データテクノロジー＆プラットフォームサービスコラム

データ基盤構築のためのインフラ投資を阻む
“社内の壁”を突破するストーリーづくり

コミュニケーションデザイン本部
インタラクティブ4T 課長
森川東勲

近年、各社においてデータ活用に対する積極的な取り組みが進んでいます。それ以前は、先進的なCRM企業やWeb専業企業によるIT投資が中心でしたが、最近では一般的な企業においてもデータの活用が進んできたことを実感しています。掲げられているキーワードは、「データ統合」「自社データ資産の有効活用」「AI活用」「デジマへのデータ活用」「データを活用したビジネス変革」など。すべての企業が万全の準備をして取り組んでいるわけではなく、突然、経営層からの大号令がかかり、急きょデータ活用に舵を切るケースも多々見受けられます。
一方で、「総論としてのデータ活用」は社内で合意形成できているにも関わらず、なぜかデータ活用するためのインフラ投資が進んでいない企業も。データ活用する準備だけで数年かかってしまうこともあり、これでは企業として、昨今のマーケティング環境変化に対応できません。

データ基盤構築などのインフラ投資に関わる部門は経営陣、マーケ部門、システム部門、現場部門など、企業組織の中でも多岐に渡ります。データ投資の意思決定ができない企業の多くは、これらの身内（社内）を説得することが最大のハードルになっているケースがほとんどです。当コラムをご覧になられているデータ推進責任者・担当者の皆様も、まさにこの壁に直面し、日々苦労されているのではないでしょうか。
ここでは、トッパンが得意先のデータ活用を支援している実例から、データ基盤構築などのインフラ投資を阻む壁にどのようなものがあるのか、そして、その壁を突破するためにどのように進めていけば良いのか、実践的なストーリーを紹介します。
※所属企業名・部署名は2021年1月時点

投資前に、上司に具体的な成果を示せず、予算が確保できない

大規模なデータ基盤構築におけるインフラ投資を行う際には、予算を確保しなければなりません。社内説得をする際に、上層部（上司）や関係部門からまず求められるのは“投資する費用に見合う成果が上がるのかどうか“です。仮に上層部から、大号令を出されたケースでも、必ず成果は求められます。多くのデータ推進責任者・担当者の皆様の多くは、ここで苦労されています。
当然、実施前の段階ですから、期待できる成果は分かりません。たいていの場合、他社の取り組みのケースを（協力会社やWebサイトを通じて）収集しますが、自社にフィットする都合の良い事例が集まることは少ないでしょう。

このような時に、自部門で既に確保できている小額の予算を使って、たとえ小規模でも自社で実際にデータを活用した施策を打つことが大切です。その効果測定をもとに成果シミュレーションを描くことで、説得につながるからです。その際、インフラを導入するのではなく、自社のデータを簡易的に分析するサービスを利用するのはいかがでしょう。規模を問わず、実際の数字ほど大きな説得材料はありません。実際に社内のデータを活用して行ったテストは、影響を想定しやすいだけでなく、上層部に対する説得力を大幅にアップさせることができます。また、大規模なデータ基盤構築へのインフラ投資は単一目的ではペイしない可能性もあるので、複数の用途で成果を描くことも重要です。

AIに対する期待が高すぎて、スコープが握れない

近年、データ活用を進めるお題目として、“AI”というキーワードが挙がる機会が増えています。このAIというキーワードは曲者です。なぜなら、AIに対するイメージが人それぞれのため、期待される効果が異なるからです。特に経営層ほど、AIに過度な期待を抱いていることが多く、そのスコープを合わせるだけで膨大な時間がかかってしまいます。
これも前項と同様に、まず実際にAIを使ってテストをすることが重要です。ただし、AIのパッケージを導入するだけでは、価値あるデータは作れません。AIはすべてを自動でやってくれる訳ではないからです。

