データ戦略をビジネス目標に合わせる - AWS 規範的ガイダンス

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

データ戦略をビジネス目標に合わせる

AWSお客様からは、データプロジェクトと会社の目標との整合性が取れていないと、通常、データプラットフォームが悪用され、過剰に設計され、ビジネスにほとんど価値をもたらさないと言っています。データ資産の再利用性が低い、データの一貫性がない、データ発見が不十分、待ち時間が長い、データ品質が低いなどの問題がよく寄せられます。

データ戦略の構築でよくある間違いとしては、技術的なツールやトレンドに注目しすぎたり、エッジツールを使用したり、ビジネスユーザーに独自の用語を使用するデータを提供したり、主要指標レポートの手作業タスクを自動化したり、データ品質を可視化したり、ユーザーにデータ探索の自主性を与えたりして、ビジネスチャンスを加速する機会を逃してしまうことが挙げられます。

データ戦略では、顧客セグメンテーションの改善によるコンバージョン率の向上、パーソナライズによる顧客満足度の向上、リテンションアクションの予測による顧客離れの軽減、カスタマーエクスペリエンスを向上させるためのA/Bテストによる新製品や新機能の迅速なテスト、ビジネスやブランディングへの影響を改善できるその他の戦略など、ビジネス上の問題の解決に重点を置く必要があります。

企業はデータガバナンスを過小評価することがよくあります。この分野でのほとんどの取り組みは分析レイヤーで行われ、自動化されているプロセスはほとんどありません。これにより、データに関連するビジネスドメインを理解せずにデータを理解してデータコンシューマーに翻訳しなければならないデータエンジニアリングチームにオーバーヘッドが生じます。データガバナンスをデータの取り込みから消費まで適用すれば、データ戦略を強化できます。豊富なデータの標準化、分類、品質をサポートするプロセスにより、ユーザーはデータを簡単に操作し、自動的にデータにアクセスできるようになります。

会社の現在の段階を知る

企業をデータ利用成熟の初期段階からデータ主導の段階に移行することは困難です。なぜなら、それには能力、プロセス、役割が必要であり、実装に時間がかかる可能性があるからです。次の図は、データ使用量の成熟度のさまざまな段階を示しています。

データ使用量の成熟度の段階

ステージ 1 (トランザクション)。ステージ1では、企業は中核業務に集中します。ビジネスの財務や業務のパフォーマンス指標を測定したり使用したりしないため、これらの業務に関するデータを活用していません。現在、現段階ではごく少数の企業しか見られません。これらのほとんどは、ビジネスの初期段階にあるスタートアップ企業です。

ステージ 2 (データに基づく)。ステージ2では、企業はデータを使用して業務データ、財務データ、部門データの観点からビジネスの健全性を監視し、各部門内でサイロ化して分析します。この段階にあるほとんどの企業は、オンプレミスの独自システムを使用しているため、データの共有は複雑でコストがかかる可能性があります。 

ステージ2の会社を移行AWS通常、ビジネスエリア間でデータを抽出、カタログ化、共有できるようにして、高度なインタラクティブ分析を使い始める必要があります。

ステージ3(データに基づく)。ステージ3には、すでにデータ使用量を最適化している企業が含まれます。これらの企業は、業界によってデータの使用方法が異なります。

  • 金融サービス、ヘルスケアサービス、e コマースサービス、消費者向けパッケージ商品サービスなどのサービス会社は、顧客の行動を把握しています。データを使用して、これらの行動に基づいてタイムリーなレコメンデーションやオファーを作成します。

  • 製造会社は、多くの場合、高度な予測分析を使用して生産および供給業務を最適化します。

  • 農業・製造企業は、データを活用して物流業務の最適化、プロセス効率の向上、精密農業の導入を行っています。

ただし、ステージ3の企業はデータを広範囲に使用していますが、これらのアクションを実行するには手動のデータ分析が必要です。

現在、ほとんどの企業がステージ3に入っていますが、機械学習(ML)モデルなどのより高度な手法を使用している企業もあれば、高度な分析を試し始めている企業もあります。

ステージ 4 (データ主導型)。ステージ4の企業はすでに、多くの場合自動的にデータに基づいて意思決定を行っています。ただし、これは難しい場合があります。そのためには、アプリケーションがデータを使用し、それに対応するためのデータとメカニズムに自信を持っている必要があります。ステージ4では、タイムリーな意思決定に役立つデータも必要です。  

双方向の意思決定の自動化

リバーシブル (双方向ドア) 意思決定はデータ主導の行動の有力候補です。たとえば、ある企業が、製品の返品や顧客からの苦情が統計的に高い確率で否定的なレビューを受けた後、製品を隔離(販売停止)することを決定する場合があります。問題が解決されれば検疫は元に戻すことができ、製品を販売に戻すことができます。

不正検出は、双方向のデータ主導型アクションのもう1つの例です。企業は、対処しなければならない誤検出に遭遇した場合でも、顧客やプラットフォームの損失を防ぐためのメカニズムを導入する可能性があります。現在のメカニズムの結果を測定し、その有効性を評価することで、改善点を導入できます。顧客による誤検出が軽減または検証されたら、二要素認証または同様のプロセスを使用して取引を確認または再試行できます。

ただし、一部のアクションは簡単には元に戻せないため、取締役会によるさらなる議論と承認が必要です。これらはいわゆるものです一方通行ドア意思決定。たとえば、施設の建設や多額の投資を伴う行為は、通常、元に戻すのが困難です。これらはデータ主導型の自動アクションには適していません。

データ主導型のアクションは、継続的な測定を通じてその影響が可視化されているかどうかを評価する必要があります。これらの測定値は、機能をロールバックするか、テストしてチームと連携して個別の動作をより深く分析するかを決定するのに役立ちます。