目次

はじめに　データ分析やAIを活かせないのはなぜか

序章　データ分析に成功して、ビジネスで失敗する理由

データ分析を活かせる企業はどこが違うのか

１章　データ分析をビジネスの成功につなげる

１ ─ １　問題発見と課題設定を意識する
　そのデータ分析は役立ったのか
　５つのケースから考える「問題」と「課題」の違い
１ ─ ２　ビジネス課題を意思決定プロセスの 課題と捉え直す
　データ分析は直接的に課題を解決しない
　組織とは判断と決定を生産する工場である
　すべてのビジネス課題は意思決定プロセスの課題に捉え直せる
１ ─ ３　データ分析をビジネスの成功につなげるフレームワーク
　データ分析をビジネスにつなげる４段階シナリオ
　「意思決定プロセスの課題」を的確に書く
　４段階シナリオフォーマットを活かす方法

２章　データドリブン思考を身につける

２ ─ １　データ分析をするために意思決定プロセスを整える
　データドリブンな意思決定プロセスの設計
　暗黙知のプロセスを形式知化する
　意思決定プロセスの３段階モジュール
　意思決定プロセスの類型化
２ ─ ２　Ａ．反復選択型の意思決定プロセス
　同じ枠組みの中で日々判断を繰り返す
　反復選択型の５つの課題
　現場の意思決定プロセスを形式知化する
　課題解決につながる「解き方」で解く
２ ─ ３　Ｂ．体制選択型の意思決定プロセス
　ビジネスの体制や仕組みを変える
　他の選択肢との比較ができず、合意形成が難しい
　曖昧な選択基準を明確にする
　社内の合意形成ができるように形式知化する
２ ─ ４　Ｃ．原因特定型の意思決定プロセス
　不良の原因解明や課題発見を行う
　原因の特定は簡単ではなく、解明には時間がかかる
　データ分析を活かせるよう、意思決定プロセスを形式知化する
　候補を論理的に洗い出し、現場の暗黙知から原因を探る
２ ─ ５　Ｄ．計画策定型の意思決定プロセス
　スケジュール策定で最適な組み合わせを見つける
　計画策定型の５つの課題
　数理的手法を活かせるよう、計画策定の条件を形式知化する
　隠れた制約条件を見つけて排除する
２ ─ ６　Ｅ．仮説試行型の意思決定プロセス
　選択肢を創造して効果を検証する
　過去の成功体験に引きずられ検証を軽んじる
　仮説力なしではデータ分析は活かせない
　現場のマーケターに分析力を持たせる
２ ─ ７　Ｆ．経営判断型の意思決定プロセス
　会社への影響が大きく、結果が分かるまで時間がかかる
　社員の損得勘定が働き、モラルハザードが起こりやすい
　恣意性を除外し、経営者の思考力を強化する
　利害関係から距離を置き、中立的に分析する

３章　データドリブンな企業に変革する

３ ─ １　企業の変革を阻む３つの壁
　方法論だけでは人の行動は変えられない
　人材の壁：データ分析をビジネスに活用する社員が育たない
　部門の壁：部門横断のデータ活用が進まない
　経営の壁：データ分析が経営判断に活かせない
３ ─ ２　社員の心理的な抵抗を行動から変える
　社員の行動を変えることが変革につながる
　心理的な壁①　「データ分析＝専門力」という固定観念
　心理的な壁②　現状維持バイアス
　心理的な壁③　組織人としての損得勘定
　数字づくりの責任感を醸成する

おわりに

注

巻末付録　ワークシート

著者

河本薫（かわもと・かおる）
滋賀大学データサイエンス学部教授。元 大阪ガス ビジネスアナリシスセンター 所長。
1989年京都大学工学部数理工学科卒業。1991年京都大学大学院工学研究科応用システム科学専攻修了。同年、大阪ガス入社。1998年米ローレンスバークレー国立研究所でデータ分析に従事。2005年、大阪大学で博士号（工学）。2011年社内のデータ分析専門組織「ビジネスアナリシスセンター」の所長に就任。2014年神戸大学で博士号（経済学）。同年大阪大学招聘教授を兼任。2018年より現職。著書に『会社を変える分析の力』（講談社、2013年）、『最強のデータ分析組織なぜ大阪ガスは成功したのか』（日経BP社、2017年）。