AIを活用する際には、最初にAIを設定（＝教育）するプロセスがあり、この作業は人間が行う必要があります。AIによるデータ活用の成否の決めるのは、AIのアルゴリズムではありません。目標や目的から各種設定をする人間による“データ設計力”にかかっています。
あらかじめしっかりと設計できれば、特に初回であるほどAIの取り組みは（既存のやり方と比較して）驚くほど成果を上げられることも少なくありません。つまり、この初回の成果を用いて、社内説得を行うことが導入をスムーズに行う秘訣です。小規模なAI活用の体験を用いて、AIにできることとできないことを、経営層や関係部門としっかりと把握することが、後のプロジェクト進行のスムーズさと大きな成果につながります。
このプロセスについても、まずは外部のAI設計のプロをうまく活用し、AIパッケージを導入せずとも短期間でデータの価値化やデータ予測を行うことが可能です。

データ統合をしても実際に使えるデータはごく一部

データ活用を推進していく上で、“データ統合”は皆様が特に苦労されているテーマです。統合による価値を明確に示しづらく、その割にデータ統合の手間が大きいからです。
自社に散在しているデータの多くは、各々の業務用途で各々の部署が収集・管理しているものです。データの整理を実際に行ってみると、「データの不備や欠損が多い」「データ結合できるキーがうまく作れない」などの課題が顕在化します。蓋を開けてみると、量と質を両立したデータ（例えばEメールアドレスもあり、パーミッションもとれている「デジタル接点が作れる」顧客リストなど）は、全体（全顧客基盤）の約2～3割程度だったというケースも多く見られます。

本格的なデータ統合の取り組みを行う前に、バラバラのデータがそれぞれどこにあるのかを整理する必要あり、使えそうなデータ、使えなさそうなデータをしっかりと見極めることが重要です。「現時点ではデータが足りない」といったケースも想定されるため、しっかりとデータを獲得する方法も計画すべきです。
すべてのデータがスピーディに統合されることは、当社の経験上、ほぼありません。データ統合による壮大なヴィジョンを描くことよりも、自社が持つデータの課題整理と解決策をしっかりと示すことこそが、データ統合の事前準備として必要なことです。

データ基盤構築後に直面する圧倒的なデータ人材不足

これまで述べてきたように、一言でデータ活用といっても、その領域は非常に多岐に渡ります。初期段階からしっかりとデータ活用をビジネスで推進するためには、データエンジニア、データアナリスト、AIスペシャリスト、データを理解できるマーケター、プランナー、データオペレーターなどの人材が必要になってきます。上記のすべての機能をカバーする人材は、まず存在しないと言って良いでしょう。
データ投資を行う際に、つい目がいきがちなのはインフラ投資です。しかし、実践する体制が存在しなければ、仕組みそのものがまったく機能しません。これらのスキルは、新たに教育するだけで、数年の期間が必要なものばかり。導入後に直面する最大の問題は、データを扱う人材の確保です。
つまり、事前にデータを専門とする組織をしっかりと設計する必要があります。運用視点も含め、必要な機能、不足する機能を徹底的に洗い出すことが重要になります。その結果、導き出された足りない機能については、外部機能をうまく利用して調達することはひとつの手段になるでしょう。また、データ活用におけるミスは深刻な事態を生み出します。事故を起こさないように、管理手法を洗い出すことも忘れずに行いましょう。

ライトなデータPoCが、推進力を生み出す

ここまで、データ投資を進める各プロセスで発生するハードルについて触れました。まさに実際に皆様が現場で苦労されていることではないでしょうか。
トッパンは、本格的なデータ基盤構築への投資を行う前に、実施規模として、ライトなデータ活用を実践することこそ、データ投資を推進し、成果を上げていくための最短距離だと考えています。社内に対しては、具体的な数字を用いて説得し、既成事実化。事前に推進上の課題を明確化することで、結果としてデータの本格活用までの期間を短縮化します。
トッパンでは、こうした社内説得に必要な取り組みを短期で行う「データPoCサービス」を提供しています。「得意先データの簡易アセスメント」「AIによるデータ価値化（＋分析環境）」「検証用施策の設計・実施」がパッケージングされた、簡易的なサービスとなっています。
必要な期間は約半年。着手しやすい“PoC“という名目を用いて、既存の予算枠内でスタートを切ることが可能です。期間満了後には、検証用施策の結果をご報告。短期間で、社内のデータ投資のための説得材料づくりをご支援いたします。