ビッグデータと聞いてもいまいちピンとこない、仕事で使っているはずだけどきちんと説明できるか不安、そう感じたことはありませんか？
私たちの日常生活にはGPSの位置情報やネットサイトの閲覧履歴、ICカードの使用履歴など様々なデータがリアルタイムで増え続け、記録されています。
これらは従来の方法では収集できなかった大容量の情報であり、一般的にはそうしたデジタルデータが「ビッグデータ」と呼ばれています。
ではなぜ、こうしたビッグデータが重要とされ、頻繁に用いられ、広く仕事に活用されるようになったのでしょうか。
本記事ではビッグデータの基本的な情報を軸に、メリットや活用方法について解説します。
複数媒体にまたがる膨大な広告データを「一画面で管理できる」ツール
目次
ビッグデータとは、「有益な情報を得られる可能性がある多種多様な巨大なデータ群」
明確な定義が決まっているわけではありませんが、ビッグデータとは、インターネットの普及や情報のデジタル化、IoT機器の増加などが進んだことで管理可能になった「有益な情報を得られる可能性がある多種多様な巨大なデータ群」と言えます。
ビッグデータによって、近未来の予測や異変の察知、業務運営の効率化や新事業の創出などが期待されています。
ビッグデータの種類は3つ
ビッグデータに含まれるデータは「構造データ」と「半構造化データ」「非構造化データ」の3種類があります。具体例と共に見てみましょう。
| 種類 | 具体例 |
| 構造化データ | 会計ソフトが生成する数値や文字列のデータ |
| 半構造化データ | 電子メールなど一部数値や文字列となるデータ |
| 非構造化データ | ブログやSNSのテキスト、位置情報、センサーデータ、音声、動画、閲覧履歴など |
構造化データ：数値や文字例などのデータ
二次元の表形式に表せるデータをいいます。人間にとって読みやすく、分析しやすいデータ構造を指します。
具体的には、Excelなどで管理できるデータをイメージするとわかりやすいでしょう。
半構造化データ：XMLなどの文字列となるデータ
データ構造に起こせることはできますが、構造化データほど簡単にわかりやすく表すことが難しいです。
XMLやHTMLなどのデータ構造を指します。
非構造化データ：画像、SNSデータ、位置情報、センサーデータ、音声、動画、閲覧履歴など
「規則性」を見出せだせないデータを非構造化データといいます。
ビッグデータの中では特に注目を集めており、表のような特定のデータ構造に落とし込めない画像や音声などを指します。SNSや動画サイト、キャッシュレス決済など、急速に様々な種類の多量なデータは生まれている分野が増えています。
しかし、非構造化データだけで実用的な分析結果を導くのは難しく、データ全体の把握が不可欠といえます。
ビッグデータの身近な具体例
私たちの身近にもビッグデータは多数存在します。
- 会計システムから分かる商品の販売履歴や個数など
- SNSやブログへの投稿テキストや画像
- ICチップ付きの交通カードを通じて自動で記録される利用者数
- キャッシュレス決済時に蓄積される購入履歴
- 検索エンジンのデータ
しかしこうしたデータだけを抜き取っても、特別な価値があるわけではありません。
目的に応じたデータを収集・分析することで顧客のメリットや新たなビジネスに繋がるデータ化やシステムの簡略化など、実際のアプローチに繋げていくことが「ビッグデータの活用」です。
続いて、ビッグデータの活用にどのようなメリットがあるか見ていきましょう。
ビッグデータを活用する3つのメリット
活用するメリットは「リアルタイムの状況把握」「新ビジネスのヒント」「内容検証の簡単さ」という3つが挙げられます。
詳しく見ていきましょう。
1.現状を高精度で把握できる
ビッグデータの更新頻度は従来のシステムと比べても格段に速く、すぐに「今人気の商品」や「購入者が欲している商品」などを高い精度で把握可能です。
これまでも、顧客の動向から「この時期はAという商品が良く売れる」「毎年の傾向から見て、今はBに注目が集まる」といったデータを使った販売戦略は行われています。
しかしこれらはあくまでも購入してくれた顧客を元にしており、顧客になる可能性がある不特定多数の注目を示したものではありません。
たとえば「今、これが欲しいなぁ」と感じている人をビッグデータを通じて抽出し、効率よくDMやネット広告を通じたアピールができれば、競合他社より早く顧客にとって有益な情報を提供できます。
つまり現状をリアルタイムで把握し、それをデータとして具体的に示すことで、経験や勘に頼らない「今のおすすめ」を提供できるというメリットがあるのです。
