「一箇所に集めれば使える」——だが箱に入れること自体は価値でない。統合と価値の間の距離を埋めるのは能力・戦略・組織で、統合を阻むのも組織である
見るべき数字が決まったら、そのもとになるデータを一箇所に集める番だ。だが、箱に入れること自体は価値を生まない。データ分析が業績価値に結びつくかは一様でなく、あいだの仲介要因に大きく左右され(Oesterreich et al 2022)、価値を生むにはデータより分析する力・組織の力・戦略の噛み合わせが要る(Grover et al 2018)。効果は組織の動的能力を介して初めて現れ(Wamba et al 2017、Akter et al 2016、Vitari & Raguseo 2019)、そもそも統合を阻む障壁はしばしば技術でなく組織的――所有・責任・協働の欠如(Haug & Arlbjørn 2013)。データは原油で、汲み上げただけでは何にもならない。統合は、誰が何に責任を持つかを人が決める話である。
「一箇所に集めれば使える」——箱に入れることは、価値ではない
前の単位では、見るべき数字を決める話を扱った。ここでは、その数字のもとになるデータを、一箇所に集める話を扱う。売上は会計ソフト、顧客は名刺管理、在庫は別の表——バラバラの場所にある数字を、まとめて見られるようにすること。これをデータ統合という。ためておく倉庫をDWH(データウェアハウス)と呼ぶこともある。数字が別々の場所にあると、たとえば「この客がいくら買って、いくら在庫を動かしたか」を一目で見ることができない。だからまず、つなぐ。それは、いかにも当然の一歩に思える。
「とにかく全部を一箇所に集めさえすれば、あとは使えるようになる」——そう考えたくなる。散らばっているから使えないのだ、集めれば道が開ける、と。だが、この単位が最初に置く注意はこうだ。箱に入れること自体は、価値を生まない。 データを一つの倉庫に流し込んでも、それだけでは、良い判断も、新しい発見も、自動では出てこない。集めた山の前で、多くの組織が立ち尽くす。「集めれば使える」という言葉は、集めること(統合)と、使えること(価値)の間にある、大きな距離を、飛ばして語っている。この距離こそが、この単位の主題である。誤解しないでほしい。集めること自体が無駄だ、という話ではない。散らばったままでは、そもそも見比べようがない。集めるのは、必要な下ごしらえだ。ただ、それは料理でいえば、材料を一つの台所にそろえた段階にすぎない。そこから何を作るかを決め、実際に手を動かして初めて、食べられるものになる。材料をそろえただけで満足してしまう——統合を、それ自体がゴールだと勘違いすること——が、いちばんの落とし穴なのだ。
データを価値に変えるのは、能力と戦略である
では、集めたデータを「使える」ものにするのは、何なのか。査読された研究は、そろって同じ方を指す。データそのものではなく、それを扱う能力と、目的に合った戦略だ、と。派手な話ではないが、この地味な事実が、多くの投資の空回りを説明してくれる。
Oesterreich らが2022年に、多くの研究を束ねて調べた分析(メタ分析)で、データ分析が業績の価値に結びつくかどうかは一様ではなく、あいだを取り持つ要因(仲介要因)に大きく左右されることを示した。つまり「データを持てば儲かる」という単純な話ではない。同じようにデータを集めても、大きく成果を上げる会社もあれば、まったく変わらない会社もある。その差を作っているのは、データの量ではなく、あいだにある何か——それを解き明かそうとしてきたのが、この分野の研究だ。Grover らが2018年に、価値を生み出すには、データそのものより、分析する力・組織の力・戦略との噛み合わせが要るという枠組みを整理した。データは、原油のようなものだ。地中から汲み上げただけでは、まだ何にもならない。精製する設備と、それを何に使うかの計画があって、はじめて燃料になる。データを集めることは、汲み上げにすぎない。ここで言う「能力」とは、高価な分析ソフトを買うことでも、専門家を雇うことでもない。前の単位で決めた大事な数字に照らして、集めた数字から意味を読み取り、それを次の一手につなげる——その一連の流れを、組織として回せるかどうか、ということだ。小さな商いなら、店主一人がそれを担うこともある。大事なのは規模ではなく、集めた数字が、ちゃんと判断と行動に接続しているか、である。
効果は、動的能力を介して初めて現れる
