データ分析する学問は日本では余り聞かない。
行動分析学などアナログの分析はあるけど、システムを利用した分析の学問を立ち上げるべき。
記事では
- データ分析の活用する重要性
- 膨大な量のデータを従来よりもはるかに短い時間で分析できるようになった
- 企業がこれまで行ってきたマーケティングが通用しなくなっている
- 従来は特定の顧客層を設定して、その顧客層を対象に販売するやり方
- 蓄積されている膨大なデータを分析して、消費者の1人ひとりの嗜好や消費行動を把握する試みが出現
- ヒット商品を開発した例はまだない
- ビッグデータを活用した製品開発やサービスを開発した実例は恐らくない
- 興味を持ちそうな消費者に訴求して販売量を増やすところにとどまっている
- 販売で活用した例
- アマゾン
- 顧客の購買履歴やウェブの閲覧履歴など活用
- 個々の顧客が興味を持ちそうな商品を表示
- 「この商品を買った人はこんな商品も買っています」という表示
- これらを実践し、消費者の購買意欲を刺激し、商品の売り上げを増やしている
- 友人や有名人が何に関心を持ち、何を購入しているのかに大きく左右されるようになっている
- 消費者がほかの消費者の動向に影響されやすくなっているが、ビッグデータの分析と活用を推進する原動力の1つ
- 売り上げを増やすよりも損失を減らす方が容易
- 現在の企業の実践例で多いのは、損失の縮小の方
- クレジットカード会社の例
- 利用者の購買履歴を分析して、通常とは異なる購買行動を検出して、カードの不正利用の発見し、損失を減らそうとした
- ネット上である会員制のサービスを提供している会社
- 利用頻度が著しく減っているなどの異常を察知と、利用を促すことで退会を防ぐ
- 異常を発見してそれを正常に戻すことが損失の減少につながるので、成果を上げやすい
- 購買履歴などのデータから個々の顧客の購買行動を把握してその人の嗜好を見いだすのは、簡単ではない
- 推奨型のマーケティングで一番怖いのは、的外れの商品を推奨して、顧客離れを起こすこと
- 個々の顧客の嗜好が分かっても、それを収益の拡大に結びつける方法を考え出すのは、一段と困難
- 以前のデータ分析とビッグデータの違い
- データの量が桁違いに多いこと
- 商品を選んだ理由はレシートからは分からないが、閲覧履歴など多様なデータからは推測できる
- 大量に集めた多様なデータの中から、ある組み合わせやパターンを見つけることによって、個々の顧客の嗜好や消費傾向がわかる
- 膨大なデータの中から有用な組み合わせやパターンを最初に見つけ出すのは、今もまだ人間の仕事
- 機械学習が友好なのは閉じた世界
- 「ビッグデータ」の活用を実践できる企業は限られる？
- 膨大な量の多様なデータを自社で集められる企業が限られる
- 企業のビジネスにさまざまなデータのやり取りが付随している必要
- ビッグデータの分析と活用に使われる技術を利用して、別の形で競争力を高める方法
- 予測の精度を高めて売り上げを増やすこと
- 過去にどの時期にどんな商品が売れていたかというデータを増やして分析の精度を高めていけば、販売量や売り上げの予測の精度も向上
- 午前11時の段階の各商品の売れ行きを分析して、1間後の12時には品揃えを変えるといったことも可能
- カラーごとの販売量や売り上げを見たりというように詳細な分析ができるようになり、よりきめ細かい品揃えが可能
- データの分析を行ううえで、カギとなるポイント
- 現場に与えられた裁量が大きいこと
- データを分析して、商品の品揃えを変えたりするのは現場
- データの中から有用な組み合わせやパターンを見つけ出すのは人
- 有用な組み合わせやパターンを発見できる人材をいかに採用して育成するがポイント
- ショッピングモールなど複数の会社がデータを持ち寄ることで、さらに良い結果を得られる可能性がある
要は、データを見極められる人が重要。
記事
分析力という武器はどんな企業でも使える 日経ビジネス
0 件のコメント:
コメントを投稿