AIデータ分析コラム【28】BIツールについて

いくつかの業界でのBIツールの利用事例（一例）をご紹介します。
企業が抱える「販売データ」、「受発注データ」、「在庫データ」、「財務・会計データ」、「各種製造ログ」等のデータ分析でBIツールが活用されています。

小売業界では、販売データ、在庫管理、顧客行動の分析等で利用され、売上向上や在庫適正化、マーケティング戦略の立案に活用されています。
営業部門では、顧客データと営業データを連携させて見込み客リストの作成や、営業戦略の立案、営業の効率化に利用されています。

製造業界では、生産プロセスの効率化、製造機器の稼働状況の把握、不良品の削減、異常検知、品質管理、不具合要因特定等のため、また、在庫管理等のサプライチェーン最適化のためにもBIツールが活用されています。

お客様からのお問合せ（応対記録）の分析や顧客満足度の向上のための原因分析、提供サービスの品質分析等に使われています。

金融業界では、リスク管理、詐欺検出、顧客分析等で、リスクの早期発見等を行うためにBIツールを利用しています。

経営状況のモニタリングとして、売上目標を達成するための主要KPI管理（売上げ、コスト、利益等の状況把握）での利用、及び、部門別のボトルネックの原因を分析し、是正するための戦略・方針立案等に利用されています。
売上状況の見える化、従業員の勤怠状況、休暇取得状況の見える化により、タイムリーな状況を把握することに利用されています。

BIツールが主に、「モニタリング」、「戦略・方針立案のため分析」、「データ解析の結果確認と分析」をするためのツールとして利用されることがわかります。
様々な企業が、最新のデータで分析を行い、データに基づく迅速な意思判断を行っています。

BIツールは、製造業界で多く活用されています。
続いて「製造業界が抱える課題」と「BIツールの利用により解決できる課題」について考えてみます。

まずは、製造業界が抱える課題について述べます。

少子高齢化により若手人材が減少し、熟練者がもつ技術の継承が困難になっています。
熟練者の退職に伴い、長年培った技術やノウハウが失われるリスクが高まっています。

日本の製造業界は、ICT投資が他国に比べて少ない状況であり、デジタル化による業務効率化や生産性向上が十分でない可能性があります。
また、分析を行う上で必要となるデータの整備、管理ができていない状況にあり、一部のデータ分析には取り組んでいるが、大量にあるデータを十分に活用できていない場合があります。

製造業界では、設備と人員の稼働状況を向上させ、人員の作業効率化・作業削減・負担軽減、設備故障に伴う稼働停止状況を減らす等の対応を工夫して行う必要があります。

不良率を低減させて、品質の安定化（ばらつきの低減）、設計品質の向上に取り組む必要があります。

製造時に原材料の使用量の削減、在庫の削減、設備の管理状況把握の省力化等に取り組み、コスト削減に努める必要があります。

製造業界では「歩留まり」は、原料や素材を使ってどれだけの完成品（良品）が得られるかを示す指標です。
歩留まりが高いということは、無駄なく効率的な生産が行われていることになります。
歩留まりが低い場合は、不良品や工程上の問題が発生していることになり、企業経営に影響を与えます。
そのため、製造業界では様々な分析を行い不良品や工程上の改善を行い、歩留まりを向上させる取組みを行っています。

ここでは、BIツールがどのように製造業界の課題を解決するかを説明します。

様々なデータを使って必要な集計を行い見える化し、ダッシュボードとして共有することで、共通データで分析結果を確認することができるようになります。
部署間の情報共有不足で無駄な対応が発生している場合、必要な時に必要な人がデータ分析を行えるようになります。

BIツールは、複数のシステムの出力データやデータベースに登録された情報を集約し、様々なデータ分析を可能にします。
製造工程の各工程で生成されるデータをフィルタリングし、統計解析を行い、見える化による深堀分析ができるため、不良要因の特定・異常検知・歩留まり分析・品質管理のツールとして利用できます。

表計算ソフトを使った分析ファイルや、熟練技術者の分析手法をBIツールに組み込むことで、品質管理手法や分析方法のテンプレート化が可能となります。
また、従来のソフトでは扱えなかった大量データを読み込み分析することも可能となります。