ビッグデータを活用して「今のおすすめ」を提供する代表的なシステムに「レコメンドエンジン」があり、実際に多くのECサイトやアプリに用いられています。以下の資料で詳しく解説しているので、興味がある方はダウンロードしてみてください。
2.新しいビジネスを生み出すヒントになる
ビッグデータに含まれる様々なデータ同士の関係性を見つけ出すことで、抱えている課題解決や新たなビジネスのヒントになる場合があります。たとえば「ある女性向けブランドの特設サイトの閲覧履歴」と「実際に商品を購入した人のSNSでの発言」という2つのビッグデータを持っていたとします。
閲覧履歴から、訪れた人があるページを他のページより長く閲覧していた場合、そのページに注目したくなるようなデータがあると予測できます。
そしてSNS上からは、購入した人が自分だけでなくパートナーとも共用していると分かった場合、2つのデータから同じブランドでも性別に関係のないデザインを開発したり、注目度が高かったページに合わせた広告費の集中投下など、新たなマーケティング戦略を練ることができます。
3.実行した内容の検証が容易になる
ビッグデータを活用する方法を見つけ出し、新たなサービスを展開した後はその「サービスの効果」や「施策の効果」を検証しやすくなります。
何故ならすでにデータの把握方法や継続的な蓄積環境が作られているため、データを分析するための作業にかける時間を減らすことができ、リアルタイムでの効果の確認がより簡単になるからです。
ビッグデータの活用は「問題点の解決や新ビジネスの模索のため」にあるのであって、活用そのものが最終目的ではありません。
効果を検証しやすい環境を作ることで、より良いサービスや施策を生み出していけるのも大きなメリットといえるでしょう。
ビッグデータの5つの活用事例
ビッグデータの活用といっても「この業界ならどんなことができる？」と悩んでしまう方もいるかもしれません。活用のヒントとなる5つの事例を紹介します。
ビックデータを通じて農業支援に役立てた富士通の事例
富士通ではビッグデータを通じ、農業の「自動化」と「確度の高い予測」を可能にした事例を見ていきましょう。
農業に関わるデータをリアルタイムで計測
富士通ではセンサーや歩数計を通じ、農業に関わるデータをリアルタイムで計測する「食・農クラウド Akisai(秋彩)」によるサービスを開発・提供しています。
牛の行動特性を活用した「牛歩® SaaS」では、発情日や受精日時の予測、受胎情報など繁殖情報を収集し牧場での繁殖を統計化することで受精率アップを目指すサービスです。
クラウド型サービスのため、畜産農家だけでなく受精師や企業、連合会など多くの担当者が関われるのもメリットといえます。
また生産現場における温室の温度・湿度や日射量などをリアルタイムで測定する「施設園芸Saa S」は、温室内が現在生育状況へどのような影響を与える環境かチェックし、さらに制御が行えるサービスです。遠隔制御も可能なため、旅行先でもリアルタイムで温室を管理できます。
農業の自動化と確度の高い予測が可能に
こうしたデータ収集は、農業の自動化や確度の高い予測を可能にしています。
農業や畜産業における経営者の知識や勘を頼りにしてきた部分をデジタル化することで、農作物の栽培や施設園芸、畜産業務における生産活動や経営の支援が可能になりました。
さらに経験の浅い農業従事者でも、こうしたデータの収集がリアルタイムで毎日行われることで、質の高い農作物を安定して供給しやすくなります。JAや大手の流通業者、自治体などに提供することで、地域全体への貢献も可能です。
ビックデータを活用したダイドードリンコの事例
コーヒー飲料などの販売を行う飲料メーカーであるダイドードリンコは「アイトラッキングデータ」と「従来の消費者アンケート」を活用し、売り上げアップに繋げています。
自販機で利用者の目線データを収集
アイトラッキングデータとは、人が商品を選ぶときにどこを見て商品を認識しているか分析したデータです。
これまで自販機の陳列は「Z」の形に人の目線が動くことから「人気商品を左上へ羅列する」のが常識でした。
ダイドードリンコでは、自販機に消費者の視点を認識するアイトラッキングセンサーを取り付け、実際の視点の動きをデータとして収集しました。
そして従来の消費者アンケートを組み合わせたところ、意外なことが分かったのです。
常識とは違ったルールを発見し売上アップ
得られた消費者の視点の動きというビッグデータを分析したところ、従来とは違う「自動販売機に限っては下段に視線が集まる」という事実を発見しました。さらに従来の消費者アンケートも踏まえ、注力しているコーヒー飲料を左下へ設置する陳列へ見直したのです。
