プログラムをかけるか読めるかしないとだめなことは、前々から言われていたが、しっかりいまからでも学ぶ必要があるね。簡単ところから。
カテゴリー: ビッグデータ・統計
デカいデータを分析していると、さまざまなソフトを使って様々な形にアウトプットができる。まあ、そういったアウトプットを並べてみていろいろ語るのはいいんだが、本質的必要なのは、そこから何ができるかだ。それも今まで見つからなかったことを見つけられなかった方法でという感じだ。
だから最後の読みのところは、経験と感性一つと言わざるを得ない。グラフ見てもたとえば現場を知らない分析者には単なる相関性だけだったりする。しかしその相関性からこういった推理がたつのではというところは経験や感性がいる。それがないと相手に伝えるときの臨場感がまったく違う。具体的なアクションプランもたてられないだろう。マクロ的な分析ならいざ知らず、実践で役に立つ分析となるとどこまで現場に近づけるか、どこまで現場の言葉をつかえるかに尽きる。そういった意味ではビッグデータを分析する人には現場で数年間ぐらい実戦を経験しないと、ソフトを操るだけの分析屋になってしまう。単なる作業だよな。これだと。
www.nikkei.com/article/DGXMZO33839720W8A800C1000000/
ビッグデータがAIもブロックチェーンも双方とりもつからな。
サイトへの訪問でSNSからの流入を重視しているところがあるけど、それって本当に意味があるのか？？？
だってサイトにあまり行きたくないからSNSで情報とるんでしょ？ 下手に短縮URLとか押すととんでもないことになるかもわからんという危機感なんかもあるんで、間違っても普通短縮押さないよね。それに販促の手先に乗って簡単に＃タグなんて押さないよね。今どきは。。。。だからSNSからの流入なんてSNSからの直流入なんかじゃなくって、他の経路なんだよね。。
最近様々な営業関連のミーティングでサイトやSNSの担当者が登場してきて一定の役割を果たしだしていることは大変いいことなんだけど。そこで上記のような頓珍漢なことを言い出すと、あらぬ方向に行ってしまう光景を最近よく見る。まあ、今までの営業の管理者がネットについてそれほど詳しくないから、言われてみたらそうですかというところが大問題でもあるのだが。。。。
まあこういう場に居合わせると、まず「ほんならSNSの担当者であるあなたは例えば自分のSNSのフォロワーとかどれくらいなんですか？ いやーそれほどやってないというのならブログの年間の訪問者人数でもいいんですけど。。」という質問を最初にしてみたりするんだよね。。。。時たまSNSのフォロワーは５万ですとかいたりすると、逆にこっちは黙っちゃうんだけど（笑）・・・・。
https://business.nikkeibp.co.jp/atcl/opinion/15/221102/062000478/
まあ、今時年齢別でマーケティングやること事態が大昔の手法で全く意味ないしね。今のマーケティングはデータから導き出していくんが普通で、コンセプトで頭でこんなんと考えても外れるのが普通なんでほとんど意味がないし、たまにアンケート分析なんかもやるけど、数割りぐらいの誤差を含んだ結果しかでないんで、これもほとんど儀式化してしまってるな。
https://www.businessinsider.jp/post-171089
2000万とか3000万とかめちゃすごい。。まあでも都市圏と言うんが結構面積広いんで実際に集積度を比較するとちょっとニュアンスが変わってくるのかもしれんけどね。。。
会社で個人でやっている場合は別として、いろんなセクションが協力しあって仕事やプロジェクトをやっているのであれば、それってシェアリングエコノミーちゃうの？とその手のコンサルタントに質問すると、「まあ。まあ。まあ。」という返事が返ってくるんだけど、言葉の表紙だけを変えただけの概念が多い中で、言葉遊びとしても仕方がないんだが、、、。
最近気になっているのが「昔統計、今ビッグデータ」「昔ブログ＋SNS、今オウンドメディア」「昔人のもんは自分のもん（ちょっとニュアンス違うかな）、今シェアリングエコノミー」「昔機械で計算しまくり（これもちょっとニュアンス違うか）、今人工知能」「昔分散コンピューター（あまりにもレベル違うけどね）、今ブロックチェーン」なんてのはどうなん？？？？