BIツールを使った分析により、不良品の情報をタイムリーに把握し、品質管理を強化することで、製品の精度を向上させることができます。

データ分析により、生産ラインの効率化や在庫管理の最適化を通じて、コスト削減と競争力強化を実現します。

BIツールにより、非技術者でも簡単にデータを分析できるようになり、企業全体のデータリテラシーが向上するメリットがあります。
リアルタイムデータ分析の重要性も増しており、データを元にした迅速な意思決定を行うことができるようになります。

BIツールを導入する際に、ツールを導入することで解決したい課題があると思います。
導入時にどのような点について注意すべきかいくつか例を述べます。

誰が何のためにBIツールを使うのかを明確にし、利用目的をはっきりすることが重要です。
どのような分析をして利用するのか、数人レベルの利用なのか、ダッシュボードを作成し多人数で結果を共有して利用するのか、分析対象となるデータを準備できるのか等を含めて、導入後にスムーズに利用できるよう準備しておく必要があります。

どのようなグラフや解析結果を使って分析したいのか、実現したい可視化レベル・表示内容を満たすBIツールを選定する必要があります。

BIツールを導入しても取り組みたい分析を行うためには、プログラムスキルが要求される場合があります。
専門的な知識を持たない人でも簡単に使うことができるセルフサービスBIを導入したとしても、BIツールを利用する際には、ある程度のプログラミングスキルがあるとより高度な分析ができるようになります。
例えば、大量データの加工を行うためのスクリプトを作成したり、Python・R言語の機械学習・統計解析ライブラリを利用するプログラムスキルがあると、集計結果を可視化する分析に加えて、より高度な分析ができるようになります。
BIツールには、プログラミング可能な仕組みを搭載している製品がありますので、導入後により高度な分析をしたくなった場合でも利用できる製品を選びましょう。

BIツールが備える多様な機能を使いこなすには、機能の特徴や操作方法を覚える必要があります。
基本的には、実際のデータを分析しながら使い方を試す、または、BIツールの操作に慣れている人に教えてもらう等して利用者自身が使い方を覚える必要があります。
使い方についてのヘルプ・コンテンツが十分に提供され、利用方法のお問い合わせをタイムリーにできるか、様々なトレーニングを受講できるかも確認が必要です。

データを解析するために必要になる統計手法（回帰分析、相関解析、クロス分析、決定木、クラスタリング等）がどのようなものか事前に検討しておくと良いです。
導入後に高度な分析を行いたくなった場合は、Python、R言語で統計解析を行うプログラムを作成し、BIツールに組み込んで利用できる製品がありますので、そのような製品を選ぶと良いでしょう。

統計解析の基礎・専門知識があると、データをどのように分析すべきか分析する手順がイメージできます。
また、どのような見える化を行い、結果確認をするのが良いか考えることもできます。
BIツール導入後もデータを解析するための知識を学ぶようにすると良いです。

BIツールは、操作可能な内容によって製品構成（ライセンス等）が決まっています。
また、年間サブスクリプション契約での販売が主となっています。
導入する際に、どのような構成で利用するのか、ライセンス形態がどのようになっているのか確認するようにしましょう。

導入にかかるコストと得られる効果を比較し、費用対効果を検討することが必要です。
導入前に現在実施している分析作業・分析資料の作成時間とBIツールで実施した場合の時間を比較してみることをお勧めします。
BIツールを導入すると、分析結果をリアルタイムで変更しながら内容を精査していくことができるようになります。
BIツールのトライアル等を利用して、BIツール導入後の効果を事前に確認しましょう。

BIツールに求められる機能について、記載します。
ご利用用途に合わせて、できるだけ機能が揃っている製品を選定することをお勧めします。

データ分析の対象となるデータは、表計算ソフトやCSV形式等のローカル上のファイルの他、ローカルDBやクラウドDB等の外部データソースにあります。
BIツールから、そのようなデータに接続し、必要なデータを収集する機能です。
分析したいデータを利用できるよう、データ接続機能があるツールを選択しましょう。

収集したデータの前処理（データの読み込み、データチェック、結合、変換、計算結果の列追加、欠損値の補完等）を行い、分析対象のデータを作成する機能です。
データ分析において、データの前処理は非常に重要です。分析データの加工が実行できるUIを持つBIツールがありますので、必要なデータ前処理・加工ができるツールを選定しましょう。