もう少し踏み込むと、データが成果に効くのは、組織が「変わる力」を持っているときだ、と分かってきた。
Wamba らが2017年に、データ分析が業績に効くのは、組織の動的能力(環境の変化に合わせて、自分のやり方を組み替えていく力)を介したときだと示した。集めた数字を見て、実際にやり方を変えられる組織でなければ、データは宝の持ち腐れになる。Akter らも2016年に、データを扱う能力と、事業の戦略とが噛み合っているほど、成果につながることを、Vitari と Raguseo が2019年に、その価値は置かれた環境や文脈によって変わることを示した。これらは、近い問題意識を持つ研究の流れとして、まとめて読むのがよい。共通して言えるのは、データは、それを活かせる組織に置かれて初めて価値になる、ということだ。同じデータでも、動ける組織と動けない組織では、返ってくるものがまるで違う。ここに、勇気づけられる面もある。潤沢なデータを持たない小さな組織でも、身軽に動けるぶん、手元の少ないデータを、すぐに次の一手に変えられることがある。逆に、膨大なデータを抱えた大きな組織が、それを見るだけで何も変えられないことも珍しくない。だから、データの量で気後れする必要はない。問われているのは、どれだけ持っているかより、持っているものから、どれだけ素早く学び、変われるか、なのだ。
統合を阻むのは、技術ではなく組織である
そして、そもそも「一箇所に集める」こと自体が、思うように進まない。その理由も、意外なところにある。
Haug と Arlbjørn が2013年に、会社の基本台帳にあたるマスタデータ(顧客や商品などの、みんなが使う共通の情報)の統合を阻む障壁を調べ、それがしばしば技術的な問題ではなく、組織的な問題だと示した。誰がそのデータの正しさに責任を持つのか、部門をまたいで協力できるのか——所有と責任と協働の欠如が、統合を止める。台帳がバラバラだと、同じ顧客が二重に登録されたり、部門ごとに違う商品コードが振られたりして、つなごうにも噛み合わない。だが、この食い違いを正すには、誰かが「これが正しい」と責任を持って決めなければならない。そこで、しばしば責任の押し付け合いが起きて、話が止まる。データが部門ごとにバラバラに孤立している状態を「サイロ」(もとは穀物を貯める塔)と呼ぶが、サイロを壊せないのは、たいてい配線やソフトのせいではない。「これはうちの部門のデータだ」「勝手に使われたくない」という、人と組織の壁のせいなのだ。だから、統合は、道具を買えば済む話ではない。誰が何に責任を持つかを、人が決める話である。この見立ては、少し気が重いかもしれない。技術の問題なら、お金と時間で解けそうに思える。だが、組織の壁は、そう簡単には崩れない。とはいえ、原因の在りかを取り違えないことには、大きな意味がある。高価な統合ツールを入れても、部門の壁がそのままなら、サイロは形を変えて残る。逆に、「この数字は、みんなで見るために、こう扱おう」という合意が先にあれば、道具は素朴なものでも回りはじめる。順番が、大事なのだ。道具の前に、まず、誰と何を共有したいのかを、人の言葉で決めること。
時間・変化:2013年から今へ
順に置く。2013年、Haug と Arlbjørn が、マスタデータ統合の障壁は組織的だと示す。2016年、Akter らが、能力と戦略の噛み合わせが成果につながると示し、2017年、Wamba らが、効果は動的能力を介すと示す。2018年、Grover らが、価値はデータ以上に能力と戦略を要すると整理し、2019年、Vitari と Raguseo が、価値は環境・文脈で変わると示し、2022年、Oesterreich らが、メタ分析で、分析から価値への道が仲介要因に左右されることを示した。
こうして並べると、研究の関心が、どこにあったかが見えてくる。「データをどう集めるか」という技術の話から、「集めたデータを、組織がどう価値に変えるか」という、人と組織の話へ——焦点は、箱そのものから、箱の中身を使う力のほうへ、移ってきた。
この間に確からしくなったのは、「集めれば使える」ということではない。確からしくなったのは、統合と価値の間には大きな距離があり、その距離を埋めるのは能力・戦略・組織であって、箱に入れること自体は価値を生まない——という、向きのほうである。
妨げるもの、助けるもの、最初の一歩
