データ分析で得られた情報の信頼度はどれくらい？意識調査からみるデータ分析の課題 ｜ SiTest (サイテスト) ブログ

KPMGコンサルティングは、データ分析の信頼度についてのグローバル意識調査レポートを発表しました。
この調査は、企業の戦略策定やマネジメントを担当する意思決定者を対象に2016年に行ったものです。
調査地域は、米国、インド、イギリス、中国、フランスなど10カ国で、対象企業の業種は、金融、医療・ライフサイエンス、保険、小売、電気通信など多くの業種の声を集めています。

同調査では、意思決定のためにデータ分析が必要だと回答した企業は70％にのぼり、50％が「何らかの予測分析を採用している」と回答しています。
そして、49％が「従来の静的なチャートや図表に加え、高度な視覚化手段を活用していることが明らかになりました。

しかし、データ分析により導きだされた知見についての信頼度については、「顧客に関する分析データ」においては38％、「ビジネスオペレーション（事業運営）に関するもの」については34％にとどまることが分かりました。

また、意識調査からは、分析するライフサイクルごとに信頼性が変化することも明らかになっています。
下記の数値は、分析ライフサイクルの段階別信頼度の割合です。

初期のステップである「データ元の選定」に対する信頼度は38％ですが、
「分析利用の有効性の測定」ではその信頼度はわずか10％に低下するという結果になりました。

KPMGコンサルティングでは、データ分析への信頼を高めるために必要な4つの要素とそのチェックポイントを提示しています。

1. 品質

　データ分析の基本的な構成要素は十分に良いものか。
　組織はツール、データ、分析の開発・管理面における品質の役割を十分に理解しているか。

2. 有効性

　データ分析は意図したとおりに機能しているか。
　組織は結果の正確性と有用性を判断できるか。

3. 誠実性

　データ分析は容認できる方法で使われているか。
　組織は法令や倫理原則に沿って行動しているか。

4. 強靭性

　長期的にオペレーションが最適化されているか。
　組織はデータ分析のライフサイクル全体にわたり、
　優れたガバナンスとセキュリティを確保できるか。

上記の信頼度の意識調査を振り返ってみると、
分析ツールから得たデータを信用しきれない理由には、

「データを踏まえて仮説を立てることはできても、本当にその施策で改善するのかという明確な理由がみつからない」
「提案する改善案に対して、経験則以外の根拠を提示するのが難しい」
といった悩みの種があると考えられます。

この課題を解決するには、やみくもに改善施策から考える前に、データ分析のツールやその機能の有用性を見直すことが大切です。
どこが不足しているのかを議論することから始めてみると、実は分析するべきデータが少しずれていることに気づいたり、本当に必要な分析ツールが見つかるかもしれません。

どの分析ツールが、自社にとって欲しいものを導き出してくれるかは、実際に使ってみないと分からない場合がほとんどかと思います。
SiTest はトライアルで1ヶ月間全ての機能を開放していますので、ぜひお気軽にお試しください。
SiTest無料トライアル：https://sitest.jp/

・分析の信頼度を高めるために（PDF)
　https://assets.kpmg.com/content/dam/kpmg/jp/pdf/jp-building-trust.pdf