データ利活用を進める上で、「データサイエンス」の理論、手法をデータ分析に活かしたり、それを実践できる「データサイエンティスト」という人材を採用したり外部から委託したりということは、近年ではそれほど珍しくはなくなり、データ利活用のスタンダードになってきていると言えます。

しかし、「データサイエンスを社内で始めてみたが、意味がよく分からず分析の結果が事業に活かせない」とか、「データサイエンティストを採用したのはいいが、どのようにビジネス側のニーズを伝えれば、良いアウトプットを出してくれるのか分からない」といったプロジェクトも多いのではないでしょうか。

経営層や担当者からすると「データサイエンスをやっているのに、なぜ競合に勝てないのか?」や、「データサイエンスは本当にビジネスの役に立つものなのか?」という疑問を感じることもあると思います。

結論から言うと、「データサイエンス (的な思考) はビジネスとって非常に大きな役に立つが、データサイエンス(的な思考)だけではビジネスに勝てない」ということです。

今回は、「アートがあればデータサイエンスがもっと活きる」と題して、「アート(直観力)」と「サイエンス(論理的思考力)」を組み合わせ、データの力をビジネスに活用するためのヒントをご紹介致します。

なぜデータサイエンスを活かせないのか

「データサイエンス」とは「サイエンス」という言葉がついていることから、「データを科学する」ということです

「科学」というのは、簡単に言えば「世界はどのようにできているのか?」ということを追求することです。

よって「データサイエンス」は「データを通じて、世界で起きている現象や出来事を明らかにすること」と言えます。

そのために、データを使って顧客層をクラス分けしたり、今年はどれくらい商品が売れそうか、といったことを過去のデータを使って現実を理解・予測するわけです。

「サイエンス」は原理原則が発見されてしまえば、あとは誰がやっても「同じ結果が出る」という性質があります。

例えば、2人の人が、全く同じデータを全く同じソフトで、同じ分析手法を使ったのであれば、出てくる結果は全く同じでなければ、「データサイエンス」とは言えないということになります。

誰がやっても同じ結果になるということは、「ルール化」ができるということであり、言い方を変えれば、「論理的思考( クリティカルシンキングあるはロジカルシンキング)」と言えます。手順通りにやれば必ず同じ結果になるのが「論理」です。

思考の位置づけとしては「当たり前のことを当たり前にやる」ということがサイエンスであり論理思考です。

「データサイエンスを誰もが当たり前のようにやれるのか!?」ということは置いておいて、あくまで考え方として、データサイエンスでいくら複雑なことをやったとしても、「サイエンス」である以上は「誰がやっても同じ」になるのですから、自社でいくら「データサイエンス」を頑張っても「他社も同じことができる」ということです。

もちろん、現在はデータサイエンティストやAI人材と呼ばれるような、データの扱いに長けるような人材は圧倒的に足りていませんし、政府もAI人材を「毎年25万人育成する」(実際には毎年2,000人くらいしか教育機関で育成できない)と言っているので、いま「データサイエンス」に取り組むのはビジネスにとって非常に大きなアドバンテージになります。

しかし、「サイエンス」という特性上、「同じプロセスを踏めば同じ結果が得られる」のですから、自社で先行した取り組みを行っても、他社にそれが漏れてしまったり、担当者を引き抜かれたりされると、あっという間にマネされてシェアを取られるということになるのです。

つまり「データサイエンス」あるいはその考え方のもととなる「論理思考力」は、それだけでは新たな発想で新しい何かを生み出すようなクリエイティブなものではなく、「守り」のツール、ということです。

ビジネスでは「攻め」と「守り」が両方大切になります。

同じく、データ利活用においても「攻め」と「守り」が必要です。

「データサイエンス(的な思考)」だけでは、攻めの企業経営ができず、「イノベーション理論」で言うところの「持続的イノベーション」には貢献できるかもしれませんが「破壊的イノベーション」を創り出すのは、難しいのです。

アート(直観力)が必要なワケ

上記では、「データサイエンス(的な思考)」だけでは、企業経営にとっての「破壊的イノベーション」を起こすことは難しい、と述べました。

では、どうすれば「データサイエンス」を使ってビジネスに変革を起こせるのでしょうか。

そのヒントが「アート」です。

「アート」というのは人間が持つ芸術的な部分、つまり「直観」や「ひらめき」といったものから、企業経営で言えば「いままで誰も思いつかなかったビジネスモデル」や「リーダーシップがあり人気があつまる経営者」といったようなことです。

データに関わらず、「分析」というものを行うときにによく言われるのは、

・仮説をしっかりと立てて、検証していく
・フレームワークを使って、物事を整理する
・物事を抽象化(モデル化)して単純に考える

ということです。

しかし、これらの要素は「サイエンス(論理思考)」的な考え方だけでは上手くいきません。

仮説を立てるときに大切なのは「直観」や「想像力」です。

「なぜこの店舗の商圏シェアは低いのか」ということを考えてみたときに、手元にある購買データだけでは「顧客がこの店を選ばない理由」を考えることができません。

想像力を持っている人であれば、「もしかすると、このお店に置いてある商品と、地域に住んでいる人たちのニーズが合っていないのでは?」といったことや、「近くにできた競合店が、猛烈な販促をかけているからなのでは?」ということが浮かんできます。

フレームワークに関しても、どのようなフレームワークを選べば課題解決の足掛かりになるのか、ということに正解はありませんし、上記のような仮説が浮かんでこなければ、「ロジックツリー」を書こうと思っても、どんな項目を洗い出せばよいのかということが分かりません。

事業会社の方が、「コンサルティングファームや広告代理店の提案がいまひとつパっとしなかった」と言うことがありますが、これは仮説を検証するためのロジックやフレームワークの使い方が悪いのではなく、そもそもの「直観力」や「想像力」というところに問題があるのではないかと感じます。

データ利活用も全く同じです。

データを活用して解決したい課題、問題に対してどのような切り口で攻めていけば答えにたどり着けるのか、ということには「正解」がありません。

「データサイエンス」のように誰がやっても同じ結果になる、といったことであれば、「教える」あるいは「広める」ということも難しくありません。

しかし、この「データをどうやって活用すれば目的にたどり着けるのか」という「アート」が重要に部分には正解がなく、経験や才能が左右する部分でもあるため「教える」ということが難しく、本当に足りない人材は「データサイエンティスト」よりもむしろこちらではないのか、と感じています。

こうした人材は、データを活用した「攻め」の経営に貢献することができますし、組織としても「ロジカル(論理思考)」な人材だけではなく「アート(直観的)」な感覚を持った人材を採用したり育成することも大切です。

大企業ほど「ロジカル」に物事を進めていくことが求められるため、アート的な考え方が認められづらく、データサイエンスを活かすことが難しい、とも言えます。

まとめ

データサイエンスは、サイエンス(科学)であることから、再現性があります。

つまり、競合にマネされやすい、ということが言えます。

これからの企業経営に求められることは、「データサイエンスをすること」ではなく、「データサイエンスをどうやって使っていくか」というアイデアそのものです。

それを実現するためには、「アート(芸術的・直感的)」な側面が非常に大切で、ここはマシンに置き換えることが難しく、人間の力が問われます。

「アート」による「攻め」の部分を固めるために仮説構築、フレームワーク、単純化というものをデータサイエンスと組みあわせることによって、これまでどの企業も実現できなかったビジネスを創り出すことができる可能性が高まるのです。