Transcript ビジネス・アナリティクス

企業を成長させる情報活用の環境構築
～日本企業のためのビジネス・アナリティクス～
2011年10月28日
SAS Institute Japan株式会社
ビジネス開発本部 プラットフォームグループ
池本 洋信
Copyright © 2011 SAS Institute Inc. All rights reserved.
目次
1. 日本企業の強みを活かす情報活用
2. ビジネス・アナリティクスを適用する３つの視点
①
ビジネス・アナリティクスにおけるIT要件
②
ビジネス・アナリティクスにおける人・組織
③
ビジネス・アナリティクスのロードマップ
3. まとめ
2
Copyright © 2011, SAS Institute Inc. All rights reserved.
日本企業の強みを活かす情報活用
3
Copyright © 2011, SAS Institute Inc. All rights reserved.
日本企業の強みを活かす情報活用
日本企業を取り巻く環境
景気低迷
人口減少
バブル以降の景気の低迷に加え
リーマンショックによる経済への打撃
2005年以降の人口減少に加え
さらに進む少子高齢化社会
M&A
経営統合
モノ余り
バブルが崩壊した1990年以降
のモノ余り時代
企業の存続をかけたM&Aや
経営統合の増加
東日本大震災
『想定外』が現実に
4
Copyright © 2011, SAS Institute Inc. All rights reserved.
日本企業の強みを活かす情報活用
生き抜くための手がかり ①
 2010 岡田JAPAN FIFA World Cup 決勝トーナメント進出
 2011 ザックJAPAN アジアカップ優勝
 2011 なでしこJAPAN FIFA World Cup 優勝
 日本人の特質を活かした戦い方の実践
 技術力
 組織力
5
Copyright © 2011, SAS Institute Inc. All rights reserved.
日本企業の強みを活かす情報活用
生き抜くための手がかり ②
 方向性
日本企業の強みを活かすこと
 日本企業の強み（文化の特徴）
現場・現物志向
人材の向上心
組織力（コミュニケーション）
6
Copyright © 2011, SAS Institute Inc. All rights reserved.
日本企業の強みを活かす情報活用
日本企業の強み（例）
 改善（カイゼン）
改善は上からの命令で実行するのではなく作業者が自分で知恵を出して変え
ていく事が大きな特徴で、企業側はQCサークルなどの形で活動を支援すること
が多い。
改善は一度行ったら終わりではなく次々と改善を行っていく持続性、継続性が
重視されている。(ウィキペディア：改善)
コミュニケーションにより「知見」を高め、組織的な活動により現物に反映しつづける
組織的な知見の醸成と適用
組織力
人材の向上心
7
Copyright © 2011, SAS Institute Inc. All rights reserved.
日本企業の強みを活かす情報活用
分析に対する注目度
ビジネスの優先度（2008年）
ビジネスの優先度（2009年）
ビジネスの優先度（2010年）
ビジネスの優先度 TOP10
ビジネスの優先度 TOP10
ビジネスの優先度 TOP10
1
ビジネス・プロセスの改善
1
ビジネス・プロセスの改善
1
ビジネス・プロセスの改善
2
新しい顧客を引きつけて、保持する
こと
2
企業コストを下げる
2
企業コストを下げる
3
企業の労働力を効果的に
増加させる
3
情報や分析の活用を増やすこと
3
革新的な新製品またはサービスをつ
くること
4
新しい顧客を引きつけて、保持する
こと
4
企業の労働力を効果的に増加さ
せる
情報や分析の活用を増やすこと
5
新しい顧客を引きつけて、保持す
ること
4
新しい市場と地域を拡大すること
5
企業コストを下げる
5
6
企業の労働力を効果的に増加させ
る
6
革新的な新製品またはサービスをつ
くること
6
変化の管理と決断
7
現在の顧客関係を拡大すること
7
より効果的な顧客と市場への集中
7
革新的な新製品またはサービスを
つくること
8
情報や分析の活用を増やすこと
8
変化の管理と決断
8
より効果的な顧客と市場への集中
9
より効果的な顧客と市場への集中
9
現在の顧客関係を拡大すること
9
営業活動を強化すること
10
新しい市場と地域を拡大すること
10
10
企業や新技術の買収
現在の顧客関係を拡大すること
出典：「世界の1,500人のCIOが答えたビジネスの優先度TOP10」 Gartner EXP (January 2010)
8
Copyright © 2011, SAS Institute Inc. All rights reserved.
