AIだけじゃない：御社のデータ戦略は御社の野望と一致していますか？

最近のSnowflakeワークショップやラウンドテーブルで聞かれています。「御社のデータ戦略は、御社のAIに対する野心と一致していますか？」確かに顧客エンゲージメントは活性化しますが、その質問は正しいでしょうか？いまのところ、AIに関するあらゆる関心事項（あえて「誇大広告」と表現します）に当てはまります。しかし、それは現在のテクノロジー界の最愛の人を反映したものに過ぎず、最終目標というよりもテクノロジーそのものに焦点を当てています。私が思うには、より良い質問は、「御社のデータ戦略は御社の野心と一致しているか」です。もしくは、「御社のデータとAI戦略は御社の野心と一致していますか？」結局のところ、データとAIはどちらも目的のための手段です。

あなたの組織は何を達成したいですか？ビジネス目標は何ですか？それこそがデータ戦略の出発点です。お客様とパートナーと行ったワークショップは、ビジネス目標から始まるシンプルな概要に沿って行われます。「AIは成長の燃料になるが、データはAIの燃料になる」という言葉をよく耳にします。そうであれば、データは成長やその他の組織目標の原動力であり、今後もそうである可能性が高いと結論づけることもできます。データ戦略に関するワークショップは、以下の適切な略称で呼ばれています。G-R-O-W 

より適切な質問は、「自社のデータとAIの戦略が組織の野心と一致しているか」です。

データ戦略の構築に適用すると、G-R-O-Wフレームワークは以下の疑問を探ります。 

• データ戦略がサポートする組織のビジネス目標は何ですか？
• データ組織内の現状はどのようなものですか？データとアナリティクス能力の面で、組織の成熟度はどの程度ですか？データチームはどのように構成されていますか？ 
• データ戦略とビジネス目標を結び付ける機会はどこにあり、どのような選択肢がありますか？
• どのような道筋がありますか？これらのオポチュニティを獲得し、目標を達成するために実行できるアクションはどれですか？

これらの質問のたびに、テクノロジーの枠を超えた対話が生まれます。 

戦略は達成したいことから始まります。しかし、「データ戦略」など存在しないと言う人もいるでしょう。あるベテランのデータリーダーは、戦略そのものではなく、より広範なビジネス戦略を支えるイニシアチブの実行であると説明しました。彼はそれ自体間違っていませんでした。しかし、髪を分けないようにしてください。現代のデータリーダーには、戦略を定義し、頻繁に改良する責任があります。その戦略をサポートし、イニシアチブの資金を確保するには、組織の目標に合致させることが重要です。 

データ戦略の整合性を最大限に高めるには、組織の目標をS-M-A-R-T（目標開発を改善するためのフレームワーク）にする必要があります。 

• Specific　達成したい目標を明確にし、できるだけ詳しく記入してください。たとえば、特定のビジネスユニット、地域、製品カテゴリーにまたがる収益の増大、製品やサービスに対する顧客満足度の向上、特定の製品または地域における市場シェアの拡大などです。
• Measurable　進捗を追跡し、目標がいつ達成されたかを判断するための定量化可能な基準を確立します。これには、販売数、顧客維持率、ウェブサイトトラフィック、市場投入までの時間、二酸化炭素排出量の削減などの指標が含まれます。
• Achievable　ビジネスのリソースと制約の中で現実的かつ達成可能な目標を設定します。予算、人員、市場状況、業界規制などの要因を考慮します。規制当局にとって「市場支配」は好ましくないかもしれません。
• Relevant　目標をビジネスの全体的なビジョンと戦略に合わせます。会社の長期的な成功、成長、方向性に貢献すること。  
• Timely　目標を達成するための具体的な期間や期限を設定する。これにより、危機感が生まれ、アクションとリソースの優先順位が付けられます。また、定期的に評価を行い、必要に応じて調整することもできます。

