第 1 章:リアルタイムの行動
リアルタイムのデータで行動する
効率性。正確性。洞察力。データ活用から得られる真の価値は、この 3 つに集約されます。そして、これを支えるのが自動化です。
最終的に求められるのは、市場の変化を先読みして顧客のニーズを的確に把握し、あらゆる業界の変化にも柔軟に対応できる俊敏なソリューションです。
真のデータ活用で生産性を高める
データの取り込みからインサイトの獲得まで、データに関するすべてを管理し、チームが必要としているデータを確実に提供する。これが真のデータチャンピオンの役割です。
しかし、こうしたプロセスには生産性の低下を招くさまざまな課題を乗り越える必要があります。競争優位性の確保、非効率的なデータ管理、不確実な状況における意思決定などの課題が挙げられます。最 も重要なのは、市場が変化する前に参入することです。
高い ROI を達成するには、正確性と信頼性を最優先にした最先端のデータ戦略を実行する必要があります。この 2 つの要素は、企業全体の効率化につながります。
真のデータ活用で成功する
現実：戦略的なデータ戦略を実行している企業は、プロジェクトを 90% 速く完了し、1データ準備に要する時間を 50% 短縮している。2
シナリオ
課題
人気ライフスタイルブランドの Selfie Esteem 社 * は、世界 420 店舗の状況を明確に把握することができていませんでした。サイロ化されたシステムから得た店舗の売上レポートは更新されていないため、最新のインサイトに基づいた対応が不可能でした。
解決策
サイロ化されたデータを 1 つの場所に集約してリアルタイムのデータにアクセスできるようにしました。これにより、マネージャーはその場で意思決定ができるようになりました。
得られた利点
店舗の売上に関するインサイトを即座に獲得
世界各地における店舗の展開を簡素化
正確な在庫管理と配送管理
e コマースエクスペリエンスの向上と売上の増加
売場におけるマネージャーの作業時間の増加
* 架空の企業名です。成果は実際の事例に基づいています。
クラウド上のデータは増え続けていますが、迅速に新店舗をオープンし、世界中どこからでも容易にデータにアクセスできます。
Paul Reigel 氏
Urban Outfitters 社 テクノロジー部門 ディレクター
データ品質を改善して生産性を高める
初期の段階からデータ品質を最優先に考え、積極的にデータ品質の改善に取り組む必要があります。正確性・多様性・タイムリー性・セキュリティ・発見可能性・可用性など、真に実用的なデータなのかを測定する主な側面を評価することで、AI に適したデータなのかを確実に判断できます。
データ品質とガバナンスの実現
常に最新のデータを活用する
変更データキャプチャ（CDC）
キャンペーンの効果測定、売上予測、在庫確認などが滞ると、プロジェクト全体が誤った方向へ進んでしまいます。CDC は、データエコシステム全体を同期し、先週時点の状況ではなく、今何が起きているのかを把握できるようにします。また、データベースの変更を自動的に追跡し、即座にシステム間で共有します。
21 世紀の消費者の瞬間的なニーズを予測するには、リアルタイムのデータ分析で、差別化した自社ブランドの確立が必要です。
Harvard Business Review 社
Lenovo 社 WW オペレーションレポーティング兼データ実行部門 ディレクター
アンビエントデータ分析
必要な場所で、必要なインサイトを、必要な人に、必要なタイミングで提供する。これがアンビエントデータ分析の真髄です。
リアルタイムのパターンの特定、意思決定の自動化、プロセスの最適化を可能にします。リアルタイムのアラート、予測インサイト、パーソナライズされたレコメンデーションを最小限の手作業で実現できるため、業務の効率化や意思決定の向上、重要な業務に注力できるようになります。
データ分析は一度限りで完結するものではありません。データや AI の専門家のみが行う業務でもありません。すべての従業員が日常業務で関わる優れた民主的なプロセスなのです。
アドバイス
非生産的なデータフローを特定する 5 つの項目
データがシステム間で同期されていない
ダッシュボードに昨日のデータしか表示されていない
分析ユーザーが新しいデータセットを要求している
基本的に手作業で回避している
従業員がデータを信頼していない
第 2 章：シームレスなコラボレーションと展開
蝶のように舞い、蜂のように連携
自然界では、蜂の巣は高性能な蜂蜜生産シス テムです。ミツバチたちが 1 つの目的を共有し、それぞれが重要な役割を担っています。データ基盤も同じです。蜂の巣のように統合してシームレスに連携できる必要があります。
データの可能性をもっと広げる
シナリオ
課題