日本企業の強みを活かす情報活用
「知見」のテクノロジ
昨今のテクノロジーのトレンド
ビッグデータ？？
ビッグアナリティクス？？
クラウド？？
旧来の「作業の効率化」から「知見の創出、流通」へ
【知見の創出、流通に関するITテクノロジ例】
SNS
（会話による「知見」の創出・理解の深化）
スマートフォン（「情報、知見」の連携の即時性）
マインドマップ（「知見」の整理）
ビジネス・アナリティクス （「知見」の創出と展開・適用）
9
Copyright © 2011, SAS Institute Inc. All rights reserved.
日本企業の強みを活かす情報活用
ビジネス・アナリティクス
 ビジネス・アナリティクスの目的領域
 業務遂行
 発見
BA（Business Analyticsの領域）
旧来のBI（Business Intelligenceの領域）
これまでの知見の適用
これからの知見の創出
10
Copyright © 2011, SAS Institute Inc. All rights reserved.
日本企業の強みを活かす情報活用
ビジネス・アナリティクス適用例
–ルールの発見-
POSデータと商品マスターから併売分析用のデータを作成し、SASで併売分析を実施。
その結果、経験と勘だけでは中々見えにくい併売傾向を把握することができた。
併売分析2回目：結果
併売分析1回目：結果
おにぎりは種類が多く、通常は複数個一緒に購入される
おにぎり同士の併売ばかり
他の商品の併売状況が見えない
分析結果（アソシエーショングラフ）
分析結果（アソシエーショングラフ）
菓子類同
士の併売
おにぎり同
士の併売
データを加工し、おにぎりを一つにまとめた
他の商品の併売状況が現れてた
おでん同
士の併売
デニッシュ、ドーナッツと
牛乳などの軽食の併売
肉まん、唐揚げ
などホットスナ
ック類とドリ
ンクの併売
ドリンク類
の併売
おにぎりと唐揚げ
などホットスナ
ックの併売
煙草、コーヒー、
朝刊の併売
11
Copyright © 2011, SAS Institute Inc. All rights reserved.
日本企業の強みを活かす情報活用
ビジネス・アナリティクス適用例
–ルールの適用（業務遂行）-
作成した併売モデルをデータ加工プロセスにドラッグ&ドロップで埋め込むことが出来るので、
日次で最新のデータが取り込まれる都度、最新の併売レポートが現場のSVへスピーディーに
提供可能な環境を実現。
Analytics
分析担当者
フィードバック
SVからの意見・フィードバック
を元に併売分析モデルを作成
Reporting
スーバーバイザー
使い慣れた画面から最新の
併売レポートを取得・活用
分析ナレッジ
蓄積サイクル
SAS Enterprise Miner
Deploy
SAS Modeling
適用
SAS Enterprise BI Server
SAS Output
活用
（自動更新）
（自動更新）
24
Publish
最新
POSデータ
店舗
Data Management
データ整備プロセスに
分析モデルを組込む
Copyright © 2011, SAS Institute Inc. All rights reserved.
SAS Data Integration Server
12
Business Analytics ?
ビジネス・アナリティクスを適用する３つの視点
1. IT基盤要件
2. 人・組織
3. ロードマップ
13
Copyright © 2011, SAS Institute Inc. All rights reserved.
Business Analytics ?
ビジネス・アナリティクスを適用する３つの視点
1. IT基盤要件
2. 人・組織
3. ロードマップ
14
Copyright © 2011, SAS Institute Inc. All rights reserved.
1. ビジネス・アナリティクスにおけるIT基盤要件
分析（アナリティクス）環境における現状
「分析」についてIT部門からよく聞く声
ユーザー部門に分析を扱えるITリテラシーがない
具体的に何から手をつけていいのかわからない
ツールを導入してみたが効果が上がらない
15
Copyright © 2011, SAS Institute Inc. All rights reserved.
