成功事例があります。以下では、データビジネスにおける成功事例を紹介し、その成功例からデータビジネスに関して学ぶべきことを紹介します。
目次
データビジネスで成功している企業の事例
ヤフージャパン（ヤフー）
かつてヤフーでは、社員が業務に必要なデータを利用してレポートを作成しようとした場合、まずデータを管理するデータサービス本部へリクエストする必要がありました。
リクエストを受けたデータサービス本部は、手動でSQLクエリを作成してデータを抽出し、ユーザーに提供するという流れであったため、データの受け渡しだけで半日かかる場合もありました。結果、データ分析からレポート作成までのプロセスで、長い時間を要していました。
こうした状況を改善するため、ヤフーではBIツールであるTableauを導入し、社員が必要なタイミングに自身でデータを抽出できるようになりました。その結果、最大で半日もかかっていたデータの出力がわずか数分に短縮されました。
BIツールの導入によって、レポート作成にかかる時間短縮に加えて、社員はBIツールを自身で操作することで、データの数値だけでなく、システムが保持する各データの意味を深く理解できるようになりました。
このため、社員たちはデータをより深く洞察し、より高いレベルでビジネス成長に向けたデータ活用が行えるようになりました。こういった社員自身の変化も、データビジネスで成功した点と言えるでしょう。
すかいらーく
すかいらーくは国内に約3,000店舗、年間4億人が利用するレストランチェーンです。従来のPOSデータ分析システムの更新にあたり、すかいらーくはAmazon RedshiftとTableauを用いることを決定し、新システムを1ヶ月で本番稼働させることに成功しました。
以前のシステムでは、レシート明細レベルの分析に数時間かかり、なかなか仮説・検証のサイクルが回せず精度の高い分析ができていませんでした。RedshiftとTableauベースの新システムが稼働した後は、キャンペーンやフェアなどの費用対効果が向上し、あるキャンペーンでは4倍、フェアでは数千万円の規模で売り上げが増えています。
さらに、分析の視点を顧客の目線に切り替えたことで、パーソナライズ広告やクーポンなど、顧客に好まれるマーケティング手法を実施しました。その結果売上に対して大きなインパクトを与えています。
また、他にもすかいらーくは、モバイルアプリ基盤にAWSを採用し、2ヶ月で本番リリースしています。その対応の速さも成功のポイントといえるでしょう。
りそな銀行
りそな銀行は1990年代半ばから、住宅ローンにおけるデータ分析を行ってきましたが、高度なデータ分析を目的としてSASを採用しました。
住宅ローンは30年間という長い期間にわたるローンなため、長い期間の正確な分析ができるツールが必要です。膨大なデータの扱いを得意とするSASを活かすことで、顧客の30年間の中で降りかかるリスクを想定しながら、ローンを提案することが可能になりました。
膨大なデータを素早く正確に分析するSASのおかげで、りそな銀行は住宅ローン分野において安定した収益の確保に成功しています。
auコマース&ライフ
かつてauコマース&ライフでは、開発会社に開発を委託して作った独自のETLツールを用いて、Salesforceなどと連携させたデータを日々加工、出力していましたが、いくつかの問題を抱えていました。
具体的には、通常処理に時間がかかるため処理が始業時間までに終わらない、週に数回のエラーが発生する、そのエラーのリカバリー処理に2〜3時間も要する、といった問題です。
これらの問題を解決するために、auコマース＆ライフが採用したのは当社のReckoner（ETLツール）です。
Reckonerは開発知識が不要、クラウド型で低コスト、そして多くのデータソースと簡単に接続可能です。パフォーマンスも大幅に向上したため、データ処理にかかる時間を約40%短縮し、ETL利用のコスト削減も実現しています。
過去にエラーが頻発していた経験から、バックアップ用としてグーグルスプレッドシートを用意していますが、幸いにもエラーは一度も起きていない（バックアップを使わずに済んでいる）とのことです。
事例詳細はこちらから
【データ活用法】データビジネスの成功例から見るデータビジネス戦略について
ここまでデータビジネスの成功例を4つ紹介してきました。重要なポイントは、「データ統合」「データ分析」「データ活用」です。
それぞれに分けて、成功例のデータビジネスに共通する点をみていきましょう。
データ統合
複数のデータソースから、データを分析可能な状態にするために統合、そして必要に応じて加工するプロセスです。例えば、auコマース&ライフでETLツール「Reckoner」を用いて行われたプロセスにあたります。
ひと口にデータの統合と言っても、リアルタイムデータを得意とするツールや膨大なデータ処理を得意とするツールなど、特徴は様々です。まずは社内でどのようなデータが存在し、どのように統合、加工するのが適切かを、整理しなおすことから始めると良いでしょう。
データ分析
ヤフーにおけるTableau利用、りそな銀行におけるSAS利用がこれにあたります。BIツールを使ううえでのポイントは、「データ管理部門に頼らず、ユーザーがデータを取得できること」「ユーザーが自身で十分な分析を行えること（分析を行いやすいUI/UXが提供されていること）」となります。
データ活用
すかいらーくの事例が最もわかりやすい例です。ポイントは、仮説を持ってデータ分析を行い、分析結果を踏まえて利益を生む活動につなげていくという点です。データを単に分析するだけでは意味がありません。分析のその先、利益を生むための活用が非常に重要です。
データ統合・データ加工のプロセスにおいて価値を発揮する「Reckoner」
auコマース&ライフの事例でご紹介した、当社が提供するETLツール「Reckoner」は、散在するデータソースからのデータを統合・加工することで、分析可能なデータに変換、出力するためのツールです。データサイロが乱立し、分析が困難になっている状態から、統合・加工が行われ、分析しやすい形でデータを出力できます。
これにより、データ分析を行う際に、ユーザーが自身で加工を行う必要がなくなり、最小限の時間で効果の高い分析が実現できます。
データ統合・加工を通じて、データを活用し利益を創出するデータビジネスを実現させるために、ぜひReckonerをご検討ください。
ETLツールについて詳しく知りたい、ETLツールの選び方を知りたいという方はこちらの「ETLツールとは？選び方やメリットを解説」をぜひご覧ください。