妨げるものの筆頭は、「まず全部を集めよう」と、統合それ自体を目的にしてしまうことである。倉庫を立派に作っても、そこから何を引き出したいのかが決まっていなければ、集めた山は、ただ場所を取るだけになる。もう一つは、逆に「うちのデータは散らばっているから何もできない」と、完璧な統合を待って動かないことだ。全部を集めなくても、前の単位で決めた「見るべき数字」に関わる、ほんの数種類をつなぐだけで、見えてくるものはある。むしろ、小さく二つのデータをつないでみて、そこから何か動きが生まれるなら、それが、より大きな統合に進む値打ちがあるという、いちばん確かな証拠になる。全部そろえてから使うのではなく、使いながら、必要なぶんだけ、少しずつつなげていく。
助けになるのは、いきなり倉庫を作る前に、「前の単位で決めた大事な数字を出すために、どのデータとどのデータをつなぐ必要があるか」を、二つか三つだけ書き出すことだ。最初の一歩は10分。「〔この数字〕を見るには、〔このデータ〕と〔このデータ〕をつなぐ必要がある」と書き、そのうえで、そのデータは誰が持っていて、誰が正しさに責任を持つのかを、一言添える。つなぐ技術より先に、誰の協力が要るのかを見ておくのだ。この一枚が、「集めること」を目的化せず、「使うために集める」ための、最初の設計図になる。倉庫の大きさを競うより、たとえ二つでも、使える形でつながった数字のほうが、ずっと役に立つ。まず、いちばん見たい一組を、小さくつないでみることだ。すべては、その小さな一歩から静かに始まる。
- 青段(基盤)2単位目。前の単位で見るべき数字を決めた続きで、その数字のもとになるデータを一箇所に集める=データ統合(散らばった数字をまとめて見られるようにする。ためる倉庫がDWH)。俗説は一箇所に集めれば使える。だが最初の注意は、箱に入れること自体は価値を生まないこと。倉庫に流し込んでも良い判断や新しい発見は自動では出てこない。集めること(統合)と使えること(価値)の間には大きな距離があり、それがこの単位の主題
- 集めたデータを使えるものにするのはデータそのものでなく、扱う能力と目的に合った戦略である。Oesterreich et al 2022 はメタ分析で、データ分析が業績価値に結びつくかは一様でなく仲介要因に大きく左右されると示した。データを持てば儲かるという単純な話でない。Grover et al 2018 は価値を生むにはデータより分析する力・組織の力・戦略との噛み合わせが要る枠組みを整理した。データは原油で、汲み上げただけでは何にもならない
- データが成果に効くのは組織が変わる力を持つとき。Wamba et al 2017 はデータ分析が業績に効くのは組織の動的能力(環境変化に合わせやり方を組み替える力)を介したときだと示した。集めた数字を見て実際にやり方を変えられる組織でなければ宝の持ち腐れ。Akter et al 2016 はデータを扱う能力と戦略が噛み合うほど成果につながると、Vitari & Raguseo 2019 は価値は環境・文脈で変わると示した。これらは近い問題意識の研究群としてまとめて読む
- データは、それを活かせる組織に置かれて初めて価値になる。同じデータでも動ける組織と動けない組織では返るものがまるで違う。だからこの棚は特定のBI/DWHベンダーの優劣を名指しせず、集めれば意思決定が良くなると断定しない。効果量の数値は書かない。#3/#4のWamba-Akter-Gunasekaran系はビッグデータ分析能力研究群として一括提示し独立知見のように水増ししない
- そもそも一箇所に集めること自体が思うように進まず、理由は意外なところにある。Haug & Arlbjørn 2013 は会社の基本台帳にあたるマスタデータ(顧客や商品などみんなが使う共通の情報)の統合を阻む障壁を調べ、それがしばしば技術的でなく組織的な問題だと示した。誰がデータの正しさに責任を持つか、部門をまたいで協力できるか——所有と責任と協働の欠如が統合を止める。※Haugは531(品質コスト2011)とは別論文
- データが部門ごとに孤立した状態をサイロ(もとは穀物を貯める塔)と呼ぶが、壊せないのはたいてい配線やソフトでなく、これはうちのデータだ・勝手に使われたくないという人と組織の壁のせい。だから統合は道具を買えば済む話でなく、誰が何に責任を持つかを人が決める話。確からしくなったのは、集めれば使えるでなく、統合と価値の間には大きな距離があり埋めるのは能力・戦略・組織で箱に入れること自体は価値を生まないという向き