1. ビジネス・アナリティクスにおけるIT基盤要件
分析は敷居が高い？
『ある特定の事象を把握しようとする行動』
分析
業務遂行
発見
IT担当者
分析担当者
『DBの売上明細データから
2011年分と2010年分を取得、
担当者に提供』
『Microsoft Access
/Excel を駆使して
売上前年対比
レポートを作成』
一般ユーザー
『作成したレポート
をメールで配信』
項目の追加
“企業に根付いた実践的な分析”
Copyright © 2011, SAS Institute Inc. All rights reserved.
『配信された
レポートを参照』
項目の追加依頼
16
1. ビジネス・アナリティクスにおけるIT基盤要件
BIツールと分析 -よくある例ビジネス・インテリジェンス（BI）の分析 ＝ OLAP？
Business Analytics ?
OLAP
分析担当者
Ｂ
Ｉ
を
使
っ
た
分
析
IT担当者
①BIツールから
②分析に使いたい軸がない・・・。
OLAP Cube参照
IT部門に軸の追加を依頼
③OLAP Cubeに
軸を追加
3ヵ月後・・・
発見
業務遂行
OLAP
分析担当者
①BIツールから
必要なデータを抽出
②BIツールから抽出した
データをExcelから開いて
レポートを作成
一般ユーザー
③作成したレポートを
メールで配信
④配信された
レポートを参照
BIでは新しい「何をどう見ればよい」という「知見」はシステムの外へ
Copyright © 2011, SAS Institute Inc. All rights reserved.
17
1. ビジネス・アナリティクスにおけるIT基盤要件
BIツールではなぜだめなのか？
現在のBI環境の問題点
発見や変化への対応に対して
- 新しい切り口やデータの追加にはIT部の関与が不可欠
情報活用までのリードタイム長期化
コンテンツの陳腐化
- ユーザー部門の努力と根性による分析作業
ガバナンスの低下と比較的低レベルな分析手段
コンテンツの質が上がらない
数値算出ロジックの属人化
- IT部門の「データを提供すればよい」というスタンス
「分析」とIT機能とのかい離
まじめに対応するには多大な運営コスト
18
Copyright © 2011, SAS Institute Inc. All rights reserved.
1. ビジネス・アナリティクスにおけるIT基盤要件
ビジネス・アナリティクスにおけるIT基盤要件
ビジネス・アナリティクスにおけるIT基盤要件
『コンテンツ（知見）創出』を促進する機能
“発見のための分析プロセス”生成機能の組み込み
『コンテンツ（知見）展開』を促進する機能
“分析プロセス”の共有と展開機能の組み込み
19
Copyright © 2011, SAS Institute Inc. All rights reserved.
1. ビジネス・アナリティクスにおけるIT基盤要件
実践的な分析機能の組み込み
発見
現状の分析環境
分析担当者
IT担当者
『DBの売上明細データから
2009年分と2008年分を取得、
担当者に提供』
『AccessとExcelを駆使して
売上前年対比レポート
を作成』
実
践
的
な
分
析
機
能
の
組
み
込
み
一般ユーザー
『作成したレポートを
メールで配信』
データ抽出
『配信された
レポートを参照』
データ加工
分析担当者
レポート作成
分析に必要なデータの
抽出・加工・レポート化
ユーザー自身による“実践的な分析”機能をIT基盤に組み込むこと
Copyright © 2011, SAS Institute Inc. All rights reserved.
20
1. ビジネス・アナリティクスにおけるIT基盤要件
分析プロセスの共有と展開
業務遂行
現状の分析環境
分析担当者
IT担当者
『DBの売上明細データから
2009年分と2008年分を取得、
担当者に提供』
『AccessとExcelを
駆使して売上前年対比
レポートを作成』
分
析
プ
ロ
セ
ス
の
共
有
と
展
開
一般ユーザー
『作成したレポートを
メールで配信』
分析担当者
『配信された
レポートを参照』
分析プロセス
分析プロセス
の作成・共有・展開
一般ユーザー
分析プロセスをExcelから実行、
結果を確認し、気になる箇所の条件を
変更してプロセスを再実行
分析ノウハウをプロセスとして共有・展開できること
Copyright © 2011, SAS Institute Inc. All rights reserved.
