「データの利活用は、売上がどれくらいになったら始めるべきでしょうか」「まだ事業規模が小さいので、データ活用に取り組むのは早いでしょうか」。企業の経営者や担当者から、このような質問を受けることがあります。
データ活用というと、大量のデータを使った統計モデルやAIによる売上予測を想像するかもしれません。しかし、事業活動を数値で把握し、問題を確認して改善策を考えることも、重要なデータ活用です。重要なのは、最初から高度な分析に取り組むことではなく、事業の成長に合わせてデータに基づく意思決定ができる状態を作ることです。
データの利活用はいつから始めるべきなのか
データを活用するための準備は、事業の早い段階から始めることをおすすめします。一方、詳細なデータ分析は、具体的な事業課題や仮説が生じた段階で着手すればよいと考えています。
ここでは、データの取得・記録、事業状況の可視化、課題の発見、原因分析、改善施策の検証までを「データ活用」と呼びます。データ分析は、その中でデータを集計・比較・検証し、意思決定に必要な情報を得るための活動です。
例えば、問い合わせ件数、商談件数、成約件数が記録されていれば、営業活動のどの段階で顧客が離脱しているのかを把握する手がかりになります。さらに、商談から成約に至る割合が低下していれば、顧客属性や担当者、提案内容などに違いがないかを詳しく分析できます。一方、各段階の件数を記録していなければ、売上が伸び悩んでも原因を探る材料が不足します。
データ取得の仕組みは早い段階から整えておく
過去に取得していなかった情報は、原則として後から取り戻せません。例えば、ECサイトで購入履歴だけを記録していた場合、購入前にどの商品を閲覧していたか、どのページで離脱したかは、別途記録していなければ分かりません。
事業が成長してから分析の必要性に気づいても、必要なデータが残っていなければ、新たな取得の仕組みを作り、データが蓄積するまで待つことがあります。だからこそ、将来どのような意思決定を行いたいかを考え、必要なデータから取得できるようにしておくことが重要です。あらゆる情報を無制限に集めるのではなく、利用目的、取得コスト、管理負担、個人情報保護に留意して優先順位を付けます。
データ取得設計については、関連記事でも解説しています。
詳細なデータ分析は、課題や仮説が見えた段階で始める
事業の初期段階から高度な統計分析や機械学習に取り組む必要はありません。問い合わせから成約までの過程を数値で把握し、特定の段階で顧客が大きく離脱していることが分かってから、「なぜこの段階で離脱するのか」「どのような顧客が離脱しやすいのか」という問いに応じた分析を進めればよいのです。
分析モデルを作ること自体は目的ではありません。事業上の課題を明らかにし、より適切な意思決定につなげることが目的です。
本格的な分析を始める前に整えておきたい3つのこと
最初から高額なシステムや専門的な分析ツールを導入する必要はありません。まずは、事業上の意思決定に必要な情報を取得・把握できるかを確認します。
1. 将来の分析を見据えて必要なデータを取得できるか
考えたいのは、「現在どのようなデータがあるか」だけでなく、「今後どのような意思決定を行う必要があるか」です。営業活動を改善したいなら、売上や成約件数に加え、問い合わせ日時、商談実施日、担当者、商談結果などが重要になる場合があります。
こうした情報は顧客管理システムでも、事業規模によってはスプレッドシートでも記録できます。Webサービスでは、ユーザー操作のイベント記録やAPIによるシステム間連携も選択肢です。重要なのはツールではなく、必要な情報が後から使える形で残る設計です。
2. 主要KPIを設定し、事業状況を継続的に把握できるか
KPI（Key Performance Indicator：重要業績評価指標）とは、目標の達成に向けた進捗を確認するための指標です。例えば売上だけを見ても、問い合わせ件数が減ったのか、商談化率が低下したのか、成約率が悪化したのかは分かりません。それぞれ必要な改善策は異なります。
問い合わせ件数、商談化率、成約率、平均契約単価など、事業の流れを表す指標を定期的に確認できれば、問題の発生箇所を見極めやすくなります。最初からBIツールで高度なダッシュボードを構築する必要はなく、まずはスプレッドシートで主要KPIを継続的に記録するところから始めても構いません。
ただし、使わない指標を増やしても入力と管理の負担が増えるだけです。重要な経営判断につながる項目から整備します。
3. そもそも業務プロセスが適切に整備されているか
事業が拡大しても、業務の進め方が十分に整備されていない場合があります。不要な承認、目的が曖昧な事務作業、特定担当者への業務集中などです。この状態でデータ化を進めても、非効率な業務をそのまま管理することになりかねません。
