Warm heart Cool mind

チャンス発見のデータ分析―モデル化+可視化+コミュニケーション→シナリオ創発

現在KSK-solでもオープンソースを活用したBI（ビジネスインテリジェンス）の企画・開発を進めています。しかし、BI・データマイニングは万能の意思決定システムではありません。やはり限界があるといえます。例えばそれは、次のようなパターンの場合。
①「スルメはビールと一緒に売れることが多い」（当たり前ではないか！）
②「ビールは牛乳と一緒に売れることが意外に多い」（それは少し意外だ）
③「ビールと野菜を買う人は、魚も買うことが多い」（理由を教えてくれ）

つまり
①当り前でもともと知っていた知識
②意外だが興味を引かない、すなわち意味の少ない知識
③理由を知りたいほど興味を感じるが、背景の文脈が分からないため使えない知識
をコンピュータが出力する場合がほとんどであり、ビジネスに活用できないということです。

本書は、この問題にKey graph（polaris）といったシナリオマップで、人間の経験も加味したチャンス発見、ひらめきのメカニズム解明に取り組んでいます。豊富な参考文献から、データマイニング・テキストマイニング・AI・経営学等の視点より内容の割に分かりやすく書かれています。データマイニングが広まって約10年、現在はまだコンピュータはあくまでツールであり、そこからどのようなシナリオを作り、未来を予測するかはヒトの領域ということでしょう。

本書は、今後の参考になる良書でした。「チャンス発見学」というジャンルにも強く惹かれました。面白い。

テクノロジストの条件 (はじめて読むドラッカー (技術編))

私はドラッカーの著作が好きでよく読みます。惜しくも3年ほど前に亡くなられましたが、著作は今なお古さを感じさせません。本書の、テクノロジストとは、知識労働と肉体労働を行う高度な知識と技能を持った集団です。ドラッカーは特に先進諸国でのこうした人々の重要性を訴えています。
ここでは、直接テクノロジストとは関係ありませんが、第6章ではベンチャーのマネジメントに触れられていて興味深かったため、記します。

「ベンチャーが成功するには、４つの原則がある。
第1に市場に集中すること
第2に財務上の見通し、特にキャッシュフローについて計画を持つこと
第3にトップマネジメントのチームをそれが必要となるはるか前に用意しておくこと
第4に創業者である起業家自身が自らの役割・責任・位置づけを決めることである」

「ベンチャーマネジメントについて重要なことを一つあげるとすれば、それはトップチームを構築することである。しかし創業者自身にとって、それはことの始まりにすぎない。ベンチャーが発展し成長するに伴い、創業者の役割は変わらざるを得ない。・・・しかし、自分の役割をいかに変えたらよいかを知っているものはあまりいない。・・・彼らは何をしたいかから考える、あるいは自分は何に向いているかから考える。しかし正しい問は客観的に見て、今後事業にとって重要なことは何かである。創業者である起業家は、事業が大きく伸びたとき、さらには製品・サービス・市場や求める人材が大きく変わったとき、必ずこの問いをみずからに問いかけなければならない」

今後の事業にとって大切なのは何か、この問いは忘れないようにしたいと思います。

現在、ある中堅スーパーマーケットのPOSデータ分析＆コンサルティングを行っています。もともと店長会議等ではPOSデータから取ったデシル分析や顧客別購入金額の推移等を見て、品ぞろえや販売促進に活用していましたが、さらに有効に活用したいということで、今回のコンサルティングにつながりました。

お店自身は、尼崎市にあります。駅前でもないにも関わらず、結構にぎわっており、地元のおばさんに愛されているお店です。実際に訪れてみると、売れているお店特有のにぎわい感がでています。またここの理事長がバイタリティのある方で、各売り場責任者とも一致団結して近隣の大型店に負けまいと頑張っています。

さて、データの分析のほうは先方のPOSデータを元に、今まで何回かクロス分析を行って売り場ごと、顧客ごとの傾向を見てきました。次回のミーティング時には、データマイニング手法を使ったバスケット分析を行う予定です。バスケット分析とは、顧客の買い物かごの中身を分析することです。顧客の買い物かごには、オレンジジュース、バナナ、バナナ、ソフトドリンク、ガラスクリーナー、洗剤・・・などがはいています。1つの買い物かごには1人の顧客が1回の買い物で購買したものが示されます。全顧客の購買のリストは、ようり豊富な情報を持ち合わせます。それは小売業にとって重要な情報、何がいつどのように購入されたかということです。

このようなバスケット分析を行うには、こんなデータを・・・
オーダーID　品目ID　B商品　1
オーダーID　品目ID　C商品　2
・・・

こんなデータにしなければなりません。
オーダーID　商品A　商品B　商品C　商品D
　　X　　　　　　0　　　　1　　　　2　　　　0
・・・

これくらいのデータだと簡単なのですが、今回のデータ（数十万件）のデータだと、とても手作業では難しいのが現状です。今回は、これをオープンソース　BI（ビジネスインテリジェンス）　PentahoのETLツールであるKettleを用いて行う予定です。また結果をアップしたいと思います。

参考図書：
データマイニング手法―営業、マーケティング、CRMのための顧客分析

昨日、東京のBIを中心にビジネスをされている企業の方々と面談を行い、今後のBIのビジネスを行っていく上で、非常に有益なミーティングでした。ミーティングというよりもレクチャーに近かったかもしれません。

先方は東京に特化しているため、関西マーケットでの協業という面では、今後もつながりが生まれるかもしれません。その他、eコマースBIについて、オープンソースについて、業界について、いろいろと有益な情報が得れましたが、一番大きいかったのは、"BIがやはりニッチであること"が再認識できたことです。

ニッチであるからこそ、利益率は高く留めることができます。ただし、ニッチであるために、売上規模は期待したほどにはならないということです。いわゆる経営コンサルティング業と同じです。BIを武器にしたコンサルティングは、従来のコンサルタントにとって大きな武器となるでしょう。しかし、TraditionalなSI企業が参入するには、マーケットが不足しています。

やはり、BIを絡めた各種サービス、たとえば、データ分析サービス、パッケージツールの提供、レポートやASPサービスの提供が売上を確保するには必要になるでしょう。そういった意味で、私が今まで考えていたコンサル・SI→特定用途向けBIツール提供のアプローチは間違っていないという、自信が持てました。引き続きプランをブラッシュアップしていきたいと思います。