また、もう1点目はGartnerのある技術の成熟度や採用度、社会への適用度を示す図、「ハイプサイクル」に応じた動きを見せていることも考えられます。

(出典:Gartnerのハイプサイクル)
「過度な期待のピーク期」を経て、幻滅期に移行した後、啓蒙活動期に差し掛かってきたのではないかとする説です。
筆者の実感としても、多くの企業においてデータサイエンティストと呼ばれる職種の人材がいたり、求人においてもデータサイエンティスト職での募集も見かけるため、市民権を得たのではないかという感覚がありますので、この仮説もあながち間違っていないのではないかと思われます。
一方で、先進的にデータ分析に取り組もうと着手したものの、折り合いがつかず失敗してしまった企業も多いのではないでしょうか。データをうまく扱える人材がいなかったり、外部のベンダーに依頼したものの自社のビジネスドメイン課題などをうまく伝えられず、出てきたアウトプットが期待値を超えなかったり、そもそものデータの整備もままならない場合など、さまざまな要因が想像できます。
先ほど各ワードのGoogleでの検索トレンドを紹介しました。分析担当者同士の情報交換や、過去の経験から、データサイエンティストの盛り上がり後の幻滅期は、世間のブームに乗り遅れまいと企業がこぞってデータ分析を開始しようと外部のベンダーなどに依頼したものの、需要過多となり供給が追いついていない落ち込みのようにも感じています。
また、その後の人工知能やAIブームに見られる分析者依存ではなく、自動解析を求めるような風潮が流行していることもその証左ではないでしょうか。
実際、筆者の周りのデータ分析者もベンダーとして数々のクライアントの課題解決を行っていたり、自社サービス企業に転身し、分析などを行っていますが、企業によって取り組みへの真摯さが異なり、思うようにバリューを出せていない事例も散見されます。単に活用したいと言うだけでなく、それまでの業務フローを変革する思いで取り組まなければ真にプロジェクトの成功はあり得ないでしょう。
しかし、そんな苦境を乗り越えて、当初はウェブデータやPOSデータを主に扱ってきていたのがオムニチャネルやIoTなどのバズワードを期にリアルの行動データも収集・活用するフェーズになっています。マーケティングオートメーション(MA)ツールの導入なども進み、データドリブンに意思決定するような企業も増えてきています。
本連載では、自社サービスを展開する企業におけるデータ分析の取り組みやその過程において遭遇する問題、データ分析を広めるための課題などをなるべく汎用的な事象として紹介できればと思います。企業におけるデータ活用はなかなか外に発信しづらい内容でもあり、ノウハウの共有がしづらいポイントでもあります。そんな担当者に少しでも示唆を与えられるような連載にしてきたいと思います。
- 伊藤徹郎
- インターネット金融グループを経て、データ分析企業でデータアナリストとして様々な業種の企業を支援。その後、大手レシピサイトでデータ分析やディレクター業務などを経て、現在はFinTech企業でデータ分析やサービス開発などに従事。RとSQLをよく書いている。