21
1. ビジネス・アナリティクスにおけるIT基盤要件
変化に対応する分析プロセスのマネジメント
Business Analytics
分析～活用における２つのプロセスをシステムのマネジメント対象に
ユーザーの分析プロセス
分析～活用の共有・展開プロセス
22
Copyright © 2011, SAS Institute Inc. All rights reserved.
1. ビジネス・アナリティクスにおけるIT基盤要件
Business Analytics Framework
–知見を意思決定の現場へ-
SAS Business Analytics Platformは、Analyticsを中核とした情報活用環境を提供し、
知見の醸成と、その知見を適切に流通させることをサポートすることで企業のよりよい
意思決定に貢献することをテーマとしてデザインされています。
SAS Business Analytics Frameworkのテーマ
企業のよりよい意思決定に貢献するには？
SAS Business Solutionsのテーマ
業務の現場で知見を適用するには？
SAS Business Analytics Platformのテーマ
いかにして「知見」を生み出す支援ができるか？
いかにして「知見」を意思決定の現場に届けるか？
システムの目的はデータを流通させることではなく、
知見を流通させること
これらを、いかにして適切に効率的に行えるか？
23
Copyright © 2011, SAS Institute Inc. All rights reserved.
Business Analytics ?
ビジネス・アナリティクスを適用する３つの視点
1. IT基盤要件
2. 人・組織
3. ロードマップ
24
Copyright © 2011, SAS Institute Inc. All rights reserved.
2.ビジネス・アナリティクスにおける人・組織
ハード面とソフト面の重要性
ハードの視点
システム
ツール
ソフトの視点
人・組織
ハード面、ソフト面の両方からの取り組みが重要
25
Copyright © 2011, SAS Institute Inc. All rights reserved.
2.ビジネス・アナリティクスにおける人・組織
なぜ人・組織に対するサポートが必要か？
分析を行う主体
◎人・組織
×システム
成果を出すのは人・組織
ERPをはじめとした旧来のシステムとは発想・考慮点が違うポイント
26
Copyright © 2011, SAS Institute Inc. All rights reserved.
2.ビジネス・アナリティクスにおける人・組織
求められる人材 -旧来のシステムとの比較システムと人との関係
旧来のシステム
特定業務プロセスに対して最適化されたシステム
業務を遂行する「オペレータ」を必要とする
Business
人・組織の新たな発見を業務遂行に適用するシステム
Analytics
戦略・戦術を体現する発想豊かな「アナリスト」を必要とする
人材育成ツール
操作マニュアル
？？？
会社の方針、戦略を理解した上で、かつ自社のデータのビジネス、データに対し
ても詳しく理解しており、当然分析をするにあたって、統計解析を含めた高度な
知識、やスキルを持っていて・・・・
御社にそんなスーパーマンいますか？？？
27
Copyright © 2011, SAS Institute Inc. All rights reserved.
2.ビジネス・アナリティクスにおける人・組織
人材の組織化
「スーパーマンはいない」が出発点
人材のシステム化（＝組織化）
「スーパーマン」のような組織、なら難易度は大幅に下がる
情報活用を活性化し、企業全体に定着させるための組織的な取り組み
BICC（Business Intelligence Competency Center）
28
Copyright © 2011, SAS Institute Inc. All rights reserved.
2.ビジネス・アナリティクスにおける人・組織
BICCに求められる機能（参考）
Business Intelligence Program
BI戦略の定義と実装
BIの実装、データやツールの標準化、テクノロジーの評価、Knowledge Management、ベストプラクティス、
専門領域 etc. の情報精度を高め、BI戦略の策定・改変、コンサルティングを行います。
Data Stewardship
メタデータ・マネジメント、データの標準化、データ品質の向上（名寄せ、整合性維持etc.）、
アーキテクチャの考案・修正 etc.
