「データ・ドリブン経営」や「データ・ドリブン・エコノミー」という言葉が使われるようになってきました。データ・ドリブンとはどのようなことなのか、推進にあたり何が必要なのかを2回に分けて解説します。
□事例：デジタル化とDXの混同
小売業を営むA社では、デジタル変革、IoT（モノのインターネット）、AI（人工知能）、ビッグデータといったものを活用した「データ・ドリブン・エコノミー」を社内に取り入れようとしています。データ・ドリブン・エコノミー（Data Driven Economy）とは、直訳すれば「データ駆動型経済」といい、売上データやマーケティングデータ、WEB解析データなど、データに基づいて判断・アクションする事です。リアルな世界から集めたデータが新たな価値を生み出し、あらゆる企業・産業・社会を変革していく一連の経済活動のことをいいます。A社社長は「わが社がデジタル変革に対応できず、現行の業態やビジネスモデルに固執すれば、将来は危うい」と考えていました。経営企画部長のBさんは、社長から「データ・ドリブン・エコノミーに向けた、社内の現状と課題を早急に取りまとめるように」という指示を受けました。DX無くしてはデータ・ドリブン・エコノミーを実現することなど到底できないため、社内でDXを推進するにあたり、社員意識の調査に取り掛かりました。
社内のDXの状況を調べたところ、「デジタル技術を活用して、既存業務を効率化したい」という認識の社員が圧倒的であることが判りました。Bさんが調べたDXの本来の趣旨は「DXによりビジネスモデルの大幅な変更、拡張または新規のビジネスモデルの開発を可能にするもの」というものでしたが、そのように考えている社員はごく少数のようです。また、A社のDXの推進役となっているIT部門にヒアリングすると、DXの意味は理解しているものの、「DXを推進する人材が不足している」との意見が出てきました。DX推進には社内の複数の部門をまたいで業務プロセスを見直す必要がありますが、「複数部門の状況を理解して最適な業務の在り方を再構築する人材がIT部門にはいない」とのことでした。さらにIT部門によると、小売りの店舗や営業部門がDX化に抵抗してるという話も入ってきました。既存業務のやり方は長年かけて最適化されてきたもので、DXにより業務プロセスが変更されるのは自分たちにとってまったく合理的ではない、というのが抵抗の理由のようです。推進役のIT部門に対して「今のシステムの使い勝手をもう少し良くしてくれれば、あとは余計なことをしなくていい」と言ってくる現場の社員も多いとのことでした。
Bさんは暗たんたる気持ちになりました。「これでは、データ・ドリブン・エコノミーどころかDXを実現することも難しいのではないか？」と感じています。
□解説：データ・ドリブン・エコノミーの流れ
「データ・ドリブン・エコノミー」とは、前述の通り、リアルな世界から集めたデータが新たな価値を生み出し、あらゆる企業・産業・社会を変革していく一連の経済活動を指します。
例えば、製造プロセス分野でのデータ・ドリブン・エコノミーの一連の流れは下図のように表わすことができます。
図の最上段の製造プロセスにおいて、リアルな世界からデータを収集します。そのとき、データを収集しやすいように物的資産をデジタル化するのがIoTです。収集したデータは、クラウドなどのデータベースに蓄積されてビッグデータになります。そのビッグデータを分析・解析し、現実世界へフィードバックするためのツールとなるのがAIです。
企業は、このフィードバックされた知見をもとに意思決定を行い、自社にとって最適な活動につなげていきます。そして、その結果が再びデータとして収集され、フィードバックされます。
このリアルな世界とサイバー空間を結びつける一連の流れを「CPS＝Cyber-Physical System」といい、このサイクルを回すことで新たな価値を生み出していくことが可能になります。このようにデータ・ドリブン・エコノミーは、データが起点となってあらゆる領域で価値を生み出していくのが大きな特徴です。
東京大学大学院工学系研究科の森川博之教授はその著書である「データ・ドリブン・エコノミー」の中で「企業にとっては、IoTやAI、ビッグデータ解析など、データの管理や活用戦略の巧拙が企業競争力を大きく左右することになるのです。保有するデータ、これから手にするデータは種類・量とも加速度的に増える中で、どうやってそれらをビジネス価値に結びつけるかが問題」としています。
□対策のポイント：先進的な事例
ここではデータ・ドリブン・エコノミーを活用した先進的な企業の例を見ていきたいと思います。
世界最大のスーパーマーケットチェーンである米国ウォルマート社は、近年、アマゾンを最大のライバルとして「vs Amazon」を経営戦略の柱にしてきました。ウォルマートとアマゾンの違いはリアル店舗の有無です。ウォルマートは「リアルな場（オフライン）を持つ強み」を活かした上で、オンラインやデジタルを活用してMerge（統合）していく「OMO（Online Merges with Offline）」を進めてきました。その象徴的な手法が「BOPIS（＝Buy Online Pickup In Store）」です。これは、オンラインで商品を購入・支払いを行い、店舗では受け取りのみで完結するという購買方法になります。リアルな店舗、在庫、従業員、駐車場等の「オフライン」とECサイトやアプリといった「オンライン」を統合することにより、消費者の利便性を向上させたのです。コロナ禍によって非接触の受け取り方法が人気となったこともあり、同社のオンラインオーダーは急増していきました。多くの人員が必要になる配送とは異なり、自社の持つオフラインを上手く活用することによって、急増する需要に応えることができたのでした。
ウォルマートのアナリティクスチームは、消費者が店舗やオンラインで何を買うか？ Twitterで何がトレンドになっているか？ などのデータを日々収集しており、そのデータからAIが需要予測を行い、在庫に反映させていきます。「希望の商品を希望する時に」をモットーに、現在、ほぼリアルタイムに自社の商品を消費者に届けることが達成できているとされています。同社の業績はコロナ禍においても右肩上がりで、2021年売上高は5591億ドル（約75兆円）にのぼりました。
身近な例では、最近、大都市を中心に急増している「シェアサイクル（共有自転車）」もデータ・ドリブン・エコノミーを活用している事例といえるでしょう。
筆者の自宅のそばにも最近、シェアサイクルの拠点ができました。そこは日によって置いてある自転車の数にかなりの差があり、「その理由は何か？台数が少ない日は多くの人が借りているのか？そんなにニーズがあるものなのか？」と疑問に思っていました。自転車を借りる立場になれば「借りたい時に、近くにあること」と「返したい時に、近くにあること」が最も便利です。逆に「借りたい時にすべて貸し出し中」だったり「返したいのに、その拠点が満車で返せない」ことがあれば、あまり利用しなくなってしまうでしょう。シェアサイクルの事業社は、データ・ドリブン・エコノミーによって、データから需要予測を行い、しかるべき場所にしかるべき台数の自転車の配車を行っていたのでした。そのことに気づいた時、日々の自転車の数の差に対する筆者の疑問が一気に解決しました。
インターネットやSNSの普及により、それに付随した閲覧履歴、購買履歴、個人関連データ等が注目され、それらのデータが集中するGAFAに代表されるIT企業が大きな成長を遂げました。しかし、データ・ドリブン・エコノミーではそのようなネット上のデータや情報だけでなく、リアルな世界から集めるリアルデータが大きな鍵になります。企業活動においては、アナログ分野から得られる情報をデータ化し、ビジネスに活かすことで大きく収益を伸ばせる可能性があるのです。そして、データ・ドリブン・エコノミーの成否にあたって、DXは不可避です。
次回は、DXについて見ていきたいと思います。
参考文献：森川博之「データ・ドリブン・エコノミー」ダイヤモンド社 2019年
今回のテーマ：戦略リスク、経営者・管理職
