ビジネス・インテリジェンス（BI）とは

ビジネス・インテリジェンス・アナリストは未加工データを、組織内の戦略的意思決定を促進する、意味のある洞察に変換します。BIツールを使用すると、ビジネス・ユーザーは、履歴データと現在のデータ、サードパーティー・データと社内データ、半構造化データ、ソーシャル・メディアなどの非構造化データといった、さまざまな種類のデータにアクセスできます。ユーザーは、この情報を分析して、ビジネスのパフォーマンスと次に行うべき事柄についての洞察を得ることができます。

CIO誌は次のように述べています。「ビジネス・インテリジェンスは、ビジネス・ユーザーに何をすべきか、あるいは特定のコースを受講すると何が起こるかを指示するものでも、レポートの作成だけを目的とするものでもありません。むしろ、BIは人々がデータを調べて傾向を理解し、洞察を得る方法を提供します」¹

組織は、BIとデータ分析から得られた洞察を利用して、ビジネス上の意思決定の改善、問題や課題の特定、市場動向の特定、新しい収益やビジネス・チャンスの発見を行うことができます。

ビジネス・インテリジェンス（BI）は記述的なもので、現在のビジネス・データに基づく、より適切なビジネス上の意思決定を可能にします。ビジネス分析（BA）はBIのサブセットであり、処方的で将来を見据えた分析を提供します。これは、意思決定に向けたデータの識別と保存のためのツールを含むBIインフラストラクチャーに包含されます。

BIは、先月中の新規顧客獲得数や、月間の注文数の増減に関する情報を組織に提供します。これとは対照的に、ビジネス・アナリティクスは、そのデータに基づいて、どの戦略が組織に最も利益をもたらすかを予測します。例えば、新規顧客に特別オファーを提供するために広告費を増やしたらどうなるかなどを予測します。

BIプラットフォームは従来、ベースライン情報にデータウェアハウスを利用していました。データウェアハウスの強みは、複数のデータ・ソースからのデータを1つの中央システムに集約し、ビジネス・データの分析とレポート作成をサポートすることです。BIは、結果をレポート、グラフ、マップの形式でユーザーに提示します。これらはダッシュボードを通じて表示される場合があります。

データウェアハウスには、多次元クエリーをサポートするオンライン分析処理（OLAP）エンジンを組み込むことができます。例えば、昨年の東部地域と西部地域の今年の売上高はどうなのか、などです。

OLAPは、データ検出、BI、複雑な分析計算、予測分析を促進する強力なテクノロジーを提供します。OLAPの主なメリットの1つは、計算の一貫性により、製品の品質、顧客とのやり取り、ビジネス・プロセスを改善できることです。

データレイクハウスは現在、BIにも利用されています。データレイクハウスのメリットは、データウェアハウスとデータレイクの両方における中核的な課題を解決し、組織にとってより理想的なデータ管理ソリューションを実現しようとする点です。レイクハウスは、データ管理ソリューションの次の進化を表しています。

BIで実行される手順は通常、次の順序で進みます。

• データ・ソース：データウェアハウスまたはデータレイク、クラウド、 Hadoop 、業界統計、サプライチェーン、 CRM 、在庫、料金体系、販売、マーケティング、ソーシャル・メディアなどから、確認および分析するデータを特定します。
  
  
• データ収集：さまざまなソースからデータを収集し、クリーニングします。このデータ準備では、スプレッドシートで手動で情報を収集することもあれば、自動的な抽出、変換、ロード（ETL）プログラムを使用することもあります。
  
  
• 分析：データの傾向や予想外の結果を探します。これには、データ・マイニング、データ検出、またはデータ・モデリングなどのツールが使用される場合があります。
  
  
• 視覚化：Tableau、 Cognos Analytics、Microsoft Excel、 SAP などのビジネス・インテリジェンス・ツールを使用して、データの視覚化、グラフ、ダッシュボードを作成します。この視覚化には、ユーザーがさまざまなデータ・レベルを調査できるように、ドリルダウン、ドリルスルー、ドリルアップ機能が含まれていることが理想的です。
  
  
• アクション・プラン：履歴データと主要業績評価指標（KPI）の分析に基づいて、実行可能な洞察を作成します。アクションには、より効率的なプロセス、マーケティングの変更、サプライチェーンの問題の修正、顧客エクスペリエンスの問題の適応などが含まれることがあります。
  

新しいBI製品の中には、Hadoopなどのテクノロジーを使用して未加工データを直接抽出してロードできるものもありますが、データウェアハウスがデータソースとして選択されることも多くあります。

「ビジネス・インテリジェンス」という用語は、1865年に著作家のRichard Millar Devensが、競合他社に先駆けて市場の情報を収集した銀行家を引用した際に初めて使用されました。1958年に、Hans Peter Luhnという IBMのコンピューター科学者が、テクノロジーを駆使してビジネス・インテリジェンスを収集する可能性を探りました。彼の研究は、IBMの初期の分析プラットフォームの一部を作成する方法を確立するのに役立ちました。

1960年代と70年代に、増え続けるデータの保存や整理のために、最初のデータ管理システムと意思決定支援システム（DSS）が開発されました。「多くの歴史家は、現代版のビジネス・インテリジェンスはDSSデータベースから進化したと示唆してます」とIT教育サイトのDataversityは述べています。「この時期には、より簡単な方法でデータにアクセスして整理することを目的として、さまざまなツールが開発されました。OLAPや経営情報システム、データウェアハウスは、DSSと連携するために開発されたツールの一部です。」²

1990年代までに、BIの人気はますます高まりましたが、テクノロジーはまだ複雑でした。通常はITサポートが必要であり、そのためバックログが発生したり、レポートが遅れたりすることがよくありました。IT部門がなくても、ビジネス・インテリジェンス・アナリストやユーザーは、データのクエリーと分析を適切に行うために広範なトレーニングを必要としていました。³

ビジネス・インテリジェンスは、ハードウェアとソフトウェアで構成されるものですが、同時に思考方法でもあります。アプローチ、プロセス、デジタル・テクノロジー、データ分析の完全なセットに基づくデータ駆動型の文化を採用することで、組織はより良いビジネス上の意思決定を行い、新たな優位性を獲得するための新たな洞察を見出すことができます。新しいBIソフトウェア・パッケージをインストールするだけでは、このような文化的変革をもたらすことはできません。

• より明確なレポート：BIにより、組織は平易な言葉で質問し、理解できる回答を得られるようになります。ダッシュボードは、最も重要な洞察に優先順位を付けることができるため、データの専門家と技術者でないチーム・メンバーの両方の時間を節約することができます。
  
  担当スタッフは最良の推測を駆使する代わりに、それが生産やサプライチェーン、顧客、市場動向に関係するかどうかについてビジネス・データが告げる内容に基づいて、意思決定を行うことができます。データは、この地域ではなぜ売上が落ち込んでいるのか、余剰在庫はどこにあるのか、顧客はソーシャル・メディアで何を言っているのかなど、重要な質問に答えるのに役立ちます。
  
  
• 統合データ：BIは、内部および外部の複数のソースからデータを取り込んで統合し、完全な分析を行うことで、ビジネスに関する洞察を提供します。ビジネスと市場を正確に把握することで、BIは組織にビジネス戦略を設計する手段を提供します。
  
  
• 新たな効率性の創出：組織は、ベンチマークに照らして業務を監視し、継続的に修正や改善を行うことができます。このすべてはデータの洞察を活用して行われます。分析により、製造やサプライチェーンのボトルネックを発見し、解消することができます。マネージャーはスタッフのパフォーマンスを監視して、組織改革が必要な箇所を特定することができます。サプライチェーン管理は、ラインの上流から下流までのアクティビティーを監視し、結果をパートナーやサプライヤーに伝えることによって改善することができます。
  
  
• より深いデータの洞察：BIは、組織がよりデータ駆動型になり、業績を継続的に改善し、競争上の優位性を獲得し、新しい顧客や新しい機会を見つけるのに役立ちます。ビジネスと市場を理解し、戦略的目標を達成するためのリソースを賢く割り当てることで、ROIを向上させることができます。新しいデータの洞察は、顧客の行動と好み、そして市場動向を明らかにすることができます。これらの洞察により、マーケティング担当者は見込み客をより的確にターゲットとして定めたり、変化する市場ニーズに合わせて製品を調整したりできます。
  
  
• 意思決定の迅速化：進捗状況がデジタルで監視および分析されるため、より適切な情報に基づいた意思決定がより迅速に行われ、市場での調整が迅速化されます。
  
  
• 顧客満足度の向上：カスタマー・サービス・スタッフが顧客データと洞察にアクセスできる場合、そのスタッフは要求された情報を提供し、問題をより迅速に解決できます。
  
  
• 従業員満足度の向上：重要なビジネス・データに自力でアクセスすることによりワークフローを最適化することが可能で、スタッフは追加や繰り返しのステップを減らしながら、より迅速に業務を遂行することができます。

• 矛盾した結論：セルフサービス BI を利用すると、複数のチームが必要な洞察を検索できるようになりますが、異なる結論につながる可能性があります。これにより、統一された行動計画ではなく、より多くの摩擦を生み出すことがあります。これは、分析に人間のバイアスが入り込む場合に、特に当てはまります。
  
  
• スキル不足：データ統合の必要性は、多種多様なソースを考えると難しい可能性があります。また、統合が現在の能力を超える場合があります。分析から現実を反映した洞察を確実に得られるようにするには、データサイエンス、エンジニアリング、アーキテクチャーの専門知識が必要です。
  
  
• 初期費用：強力で最新のBIシステムを開発するための初期費用は大きく見えるかもしれませんが、分析によって生まれるコスト削減により投資は相殺されます。

データは成功する組織の生命線です。データエンジニア、データ・サイエンティスト、アナリスト、アーキテクトといった従来のデータの役割を超えて、組織全体の意思決定者は人工知能（AI） によって加速されるデータ駆動型の洞察への柔軟なセルフサービス・アクセスを必要としています。マーケティングから人事、財務、サプライチェーンなどに至るまで、意思決定者はこれらの洞察を活用して、全社的な意思決定と生産性を向上させることができます。

オペレーションとプロセスを十分に評価して、顧客を理解し、市場を測定して、改善を推進することができれば、組織のメリットとなります。どこからでもビジネス情報を集めて分析し、パターンを発見し、解決策を見出すための適切なツールが必要なのです。これらすべてを可能にするBIシステムを提供するために、組織は次のことを行う必要があります。

• 明確なビジネス目標の設定：最も価値のある実行可能な情報を特定することで、組織は収集または調達する必要のあるデータを決定し、その情報の提供に必要なBIシステム機能の選択に役立てることができます。
  
  
• 包括的なユーザー・トレーニング：データ駆動型の組織への文化的変化は、すべてのユーザーが新しいツールについて明確で説得力のあるレッスンを受ける場合に最も達成しやすくなります。形式的なトレーニングや自己流ハッキングは、チームの賛同を得られなかったり、不正確な結果をもたらしたりする可能性があります。
  
  
• データ品質と関連性の監視：結果の一貫性と信頼性を確保するためには、常にデータを監視する必要があります。市場の状況が変化するにつれて、明確性を高めるために新しい指標を追加したり、異なるレポート形式を開発したりする必要がある場合があります。入力データ・セットは健全かつ偏りがなく、安全性、プライバシー、正確性、使いやすさを保証する 明確なガバナンス標準 に従って管理される必要があります。意思決定や予測 を支援するAIモデルは、説明可能で透明性があるものでなければなりません。また、BIシステムは、ビジネス機能全体にわたる多種多様なデータ・システムに接続し、データ分析の専門家でなくても使用できるものでなければなりません。
  
  
• 意思決定者によるデータへのアクセスの保証：この点で、多くの企業が遅れをとっています。必要なデータが十分に収集または分析されておらず、IDCのレポート⁴によると、ビジネス・データの最大68％が活用されていないと推定されています。最新のデータ・アーキテクチャーと堅牢なBIを採用している企業は競争上の優位性を獲得しており、リアルタイムの意思決定手法と予測分析を導入することで、さらに先行できる立場にあります。

ビジネス・インテリジェンスは、ほとんどすべての業種・業務において、複数の機能にわたって価値を付加します。次のような例があります。

カスタマー・サービス ：統一されたデータ・ソースを通じて顧客情報と製品詳細の両方を利用できるため、 カスタマー・サービス 担当者は顧客の質問に迅速に回答したり、顧客の懸念を解消したりすることができます。

金融および銀行業務：金融企業は、顧客の履歴と市場の状況を組み合わせて調べることで、現在の組織の健全性とリスクを判断し、将来の成功を予測することができます。データを支店ごとに単一のインターフェースで確認し、改善やさらなる投資の機会を特定することができます。

ヘルスケア：患者はスタッフや医療関係者に時間のかかる質問をすることなく、多くの緊急のヘルスケアに関する質問に対する答えを迅速に得ることができます。在庫を含む内部業務は、分単位での追跡が容易になります。

小売業：小売業者は、店舗、チャネル、地域全体でパフォーマンスとベンチマークを比較することで、コスト削減を促進できます。また、保険金請求プロセスを可視化することで、保険会社はサービス目標に達していない箇所を把握し、その情報を活用して成果の改善を図れます。

販売とマーケティング：プロモーション、価格設定、販売、顧客の行動、市場の状況に関するデータを統合することで、マーケティング担当者と販売チームは、将来のプロモーションやキャンペーンを計画しやすくなります。詳細なターゲティングやセグメンテーションを行うことで、売上を伸ばすことができます。

セキュリティーとコンプライアンス：一元化されたデータと統合されたダッシュボードは、精度を向上させ、セキュリティー問題の根本原因を特定するのに役立ちます。単一のシステムでレポート・データを収集することで、規制への準拠を簡素化できます。

統計分析 ： 記述的分析 を使用して、組織は統計を確認して新しい傾向を発見し、その傾向が強まっている理由を明らかにすることができます。

サプライチェーン ：世界中のデータを 単一のペイン（Single pane of glass：SPOG） に表示することで、商品の移動や サプライチェーンの非効率性およびボトルネックの特定を迅速化できます。

ビジネス・インテリジェンスの最近の開発は、技術に精通していないユーザーでも自動分析とレポート作成を行える、セルフサービスBIアプリケーションに重点を置いています。ITチームは、精度やセキュリティーを含め、企業データの管理に引き続き責任を負っています。しかし、現在では複数のチームがデータに直接アクセスできるようになり、IT部門が実行するのを待つのではなく、各チームが責任を持って自分たちの分析を担当できるようになっています。

最新のビジネス・インテリジェンスと分析システムの継続的な進歩により、機械学習アルゴリズムとAIが統合され、複雑な作業が効率化されることが期待されています。セルフサービスが新たに重視される中、これらの機能は、企業がデータを分析し、より深いレベルでの洞察を得る能力を加速させることもできます。AIベースのシステムは、意思決定を導くために最も関連性の高い情報を取得しながら、複数のソースから自動的に情報を読み取ることができます。

例として、 IBM Cognos Analyticsがデータ分析とビジュアル・ツールを組み合わせて、レポート用のマップ作成をサポートする方法を考えてみましょう。このシステムはAIを使用して地理情報を自動的に識別します。そして、地球全体、個々の地域、またはその中間の地理空間マッピングを追加することで、視覚化をカスタマイズできます。

最新のBIソリューションはクラウドベースのプラットフォーム上に存在し、BIの範囲を世界中に拡大しています。ビッグデータから消費者の洞察を引き出すことができ、記述的なものから予測的なものまでさまざまな情報が生成されます。現在、多くのBIソリューションにはリアルタイム処理が含まれており、即座に意思決定を行うことができます。

エンタープライズ・グレードのBIシステムのさらなる進歩には、SQLの専門家ではないユーザーにも使いやすい自然言語クエリーが含まれます。一部のBIシステムではローコードまたはノーコードの開発機能が利用できるため、ユーザーは独自のツール、アプリ、レポート・インターフェースを作成して、回答と市場投入までの時間をさらに短縮できます。