今さら聞けない、ビッグデータ時代のデータ活用法とは?

データサイエンスがなければマーケティング施策は成功しないのか?、、、を検証。

ビッグデータの時代と言われる中、データサイエンスの先進国でもある米国では、データサイエンティストが19万人不足していると言われています。(参照:Pivotal)

日本においてもデータサイエンティストをマーケティング部に採用する企業は徐々にではありますが増えつつあります。弊社も「社内に蓄積したデータを活用したマーケティング施策を行いたいのですが、、、。」などデータ活用に関する様々なご相談を受けます。
今回はそもそもビッグデータとは何か?またデータサイエンスがなければマーケティング施策は成功しないのか?検証したいと思います。

そもそもデータとは?ビッグデータとは何が違うのか?

データ(data)とは、『何かを文字や符号、数値などのまとまりとして表現したもの』(*1)と定義されています。(出典:IT用語辞典) ですので、その点においてデータはマーケティング活動において以前から活用されていました。

しかし、昨今の「ビッグデータ」と従来の「データ」には大きな違いがあります。IT技術の発達により顧客に関する様々な情報を様々なチャネルから精度高く蓄積できるようになりました。そのことによりデータは量(Volume)、速さ(Velocity)、多様性(Variety)、変動性(Variability)、可視化(Visualization)、価値(Value)の点において、飛躍的に進化しました。つまり「ビッグデータ」となったのです

データ活用におけるインフラの進化

データには3つのエリアがあります。それは「蓄積する」、「処理する」、「分析する」です。ビッグデータと言われる昨今において、この3つのエリアにおいて大きな発展がありました。
・「蓄積する」:例えばオンラインショップの利用履歴など容易にデータを蓄積しやすい環境になりました。またソーシャルメディアの拡大により数値データだけでなくテキストデータも収集できるようになりました。
・「処理する」:データの解析技術の発達により、大量のデータからビジネスに有用な情報を導けるようになりました。また数値だけではなく、テキストデータの分析技術も向上しました。
・「分析する」:分析とは情報の解釈です。蓄積されるデータと処理能力の精度が高まったため、情報化されたデータの質も高まり、よりビジネスに有益な情報を解釈できるようになりました。

ビッグデータは魔法ではない!

では、データサイエンスがなければマーケティング施策は成功しないのか?もしマーケターの皆さんがこのような焦燥感をお持ちであるならば、まずは考え方を変えてみることをお勧めします。
弊社もマーケティングにおけるデータ活用において様々なご相談を受けます。弊社のデータサイエンティストがお客様に申し上げているのは「データはマーケティングの目標達成や課題を解決する魔法ではない。」ということです。

また、データ活用すること自体がマーケティング施策の目標にならないよう注意が必要です。

まずはマーケティング活動における目的や課題設定し、その達成に向けてどのようなデータを活用することが有効なのか考えることが重要です。

弊社のデータサイエンティストはその目的達成に向けてどのようにお客様がお持ちのデータをどう活用するべきか、ロードマップを設計するところからお手伝いしております。
マーケティングデータの分析そのものには価値はありません。データをビジネス上の成果により効率よく、確度高く結びつけることこそがデータ活用なのです。

まとめ
  1. データは量(Volume)、速さ(Velocity)、多様性(Variety)、変動性(Variability)、可視化(Visualization)、価値(Value)の点において、飛躍的に進化した。つまり「ビッグデータ」となった。
  2. ソーシャルメディアの拡大により数値データだけでなくテキストデータも収集できるようになった。
  3. データの解析技術の発達により、大量のデータからビジネスに有用な情報を導けるようになった。
  4. 蓄積されるデータと処理能力の精度が高まったため、情報化されたデータの質も高まり、よりビジネスに有益な情報を解釈できるようになった。
  5. マーケティング活動における目的や課題設定し、その達成に向けてどのようなデータを活用することが有効なのか考えることが重要。
  6. データをビジネス上の成果により効率よく、確度高く結びつけることこそがデータ活用。
The following two tabs change content below.
bodais taro
【アイズファクトリー データサイエンティスト】
主に大手飲料メーカー、通信会社などを担当。
データ解析実績多数。
isfactory
/wp-content/themes/jstorksingle.php