ド文系からデータ分析人材になる！ 知っておきたい「5Dフレームワーク」

データサイエンティストと言えば理系のイメージが強いが、本当に必要とされるデータ分析人材に求められるスキルはなにか。

「デジタルマーケターズサミット 2023 Winter」に、文系IT営業マンで現在は三井住友海上火災保険 CXデザイン部長兼CMOを務める木田浩理氏が登壇。著書である『ビジネストランスレーター』を基に、自身の経験を振り返りながら、文系からでもデータ分析人材になるための必須スキル、効果的なデータ分析の進め方「5Dフレームワーク」について解説した。

『ビジネストランスレーター　データ分析を成果につなげる最強のビジネス思考術』（著者：木田 浩理、石原 一志、佐藤 祐規、神山 貴弘、山田 紘史、伊藤 豪　出版：日経BP）

文系の人材でも分析は可能。より必要なのは橋渡し的なビジネストランスレーター

2000年代初頭から「データ分析」に対する期待は高まりを見せるが、現在ではデータ分析に対する過度な期待が薄れつつある。一方で、DXにおいてデータ活用は欠かせない。どのようにデータ分析人材を確保するのか頭を悩ませている企業も多いと木田氏。

そこで注目すべきは「社内に多くいる文系人材」。ノンプラグラミングツールなどを活用すれば、文系人材でも分析が可能になる。

高度な専門知識を持つ者だけが分析人材なのではありません。重要なのは、どうデータを活用するのかを見定めること。問題を発見し、仮説を立て、導き出された結果に対して、現場を巻き込んで実行する力がデータを活用する上では欠かせません。ビジネス成果につながるデータ分析をすることが大切なんです（木田氏）

そこで重要となるのが、データ分析者と現場、意思決定者をつなぐ橋渡し役である「ビジネストランスレーター」だ。

データ分析の進め方「5Dフレームワーク」

ビジネストランスレーターの役割は、分析ステップを正しく進めることだ。そのために木田氏が提唱しているのが「5Dフレームワーク」。データ分析に必要な5つのステップをまとめたものだ。

• Demand： 要望・要件（ビジネス上の問題を聞き出す）
• Design： デザイン（要件定義をする）
• Data： データ（分析に必要なデータを収集し、整備する）
• Develop： 分析（適切なアルゴリズムを選択する）
• Deploy： 展開（分析結果を出力し、現場に展開する）

データを活用できない時は、これらのステップで何かしらの失敗が起きている時だ。ステップ別の失敗例を5つ紹介する。

失敗例①明確な目的を合意しないまま進めたDemandの失敗事例

たとえば、「データがあるから素晴らしい分析ができるはずだ」と明確な目的を合意しないまま、分析者が差し出されたデータをあれこれ分析するが、「こんな当たり前のインサイトは知ってるよ」と言われ、データ分析は役に立たないと結論付けられてしまうことがある。

失敗例②課題解決のための分析設計を事前に怠ったDesignの失敗事例

現場を知らないで分析を進めて、見当違いな結果を共有して失敗する例もある。たとえば、「商品Xの売上はさらに減少する」「商品Aは伸びる」「商品BとCの買い併せが良い」などが分析結果から得られたとしても、「商品Xの売上が悪いからその打開策が欲しかった」「商品Aは販売終了している」「商品BとCは買い併せが当たり前」など、現場では当たり前の前提条件を知らないがために、結局使えない分析プロジェクトになってしまう。

失敗例③量はあるが目的達成に役に立てなかったDataの失敗事例

データの量はあるものの、そのデータベースには成功したデータ結果しか入っておらず、正しい分析ができないケースもある。データ分析は、成功と失敗を比較分析することが基本であり、データ量が多かったとしても、成功したデータしかない場合、どうすれば成功するのか示唆が得られない。

失敗例④分析手法ありきのDevelopの失敗事例

高度な分析手法を使ったからといって、必ずしも有用であるとは限らない場合もある。高度な分析は限られた人材しか細かな調整をできない場合もあり、前提や条件が変われば使えない可能性もある。「分析手法ありきの取り組みは、失敗しがち」と木田氏。

失敗例⑤最終的な活用環境を考慮しなかったDeployの失敗事例

PCのスペック不足が原因で、分析データがスムーズに動かないこともある。分析者が使うPCはハイスペックであることが多いが、分析の依頼者のPCスペックにはばらつきがあり、環境によっては動かない場合もあるので、最終的に「誰が・どのように・利用するのか」をヒアリングしないと、結局使えない成果物になってしまう。

5つの失敗例を紹介したが、「あるある」と感じる読者も多いのではないだろうか。では、一体なぜこうした失敗が起きてしまうのだろうか。

木田氏によると、原因は、各関係者間の認識や理解の齟齬にあるという。「意思決定者、分析者、現場の3者を繋ぐことを怠れば分析プロジェクトは確実に崩壊する」と指摘する。

これら3者を繋ぐのがビジネストランスレーターだ。5Dフレームワークを利用して5つの課題を乗り越え、分析を成功に導く。

5Dフレームワークのフローは、基本的に「Demand」→「Design」→「Data」→「Develop」→「Deploy」→「Demand」→……といった順に進み、うまくいかない時はたいてい、ステップを飛ばしていたり、順番を逆にしていたりするのだという。

5Dフレームワークの取り組み事例

かつてIT営業マンから百貨店へと転職したことがある木田氏は、転職時『ジョブ理論』（クレイトン・クリステンセン著）から影響を受け、自身も分析時に「ジョブ」を意識するようになったと振り返る。

『ジョブ理論』のなかで、『ジョブ』とは『特定の状況で顧客が成し遂げたい進歩』と説明されています。たとえば、朝ミルクシェイクを買う顧客は、ミルクシェイクがほしいというよりも、『通勤のドライブで退屈を紛らわしたい』というジョブを解決するために、ミルクシェイクを買うといったことです（木田氏）

データ分析者はしばしば、データを見ているだけで顧客を知った気になってしまう。真の「ジョブ」を理解するには、現場を知り、顧客と同じ目線になることが重要だ。

5Dフレームワークを正しく進めるスキル

5Dフレームワークの重要さは、言われてみれば当たり前に聞こえるが、正しく進めることは難しい。失敗の要因として、必要な関係者を巻き込めていない、課題背景を正しく理解できていない、分析結果を正しく解釈できていない、といったことが挙げられる。

では、正しく進めるためにはどうすれば良いのか。分析プロジェクトを進めるビジネストランスレーターには次の4つのスキルが必要だという。

• ビジネススキーマ活用力： 現場に入り込んでビジネスの前提や背景を理解する力
• プロジェクト遂行力： キーマンだけでなく、影のキーマンをも把握し、巻き込むことでプロジェクトを遂行する力
• ビジネス背景理解力： 自社・顧客・競合の状況を把握する力
• データ解釈基礎力： データ解釈を含む、必要最低限のデータ分析に関する基礎知識

最後に、データ分析においては、現場と分析者、そして意思決定者を繋ぐような人材＝ビジネストランスレーターが必要であること、5Dフレームワークに基づいて課題を乗り越えること、ビジネストランスレーターの4つのスキルを身に付けることが重要だと紹介し、今回の講演を締め括った。

本講演の詳細は、木田氏らが執筆した以下、書籍にまとまっている。さらに深く知りたい場合は、ぜひ書籍を手に取ってもらいたい。

『ビジネストランスレーター　データ分析を成果につなげる最強のビジネス思考術』（著者：木田 浩理、石原 一志、佐藤 祐規、神山 貴弘、山田 紘史、伊藤 豪　出版：日経BP）