IT技術の進化にともない、企業運営・経営戦略の一環としてデータ分析は欠かせなくなりました。しかし「何から始めればいいのか」「どのような方法があるのか」がわからず一歩を踏み出せないケースも多いのではないでしょうか？
今回は、営業・マーケティング分野でのデータ分析の重要性やスタートに際して押さえておくべきポイント、具体的な手法など解説していきます。
KKD（勘・経験・度胸）に頼らないデータ分析の重要性
経営は、あらゆる場面で重要な意思決定が求められます。データ分析は経営決定の根拠という点で重要な役割を担います。
これまで多くの企業では、いわゆる「KKD（勘・経験・度胸）」に頼った経営がおこなわれてきました。社会環境が複雑化するなか、KKDのような主観に偏った判断では望んだ結果を得られる可能性は非常に低くなります。
一方、データを分析し現在直面している問題を可視化すれば、より正確な現状把握ができるようになります。客観的な視点から状況に応じた施策を立てることでリスク回避につなげることもできます。またビッグデータを活用すれば確度の高い未来の予測も可能となります。
データ分析のポイントは2つ
データ分析を導入にあたって押さえておきたいポイントは以下の2つです。
ポイント1. 目的の明確化と目的に合わせた分析方法
まずはデータを集めてどうしたいのか？この点が重要です。具体的な目的を定めましょう。データ分析は一概にこれをこなえばOKというものではなく、目的に合わせてベストな手法が異なります。
| 目的 | 有効な分析方法 |
|---|---|
| 顧客・市場の理解を深めたい | クロス集計分析 セグメンテーション分析 |
| マーケティング施策の立案や改善 | バスケット分析 |
| 意思決定に役立てたい | 決定木（ディシジョンツリー）分析 |
上記のほかにも、データ分析には多くの種類があります。複数の手法を用いて多角的に分析することでより精度の高い結果が得られるため、どれだけの分析手法を使いこなせるかも成否の鍵となります。
ポイント2. 分析したデータの活用
データを分析したら、その分析をもとに現状を把握し今後の経営戦略に役立てます。この際に重要なのは、一度の分析や戦略立案でその効果を決めつけないことです。繰り返し分析しPDCAを回すことで、最初に定めた目的を実現するための戦略がより鮮明に見えるようになります。
分析のスタンダードはPython？
データ分析によく使用されるExcelですが、表計算を自ら構築していく必要があり複雑なデータ分析には向きません。
一方、データ分析エンジニアが分析ツールに用いる言語としてスタンダードなPythonは、数値やテキスト、画像や音声の分析にも適した形式に加工が可能です。Excelで作業していたデータの集計や統合なども自動化できます。ソースコードも比較的理解しやすい言語です。しかしPythonを使いこなせる人材の確保は容易ではありません。
もし自社で分析システムを構築することなく、アドオンやプラグイン、ツールを導入したい場合はTableauがおすすめです。次項で詳しくご紹介します。
複雑な分析にはTableauがおすすめ
SalesforceのTableauは、複雑な操作やプログラミングの知識が不要です。簡単かつ効果的なデータ分析を実現できます。
Excelは、複雑なデータの抽出を瞬時に実施することが苦手です。複雑な処理には関数やマクロを組む必要があり、作り込むほどデータは重くなります。またExcelで扱えるデータ数の限界が約100万件とされています。
一方、Tableauは1億件を超えるビッグデータの処理も可能です。動作が重くなることもありません。ドラッグ＆ドロップ操作でクロス集計をしたうえでグラフやヒートマップに変換する手順も簡単です。回帰分析や相関分析などを可視化することも可能です。
営業のデータ分析にはSFAが必須
営業がデータ分析をおこなうならSFA（Sales Force Automation）の活用が効果的です。SFAは営業を科学的に分析し支援するためのツールで、以下のような機能が備わっています。
- 顧客管理
- 案件管理
- 営業活動管理
- 商談管理
- 分析・集計・レポーティング など
属人化しがちな営業プロセスや進捗管理などのデータを可視化し、リアルタイムで共有できます。受注までの行程を可視化し、KPI設計をおこなうことでより受注まで近道が可能です。
マーケティングのデータ分析にはCRMが必須
マーケティングのデータ分析にはCRM（Customer Relationship Management）を導入すると効果的です。CRMは顧客管理・顧客関係管理ツールで、一般的には以下のような機能が備わっています。
- 顧客データベース管理
- マーケティング支援
- 顧客分析
- カスタマーサポート
SFAが営業強化、売上アップにフォーカスしているのに対し、CRMは顧客の属性や購買履歴、嗜好などを一元管理します。顧客の状況に合わせたコミュニケーションを取り、企業ロイヤリティと顧客満足度を高めます。
そのために重要となるのは顧客に対する1to1のきめ細かな対応です。CRMを導入すれば、顧客の購入頻度から次回の購入時期を推測し適切なサポートでリピート購入を促すことができます。同じセグメントの顧客がよく購入する商品をサジェストしてクロスセルさせれば売り上げの向上にもつながります。
多くの消費者が購買行動にインターネットを活用するようになり、データの収集が容易な時代になりました。しかし本当に重要なのは収集の先にある分析の行動です。CRMでデータを分析・活用すれば、業績を伸ばすための手がかりがきっとつかめるはずです。
Salesforceの機能まとめ
ここでTableauの機能をまとめてみました。上記で解説した必要な機能が網羅されていることがわかります。
| データセグメンテーション | 産業別・地域別などニーズに応じた切り口で既存顧客や見込み客をセグメント分析する |
| データディスカバリ | 既存データをドリルダウンしたり新たなデータを発見したりできる |
| データビジュアライゼーション | グラフィカルテクニックによりデータを可視化し直感的に理解できるようにする |
| 多次元分析（OLAP） | スライシング、ドリルダウン、ドリルアップ、ドリルスルーなどの手法を用い、問題と原因を分析する |
| データマイニング | 回帰分析やディシジョンツリー、クロス分析、相関分析などの手法を用いた分析を可能にする |
| シミュレーション／プランニング | 予算や計画立案に際し、実績データに基づく仮説検証のプロセスを実施する |
Tableauは内部だけではなく外部ソースからもデータコンパイルが可能です。ユーザーのスキルセットに関わらず、直感的に操作できるインターフェイスを採用していることも特徴です。営業・マーケティングはもちろん、財務や人事、サプライチェーンなど、幅広い部門で活用できます。
まとめ
いかにデータを活用するかが企業の明暗を分けるようになりました。勘や経験に頼る従来の企業運営から脱却を図り、確かな根拠に基づく戦略を立てて経営判断をスピーディにおこなうためには、データ分析にいちはやく取り組むことが必要です。
しかしながらデータ分析のシステムを実装できる人材のニーズは非常に高く、優秀な人材を確保するのは困難であるのが現実です。そういった場合はSFAやCRMなどのツールを導入することでデータ分析のハードルが下がります。
データ分析をおこなう目的を明確にしたうえで自社に適したツールを取り入れ、ぜひ効果的なデータ分析を始めててください。
【あわせて読みたい関連記事】