世の中の企業で分析しをていないところはないと思う。しかしそれがエクセルの表にしました。グラフにしました。ピボットかけて集計しましたというのが分析家というとそんなものは全く分析ではない。ちょっと見やすくしましたでしかない。
ちょっと見やすくしたレベルで経営判断も可能な部分も多数あるだろうが、それ以上に普通にみているデータからではわからなかった分析からあたらな可能性を発見できなければ、後追いの注文型の判断しか出できないだろう。数字はあくまで結果だから先のことは見えないよねというような愚問はさておき、やっぱり最後は気持ち的にできるかどうかだよねなんて言うリスクを無視した無責任な判断も別にして、しっかりデータアナリストが社内であらゆる数値から経験数十年の経験者も見えなかったような推論をデータで出すということをしないとだめだ。小の企業が大に勝てる可能性はこの部分だと思う。熱意がありますのは誰でもどこでもあるし、やれるまでトライし続けますもどこでもある。
分析の手法は山ほどある。まあ、手法をそれを使うのかというのは数回のトライ＆エラーでも可能だが、そのデータを選択するのかしないのかその場合の有意性はその程度なのか、その一次結果からさらにどこまで推論を深めてさらに２次分析を行うのか、さらに。。。以上の繰り返しをどこまで深めるのかが必要だ。これは全分野で必要だ。。。。なんていってもそのうちにAIがさまざまな形で入り込んできて、分析プロセスを理解しないままに方向性が出てそのうちロボット以上に人間がロボットみたいなことになったりしたときは知らんよ。。。。
http://www.smbc.co.jp/hojin/report/investigationlecture/resources/pdf/3_00_CRSDReport061.pdf
いつもよーくまとまっているのでお世話になるのがこの手の報告書。なるほどフィーバー状態ということですね。たしかに銀座とか行ってもすごいもん。。。。。。
2018年5月 株式会社 三井住友銀行 コーポレート･アドバイザリー本部 企業調査部
流通でもホールセールでも社内外のデータは山ほどある。その活かし方はほとんど前々から進んでいない。ピボットでグラフを作ったりというレベルがほとんどと言っても過言ではない。これである程度の傾向は見えるかもしれないが、ここからスタートしてどう言った要因がこの傾向を関係させているのかを突き詰めているところはほとんどない。あってもせいぜい管理者が「なぜだ？？？」と言っている言葉のレベルでほとんど意味はない遊びであろう。
というこの時勢の中にAIだのビッグデータだのという言葉が流行語で登場して、ちやほやされてくるようになってきた。データサイエンティストという言葉も出てきている。AIは確かに最近だが、ビッグデータなんてことは大昔から統計を使って分析をしているメンバーには当たり前のことで、データサイエンティストというのもちょっと言葉が変わったぐらいで、簡単に言うと数字オタク？変人？と言われていた分析オタクや統計オタクのことである（笑）。
さらにAIもこの手のビッグデータを統計解析するのを同時に山ほどやってわかりやすく提示すればAIと同じであって、さらに分析方法がブラックボックス化してAIと言って済ましてしまうことの方が将来的には怖いと思う。
でもこの言葉の流行は非常にありがたいことで、統計解析をしていますというと話を聞いてくれることが多くなったのは、ちょっと何十年もやってきてないことである。まあ、そこから本当にどう活用できるのかを実際にトライエラーやってその企業ごとの手法を生み出すぐらいのことをやってもらえればいいのだが、現状はまだまだ入口近くということのようだ。
もうちょいまたなあかんということなんだろうと思うけどね。
一見類似性のないデータや無意味に見える現象を見せて、論者がそれらを結びつけてコンステレーション(星座)を作らせることを、データコンステレーションと言う。