Training
ユーザーのトレーニング・ニーズの把握と、継続的なトレーニングの実施（BIリテラシー向上、分析ノウハウ、能動的活用支援etc.）
プロジェクト・チームに対するトレーニング（BI活用を視野に入れたプロジェクトの進め方etc.）
ナレッジ・トランスファーの仕組み作り（BI利用事例の紹介等）
BI Delivery
BIツールの実装・管理・開発
レポーティングやユーザー・アプリケーションのテスト・メンテナンス
Support
BIツールに関するヘルプデスク機能
分析に関するヘルプデスク機能
Data Acquisition
ETL
データストア開発・テスト・メンテナンス
Vendor contracts management
ユーザーライセンス管理
アップデート管理
Vendorとの共同プロジェクトチーム
Advanced Analytics
統計／データ・マイニング、最適化、テキスト・マイニング、予測モデル構築 etc. のKnowledgeの
獲得と普及、コンサルティング
29
Copyright © 2011, SAS Institute Inc. All rights reserved.
2.ビジネス・アナリティクスにおける人・組織
BICCの組織形態に見る組織化のポイント
1.BICC as part of Operations
2.BICC as an IT Department
C-class
C-class
BICC
Finance
・・・
IT
Sales
・・・
・・・
Finance
・・・
3.Distributed BICC
・・・
Sales
・・・
・・・
・・・
BICC
4.Virtual BICC
C-class
Finance
・・・
IT
C-class
IT
Sales
・・・
・・・
Finance
・・・
BICC
IT
Sales
・・・
・・・
BICC
 IT部門とユーザー部門の混成
 企業の中のリーダーシップ
Copyright © 2011, SAS Institute Inc. All rights reserved.
30
2.ビジネス・アナリティクスにおける人・組織
組織化：日本の現状
ITとユーザー部門連携組織
ビジネス・アナリティクスについては、
日本では部門局所的な方が
 全社横断的
業務改革室
「具体的なテーマ」
経営企画室
「具体的なニーズ」
があるため成熟しやすい
 部門局所的
実際、自部門にIT部門的スキルを持った
人材を登用している例が散見される
マーケティング部門
全社横断的な組織連携の難しさ
 対象テーマが壮大でコンセプトの取りまとめに追われる
 テーマを数字に落とす、数字から読み取るのに慣れていない
 現場・現物から遠い（具体的施策に落ちきれない）
 KPIが硬直的（陳腐化しやすい）
Copyright © 2011, SAS Institute Inc. All rights reserved.
31
2.ビジネス・アナリティクスにおける人・組織
分析文化定着化のための人材・組織体制
人材・組織面についての提言
 求められる組織・人材の能力の認識と育成
業務テーマを数字に落とせる、数字を解釈できること
 IT部門の立ち位置の再認識
元々「手段」「仕組み」を担うエキスパート部門
業務目的を理解することで、より適切な手段の提供を
実質的な「請負型」から「協業」を経て「提案型」へ
 連携組織への若い人材の登用
短期的には数字を作る「馬力」に期待
中長期的には「目的と手段」を高い次元で理解する人材の育成
Copyright © 2011, SAS Institute Inc. All rights reserved.
32
Business Analytics ?
ビジネス・アナリティクスを適用する３つの視点
1. IT基盤要件
2. 人・組織
3. ロードマップ
33
Copyright © 2011, SAS Institute Inc. All rights reserved.
3. ロードマップ ～どうはじめるか～
ビジネス・アナリティクス：３つの進化ステージ
ビジネス・アナリティクスでは、適用過程でシステムも人・組織も成長する
成長・進化過程を意識しておくことが必要
企業の成長
組織の成長
人の成長
・高度な分析の適用
・最適化分析の適用
・高度な分析の適用
・分析プロセスの共有
・分析プロセスの共有
・分析プロセスの共有
・実践的な分析の適用
・実践的な分析の適用
・実践的な分析の適用
Stage1：効率化
Stage2：高度化
Stage3：最適化
情報
過去
未来
知見
個人
全体
Copyright © 2011, SAS Institute Inc. All rights reserved.
34
3. ロードマップ ～どうはじめるか～
３つの進化ステージ：Stage1効率化
①
②
③
効率化とは？
「発見型」プロセスをシステム側に取り込むことにより、
発見から業務遂行までのリードタイムを大幅に短縮
効果試算の例
分析手法の例
四則演算
集計
結合
etc.
