導入前の分析環境の課題を解決した「SAS Enterprise Guide」

　SAS Enterprise Guide導入以前の分析環境には、以下5つの課題があったと五十嵐氏は説明する。

• 課題1：分析プロセスが分断化されている
• 課題2：後から見直したときに分析手順が分かりづらい
• 課題3：分析プロセスのナレッジが共有できていない
• 課題4：データ加工過程で作成する中間ファイルが増大
• 課題5：分析の思考を妨げない、より高速な処理への期待

分析プロセスの一元化

　同社では、ホストコンピュータから日次あるいは月次のタイミングで顧客データを抽出してDWHへ転送している。SAS Enterprise Guide導入前は、DWHにためたデータをODBC（Open Database Connectivity）を介して、五十嵐氏をはじめとするアナリストがAccessを使って集計していた。「Accessは優れたデータベース加工ソフトだが、やはり高度な解析は単体では難しい。そのためにSASとデータマイニングツールを別建てで持ち、それらを実施する分析によって使い分けていた」（五十嵐氏）

　まずはAccessでデータを加工してSASやデータマイニングツールにインポートする、あるいはSASでデータ加工をしてデータマイニングツールに入れ込む。こうした分析プロセスの分断化は、「分析者にとっては非常にストレスを感じる環境だった」（五十嵐氏）という。

従来の分析環境。Accessでデータを加工し、分析用途によってツールを使い分けるため、プロセス分断やアナリストの思考を邪魔するといった課題があった《クリックで拡大》

　ではSAS Enterprise Guide導入後、分析環境はどう変わったか。同社は、従来Accessで行っていた分析と、SAS製品でプログラミングを駆使して行っていた高度な分析を、SAS Enterprise Guideに統合した。これにより分析プロセスの一元化を実現し、「アナリストの思考を止めない環境へと近づいた」と五十嵐氏は話す。「分析のプロセスが可視化され、分かりやすくなったことで、今後はアナリストに限らず一般部門のスタッフにもさまざまな分析が可能になるかもしれない」（五十嵐氏）

SAS Enterprise Guide導入後の分析環境

分析の手順とナレッジの共有

　また、アナリストが行った分析手順を共有できていない点も大きな課題だった。「別々のアナリストが行った分析結果を見ても、どうやってデータを集計したのか、どういった分析プロセスを経たのか分からない。間違った結果を導かないために、誰が見ても分析手順を振り返ることができなければいけない」（五十嵐氏）

　さらには、例えば新人アナリストに先輩アナリストが行っている効率的な分析手法を教えたり、一時的に来てもらう派遣社員にどう分析ナレッジを簡単に伝えるかも課題だった。従来の分析環境では、分析プロセスの管理のためにAccessのクエリ名を工夫し、行った手順通りにクエリ名に番号を振ることでプロセスを表現していた（下図）。しかし、クエリ名に番号を表記しないアナリストもおり、第三者が見た場合に手順が分からないということも少なくなかったという。

手順通りにクエリ名に番号を付与することでプロセス管理を行ったが、作った本人にしか分からないことも少なくなかった《クリックで拡大》

　SAS Enterprise Guide導入後、UIが大きく変わったことで（下図）分析プロセスは一目瞭然となった。「何をどの時点で行ったのかが分かる。ある程度データベースの仕組みを知っているアナリストなら、画面を見ればすぐに分かる形になった。これは劇的な変化だ」（五十嵐氏）。これにより分析手順の可視化とナレッジの共有が可能になったと五十嵐氏はいう。