すると、前年比1.2％増の売り上げ成果が得られました。
このようにこれまでのデータに加えて、新たな消費者行動に関するデータを得るためにビッグデータが活用される事例もあります。
ビックデータを通じて廃棄ロスカットを実現したスシローの事例
昭和59年設立のスシローは、回転寿司チェーンを経営する企業です。
ビッグデータとして寿司1皿ごとのさまざまなデータを収集した結果、個人のスキルに依存しない需要予測の仕組みを作り、安定した産廃ロスカットを実現しました。
寿司の単品管理で需要の予測をシステム化
スシローは寿司の皿にICチップを取り付け、客が「いつ」「いくら食べたか」「この皿はどのくらいレーンを回ったか」といった様々なデータを寿司1皿ごとに管理しています。
このデータに合わせ、従来は店長が「この客層ならこのネタを多く提供した方が良い」など経験則から判断していた食欲予測をドッキングさせ、様々な「ネタの人気予測」が可能になりました。
個人のスキルに依存しない仕組みを作り安定した売上を実現
システム化された人気予測は、使用者のスキルに左右されません。そのため店長が不在であっても、効率よく需要の高いネタを流せるようになり、廃棄ロスが4分の1にまで減少しました。
またネタの需要を9種類の「色」で分かりやすく表示するなど工夫することで、現場におけるスタッフも負担少なくシステムを利用できます。
さらに需要の予測がより分かりやすくなったことで、店舗間での売り上げのばらつきがなくなり、顧客満足度もアップ、企業全体の業績向上に繋がりました。
ビックデータを元に販売方法を最適化したAmazonの事例
全世界で多くの人が利用するAmazonは、顧客の好みを徹底的に把握する仕組みにより、おすすめ商品を値下げすることなくアプローチする方法を作り出しています。
ログから顧客の好みを徹底的に把握
Amazonでは顧客の行動ログや検索履歴などを広くビッグデータとして収集し、様々な購買情報を蓄積しています。
そしてその中から、顧客の行動パターンを分析し「この人と似たような行動をする人はこんな商品も購入している」「似たような商品の中で、より価格が安いものもある」といったおすすめ方法を可能にしたのです。
無駄な値下げなしで顧客ごとにおすすめ商品をアプローチ
ビッグデータを活用することで、Amazonでは人気商品は競合よりも値下げするのと同時、あまり数が出ない商品やロングテール商品は値下げをあまりしていません。
さらに人気があって多くの人が欲しがる商品を手に取りやすくすると同時、プライム会員になれば継続して購入可能なシステムや値下げ、クーポンなどさまざまなメリットが得られます。
また顧客ごとに「この商品を買った人はこんな商品も買っています」と提案することで、自分と同じものに興味を示した人が手にした商品を閲覧する機会を設けています。より精度の高いおすすめを行うことで、顧客にとって「より良いもの」を見つける機会を増やし、売り上げに繋げているといえるでしょう。
ECサイトを運営している方でAmazonのようにビッグデータを活用しておすすめ商品をアプローチしたいとお考えのかたは、「レコメンドエンジン」の導入を検討してはいかがでしょうか。興味がある方は以下の資料を参考にしてみてください。
ビックデータとヘルスケアの融合を実現したタニタの事例
家庭用・業務用の体重計の製造や販売を手掛けるタニタでは、ビッグデータとヘルスケアを融合することで医療費の削減や自社イメージの定着に成功しています。そのベースとなるのが、自分の体の状態を手軽に把握できる計測データの収集方法です。
パソコンやアプリで健康状態の手軽に把握
タニタが展開している「タニタ健康プログラム」は、社員に活動量計を配布し収集したデータを、WEB上で記録することで、手軽に健康状態を把握できるサービスです。こうしたデータは本人が閲覧できるだけでなく、管理栄養士などの専門スタッフによる指導にも役立てられます。
閲覧媒体もパソコンやスマートフォンといった身近にあるものが活用されるため、利用している社員も「体重が減った」「最近は運動していない」といった健康状態の把握がしやすくなり、実際の健康を維持する行動へ繋げられます。
医療費削減につながるサービスの提供を実現
タニタではプログラムを実施したことで、タニタ健康保険組合の1人あたりの医療費を前年度より18,204円削減できました。そこでタニタではこのプログラムをパッケージ化し、実際に企業や自治体で利用できるプログラムとして提供しています。
企業側が社員1人1人の健康を維持する取り組みが求められる昨今において、健康経営の1つとしてタニタの健康プログラムを導入する自治体や企業、健康保険組合も増えています。