弊社では、データ活用の支援に際して現状の業務プロセスをヒアリングし、業務の見直しや標準化が必要か確認しています。必要なら、不要な業務を廃止・簡素化し、残すべき業務を標準化したうえで可視化に取り組みます。すでに適切に整備されていれば、標準化をやり直す必要はなく、データ取得や可視化から着手できます。
事例：データが整っていない不動産仲介会社の営業改善
筆者が以前支援した不動産仲介会社では、営業活動の状況が十分にデータで把握できていませんでした。セールスDXとして営業活動の改善に取り組みましたが、どのプロセスに問題があり、どこから着手すべきかを数字から判断しにくい状態でした。
顧客の成約見込みを把握できず、担当者の割り当てが非効率になっていた
ヒアリングで明らかになった問題の一つが、顧客の成約見込みを十分に把握できず、営業担当者が実質的にランダムに割り当てられていたことです。情報収集段階の顧客にトップ営業担当者が対応する一方、契約を具体的に検討している顧客に経験の浅い担当者が対応するケースもありました。
さらに、トップ営業担当者が事務作業に多くの時間を費やし、そもそもの顧客対応に十分な時間を割けていないことも分かり、他社への顧客流出も見られました。
業務プロセスの改善と、新たなデータ取得を組み合わせた
まず業務を見直して不要な営業事務を減らし、顧客対応に使える時間を増やしました。さらに、顧客に簡易的な事前アンケートを実施し、契約に近い段階にいるかどうかを判断するための情報を取得できるようにしました。その情報をもとに、顧客の状況に応じて担当者を割り当てる運用へと変更しました。
重要なのは、最初から十分なデータがあったわけではないことです。ヒアリングから課題仮説を立て、業務を改善しながら必要な情報を新たに取得する仕組みを作りました。将来的に顧客の見込み度別成約率、担当者別商談件数、営業活動時間などを継続的に記録できれば、改善施策の効果をさらに検証しやすくなります。
データ活用を始めるとき、最初に何をすればよいのか
最初に確認したいのは、事業課題は何か、業務プロセスは適切に整備されているか、事業活動をデータで把握できているか、という3点です。手元のデータからいきなり分析モデルを作るよりも、自社がどの状態にあるのかを見極めることが先決です。
業務が複雑化・属人化している場合
部署や担当者によって業務の進め方が異なる、特定の人しか対応できない業務がある、不要な承認が残っている場合は、業務の必要性を確認してから廃止・簡素化・標準化を検討します。業務の流れが明確になれば、どこで何を記録すべきかも考えやすくなります。
事業活動を数字で把握できていない場合
問い合わせ件数と成約件数だけでなく、途中の商談や提案の状況を把握するなど、主要プロセスごとのKPIを定義します。取得できている項目と不足している項目を確認し、必要なものから継続的に記録します。
解決したい事業課題が明確な場合
既存顧客の離反、広告費に対する売上の伸び悩み、店舗間の成約率の差など、具体的な課題があれば対象領域に絞って分析を始めることができます。データが不足している場合も、ヒアリングや現場観察で仮説を絞り、新たな取得項目を定める方法があります。
自社の状態別に着手点を判断する
| 現在の状態 | 最初に取り組むこと |
|---|---|
| 業務が複雑化・属人化している | 業務の廃止・簡素化と必要な標準化 |
| 事業プロセスを数字で把握できない | KPIの定義とデータ取得・記録の仕組みづくり |
| KPIは把握しているが課題が分からない | 指標の分解とボトルネックの探索 |
| 解決したい課題・仮説が明確 | 対象領域に絞ったデータ分析・仮説検証 |
| 改善施策をすでに実施している | 効果検証と継続的なモニタリング |
複数の問題が重なる場合は、事業への影響度、改善の緊急性、必要工数を踏まえて優先順位を付けます。最初からすべてを整備するのではなく、必要な部分から小さく始めることが重要です。
まとめ：データ分析を始めることよりも、データで判断できる状態を目指す
データ分析をいつから始めるべきかは、事業規模や売上高だけでは決まりません。将来の事業改善を見据えたデータ取得設計や主要KPIの管理は、できるだけ早い段階から取り組むことが望ましいと考えています。
一方、詳細な分析は具体的な課題や仮説が生じた段階から取り組めばよいでしょう。業務が複雑なら業務改善から、数字を把握できていないならデータ取得から、課題が明確ならその検証から始めます。
目指すべきなのは、分析を実施すること自体ではなく、データに基づいて事業上の課題を発見し、改善を続けられる状態を作ることです。