組織は、これらの基準に従って、明確で実行可能な目標を作成できます。これは、あらゆるタイプの目標に当てはまります。ある大手多国籍食品飲料メーカーのサステナビリティ目標がその一例であり、非常に具体的な目標を定めています。2018年を基準として、2025年までに排出量を20%削減すること、2050年までにネットゼロを達成することを目標としています。この目標を達成するためのアクションとしては、2025年までにすべての製品に100%森林伐採のない一次サプライチェーンを使用すること、2025年までに100%リサイクルまたは再利用可能なパッケージを使用すること、2030年までに2億本の木を植樹することが含まれます。S-M-A-R-Tですね。

Sainsbury’sでは、戦略の最新版である「Next Level Sainsbury’s」で、食ファースト戦略を支える2027年度までの目標を概説しています。最終的には、より多くの地域でより多くの選択肢を提供することで、食のファーストチョイスになりたいと考えています。今後3年間で約75のSainsbury’s Localコンビニエンスストアの新規開店を計画しており、プロセス改善のためのデータとアナリティクス機能に投資しています。具体的には、データチームが在庫切れを減らし、オンライン注文の代替品を改善するための具体的な目標に取り組んでいます。さらに、利便性を高めるため、Sainsbury’sは在庫チェッカーツールを導入し、お客様が買い物や注文を行う前に在庫をチェックできるようにしました。

戦略的なビジネス目標との整合は、最初のステップにすぎません。ブラッシュアップには、利用可能なデータやアナリティクスツールで目標を達成できるよう詳細を追加する必要があります。カスタマーエクスペリエンスを改善するにはどうすればよいですか？お気に入りの商品が在庫切れになっているのを嫌う顧客がいる場合は、それを選択する指標です。「在庫切れを減らす」そして、目標と期間を設定します。これは、S-M-A-R-T目標です。

次のステップは、最初に取り組むべき目標を決定することです。データ戦略の実存的な問題に戻り、データチームはそれらのビジネス目標を自社のイニシアチブにどのように落とし込むのでしょうか？最終的にそれらを定義するには、整合性だけでなく優先順位付けも必要です。別のものより 別のものを選ぶには？別のデータリーダーは私に、「コスト削減1ドルと収益創出1ドルは同じか？」と尋ねました。私の答えは「いいえ」でした。データとアナリティクスのイニシアチブは、ビジネス目標に沿ったものでなければなりません。企業が成長モードの場合、マインドシェアと市場シェアの獲得に必死になり、データチームとインサイトチームはコスト削減よりも収益創出を優先します。景気が低迷し、サバイバルモードに入ると、優先順位が少し異なる場合があります。データ戦略は、企業のビジネス戦略と戦略目標を最もよく支えるイニシアチブの特定、優先順位付け、実行に焦点を当てる必要があります。 

完全で透明性のある優先順位付けフレームワークを採用し、登る価値のあるビューを確保する。

提案されたイニシアチブのすべてが、このトップダウンのプロセスによっているわけではないことに注意してください。アイデアはビジネスのあらゆる領域から生まれますが、それは良いことです。アイデアの多様性が奨励されるべきである。しかし、最終的にはそれらのアイデアを試す必要があります。あるデータリーダーは、「登る価値のあるビューを確保してください」とアドバイスしました。優先マトリックスを採用し、データチームとアナリティクスチームの目標をビジネスの目標と合致させます。 

最後に、ほとんどのことと同様に、試行錯誤が必要です。すべてのプロジェクトが成功するとは限りません。なぜそう思うのでしょうか？バスケットボールの試合では、どのシュートもネットを揺らすようなものでしょうか？どんな科学実験も 最初から正しいでしょうか？Ricky Gervaisでさえ、Netflixのスペシャルの撮影前に冗談のテストをしています。データ戦略には、課題に対処するための複数のアプローチをテストする基盤を構築するという目標が常に含まれています。 

データ戦略には、成功への複数の道筋をテストするための強固な基盤を構築するという目標を含める必要があります。

次回は、データとAIでビジネスをG-R-O-Wする方法にご期待ください。