散布図や折れ線グラフ、棒グラフ・円グラフ等のグラフから、ラインチャート、散布図、ヒートマップ、KPIチャート、3D散布図、Box Plot、マップチャート等、様々なチャートがあります。標準搭載されていないチャートを追加できる仕組み（コミュニティで公開される新たなチャートの追加、ご自身でチャートを開発する等）があるツールもあります。

相関分析、回帰分析、分散分析、クラスタリング、ライン類似検索、決定木分析、カテゴライズ等の統計解析が標準搭載されているツールがあります。
統計解析を利用する際には、データの指定とパラメータの設定を行うだけで統計解析が実行できます。
また、RやPythonのデータ関数・ライブラリを呼び出して、その計算結果を可視化することができる高度なツールもあります。
表計算ソフトのマクロやRやPythonスクリプトを使って実現している分析は、そのようなBIツールに移行できます。
表計算ソフトでは分析できなかったデータ量をBIツールで分析できるようになる等のメリットがあります。

ドリルダウンとは、グラフ同士の簡単な連動や、細かい条件を指定したフィルタによりデータの絞り込みを行い、詳細を分析していく仕組みのことを言います。
BIツールでは、単純な可視化ツールと、ドリルダウンしやすいUIを持つツールがあります。
見える化した結果から、更なる条件を指定して結果を絞り込み、内容を比較する等様々な条件でデータを深堀り分析ができるBIツールを選ぶと良いでしょう。

BIツールでは、分析結果をダッシュボードとして、共有することができます。Webブラウザ経由で共有できる仕組みの場合、新規導入が楽にできます。
共有する際には、アクセス可能なユーザのアカウント設定等セキュリティに関して問題がないツールを選定しましょう。

大量データの高度な分析を行うためには、BIツールの他に様々な基盤技術との連携が必要になります。
データを可視化するBIツールだけではなく、大規模データを統合する基盤技術、機械学習・データサイエンスを行うAI、リアルタイム情報分析ができる仕組み等との連携ができる拡張性の高いBIツールがありますので、実現したい分析環境を検討し、BIツールを選定しましょう。

BIツールを導入後、どのように活用していくのが良いか述べます。

BIツールを導入後は、システム管理も必要になります。
具体的には、アカウント管理、ダッシュボードのアクセス権の設定、アカウントの更新処理、利用状況の確認等の管理対応です。
また、導入後は、BIツールのバージョンアップやセキュリティアップデートのシステムメンテナンスの対応が必要になりますので、システム管理者の協力を得られると良いです。

BIツールを使いこなすためには、いろいろな利用方法をお客様ご自身で経験する必要があります。
導入後には、BIツールの利用スキルに差がでます。
BIツールの使い方で不明点があった場合、通常、付属のヘルプ等で自己解決をすることになります。
BIツールによっては、Web上に使い方の動画や資料を公開している場合がありますので、必要な使い方を確認してみましょう。
BIツールの使い方の問合せが可能な場合は、遠慮せずに問合せをすると良いです。
また、使い方を学ぶトレーニングがBIツール提供会社から提供されていますのでトレーニングを受講しましょう。（但し、複数人数での受講が必要な場合がありますので受講条件の確認が必要になります。）

データドリブンな意思決定は、BIツール利用者のみが行うことではありません。
導入後は、作成したダッシュボードを使って、詳細資料を作成する前に上司への報告で利用したり、打合せでBIツールを動かしながら議論したり、他部署のメンバーにダッシュボードを公開してみる等、データドリブンな状況を広げてみましょう。
また、BIツールを使うことによるメリットや改善効果を定期的に振り返ることで、新たな課題や利用方法が見えてくると思います。

データの価値が高まり続けるなか、企業が競争力を確保するために、BIツールへの投資を増やしている背景があります。
BIツールの市場は今後も成長が期待されており、AIや機械学習の技術が組み込まれたBIツールの開発が進むことで、より高度な分析が可能になり、需要も高まると考えられます。