テクノロジー企業の Glitch Witch Solutions 社 * は、膨大かつ有用なデータを保持していますが、営業部門には複雑すぎて活用されていませんでした。指標や定義が異なるデータソースがありすぎて、プレゼンテーションや実績を把握するには難しい状態でした。
解決策
単一かつ最先端の Web エクスペリエンスにデータと分析を統合し、より強力なデータ文化を構築。効率的なインフラストラクチャを確立し、データの操作方法を簡素化しました。
得られた利点
プラットフォーム間のデータを信頼できる単一のソースで一元管理
責任ある正確な KPI レポートの作成
最新のデータで確信を持ったプレゼンテーションの実現
全社のデータ分析の実行を 10 倍に増加
IT 部門と事業部門の連携の強化
* 架空の企業です。成果は実際の事例に基づいています。
データ主導の文化で生産性を高める
統合データセットとデータ製品
データを統合することは重要ですが、データの有効活用となると話は別です。この課題を解決するのがデータ製品です。
データ製品とは、特定のビジネスニーズに合わせて特別に設計されたデータ資産です。特定のナレッジベースに合わせてカスタマイズできるため、サイロ化された部門に有用です。用途を問わず、データの優れた品質・正確性・一貫性を確保し、データの信頼性と発見可能性を高めてインサイトの獲得に要する時間を短縮します。
現実：企業がデータから得る価値の大部分は、5 ～ 15 個のデータ製品から生まれている。4
生産性を高めるプラットフォーム
データが統合されていると、アプリの連携の欠如、認識の相違、重複作業やデータ活用に要する時間の消費といった問題が起こることはありません。全社で明確かつデータに基づいたコラボレーショ ンが可能になり、迅速に業務を遂行できます。その結果、スムーズな意思決定ができるようになります。
データ製品のアプローチで、プロジェクトチームの生産性が 26% 向上し、開発者向けチャットボット LLM のハルシネーションが 44% 減少しました。
Tristan Baker 氏
Intuit 社 データ戦略 / アーキテクチャ部門 リーダー
データと AI のリテラシーの向上
統一性・アクセス性・生産性が向上すると、データを理解・探索・活用できる能力（データリテラシー）も自然に向上していきます。
同様に、データ管理の大部分を AI が行うため、従業員は AI の基礎や制約事項を理解して AI 主導型のツールを正しく効果的に活用できるスキルを身に付けることが重要です。AI リテラシーと業務上の AI スキルの両方に注力することで、AI の導入を加速して利便性を高めることができます。そして、継続的に AI の新たな活用法を見出して精度を追跡することで、より多くの情報に基づいた意思決定が可能になります。
ただし、ビジネスには AI や機械学習は重要ですが、チームワークでビジネスを成功に導 くのは人間であることを忘れないでください。
現実：上級意思決定者の 88% は、戦略目標の達成と利益の増加には AI が不可欠または非常に重要であると感じている。5
アドバイス
データで生産性を高めるには？
効率性の基準値となる KPI の設定
チームやその他の関係者への状況確認
現在のスキルと不足しているスキルの特定
チームの働き方に関する現状と理想の把握
部門内外の連携状況の把握
定期的なトレーニングで重要なスキルを維持
第 3 章：AI 活用文化の構築
データと AI で課題を克服
AI がデータの有効性とインサイトの変革に不可欠なのは間違いありませんが、従業員に対する AI 活用のサポートを怠り、テクノロジーだけを重視するのは避けるべきです。データと分析ソリューションに柔軟な労働文化を取り入れることで、全社を挙げて AI 主導の文化を構築することができます。
シナリオ
課題
フィンテックのスタートアップ企業の Purserk 社 * は、日々の決済取引の急増に歓喜しています。一方で、従業員の生産性やカスタマーエクスペリエンスの低下の要因となっている時代遅れのプロセスが課題になっていました。また、プライバシーとデータ品質の必要性が、さらに状況を困難にしていました。
解決策
エージェンティック MonAItze ボットなどの AI ソリューションを搭載したシンプルで安全なプラットフォームに、すべての主要なデータの流れを統合。これにより、業務を最適化して重要なインサイトを提供できるようになりました。
得られた利点
チャットのようなユーザーエクスペリエンスを備えた自律型エージェントの活用
営業部門が外出先でも顧客の取引やその他の行動を分析
経営陣が生成 AI で重要な顧客プロファイル・ポートフォリオ・レポートにアクセス
機械学習モデルを活用した顧客離れに対する事前対応
顧客満足度を示す指標やその他のセンチメント指標の向上
* 架空の企業名です。成果は実際の事例に基づいています。
AI に振り回されず、使いこなす
ノーコード / ローコード