- だからこの単位でやるのは、いきなり倉庫を作る前に、前の単位で決めた大事な数字を出すためにどのデータとどのデータをつなぐ必要があるかを二つか三つ書き出すこと。『〔この数字〕を見るには〔このデータ〕と〔このデータ〕をつなぐ必要がある』と書き、そのデータは誰が持ち誰が正しさに責任を持つかを一言添える。つなぐ技術より先に誰の協力が要るかを見る。この一枚が集めることを目的化せず使うために集める最初の設計図になる
| よくある誤解 | 実際のところ |
|---|---|
| データが散らばっていて使えないのだから、まず全部を一箇所の倉庫に集めれば、使えるようになる | 箱に入れること自体は価値を生まない。データを一つの倉庫に流し込んでも、良い判断や新しい発見が自動で出てくるわけではない。Oesterreich et al 2022 はメタ分析で、データ分析が業績価値に結びつくかは一様でなく、あいだを取り持つ仲介要因に大きく左右されることを、Grover et al 2018 は価値を生むにはデータそのものより分析する力・組織の力・戦略との噛み合わせが要ることを示した。データは原油のようなもので、汲み上げただけではまだ何にもならず、精製する設備と使い道の計画があって初めて燃料になる。集めることは汲み上げにすぎない |
| 良いデータをたくさん集められる会社ほど、そのぶん確実に成果が上がるはずだ | データが成果に効くのは、組織が変わる力を持っているときである。Wamba et al 2017 は、データ分析が業績に効くのは組織の動的能力(環境変化に合わせて自らのやり方を組み替える力)を介したときだと示し、Akter et al 2016 はデータを扱う能力と事業の戦略が噛み合うほど成果につながること、Vitari & Raguseo 2019 は価値が環境や文脈で変わることを示した。集めた数字を見ても、実際にやり方を変えられない組織では、データは宝の持ち腐れになる。データは、それを活かせる組織に置かれて初めて価値になり、同じデータでも動ける組織と動けない組織では返るものがまるで違う |
| データが一箇所に集まらないのは、統合の技術やツールが足りないからだ | 統合を阻むのは、しばしば技術ではなく組織である。Haug & Arlbjørn 2013 は、会社の基本台帳にあたるマスタデータ(顧客や商品などみんなが使う共通の情報)の統合を阻む障壁を調べ、それがしばしば技術的でなく組織的――誰がデータの正しさに責任を持つのか、部門をまたいで協力できるのか、という所有・責任・協働の欠如――であることを示した。部門ごとに孤立したデータ(サイロ)を壊せないのは、たいてい配線やソフトのせいではなく、『これはうちのデータだ』『勝手に使われたくない』という人と組織の壁のせいである。だから統合は道具を買えば済む話でなく、誰が何に責任を持つかを人が決める話である。この棚は特定のBI/DWHベンダーの優劣を名指ししない |
皮肉なのは、いちばん大変そうに見える『集める』作業を終えた瞬間に、いちばん肝心な仕事が、まだ手つかずで残っていることだ。倉庫は建った。データも入った。だが、そこから何を引き出し、どう行動を変えるのか――その距離を渡らなければ、立派な倉庫は、ただの物置になる。確からしいのは、統合と価値の間には距離があり、それを埋めるのは、データの量ではなく、それを活かす能力と戦略と、動ける組織だ、ということだ。そして、集めること自体を阻むのも、技術ではなく、誰が何に責任を持つかという組織の問題である。だから、倉庫を作る前に、まず一枚。大事な数字を出すために、どのデータとどのデータをつなぐ必要があり、それは誰が持っていて、誰の協力が要るのか。集めることを目的にせず、使うために集める――この設計図が、物置を作らないための、最初の備えになる。次の単位は 531「データの質を保つには?」。集めたデータが、そもそも信じられる質なのか。ここでは、その中身の確からしさを扱う。
Q1. データを一箇所に集めること(____)自体は価値を生まない。集めることと、使えること(____)の間には大きな距離があり、それを埋めるのは、データそのものより ____ と戦略・組織である。穴埋め
Q2. Oesterreich et al 2022 のメタ分析が、データ分析と企業業績の関係について示したことはどれか。選択