規模
： 分析者30名、参照ユーザー1000名規模
定量効果： 年間100～400人月のワークロード圧縮
最大3万時間程度の「待ち時間」の短縮
（≒意思決定迅速化のポテンシャル）
定性効果： 属人化の抑制・ガバナンスの向上
分析手法の多様化（データ量・手法） など
Copyright © 2011, SAS Institute Inc. All rights reserved.
35
3. ロードマップ ～どうはじめるか～
３つの進化ステージ：Stage1効率化
①
効率化のポイント
②
③
 情報活用プロセスの圧縮
 分析者と成果利用者（参照者=意志決定者）の適切な役割分担
硬直化した分析環境
「売上改善に一番効果のある
販促キャンペーンは？」
社内ユーザー
②分析レポート 作成
分析担当者
社内ユーザー
①分析レポート 作成依頼
売上と複数の販促キャンペーンの
相関関係を分析、レポートを作成
？
③レポート確認、
別切り口で分析ニーズ発生
「地域別でも見てみたいなぁ」
ユーザーのニーズに合わせて
分析レポートを修正
繰返される
「売上改善に一番効果のある
販促キャンペーンは？」
②分析プロセス作成
分析担当者
社内ユーザー
売上と複数の販促キャンペーンの
相関関係を多角的に分析する
分析プロセスを構築
！
③プロセス実行・レポート確認、
別切り口で分析ニーズ発生、
条件を変更しプロセス再実行
ユーザーで完結する
意思決定のための
修正作業
！
①分析プロセス 作成依頼
社内ユーザー
④分析レポート 修正・追加
分析担当者
社内ユーザー
企業に根付く分析環境
⑤レポートの確認、別切り口
で分析ニーズ再発生
試行錯誤
「エリア別でも見てみたいなぁ」
Copyright © 2011, SAS Institute Inc. All rights reserved.
36
3. ロードマップ ～どうはじめるか～
３つの進化ステージ：Stage２高度化
①
②
③
高度化とは？
データの傾向や予測値など「よりよく知る」こと
でビジネスにおけるアクションの仮説立案を支
援するステージ
分析手法の例
相関分析
デシジョン・ツリー（決定木）
ロジスティック回帰
時系列予測
クラスター分析
ポジショニング分析
ニューラル・ネットワーク分析
etc
37
Copyright © 2011, SAS Institute Inc. All rights reserved.
3. ロードマップ ～どうはじめるか～
３つの進化ステージ：Stage２高度化
Stage2：高度化
知見
キーアイテム
を発見
購買行動
を把握
販促効果
を把握
高度な分析手法（流通業例）
①
③
②
分析例
分析手法
併買頻度の高い商品を把握でき、より有効なクロスセルの施策を策定できる。
アソシエーション分析
消費者の嗜好（好み）や選択の基準、購買動機などを把握、商品が持つ複数
の属性に対する評価ができるので、消費者にとって、魅力的な商品開発につな
げることができる。
ツリー分析、回帰分析、
クラスター分析、
ポジショニング分析
消費者の好みを要素に分解して予測することで、消費者の好みに応じた的確
なレコメンドができる。
属性予測
併買状況が把握でき、消費者が買いやすい陳列を把握できるので、ゴールデン
ゾーンを見出し、さらに併買を促す商品陳列が実現できる。
アソシエーション分析
購買パターンに対する類似セグメントが把握できるので、各店舗セグメント、顧客
セグメントに対してターゲットマーケティングに基づいたレイアウトの実現ができる。
クラスター分析
商品ミックスの最適化、消費者が求める妥当な商品価格が把握できるので、
最適なプロモーションが実施できる。また、消費者のキャンペーンへの反応状況
が把握できるので、有益なプロモーション設計ができる。
アソシエーション分析、
ツリー分析、回帰分析
クーポンの利用パターンなど、顧客行動をパターン認識＆予測できるので、投資
効果の高いプロモーション計画を立てることができる。
ニューラルネットワーク分析
38
Copyright © 2011, SAS Institute Inc. All rights reserved.