この時代のリアルの現象、サイトの情報、SNSの情報など、一見繋がってないように見えて実は用意周到につながることを想定して、情報配信をすることがこれからふえてくるとおもう。実際にそういったことを想定して情報を拡散したりしているところもあると思うが、従来のステルスマーケティングとは全くレベルの違う手法だと思う。
まあ、いろんなところでファッション業界は今や縮小均衡の典型みたいに言われている。事実そうなんだろうが、どこにやられているのかというと、ネット・SNSの浸透でファッションにまでお金を出すことがなくなってきたのや、ECの浸透でリアル店舗が一気にその存在意義を問われだした、ほかの業界では革新的なベンチャーが登場しているのだが、この業界にはそういうことがなかなかむつかしいということになるんだろうと思う。
まあ、それは今後もどんどん進んでいくとして、この閉塞感のあるファッション業界をどう盛り上げるのかというと、まあ、答えはとことんIT化してビッグデータをこねくり回そうということになるのだと思う。
なぜ、縮小近郊になっても解決できなったのかの問題の原因は、やはり売り上げの予測が立てにくくその結果売れない在庫がいつも相当量出来るということなんだろうと思う。その根本原因は、日ごろから予測しようと流通工学みたいなものを創らなかったことや、直接情報をつかめるユーザーデータの分析方法がわからなかったということなんだと思う。いくら社内データやPOSデータを分析しても、買い上げ率が悪い中でもともとの精度が悪いということに尽きるのだと思う。
さらに、販促方法が今や撃滅種の雑誌やマスコミを使ってなんでそれが今の顧客層に全く届いていないということも大きな原因だろう。とにかく社内外のトップ人の頭の中が今までの経験値に甘えていたということなのだ。
で、IT化とビッグデータ活用の登場なんだが、ビッグデータはまず手始めに最も簡単な検索データの分析からでも大きな進歩が可能だと思う。ファッションブランドだとして、自社のブランドの競合やその1レベル上や下のブランドの検索傾向を分析し、販売拠点の商業施設全体の検索傾向を分析し、さらに社内のデータを分析し、マージすることで多変量解析ができると思う。これだけでも今までベテランでも全く分からなかったことが山ほど発見できるだろうし、最初にどういった対策を打つことができるのかという案も山ほど出すことができると思う。まあ、今までの右脳系の人がいくら集まっても全く無理かもしれないが、データマイニングが得意な人材をそろえばそこら辺のマーケッターやコンサルよりも相当精度の高いことができると思う。
今までは何か声のでかい人やトップ人がその何の根拠もない意見で決めていた傾向やどうでもいい分析をやっているようなコンサルやマーケッターの声を一切聞く必要もなく全く排除し、１００％データで分析した方が少なくても今よりはレベルの違う商品政策も売り場運用政策も販促なども可能だと思う。しかも費用対効果は劇的に変わるということでだ。
なんてことはどうだろうかね？？？？無理か？？？？
“焦点：データ分析会社は何を間違えたか、記者の個人情報で検証” – http://jp.reuters.com/article/data-privacy-acxiom-idJPKBN1H60WC
やっとこ無人店舗とかスタートしだしてきて、これからもいろいろ新しいトライアルが起こるだろうが、何百台のカメラなどとの連動と今起こっている仮想通貨や電子マネーなどのブロックチェーンとの親和性の高い決済で、エンドからフロント部分である品ぞろえとか、品出しなどの店内作業とか、さらにその背景の発注や物流やさらにはその上流部分の仕入れや生産・加工管理プロセスなどブロックチェーン活用で大きく全体の最適化や差別化の方法がスタートしそうだ。
今までのサプライチェーンとかは、どっかの1社のシステムを使わないとだめだったが、ブロックチェーンなら分散なのでそういったクローズドのシステムではなくでも安全な手法で発展できそうだ。後はそこにベンチャーがどんどんトライしてくれるかだ。古い考えの規制団体や今までの経験をベースにしているようなところ（企業やコンサルみたいなんが）が、ブレーキを踏みに来るだろうし、それに関係ないような異次元感覚で進めていきたいものだ。