AI は、開発者やプログラマーといった一部の技術者に利用されてきましたが、今では多くの人が AI を利用できるようになっています。ノーコード / ローコードのデータプラットフォームは、チーフデータサイエンティストから若手社員まで、データを扱うすべての従業員が AI を活用できるようにします。直感的なインターフェースで、データを活用した業務をシンプルかつ視覚的に実行できます。また、データへのアクセス、クリーンアップや必要な場所への送信を数回のクリックで実行できるシンプルなユーザーエクスペリエンスを提供します。
進化するには、クラウドへの移行は必然でした。オンプレミス環境からの脱却は、さまざまな発見を得るプロセスでもありました。
Williams Fáez 氏
Transbank 社 プラットフォーム・データ・AI 部門 責任者
生成 AI 搭載の基盤
生成 AI は、プロンプトを作成するだけで、パイプライン設計、スクリプト生成、機械学習モデリングといった負荷のかかる作業を自動化します。また、手作業や専門知識を必要とする複雑な作業を効率化することで、従業員の生産性を高めます。生成 AI が搭載された基盤は、高度な分析スキルのない従業員のデータ活用をサポートします。
予測分析
データ分析を効率化することで、作業のスピードを上げて製品リリースまでの時間を短縮できます。また、顧客ターゲティングの精度が向上し 、臨機応変に戦略を調整できます。さらに、自動化でデータ管理も簡素化します。AI の専門知識がなくても AI を活用した予測インサイトを得ることができるため、シンプルで有用なギブアンドテイクを生み出すことができます。
エージェンティック AI
「エージェンティック AI を導入すれば、人生は楽になる」これは Qlik の提唱ですが、事実です。
エージェンティック AI は、AI 導入の障壁を乗り越える強力なツールです。データの収集・クレンジング・分析など、従来の自動化では対応が難しく、時間を要する多くのプロセスを実行してくれます。テキストデータの読み取り、センチメント分析、わかりやすい言葉でレポートを作成することもできます。データ専門家やプログラマーにインサイトの生成を頼る必要がなくなり、従業員の負担を軽減できます。
また、エージェンティック AI は自律的に働いてくれるため、従業員はより戦略的で創造的な仕事に注力できるようになります。
アドバイス
確認すべき利便性に関する 5 つの項目
既存のプロセスの習得と導入に要する時間
1 週間のうち作業の遅れに影響している最大要因
着手から成果物の提示までプロジェクト全体における平均所要期間
手作業に費やした時間
現在自動化されているまたは自動化できる作業数
まとめ
データで広がる可能性
もう生産性の向上に悩まされる必要はありません。データは、高い生産性で優れた成果を次々に生み出す企業の要です。既に AI の導入に取り組んでいる、または計画中の場合でも、今こそスピード感をもってチームワークと AI のパワーをビジネスに活用すべきです。ビジネスの俊敏性 と適応性を高め、未来のあらゆる状況に対応できる体制が不可欠です。
アドバイス
AI を効果的にビジネスに活用するには？
AI 主導による生産性の向上には、ビジネスや業務のニーズの変化に合わせた継続的な進化が必要
早期にデータと AI のリテラシーを職場の文化に取り入れて、リテラシーと生産性を向上
エージェンティック AI のような高度な自動化を適用することで、作業時間を大幅に短縮し、継続的に従業員の生産性を最大化
データの可能性をもっと広げるには？
1.Qlik、"What Are Data Products, Anyway?,” 2024（英語のみ）
2. Forrester,"The Total Economic Impact™ Of Qlik Cloud Analytics™,2024（英語のみ）
3. Harvard Business Review, “Real-Time Analytics: The Key to Unlocking Customer Insights & Driving the Customer Experience,” 2018（英語のみ）
4.McKinsey, “Charting a path to the data- and AI-driven enterprise of 2030,” 2024（英語のみ）
5. Qlik, “61% of Global Businesses Are Scaling Back AI Investment as a Result of Trust Issues,” 2024（英語のみ）
6. MIT Sloan School of Management, “How generative AI can boost highly skilled workers’ productivity,” 2023 （英語のみ）