3. ロードマップ ～どうはじめるか～
３つの進化ステージ：Stage３最適化
①
②
③
最適化とは？
ビジネス上の複雑な制約条件を考慮して
算出された最適解をもとに、経営・業務
判断を支援するプロセス
分析手法の例
 数理最適化（線形計画法、非線形計画法、
など）
 プロジェクト／リソース計画
 イベント・シミュレーション
 意思決定分析
etc.
39
Copyright © 2011, SAS Institute Inc. All rights reserved.
3. ロードマップ ～どうはじめるか～
３つの進化ステージ：Stage３最適化
①
Stage3：最適化
分析業務
の効率化
＋
高度な
分析の適用
②
③
モデルの
＋
共有・展開
業務（テーマ）横断での全体最適化
企業レベル収益の最適化
現状の把握
リスク / リターン
分析モデルの
展開
課題の特定
仮説の検証
仮説の立案・
変更
A部門収益
リスク / リターン
B部門収益
リスク / リターン
施策の実施
40
Copyright © 2011, SAS Institute Inc. All rights reserved.
3. ロードマップ ～どうはじめるか～
ビジネス・アナリティクスをはじめる上での課題
ビジネス・アナリティクスの泣きどころ
ROIがわかりにくい
仮説にもとづく数値は出せれるが、実証が難しい
「分析」は業務上の間接効果
41
Copyright © 2011, SAS Institute Inc. All rights reserved.
3. ロードマップ ～どうはじめるか～
ROIがわかりにくい理由
ビジネス・アナリティクス俯瞰図
システムの範囲
システムのサービス範囲
0 基幹システム
1
本来投資対効果を
考慮すべき範囲
2
Data
人のアクティビティ範囲
3 Plan/Decision
Intelligence
4
Report
Software
Action
導出
変換
Return
施策etc.
顧客
Hardware
5
経営層
購買etc.
促進
Data
Data
部門担当者
分析スタッフ
行動結果のフィードバック
ITのコントロールしにくい範囲
経済的メリットはシステムから遠いところで生まれ、間に「人」が強く介在する
42
Copyright © 2011, SAS Institute Inc. All rights reserved.
3. ロードマップ ～どうはじめるか～
ビジネス・アナリティクスへの投資アプローチ
リスクの少ない投資アプローチ
既存業務の効率化
「わかりやすい」効果創出と高度化のためのスペース作り
スモールスタート
データ収集～活用プロセスの早期実践
43
Copyright © 2011, SAS Institute Inc. All rights reserved.
3. ロードマップ ～どうはじめるか～
投資アプローチ –既存業務の効率化既存業務の効率化
既存業務の効率化を図ることで、ROI創出を担保
同時に、高度化のためのリソースの再配置を進める
知的業務
レポート作成
データ収集/ 集計
分析・気づき
現在
1st ステージ
2nd /3 rd ステージ
レポート データ収集 分析/
作成 / 集計 気づき
高度な分析/追加施行 分析プロセスの展開
知的業務
Copyright © 2011, SAS Institute Inc. All rights reserved.
44
3. ロードマップ ～どうはじめるか～
投資アプローチ –スモールスタート–
既存環境への追加
既存資産を活かしながら分析環境を追加構築・少しずつ拡大
Ａ社様例
既存の利用形態
DWH 1
一般ユーザー
分析プロセスの配信
DWH 2
分析用データの収集
SAS
DWH 3
社
内
ポ
ー
タ
ル
分析の実施
一般ユーザー
一般ユーザー
分析担当者
データ収集
分析・展開
活用
45
Copyright © 2011, SAS Institute Inc. All rights reserved.
3. ロードマップ ～どうはじめるか～
投資アプローチ –スモールスタート–
A社での導入・展開プロジェクト例
1st Phase
分析環境構築
既存帳票のうち約10帳票を新システムに移管・提供開始
参照対象ユーザー数10人規模
分析業務を開始
プロジェクト期間:3か月
2nd Phase
既存帳票のうち、さらに約40帳票を新システムに移管
10帳票に新規分析項目追加
参照対象ユーザー1000人規模に
分析メンバー増員
プロジェクト期間:5か月
46
Copyright © 2011, SAS Institute Inc. All rights reserved.