Q3. 『同じデータでも、組織によって返ってくるものが違う』のはなぜか。Wamba et al 2017 に触れて述べよ。一問一答
Q4. 『データのサイロを壊せないのは、たいてい技術のせいではない』とはどういうことか。Haug & Arlbjørn 2013 に触れて述べよ。一問一答
Q5. この単位が示した研究を、年の早い順に並べよ。(ア)Wamba らが効果は動的能力を介すと示す(イ)Haug & Arlbjørn が統合の障壁は組織的と示す(ウ)Oesterreich らがメタ分析で仲介要因の影響を示す(エ)Grover らが価値はデータ以上を要すると整理する並べ替え
紙かメモアプリに今日の日付を書く。次に、前の単位で書いた『本当に大事にしたい数字』を一つ選び、その数字を見るために、どのデータとどのデータをつなぐ必要があるかを、二つか三つ書き出す。『〔この数字〕を見るには〔このデータ〕と〔このデータ〕をつなぐ』の形で。そのうえで各データについて、(1) いまどこにあるか(どのソフト・表・誰の手元か)、(2) 正しさに責任を持つのは誰か、(3) つなぐのに技術の問題と人の協力の問題のどちらが大きそうか、を一言ずつ書く。特定のツールの良し悪しは書かない。個人データそのものを材料にはせず、自分の数字とデータの見取り図として完結させる。
——とはいえ、その“正しい用法・用量”は、まだ誰も知らない。ここまでの研究に、あなたのデータは1件も入っていないからだ。平均は地図にすぎない。自分の“いい具合”は、試して探すしかない。
あなたの実験(N=1)を始める → プロジェクトに追加(記録機能は準備中)
- Oesterreich T.D., et al. (2022) ‘What translates big data into business value? A meta-analysis of the impacts of business analytics on firm performance’, Information & Management 59(6):103685 — doi.org
- Grover V., Chiang R.H.L., Liang T.-P., Zhang D. (2018) ‘Creating Strategic Business Value from Big Data Analytics: A Research Framework’, Journal of Management Information Systems 35(2):388-423 — doi.org
- Wamba S.F., Gunasekaran A., Akter S., Ren S.J., Dubey R., Childe S.J. (2017) ‘Big data analytics and firm performance: Effects of dynamic capabilities’, Journal of Business Research 70:356-365 — doi.org
- Akter S., Wamba S.F., Gunasekaran A., Dubey R., Childe S.J. (2016) ‘How to improve firm performance using big data analytics capability and business strategy alignment?’, International Journal of Production Economics 182:113-131 — doi.org
- Vitari C., Raguseo E. (2019) ‘Big data analytics business value and firm performance: linking with environmental context’, International Journal of Production Research 58(18):5456-5476 — doi.org
- Haug A., Arlbjørn J.S. (2013) ‘Master data quality barriers: an empirical investigation’, Industrial Management & Data Systems 113(2):234-249 — doi.org