つまりタニタは社員の健康をビッグデータとして収集し、健康維持に効果的なプログラムを作り出しただけでなく、それまでの測計量機器の販売にプラスした新たなビジネスを作り出すことにも成功しているのです。
ビッグデータを扱う際の3つの注意点
活用事例にもあるように、新たな需要を生み出し効率化にも利用できるビッグデータですがその扱いには注意しなければなりません。ビッグデータ活用をより有益にするために知っておきたい、3つの注意点を解説します。
1．ビックデータの取り扱いには厳重なセキュリティが求められる
ビッグデータの中には、匿名で利用されるアカウントの購入履歴など、一見すると個人に繋がりそうにないデータがほとんどです。
しかし企業間での情報提供や内部からの情報流出などが重なり、複数のデータを照合できるようになると「商品配達が行われる特定の住所」など、顧客の個人情報に繋がってしまう可能性があります。そのためビッグデータを活用する際は、第三者に対し顧客の個人情報が漏れないように、セキュリティの強化が欠かせません。
また、利用者への適切なプライバシーポリシーの提示、顧客側の情報コントロール機会の設定など、情報管理を行うことが重要です。
2．ビッグデータは「企業の競争力強化につながる分野」で利用する
ビッグデータは人的・時間的コストがどうしてもかかります。「投資対効果(ROI)」の合わない分野の見極めが重要になってきます。
失敗事例として、下記の文章がわかりやすいでしょう。
例えば、顧客分析を行うケースを例にとりましょう。売上げの1％しか占めない顧客セグメントを一生懸命分析して、5割売上げを増やしたとしても、全体の事業に占める割合は0.5%に過ぎません。一方で、全体の売上げの8割を占める顧客セグメントなら、10%の改善で、全体の8%の売上げ向上に寄与します。このような簡単で明白な内容なら誰もデータ活用の領域を間違えることは無いのですが、これが企業全体に及ぶデータ活用になると、ほぼ競争力の強化に意味の無い領域のビッグデータ活用に邁進する企業が出てきます。そういった企業にありがちなのが、上司や社長の一言で、「うちもビッグデータ活用をやれ」と言われて、ビッグデータ活用に取りかかる企業です。
3．データの抽出箇所によって分析結果がまったく変わる場合がある
ビッグデータは多種多様なデータ群です。データの中にはそもそも分析目的にそわないデータが含まれていたり、表記ゆれや重複、データの一部欠如などがあります。
そうしたデータを分析前に標準化＝クレンジングする必要があるのです。こうした前処理を怠ると、誤った分析結果になりかねないことは注意しなければなりません。
参考：日本のビックデータ活用における課題とは – Informatica Blog Japan
ビッグデータを分析して活用するまでの流れ
ビッグデータを分析し活用するとなると「特別なツールが必要になるのではないか」と考える方も多いかもしれません。
しかし実際は、地道なデータ収集と仮説の提示、そして結果を確認してアプローチの効果を最大限に発揮させるサイクルを何度も繰り返すことが大切です。
したがってまず「すぐに結果は出ない」という側面を持っています。継続したビッグデータの有効活用のためにもPDCAサイクルにデータ活用を落とし込む必要があります。
1. 仮説を立ててデータを収集
まずはビジネスモデルに合わせた仮説を立て、データ収集を始めましょう。仮説を立ててデータを集めないと、せっかく集まったデータが「何のためのデータか分からない」という悪循環に陥る可能性があります。
データ収集の方法は必ずしもコストがかかるとは限らず、手軽に始められるものから高コストのものまで、さまざまです。コストをかけないという面でいうと、エントリーフォームを追加して顧客データを集めたりと、今あるものでデータを収集することも可能です。
しかし仮説が無い状態で始めると、どんな方法でデータを集めればよいか、何日間データ収集をするのか、データを得たら何日保存するのかなどの決定もとどこおってしまいます。
まずは仮説を立て、データ収集をスタートさせましょう。
2. 知りたい内容に合わせて分析を開始
データがそろったら、仮説に基づき適切な分析を開始します。
たとえば2つ以上のデータをもとに分析するクロス集計や、樹木上のモデルを利用して要因を分析し結果を予測する決定木分析、一見関連はないが共起性を伴う物事の原因を分析するアソシエーション分析などがあります。
一方ですでに利用できる環境や人材がある場合、分析に必須と判断された場合は仮説に応じたデータ収集と分析を行ってくれるツールを利用することも大切です。
たとえば、次のようなツールが例として挙げられます。