まとめ
ビジネス・アナリティクスのIT基盤要件
“発見のための分析プロセス”を機能として組み込むこと
“分析プロセス”の共有・展開機能を持っていること
ビジネス・アナリティクスにおける人・組織
 スーパーマンを求めず、組織化を考慮すること
 IT部門、ユーザー部門間での強い連携を考慮すること
ビジネス・アナリティクスのロードマップ
 システム・組織の成長・進化過程を強く意識すること
 ROIを創出しやすいポイントからはじめ、
順次成果を出しながら拡大していくこと
47
Copyright © 2011, SAS Institute Inc. All rights reserved.
会社紹介



SAS Institute Inc.
• 設立
• 所在地
• 代表者
• 拠点数
• 従業員数
：1976年
：米国ノースカロライナ州キャリー
：Dr. James Goodnight（CEO、設立者）
：50カ国以上、約400拠点
：約11,000名
2010年売上高： 24億3000万米ドル
SAS Institute Japan株式会社
• 設立
：1985年
• 所在地
：東京、大阪
• 代表者
：吉田 仁志
• 従業員数
：約210名
SAS Annual Revenue History 1980-2010
SAS Institute Inc. の業績
• ビジネス・アナリティクス・ソフトウェアと
サービスのリーディング・カンパニー
• 年間売上24.3億米ドル（2010年）
－ 前年比5.2％増
• 1976年以来連続して増収増益を達成
• R&D投資率：売上高の平均24％
※大手ソフトウェア企業平均の約2倍を継続投資
Copyright © 2011, SAS Institute Inc. All rights reserved.
業界トップのR&D投資率
SAS
Microsoft
ORACLE
SAP
HP
48
会社紹介
豊富な導入実績
業種別売り上げ構成（WW）
 SAS
Institute Inc.の導入実績
•110カ国において45,000サイト以上
•「FORTUNE Global 500」
上位100社のうち91社
 SAS Institute Japanの導入実績
•約1,500社において2,300サイト以上
小売
その他 4%
2%
製造
6%
流通、サービス
11%
医薬、
ライフサイエンス
8%
通信
8%
官公庁
14%

国内外の代表的なお客様（敬称略）

金融サービス




製造
医薬
通信
教育／官公庁

流通・小売
金融
42%
公共、エネルギー
2%
教育
3%
： みずほ銀行、三井住友銀行、横浜銀行、スルガ銀行、福岡銀行、
四国銀行、JCB、イオンクレジットサービス、など
： キリンビール、いすゞ自動車、ソニー、日本たばこ産業、日本製紙、タカラトミー、など
： 第一三共、アステラス製薬、武田薬品工業、OSIファーマスーティカルス、など
： NTTドコモ、KDDI、など
： 慶応義塾大学、東京大学、一橋大学、総務省統計局、
オーストラリア税務局、米保健福祉省、など
： イオン、ニッセン、ディノス、エディ・バウアー、Best Buy、The Gap、eBay、
Home Dept、Office Depot、Sears、など
Copyright © 2011, SAS Institute Inc. All rights reserved.
49
「予見力」で複雑な経営課題を解決
SAS® Business Analytics Framework
ビジネス・ソリューション
「予見力」によって複雑な経営
課題を解決
レポーティング
意思決定者に必要な情報を
理解しやすく提供
分析・予測
意思決定に必要なデータの分析・
予測と活動計画の最適化
データ統合
意思決定に必要なデータを整備
Copyright © 2011, SAS Institute Inc. All rights reserved.
50
収益性管理
需要予測／在庫最適化
予測型予算管理
不具合早期検知／保証コスト削減
バリューチェーン・コスト管理
価格・収益最適化
サステナビリティ管理
商品分析／需要予測
全社マーケティング基盤
イベント・ベースド・マーケティング
信用／市場／オペ／統合リスク管理
コンタクトプランの最適化
不正検知／アンチ・マネーロンダリング
顧客経験価値管理
統合与信管理（初期・途上・回収）
Business Solutions
51
Copyright © 2011, SAS Institute Inc. All rights reserved.
ご清聴頂き誠にありがとうございました
SAS Institute Japan株式会社
ビジネス開発本部
プラットフォームグループ
池本 洋信
[email protected]
Copyright © 2011 SAS Institute Inc. All rights reserved.