SAS Enterprise Guideの画面。特別なルールを定めずとも、どのような分析をいつ行ったかが手順を追って分かる《クリックで拡大》

顧客の属性データをフル活用した顧客分析と商品分析

　では、同社では具体的にどのような顧客分析を行っているのだろうか。五十嵐氏の所属するビジネス・インテリジェンス本部では、以下2つが主な分析業務だ。

• 顧客行動分析
• 顧客のビジネス活動分析

　同社がDWHで保有する主なデータは「顧客行動履歴」と「顧客属性」だ。特に顧客属性は同社のビジネスモデルだからこそ取得できるさまざまなデータが存在し、それらを行動（購買）履歴とクロスして集計・分析することで、マーケティング施策へと生かすことができる。顧客は自ら商品を購入するだけでなく、会員登録して同社の商品の販売活動を行うという同社独特の販売形態上、顧客の属性データは性別、年齢、住んでいる地域以外に、「商品販売活動を始めてからどれくらいキャリアがあるか」「誰の紹介で入会したか」「所属するディストリビューターコミュニティーのリーダーは誰か」といったさまざまなデータが存在する。「それらを購買履歴と掛け合わせることで、現在のところ『顧客セグメントの開発と運用』ができている」と五十嵐氏は語る。

　「72万組存在するディストリビューターを、商品が好きな人、アムウェイをビジネスとして捉えたい人、あるいは何カ月に1回購入する人、購入量の多い人、そういったさまざまなカテゴリで分類する。そのカテゴリに修正をかけながら運用している」（五十嵐氏）

スキンケアキャンペーン反応者分析結果。7種類の商品の組み合わせで3万円以上の購入者に豪華プレゼントを贈る「ラグジュアリーコース」と、1万円以上3万円未満の購入者にプレゼントを贈る「スタンダードコース」の2つのコースを用意し、キャンペーン反応者のセグメントと商品の売れ方を分析した。買い方の組み合わせ、どの商品がどのセグメントの顧客に受けがいいのか、新規顧客を多く呼び込んだ商品はどれか、まとめ買いされた商品はどれか、といった分析を行って次回キャンペーン展開の材料にする《クリックで拡大》

新商品購入率の分析結果。商品発売後、72万組という分母におけるその商品の購入率を1カ月後、3カ月後、6カ月後と定期的にトラッキングする。商品が消費財の場合などは、12カ月などある程度長期間トラッキングすることで再購入率も確認できる。目標とする購入率を定め、商品ごとの達成度を見る《クリックで拡大》

新商品購入率と再購入率を掛け合わせて、商品をグラフ上に1つひとつプロットして各商品を評価する。「グラフの左上にマッピングされる再購入率の高い商品は、プロモーションで認知度を上げて新規購入を増やせばスター商品にできるかもしれない……」といった施策を練る上での材料になる《クリックで拡大》

　顧客セグメントは上述しただけでなく、過去の購買履歴を見ることで商品ごとに購入確率予測モデルを作成・検証し、ワントゥーワンマーケティングにも役立てられている。また、顧客が他の顧客にダイレクトメールを送った、電子メールを送った、その結果反応したのはどのカテゴリの顧客なのか、それらの結果と自社で予測したモデルとの正誤検証も可能だ。

グローバルで進むDWHプロジェクトとサイロ化からの脱出

　冒頭で紹介したように、現在アムウェイはグローバル規模で各国が共通のデータにアクセスする大規模DWHをOracle Exadataで構築中だ。米国本社では分析のフロントツールはSASではない別ベンダーの製品に統一する意向があるが、五十嵐氏ら日本のアナリストチームはこれまで国内で行ってきた分析や日本独特のビジネス環境を丹念に説明することで、日本だけSAS Enterprise Guideを活用することを本社から承認されたという。国内企業に比べて本社の影響力が強い外資系企業としては、珍しい事例といえるだろう。

　今後は現在自社で把握している顧客ネットワークのデータに別のデータを組み合わせることで、何かこれまで見えなかった全く新しいものが見えてくるのではないかと、五十嵐氏はビッグデータ時代のさらなるデータ活用への意気込みを語る。また、コールセンターのデータや営業部隊のコンサル活動で得たデータ、SNSで得られるデータ、それら現在は独立しているデータを1つにまとめることでデータのサイロ化から脱出し、既存のナレッジとデータの融合を目指すとしている。