- マーケティング活動を自動化してくれる「MA(マーケティングオートメーション)」
- 営業活動をデータ化してくれる「SFA(セールスフォースオートメンション)」
- 各データを収集し意思決定を助けてくれる「BI(ビジネスインテリジェンス)ツール」
逆説的にいえば、重要なのは知りたい内容に応じた分析を行うことであり、高価なツールが必ずしも必要とは限りません。
仮説として設定したデータ収集の目的によっては、人によるデータの可視化、エクセルをはじめOfficeソフトでも実行可能です。特別なツールがなくても、ビッグデータの分析と活用は可能なのです。
参考：ビッグデータは分析できる？分析手法、必要な前準備、ツール、サポート企業まで紹介
3. 分析結果を元に顧客へ適切なアプローチ方法を考える
分析結果をもとに、どのようなサービスやアプローチを展開すれば、顧客の現在の需要に答えられるのか検討します。
仮説である「Aをよく購入しているのは、男性である」を元に検討したところ、確かに男性がよく購入していると裏付けが取れました。ついビッグデータの活用と言うと、特別なことが分かるのではないか、と期待して
しまうかもしれません。
しかし実際は仮説の正しさを検討したり、アプローチの効果を実証したり、地道なサイクルが非常に重要です。
4. アプローチ方法を検証してPDCAを回す
ビッグデータ活用の目的に応じ、実際に行ったアプローチの効果がどのくらい現れたかチェックします。
この時、データ管理や生産管理の一環となるようにPDCA(Plan-do-check-action)を繰り返し、継続的にアプローチやビッグデータの活用内容や運用方法を見直すことが大切です。
ビッグデータの活用は1日ですぐ効果が出るとは限らず、データ収集を始めた結果「仮説そのものが間違っていた」と判明する場合もあれば、もっと他のデータが必要だと分かるかもしれません。
しかし1回データ収集を開始すれば、ノウハウと経験を持った人材が少しずつ増え、会社の環境や設備も整えやすくなります。
収集と分析を繰り返し、ビッグデータから分かることを生かしたアプローチを改善し続けることで収益に繋げていきましょう。
ビッグデータに関するよくあるご質問
ビッグデータについて役立つQ＆Aをまとめています。
Q.ビッグデータを分析する際、どのようなデータを扱いますか？
A.ビッグデータには「構造化データ」「半構造化データ」「非構造化データ」があり、例えば会計ソフトからの数値データやSNSの投稿、センサーデータなどが含まれます。
Q.ビッグデータの前処理で重要な点は何ですか？
A.ビッグデータの前処理では、重複データや表記ゆれ、欠損データのクレンジングが重要で、正確な分析結果を得るために必須の作業です。
Q.ビッグデータを使った予測はどのように行われますか？
A.ビッグデータは過去のデータからパターンを見つけ出し、そのパターンをもとに将来の動向を予測することが可能です。
Q.ビッグデータ分析にはどのような専門スキルが必要ですか？
A.データサイエンティストには、統計知識、データベーススキル、データ解析ツールの操作スキル、さらにマーケティングや業界知識が求められます。
Q.ビッグデータの3つのVとは何ですか？
A.ビッグデータの3つのVとは、「Volume（データ量）」「Velocity（データの生成・処理速度）」「Variety（データの多様性）」を指し、これらの特性がビッグデータを特徴付けます。
まとめ
ビッグデータのメリットは、これまで数値化できなかったものを分析し、さらに具体的なアプローチに繋げていけることです。しかしその過程は地道な面もあり、分析の意味や仕事の目的が分かりにくくなってしまう場合もあります。
ビッグデータは新たなビジネスを生み出すためには、現在蓄積されているビッグデータの収集そのものの見直しやアイディアの実践、検証と見直しを繰り返し、ノウハウを広く蓄積していくことが重要です。
まずは関連するメンバー同士、今一度データ収集の目的や現在のアプローチの効果などを再確認し、新たな活用方法を見出すために動き出してみましょう。
【広告代理店必見】複数媒体にまたがる膨大な広告データを「一画面で管理できる」ツール
本記事ではビッグデータについて解説しました。Google広告やYahoo!広告など複数の広告媒体を扱っていると大量のデータを扱う必要があるため進捗管理に時間がかかります。
広告の膨大なデータを活用するなら複数媒体からデータを自動で集計・可視化できるツールの導入がおすすめです。
例えば、「ATOM」は400社以上に導入されているその代表的な例です。今回特別にサービス資料を用意したのでぜひダウンロードしてみてください。
