faa1d6f44b043284fc355f7dfb1ead45.ppt
- Количество слайдов: 52
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 モノ余り バブルが崩壊した 1990年以降 のモノ余り時代 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 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 l 2010 岡田JAPAN FIFA World Cup 決勝トーナメント進出 l 2011 ザックJAPAN アジアカップ優勝 l 2011 なでしこJAPAN FIFA World Cup 優勝 l 日本人の特質を活かした戦い方の実践 l 技術力 l 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 u 方向性 日本企業の強みを活かすこと u 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) u 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 TOP 10 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 3 情報や分析の活用を増やすこと 3 企業の労働力を効果的に 増加させる 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 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 変化の管理と決断 8 より効果的な顧客と市場への集 中 7 現在の顧客関係を拡大すること 8 情報や分析の活用を増やすこと 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 企業や新技術の買収 10 新しい市場と地域を拡大すること 10 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TOP 10」 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 l ビジネス・アナリティクスの目的領域 Ø 業務遂行 Ø 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 üおにぎりは種類が多く、通常は複数個一緒に購入される üおにぎり同士の併売ばかり ü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) 菓子類同 士の併売 おにぎり同 士の併売 üデータを加 し、おにぎりを一つにまとめた ü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 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 Reporting 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 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 Modeling SAS Enterprise Miner Deploy 適用 SAS Enterprise BI Server SAS Output 活用 (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. 2. 3. IT基盤要件 人・組織 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 ③作成したレポートを ②BIツールから抽出した データをExcelから開いて メールで配信 レポートを作成 一般ユーザー 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 u情報活用までのリードタイム長期化 u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 uガバナンスの低下と比較的低レベルな分析手段 uコンテンツの質が上がらない u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 u「分析」とIT機能とのかい離 u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 『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 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』 分析担当者 『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 分析担当者 レポート作成 分析に必要なデータの 抽出・加 ・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 IT担当者 分析担当者 『AccessとExcelを 駆使して売上前年対比 レポートを作成』 『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』 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』 一般ユーザー 分析プロセス の作成・共有・展開 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 n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 lユーザーの分析プロセス l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 u成果を出すのは人・組織 u. 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 人材育成ツール 特定業務プロセスに対して最適化されたシステム 旧来のシステム 操作マニュアル 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 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 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 BICC Finance ・・・ IT Sales ・・・ Finance ・・・ 3. Distributed BICC ・・・ Sales ・・・ ・・・ BICC 4. Virtual BICC C-class Finance ・・・ IT C-class IT Sales ・・・ Finance ・・・ IT Sales ・・・ BICC l IT部門とユーザー部門の混成 l 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 l 全社横断的 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 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 l 部門局所的 マーケティング部門 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 全社横断的な組織連携の難しさ ü 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 ü 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 ü 現場・現物から遠い(具体的施策に落ちきれない) ü 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 l 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 l 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 l 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 ・実践的な分析の適用 Stage 1:効率化 Stage 2:高度化 Stage 3: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:Stage 1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 l四則演算 l集計 l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:Stage 1効率化 ② ① 効率化のポイント ③ ü 情報活用プロセスの圧縮 ü 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 ①分析レポート 作成依頼 「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 ①分析プロセス 作成依頼 社内ユーザー 「売上改善に一番効果のある 販促キャンペーンは?」 ②分析レポート 作成 分析担当者 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 ? 社内ユーザー 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 ! 社内ユーザー 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、 ユーザーで完結する 意思決定のための 試行錯誤 修正作業 ②分析プロセス作成 分析担当者 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 「エリア別でも見てみたいなぁ」 Copyright © 2011, SAS Institute Inc. All rights reserved. 条件を変更しプロセス再実 行 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 l相関分析 lデシジョン・ツリー(決定木) lロジスティック回帰 l時系列予測 lクラスター分析 lポジショニング分析 l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 Stage 2:高度化 知見 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。 購買行動 を把握 販促効果 を把握 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。 キーアイテム を発見 アソシエーション分析 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 Copyright © 2011, SAS Institute Inc. All rights reserved. 38
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 l 数理最適化(線形計画法、非線形計画法、 など) l プロジェクト/リソース計画 l イベント・シミュレーション l 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 Stage 3: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 A部門収益 リスク / リター ン B部門収益 リスク / リター ン 仮説の立案・ 変更 仮説の検証 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 l仮説にもとづく数値は出せれるが、実証が難しい l「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 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 n既存業務の効率化 l「わかりやすい」効果創出と高度化のためのスペース作り nスモールスタート l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n既存業務の効率化 l既存業務の効率化を図ることで、ROI創出を担保 l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 1 st ステージ 2 nd/3 rd ステージ レポートデータ収集 分析/ / 集計 気づき 作成 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– n既存環境への追加 l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 社 内 ポ ー タ ル SAS 一般ユーザー DWH 3 分析の実施 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– n. A社での導入・展開プロジェクト例 1 st Phase l分析環境構築 l既存帳票のうち約10帳票を新システムに移管・提供開始 l参照対象ユーザー数 10人規模 l分析業務を開始 lプロジェクト期間: 3か月 2 nd Phase l既存帳票のうち、さらに約40帳票を新システムに移管 l 10帳票に新規分析項目追加 l参照対象ユーザー 1000人規模に l分析メンバー増員 lプロジェクト期間: 5か月 46 Copyright © 2011, SAS Institute Inc. All rights reserved.
まとめ nビジネス・アナリティクスのIT基盤要件 l“発見のための分析プロセス”を機能として組み込むこと l“分析プロセス”の共有・展開機能を持っていること nビジネス・アナリティクスにおける人・組織 l スーパーマンを求めず、組織化を考慮すること l IT部門、ユーザー部門間での強い連携を考慮すること nビジネス・アナリティクスのロードマップ l システム・組織の成長・進化過程を強く意識すること l 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 n n n 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 業界トップのR&D投資率 SAS Microsoft ORACLE SAP HP Copyright © 2011, SAS Institute Inc. All rights reserved. 48
会社紹介 豊富な導入実績 n 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 n SAS Institute Japanの導入実績 • 約1, 500社において 2, 300サイト以上 業種別売り上げ構成(WW) 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% n 国内外の代表的なお客様(敬称略) Ø 金融サービス Ø 製造 Ø 医薬 Ø 通信 Ø 教育/官公庁 Ø 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 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、e. Bay、 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
SASが解決:お客様の複雑な経営課題 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 マーチャンダイジング サステナビリティ管理 可視化 需要予測/在庫最適化 予測型予算管理 分析・予測 サプライチェーン最適化 収益性管理 データ統合 経営管理・管理会計 価格・収益最適化 顧客管理・マーケティング分析 商品分析/需要予測 全社マーケティング基盤 リスク管理 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 Reporting Analytics Data Integration 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 Hironobu. Ikemoto@sas. com Copyright © 2011 SAS Institute Inc. All rights reserved.
faa1d6f44b043284fc355f7dfb1ead45.ppt