データ分析者達の教訓 #06- データ活用プロジェクトは利益をもたらしてなんぼ

記事をシェアする:

 

皆さんこんにちは。IBM の京田です。

このリレー連載ブログはSPSS Modelerの実際のユーザーで第一線で活躍するデータ分析者に、データ活用を進める上で忘れられない教訓をインタビュー形式で伺い、これからデータ分析に取り組む皆様に参考にしていただくことを目的にしています。

 

今回インタビューをお願いしたデータ分析者は

今回インタビューをお願いしたのは、IBMのコンサルティング部門でデータ活用を中心にお客様をサポートしている赤尾です。

赤尾はSPSSを駆使しデータから価値を引き出した実績が多く、お客様からも評判のコンサルタントです。

IBMのベテランコンサルタントがどういった失敗談と教訓を持っているかも知っていただきたく、身内の分析者ではありますが指名いたしました。

 

赤尾 広明  

日本アイ・ビー・エム株式会社
IBM Consulting　Data & Technology Transformation
AI & Analytics

 

-日頃のデータ活用業務について教えてください

私の部門にはデータサイエンティストが多数所属。私もそのひとりとして民間企業や官公庁のデータ活用プロジェクトを数多くリードしています。

プロジェクトのカバー範囲は広く、構想策定からデータ分析実施・AI構築、活用支援等をワンストップで提供しています。

データが十分にない場合は、データを蓄積するシステム化の部分はもちろん、組織立ち上げや業務整理などを行うこともあります。

またデータ活用の観点で、クライアントのスキル向上が必要であれば、教育プログラムの提供なども行う等、広範な取り組みを行っています。

-データ活用業務で味わった苦い経験を教えてください

お客様の要望が、しばしばデータ活用として最適解でないと思われることがあります。本来はもっと踏み込んでビジネス上で成果を求めなくてはならないと判断される場合などです。

その際、お客様を説得しきれずに、最終的に十分な成果に結びつかないか、そこまでではなかったとしても、本当ならばもっと成果があげられたはずなのにと後悔する時が最も「苦さ」を感じます。

投入した金銭的あるいは工数的資源に対して、それ以上のリターンをもたらす事ができなかったプロジェクトについては、それがたとえPoC（Proof of Concept・概念実証）的なプロジェクトであったとしても、全て「失敗」と捉え、反省しています。

 

-その苦い経験から得られた教訓はなんでしょうか

データ活用によりビジネス的な成果を追求していくという「目的」についてだけは、たとえクライアントと衝突したとしても、断じてブレてはいけない事だなと考えいます。

とは言え、クライアントと我々はプロジェクトにおいては運命共同体であり、目的の達成のためには、実現の「手段」や過程の「コミュニケーション」面での歩み寄りが実は極めて重要であると日々感じております。

その為にも、技術面とマネジメント等のコアビジネスキル面の両方が高い水準で備わっている事が必須であると感じており、日々努力しているつもりです。

 

-これからのデータ活用領域でのチャレンジについて教えてください

データ活用を実現しようとすると、どうしても時間がかかったり、コストがかかったり、となりがちです。

どんな企業でも簡単に推進できるというわけではないという状況で、停滞している印象があるので、データ活用実現の早期化、効率化の為のスキームを構築を目指すようにしています。

加えて、データ活用では十分に実現できていないテーマ、具体的には「価値を創造する」も同時に実現できないかなと日々模索しています。

トレードオフ的な関係性にある両者が同時に実現できた時、データ活用にイノベーションがおき、ひいては、ベンチャー企業、中小企業、官公庁等のデータ活用が加速的に進み、彼らの活性化につながるのではないか、と考えています。

 

インタビューのお礼と感想

赤尾さん、貴重なお話をありがとうございました。

皆様、いかがでしたでしょうか？

現在、データ分析人材を組織に普及させる動きが加速しています。

それには具体的にデータドリブンで課題解決した結果を業務に実装してその成果をアピールする必要があるかと思います。独自にこれを行なってもいいですし、外部の専門家を頼っていただいても良いかと存じます。

ただ、いずれにしても記事の教訓にあるように「成果・利益」にこだわると、ぐっと成功に近づくのではないでしょうか。

 

次回はファンケルの真弓さんから「運用に耐える予測モデルを開発段階で現場と合意する 」をお話いただきます。

 

→SPSS Modelerの詳細についてはこちら

→これまでのSPSS Modelerブログ連載のバックナンバーはこちらから

→SPSS Modelerノードリファレンス（機能解説）はこちらから

→ SPSS Modeler 逆引きストリーム集（データ加工）

 

 

京田　雅弘

日本アイ・ビー・エム株式会社

テクノロジー事業本部　データ・AI・オートメーション事業部
Data & AI 第一テクニカルセールス部長