部長のためのBI活用講座【第4回】
マネジャー別、売り上げ分析のためのBI活用シナリオ
「全国に店舗を持つ小売業」という想定で、売り上げ拡大のためのBI活用のシナリオを紹介する。仕入れ、エリア、店舗のマネジャーごとに、データ活用の仕方は変わってくる。
いまさら聞けないBIツールの基本
今回はあらためてBI(Business Intelligence)ツールを使ったデータ活用法を学んでみよう。一般的なデータ活用はデータの検索・集計が基本だ。例えば販売管理で考えてみよう。
営業マネジャーであれば、全社の月別・商品別売り上げ一覧表、営業チーム別の予算・実績一覧表といった管理資料に毎月目を通しているはずだ。これらの管理資料は、販売データ(売り上げ明細)の中から特定の期間のデータを検索し、それを管理資料ごとの管理軸(例えば、営業チームや商品)で集計して作成されている。
以前は紙に印刷したものを見ていたかもしれないが、最近ではペーパーレス化も進み、PDF文書などの電子ファイルとして配布されたり、ファイルサーバ上で共有されたりしているケースも少なくない。しかしどちらの場合も、データ活用といっても定型的に与えられたデータをMicrosoft Office Excelに再入力して自分なりのリポートを作るといったことができる程度だ。それがBIツールを使うことで、これまでの管理資料では見えなかったことが見えるようになる。
BIを活用して、これまでバラバラに管理していたデータを共有して可視化することで、さまざまなメリットが生まれる(ペーパーレス化によるコスト削減は言うまでもない)。例えば、これまで店舗ごとに管理していた生産状況や出荷状況を全店舗で一元的に可視化できれば、効率的な生産管理を行うことができる。また、共通化したデータ管理による生産性向上は、明確な人的コストや物理的コストの削減につながり、業務効率を上げ、迅速な意思決定を促すのである。
それでは、実際にBIツールを使ってデータを操作していくが、本稿では「全国に店舗を持つ小売業」という想定で売り上げデータを使ってみる。
仕入れマネジャー(バイヤー)の視点
これは、商品の仕入れを担当している仕入れマネジャー(バイヤー)にとって、非常に重要な資料となる。実際には商品別(いわゆる単品別)の売り上げを常に見ているが、ここでは分かりやすくするために商品分類別での売り上げの推移としている。
この資料には集計項目として、行項目の「(商品)大分類名称」、列項目の「年度」がある。これらはBIの世界では一般的に「分析軸」と呼ばれる。言い換えるなら、管理資料での「○○別」という項目が分析軸ということになる。この資料の場合は、「(商品)大分類名称」「年度」という2つの分析軸での集計表ということになる。
また、多くの場合、「地域別」「顧客属性別」「仕入先別」など分析軸の組み合わせで資料を多数作成するが、BIツールではそれらの組み合わせを動的に変えることで、さまざまな角度からデータを即座に可視化できる。分析軸は「次元」と表現されることがあり、BIツールでは複数の次元(分析軸)で分析できる。BIツールを利用した分析が多次元分析と呼ばれる理由だ(図参照)。
エリアマネジャーの視点
次にエリアマネジャーの立場からデータを見ていこう。エリアマネジャーに必要なのは地域や店舗別のデータ分析となる。
今度は「ブロック名」のさらに下の階層である「支社名」に掘り下げて見てみよう。今回の販売データの例では、地域(ブロック)の下に支社があり、さらにその下に店舗があるという組織を想定している。
これで、ブロックごとの支社別売り上げが見えるようになった。このようなデータ分析の操作を一般的に「ドリルダウン」と呼ぶ(逆に、上の階層に上がって見ることを「ドリルアップ」と呼ぶ)。ドリルダウンには、この例のように全ブロックの下の階層を表示する方法と、特定のブロックに絞り込んで下の階層を表示する方法がある。例えば、全国の中で売り上げに問題のある支社を探すのであれば前者を、全国の中で特定の支社に絞って見たい場合には後者を利用する。
さらに「支社名」から「店舗名称」といったように掘り下げていくこともできる。例えば、成績不振のブロックからさらに成績の悪い支社を見つけ、さらにその中で成績の悪い店舗を見つけるといったことが容易にできるようになる。
また、BIツールによっては、階層関係以外の分析軸でドリルダウンできるものもある。例えば、「ブロック名」からいきなり「(商品)大分類名称」でドリルダウンすると、地域別の商品大分類別売り上げ構成を見ることができる。
店舗マネジャーの視点
次に店舗マネジャーの視点で考えてみよう。店舗マネジャーには自分の店舗に絞った商品別の売り上げ資料が必要になる。これが次の資料だ。
これで、その店舗の商品別の強み、弱みが見えてくる。部分的に見ると、先ほどの仕入れマネジャー(バイヤー)の見ている「(商品)大分類名称」別の管理資料と同じだが、集計対象のデータが自店舗に絞り込まれている。これは、ダイス(サイコロ)のある断面を切り取る操作ということで「スライシング」と呼ばれる。つまり、「店舗名称」「(商品)大分類名称」「年度」の売上金額集計から、特定の店舗を切り出したということになる。
さらに先ほどと同様に、ドリルダウンの操作により商品の中分類、小分類、商品単品といった、より詳細レベルで傾向をつかむことができる。例えば、前年と比較してどの商品の売り上げが伸びているのか、売れなくなっているのかといった「売れ筋、死に筋」を把握することで、在庫の効率化や売れ残りでのロスを圧縮する、といった具体的な対策が可能となる。
また、ドリルダウンを続けていくと、最終的に明細データが必要になる場合も多い。例えば、「ある商品を買った人がどのような属性の顧客なのかを詳細に見たい」「この商品を買ってくれた顧客に絞ってクロスセルを行うために、ダイレクトメールを送りたい」など、いろいろと考えられる。このようなときに便利な機能が「ドリルスルー(明細参照機能)」だ。