BIツールには、以前から機械学習を使った統計解析機能との連携、入力されたデータから適切なグラフを提示するサジェスト機能が提供されていました。
大量のデータを学習した生成AIの登場により、日々、様々なサービスが生まれています。
最近では、OpenAI APIのような生成AIと連動する新たな機能をBIツールに組み込むような技術が提供されつつあります。
どのようなことが実現できるかについて、一例ですが、ご紹介します。

BIツールを利用するためには、入力データが必要です。大量のデータを加工し、可視化できるデータにするには、表計算ソフトでの加工では間に合わず、PythonやShell等を使ったデータ加工が必要になります。
生成AIを利用することで、分析対象となる大量データの収集や前処理の実行・データ加工を行うことができるようになります。
具体的には、生成AIでデータ収集を行うためのコードの生成やデータ成形、データクレンジング等のコードを生成し、利用します。

通常はユーザ自身がBIツールを操作しますが、生成AIを利用して可視化操作の命令ができるようになります。
可視化する対象データの絞り込み、可視化形式、収集したデータの可視化結果の内容説明、データ傾向について説明させることが可能です。

通常、BIツールは、付属のヘルプやトレーニング等で使い方や利用スキルを身に着けていきます。
生成AIにBIツールのマニュアルやヘルプを参照させることで、質疑形式でBIツールの使い方を確認することができるようになります。

分析データをアルゴリズムで解析・モデルを作成して、結果をBIツールで見える化することがあります。
通常、BIツールにある分析機能を使いますが、取り組みたい分析機能やアルゴリズムが搭載されていない場合は、ご自身でプログラミングをすることによって、モデルを作成・適用して、分析を行う必要があります。
生成AIがあると、対象データに対して、適切な分析手法を適用するコードが生成できます。
これにより、様々な機械学習手法や統計手法を気軽に試すことができるようになります。

生成AIは、入力データの特徴・概要を説明することも可能です。具体的には、基本統計量、カラムの説明等を把握するのに役立ちます。
分析対象となる入力データの他にデータ（説明文のテキスト・時系列の歴史情報等）の補足情報をPDF等のファイルで生成AIに入力すると、テキスト文書と数値データの組み合わせで新しい観点の分析ができたりします。　（例えば、○○年○月のデータは昨年度より売上が減少しているが、○○年○月には、○○がありました等の説明文が生成されます。）
数値データだけではわからない情報をテキスト文書の内容から把握できるようになります。

「生成AIの利用」と「BIツールと生成AIの連携」は、データの価値を最大限に引き出し、ビジネスの意思決定をサポートする強力な手段と成り得ます。
しかし、生成AIを使うためには、情報漏洩のリスク、生成される結果の信頼性の問題、運用管理の問題があり、利用については検討が必要です。
これからの技術になりますので、現状では検証段階と考え、ある程度品質が安定した段階で普及していくことになるのではないかと考えます。
データ分析の緻密な分析結果は、生成AIの活用で分析者の視野・視点を広げることが出来ても、正しい結果を導けないものは役に立ちません。
やはり、人間がBIツールで分析を行い、正しい意思決定をしていくことには変わりないので、早期にBIツールを利用して「データドリブン」な分析をしていくことが様々な課題を解決できる手段なのではないかと思います。

BIツールは、大量データの見える化・深堀分析を行う上で欠かせないツールです。
皆様の業務でもデータを元に根本原因を探り、戦略を練っていく、問題点を見つけ出す、解決の糸口を見つける等に取り組むことが多くあると思います。
その際に、意思決定や行動の根拠を直感や経験から考えるだけではなく、データに基づいて考え行動していくことができていると尚良い結果につながるはずです。
BIツールは、「データドリブン」な風土を根付かせることにも十分お役に立ちます。
BIツールは、御一人様の導入から始められます。分析を行うチーム単位での導入、BIツールでの分析効果がわかれば部署全体へと展開する等利用者を増やすことが容易にできる仕組みになっています。
まずは、BIツールの導入目的を明確にして、トライアルやBIツールを活用することを検討してみてはいかがでしょうか。

弊社では、直感的な操作で、多種多様かつ大量データをさまざまな視点から可視化&分析できるBI/BAツール「Spotfire」を販売しております。
ご興味がありましたら、是非、お問合せください。