Salesforce

ビッグデータが注目を集めるようになった理由としては、主に以下の3つの要素が挙げられます。

• インターネットの普及
• テクノロジーの進歩
• AIの機能向上

インターネットの普及が始まったのは1990年代ですが、当時はまだごく一部のユーザーが利用しているだけでした。その後、インターネットサービスの普及・拡大、高性能なコンピューターやスマートフォンの普及などといったテクノロジーの進歩により、現在では老若男女問わずインターネットが利用され、さまざまなデータがやり取りされるようになりました。

くわえて、AIの機能向上もビッグデータが注目を集めるようになった大きな要因です。インターネットの普及により、やり取りされるデータの量は増大しましたが、その量があまりに膨大で、私たち人間にはとても処理しきれません。AIの機能が向上し、ビッグデータを分析できるようになって初めて、ビッグデータを活用する動きが注目を集めるようになったのです。

ビッグデータが持つ膨大な情報をもとにすれば、より高精度な分析ができるようになります。マーケティングにおいていえば、効果の低い、または高い施策の要因を分析し、その要因を踏まえた施策の実施が可能となります。人の感覚や経験ではなくデータにもとづいた意思決定ができるようになるため、実施する施策の成功率を高めることができるでしょう。

ビッグデータを活用できるようになれば、リアルタイムでデータを可視化できるようになります。24時間365日取得されるデータを人が分析・処理するには限界があります。リアルタイムかつ迅速な対応が求められる意思決定や異常検知などには、ビッグデータの活用による情報把握が効果的です。

ビッグデータを解析すると、市場や顧客のニーズを把握できるようになります。ニーズが多様化する現代では、まだ他社が手をつけていないビジネスチャンスも多くあるはずです。ビッグデータを活用すれば、これまで提供できていなかった価値を持つ新サービスを創出するなど、企画戦略の策定にも役立ちます。

ビッグデータの活用には、各種チャネルからデータを取得するシステムの構築や膨大なデータを保存するストレージの確保、データを分析するAIの導入など、さまざまなコストがかかります。各種システムの運用・保守費用も含めると、維持費はかなりのものになるでしょう。したがって、ビッグデータを継続的に活用するためには戦略的な投資が必要になります。

収集したデータがすぐに活用できるわけではない点には注意が必要です。各種チャネルから収集されるデータには、業務に活用できるものとできないものが入り混じっています。収集したデータのうち質の高いものを取捨選択してデータを活用する必要があります。

収集されるデータの中にはプライバシーに関する情報も多く含まれます。個人情報は個人情報保護法にもとづいて適切に運用する必要があり、データの漏洩にも細心の注意を払う必要があります。万が一、個人情報の不適切な運用や漏洩が発生すれば、企業の社会的信頼が大きく低下してしまうでしょう。

ビッグデータを活用する際には、高いセキュリティ機能を備えたCRM・SFAツールを用いるなどの対策が不可欠です。

ロジスティック回帰分析とは、事象の発生率を分析する手法です。例えば顧客の購入率を分析する際には、店舗ごとの顧客の購入数、商品数など、購入率に影響を与えると考えられる要素を変数として用いて分析します。このロジスティック回帰分析を行えば、未来の購入率を予測できるようになります。

クロス集計とは2つの項目をかけ合わせて分析をする手法で、データ分析の中では比較的よく使われているものです。例えば、各年代の顧客が商品A～Cそれぞれをどの程度購入したかを表にします。その結果を見れば、商品Aは10代から人気がある、商品Bは10代からは不人気だが20代と30代に人気があるといったように、年代別の商品の購入頻度の相関性を分析できます。

一見無関係に見える要素から相関性を見出す手法です。有名なアソシエーション分析の事例は「ビールとおむつ」の相関性。ビールとおむつはまったく関係のない商品ですが、あるスーパーでおむつを購入した男性の多くがビールも購入しているという分析結果にもとづき、ビールとおむつを近い場所で販売した結果、売上が上昇しています。一見無関係な商品でも、データを可視化できればそれぞれの相関性に気づくことができ、その相関性をビジネスに活用できます。

異なる性質のデータから関連性がありそうなものをグルーピングし分析する手法です。例えばマスクの購入について分析する場合、季節は春夏秋冬いずれか、天気は晴れと雨のどちらかでグルーピングし、それぞれの購入数を調べます。そうすると、冬の晴れの日が一番売れやすい、要因はインフルエンザの流行や乾燥対策にありそう、といった顧客の購買意思決定に影響を及ぼす要因を発見しやすくなります。

IoTは「Internet of Things」の頭文字を取った言葉で、日本語では「モノのインターネット」と呼ばれます。一般家庭における家電や製造における機械などをインターネットでつなぎ、データの可視化や遠隔からの操作などによってモノを効率的に活用する仕組み、および技術です。

IoTに取り組むと、これまで取得できていなかったさまざまなデータを取得できるようになります。このIoTから取得されるデータがビッグデータにあたります。取得したデータをビッグデータとして分析すれば、顧客ニーズに対応した新しいソリューションの提供や組織のイノベーションを実現できるでしょう。

AIは「Artificial Intelligence」の頭文字を取った言葉で、日本語では「人工知能」と呼ばれます。

AIは、インプットされた情報を人間の脳のように処理します。人間の脳は記憶できる情報量や処理能力に限りがありますが、AIはデータを保存するスペースや処理リソースを確保できれば人間を遥かに上回る情報処理能力を発揮できます。このAIは、ビッグデータの処理や取り込んだビッグデータを活用したサービスの提供に利用されます。

Account Engagement（旧Pardot）は、獲得したリードをWebサイトの行動情報などから見込み確度を分析する機能が備わっています。また、蓄積された顧客情報はもちろん、連携されたほかのSalesforce製品から得た情報も活用・分析することが可能なため、データドリブンなマーケティング施策をおこなえます。

PointInfinity AI分析オプションは、会員の購買行動などの情報をもとに最適なレコメンデーションを提案するAIサービスです。会員に対してパーソナライズされた商品をおすすめできるため、顧客満足度の向上につながります。また、会員の休眠度をスコアリングすることも可能で、事前に施策を打つことができます。

Snowflakeはデータの統合・分析が可能なクラウドデータプラットフォームで、複数のシステムに分散されているデータを集約し一元管理することができます。また、コストに関しても従量課金制のため、データレイクやデータウェアハウスの導入にかかる初期費用も最低限まで抑えたうえで導入が可能です。

TableauはセルフBIツールです。BIとは「Business Intelligence」の略で、データの分析・可視化を行うツールを指します。分析における専門的な知識がなくても簡単に扱うことができるため、データの扱いに慣れていない現場の方でも、それぞれの現場にあわせた形でデータを活用できます。データを社内全体に共有できる点、多くの組織で構成されるコミュニティとナレッジ共有や相互サポートができる点も魅力です。