店舗と商品と顧客をひも付けたことで、「特定の商品を誰が」という分析だけでなく、「特定の店舗の顧客がどのような商品を買っているのか」という購買動向も見えてくる。そこに傾向があれば、特定属性の顧客に向けた販売促進策の実施も可能だ。
BIツールを利用したRFM分析
特定属性の顧客に向けた販売促進策の例として、BIツールを利用したRFM分析を実践してみよう。RFM分析は、小売業などの個人顧客に物品を販売する業態における有効な分析手法といわれており、顧客個人ごとの売り上げ明細があることを前提に、以下の3つの指標をデータベースに入力、あるいは売り上げデータから算出する。
- R:Recency(最新購買日)
- F:Frequency(購買頻度)
- M:Monetary(購買金額)
例えば、すべてにおいてポイントが高い顧客は、安定的な顧客といえる。Rだけ低い顧客(図中1)は安定的な上顧客だが、最近の来店がないために他店に奪われてしまっている可能性がある。一方、RとFが高い顧客(図中2)は来店数は多いが何も買わない顧客、Rだけ高い顧客(図中3)はつい最近来店した顧客で、対応によっては今後伸びる可能性がある。またMだけが高い顧客(図中4)はいちげんの顧客ということになる。
これらの顧客の属性に合わせて、例えば、安定的な顧客には継続的な購入を促すために感謝のギフトを送るのもいい。また、図中1や2の顧客にはバーゲンに招待するといった、さまざまな対策を取ることが可能となる。
以上、一般的なBIツールでデータ操作の基本を紹介してきた。ドリルダウンやダイシングといったデータ操作が簡単にできることがBIツールの特徴だ。これらのデータ操作により、各現場のマネジャーが必要な情報を正確に、しかも必要なときに得ることができる。
しかし、真のBI活用には、データをいかに「速く」「具体的に」企業活動の意思決定や行動に反映するかが重要である。次回は最終回として、業務現場を強くするBI活用について紹介する。
<筆者紹介>
小島 薫
ウイングアーク テクノロジーズ株式会社
事業統括本部 Dr.Sum事業部 事業部長
石川県出身 1959年生まれ。製造業でのシステム構築、経営企画などに従事した後に、独立系パッケージベンダーに入社。汎用機からオープンシステムまでの基幹系データベースを中心に、データウェアハウス(DWH)、XML関連のサポート、プリセールス、コンサルティング、マーケティングを経験。2005年にウイングアーク テクノロジーズに入社し、技術本部長を経て、現在Dr.Sum事業部長。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
プレミアムコンテンツ
[アイティメディア株式会社] AI活用を成功に導く「オブジェクトストレージ」 NAS/SANの限界を突破するには -
プレミアムコンテンツ
[アイティメディア株式会社] 「性能ならSSD」「大容量ならHDD」はもう古い? 変わるストレージの常識 -
プレミアムコンテンツ
[アイティメディア株式会社] 「オンプレミス回帰」がまさかの失敗に クラウドをやめずに安くする最適化手法 -
事例
[発注ナビ株式会社] AI活用を成功させる企業とそうでない企業の違いとは? -
製品レビュー
[発注ナビ株式会社] システム開発「はじめの一歩」 押さえておきたい基礎知識と失敗を防ぐ方法
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
SAP移行で1900億円の赤字 「ベンダー任せ」が招くERP崩壊と回避策
-
2
「VMware vCenter」でゼロデイ悪用、PHPも修正――今朝の情シスニュース
-
3
「Copilot利用率99%」デンソー驚異の定着術 3万人を動かした“社長賞”の舞台裏
-
4
「GPT-6.1 Terra」は半額 それでもなぜ企業はAIモデルを選べないのか?
-
5
「nginx」のHTTP/2脆弱性(CVSS 9.2)、パッチ適用までの緊急チェックリスト
-
6
積水化学工業が「SAP S/4HANA Cloud」の“全グループ導入”に踏み切った訳
-
7
AIに長文を入力する際の「コンテキストウィンドウ」の適切な扱い方はどれ?
-
8
“アジャイルの壁”に挑むオリックス生命がIBMの開発管理ツールを選んだ理由
-
9
「Chrome」「Edge」「Firefox」のメモリ使用量はどれだけ違う? 測定してみた
-
10
「Active Directory」復旧で“詰む”企業が続出 ランサムウェアに備える4対策
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
SCS評価制度時代の「SASE選定」ガイド
-
3
Microsoft 365 Copilotを安全&効果的に活用するために必要な「2つの準備」
-
4
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
5
パスワード管理だけで十分? 特権アクセスを脅かす暗号鍵の放置リスクとは
-
6
すぐ分かる「AWS WAF」ガイド:特徴・運用課題・メリットを解説
-
7
マンガで解説:情シスの負担を減らす「MDRサービスのインシデント対応」の中身
-
8
「Copilot Cowork」でこう変わる AIエージェント時代の新たな働き方とは
-
9
AI活用で激化する外部・内部リスク、取引先へ波及する脅威から守る対策とは?
-
10
Microsoft 365 Copilotで実際何ができる? 回答の精度を高めるRAGとは?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー