BIツール活用の明暗を分けるデータ品質とは？

BIツールの導入、あるいは導入したBIツールの有効活用でお悩みではないでしょうか？

近年、AIやビッグデータ、機械学習などの重要性からBIツールを導入する企業が増えています。しかし、BIツールの導入が進んでいる一方で、実際に成果に結びつけられている企業は多くないのが実情です。原因は、さまざまありますが、最も明暗を分けるのはデータ品質だと考えられます。

そこで、データ品質の重要性や品質の良いデータを集めるためのポイントなどを紹介していきますので、ぜひ参考にしてください。

BIツールを活用にデータ品質が重要な理由

BIツールを売上向上などに活かすためには、データ品質が重要です。実際、大手企業を中心に、なんらかのBIツールを導入している企業が多数派になってきていますが、データ品質が悪いために、活用できていない企業も多くあります)。たとえば、以下のようなお悩みを抱えていないでしょうか？

• 実際に活用できるデータが限られている
• 活用するデータが見込んだ成果につながっていない
• データの重複やエラーといった品質に明確な問題がある

上記のような悩みを多くの企業が抱えており、根本的な原因はデータの品質が悪く、分析しても現実を切り取れないことです。解決手段として、さらに高度なBIツールを導入したり、優秀なデータサイエンティストの力を借りたりしても、そもそものデータ品質が悪いと、分析する意味はありません。むしろ、間違った方向に施策を進めてしまうリスクまであります。したがって、BIツールの活用には、データ品質が重要といえるのです。ここから、BIツールに品質の高いデータを集めていくためのポイントを紹介していきますので、ぜひ参考にしてください。

BIツールに「使えるデータ」を集めるために外せない4つのポイント

BIツールに、分析して成果につなげていける「使えるデータ」を集めていくためのポイントは、以下の4つが代表的です。

• リソースが限られているなら既存顧客をより重視する
• そもそも営業マンが顧客のフォローとデータ入力できているか確認する
• 顧客のデータを更新し続ける
• データクレンジングの実施

それぞれの詳細を紹介していきましょう。

リソースが限られているなら既存顧客をより重視する

業界や商材にもよりますが、基本的に新規顧客よりも既存顧客の方が、営業効率は高い傾向にあります。もちろん、事業を継続的に成長させるには、新規顧客への販売が重要です。しかし、BIツールを使った分析をする目的が、営業効率の改善や営業リソース配分の最適化なら、まずは既存顧客を重視すべきといえます。

実際、新規顧客に営業して、最終的に商品を買ってもらえる確率が5~20%に対して、既存顧客が最終的に商品を買う確立は60~70％だったというデータ2)もあります。したがって、BIツールに割けるリソースが限られているなら、やっきになって新規顧客のデータを入力するよりも、まずは既存顧客のデータを丁寧に収集した方が建設的だといえるでしょう。

顧客とのリレーションシップの重要性が指摘されている昨今、顧客を理解して強固なリレーションシップを築くヒントになるBIツールを活かさない手はありません。顧客の課題や目標を正確に把握し、自社の商品がどのように役立つかが見えてくれば、新規顧客への効率的なアプローチ方法も見えてきます。

そもそも営業マンが顧客のフォローとデータ入力できているか確認する

SFAやCRMなどのデータをつなぎ、統合してくれるBIツールですが、そもそも営業マンは継続的なアプローチが必要な顧客をフォローできているでしょうか？仮に継続的に顧客をフォローできているとしても、データとして入力されていないと意味がありません。

また、新規事業や新商品を軌道にのせるために、見込み顧客をデータから算出しても、実際の見込み顧客の反応がデータとして、きちんと反映されないと意味がありません。日々の忙しさやツールへの不慣れさで、間違ったデータが蓄積されてしまうと、負の財産にすらなってしまいます。

経験や勘ではなく、ロジカルに最適解を出していくのがBIツールです。営業マンにツールの使い方とメリットを教育し続けるとともに、営業現場にあったツールを導入することも忘れないようにしましょう。

特に入力ミスは、時間が経てば経つほど記憶が薄れ、修正は困難になります。勘違いや単純な入力ミスなどを防いでおくのは、データの品質を下支えしてくれるのです。そもそも入力ミスは、発見するのが困難であり、データ品質を下げる大きな要因でもあります。生データが入力されたあとは、できる限り手作業をなくすといった工夫も必要でしょう。

また、メールやマーケティングオートメーション、CRMにSFAと連携する選択肢は多くあります。自社にとって最適に運用できる方法やBIツールそのものを模索し続けるのも重要です。

顧客のデータを更新し続ける

先に紹介した、そもそも営業活動がBIツールにデータとして蓄積されているかという問題とも関わってきますが、ちょっとしたことでも顧客の情報を更新し続けるのも重要です。というのも、顧客の現状がパイプラインのどの段階にあり、次のステップとして何をしていくかがデータに反映されているべきだからです。

たとえば、見積り提出後にデータの入力が途絶えていても、現実にはイベントなどで顔を合わせたり、卸業者の営業マンから顧客の現状を聞いたりしているケースも多々あります。そうしたデータが入力されていないと、BIツール上では、単純に失注した案件に見えてしまうのです。しかし現実には、アプローチしていないから売上につながっていないのか、単純に売り込んでいくのに適していない属性なのか判断がつけられます。一見、正しくデータが入力されているようでも、実際には取りこぼしが多く、劣悪なデータになっている可能性もあるわけです。ぜひ、営業マネージャーなどと密に連携して、品質の良いデータ収集を呼びかけてください。

データクレンジングの実施

品質の高いデータにしていくには、不正確なデータやエラーなどを見つけ、一連のステップで修正と検証をしていくデータクレンジングも欠かせません。というのも、せっかく営業マンが収集したデータも時間が立つと、顧客情報に変化が出てきて陳腐化するケースが多々あるからです。よくあるデータ品質が下がるケースとしては、以下が考えられます。

• 移転や統廃合による住所の変更
• 担当者の変更や退職
• 英数字の半角全角の違いなどによるデータ重複

上記の他にも多数のデータ品質低下の要因が考えられ、自社ではコントロールできない部分も多いです。したがって、定期的なデータクレンジングの実施による生産性の向上や機会損失のリスク低下などが必要になります。データクレンジングの詳しい手順や効率的な手段などは、こちらのページで詳しく紹介していますので、ぜひ参考にしてください。

BIツール活用の鍵を握るデータの質

BIツールを活用するにあたって、データ品質やデータ収集オペレーションの重要性などを紹介してきましたが、理解は深まったでしょうか？

AIやビッグデータなどの重要性が叫ばれ、なんらかのBIツールを導入している企業も増えてきました。しかし、いくら高度なBIツールや優秀なデータサイエンティストを採用しても、そもそものデータ品質が劣悪なものでは正確な分析はできません。データ活用を進めていきたいという企業の行く手を阻んでいるのはデータの「質」なのです。

Accel を運営する Magic Moment では、データクレンジングをはじめとしたデータ分析プロセスを一手に担い、重要な経営指標をワンストップで可視化できる Insight Board を開発・提供しています。経営指標を可視化したい、データドリブンな組織を作りたい、データオペレーションにかけられる人的リソースが足りないといった課題をお持ちであれば、ぜひお問い合わせください。

▼ Insight Board について詳しく見る