SOLUTION
データ・AIを活用し、ビジネスにおける様々な課題を解決、優位性構築を支援します。
DX関連のサービスをもっと詳しく知りたい、より多くの導入事例を見たいなど、興味がある方はぜひお気軽にお問い合わせください。
社会の中のあらゆるものがデジタル化する中で、データ・AI活用が企業の重要な競争要因となっています。
データ・AI活用を考えるにあたっての、データ処理の基本モデルは下記です。
これは、人間が様々な情報から行動を判断するのと全く同じプロセスで、下記のように言い換えられます。
昨今のデータ・AI活用は、社会のデジタル化に伴って、人間の5感にあたるデータが爆発的に増加したことにより、思考にあたるAIによる分析・判断が飛躍的に高度化したため、様々なアクション、そして介入によるビジネス成果に繋げられるようになったことが要因です。
基本モデルでは、環境から各種センサーや記録行為を通じて情報をデータとして取得し、データの分析・判断によりアクションを決定し、環境への介入を行います。
データ・AI活用の領域は様々ありますが、ビジネスにおいては下記の領域は特に活発と言えます。
データ・AIによる自動化や従業員の支援により効率化・品質向上
データ・AIによる意思決定スピードや精度の向上、新たな示唆の発見
AIによる組織エンゲージメント向上、能力増強や生産性向上
データ・AIによる顧客獲得やリテンション、価格プレミアム
顧客の生活、顧客接点や業務、提供価値などあらゆる環境のデジタル化が進むことによって、競争のパラダイムを変えるいくつかの重要な変化が起きています。
これらの変化により従来の優位性が陳腐化し、体験価値の高度化、生産性向上、市場環境への適応性向上の重要性が増してきています。これらの競争力の源泉となるのがデータです。データによって、AIを含む各種システムを自動化・最適化していくことによって、一時的に競争力を高めるだけでなく、事業成長によって更にデータが増加する自己強化作用が発生します。
この自己強化作用によって一度データによる優位性を築いたプレイヤーが、その後に市場を独占まで至りやすくなっているため、「データ資本主義」と言われる程、データ・AI活用の重要性が増してきています。
データ・AI活用でどのようなことができるのか、をイメージするために、マーケティングを例に説明します。
顧客行動の多くがデジタル化し人間の目に見えなくなったことで、顧客体験の改善にはデータの読み解きが必要になりました。しかし、デジタル上での顧客行動は、顧客の多様化、コンテンツの増加、マルチチャネル化などから、日に日に複雑化し、分析は困難を極めます。
更に、各種デジタルプラットフォームの影響により、顧客体験のパーソナライズが当たり前になる中で、企業が提供する顧客体験も高い水準が求められます。
このような厳しい環境においては、人手での分析・改善は業務負荷や有効性の観点からも効果が大きく下がり、反対にAIによる顧客分析や体験の自動最適化が必要になります。
例えば、AIを有効に活用することで、図のように、ある特定の属性や行動を行った一人ひとりに対して、最も成果に繋がりやすいコンテンツを最適なタイミングで推奨することができます。
また、ありもののコンテンツを単純に訴求するだけでなく、新たなコンテンツや施策を開発するにあたってもAIは有用です。
過去の顧客の属性データや行動データをAIで分析・構造化することによって、自社の顧客がどのようなグループに類型化され、各グループがどのような特徴を持ってるかを、人間が理解しやすい形式で自動的に分析・出力することができます。
そして、AIが発見した顧客グループについて、成約につながるキーアクションを抽出することが可能です。
各顧客グループの中で、離脱ユーザー群と成約ユーザーの群を自動的に比較し、決定的な違が何なのかをAIが自動的に分析・抽出します。
また、その特徴のインパクトを定量的に表現することも可能です。これらの情報により、どのような顧客グループが成約につながるキーアクションを理解することができ、顧客体験改善施策の仮説構築に役立ちます。
一般的にデータ・AI活用は以下の手順に沿って進めます。
データ・AI活用はまず課題設定からはじめます。課題設定では、具体的にビジネス上の何の課題をどのように解決するかを定義します。課題設定の後、アジャイルに分析モデル開発を行い、トライアル施策を実行して効果を確認します。効果が確認できた後、業務へ適用し、自動化を進めます。
より包括的なやり方として、企業としてデータ基盤を構築し、様々な領域でデータ・AIを統合的に活用することも考えられます。
データ基盤の構築・整備によって、社内の様々な領域でデータ・AIを横断して活用することが可能となりますが、一方でデータ統合には時間・コストがかかります。
最終的にはデータ基盤を構築する場合でも、まずは「課題を解決するデータ・AIの活用方法」を試行錯誤しながら勝ちパターンを見つけるソリューションデザインが何より重要です。
ソリューションのデザインを疎かにしシステム化を急いだ場合、かけた時間やコストに対し得られるメリットが著しく小さくなり、大きな損失につながることもあります。我々はそのようなことがないよう、必ずソリューションデザインからスタートし、プロトタイピングを通じてデータ・AIソリューションの価値を検証の上、システム化に進めます。
営業戦略策定から実行まで、人が行っていた営業判断をAIで最適化し営業精度・効率を向上することを目的として、新規獲得領域における営業判断「どの見込み客に誰がアプローチすべきか」のAIによるモデル化を検証。
営業活動に関する各種データのほか、見込客の企業属性データ、並びに営業担当者の人財特性データを分析に利用。「成約予測」と「人材タイプ予測」の2つのパイプラインで構成。2種の予測結果を合算し「人材タイプ別アタックリスト」を生成した。
AIモデルの検証によって今後の営業活動に活かせる下記結果が確認できた。
社歴の長い「伝統的日本企業」と社歴の浅い「ベンチャー企業」の案件獲得に強いことが確認できた
数千の見込客に対し、付加情報を加えることで成約確度スコアを予測できることが確認できた
担当者の人財特性データおよび見込客データから、推奨担当者を予測できることが確認できた
「AI-ready」とは2018年12月に内閣府の「人間中心のAI社会原則検討会議」で策定された、AI（人工知能）を人間が有効かつ安全に利用できる状態を指す言葉です。
あらゆる業務でAIが自然に使われ、組織全体でAIをあえて意識せずとも生産性向上・付加価値の高度化が実現されている状態を目指します。
DX関連のサービスをもっと詳しく知りたい、より多くの導入事例を見たいなど、興味がある方はぜひお気軽にお問い合わせください。
