ビジネス・インテリジェンスは長年にわたって存在していますが、組織全体に影響を与える重要なビジネス上の意思決定を行うために、手持ちのデータを使用する必要があります。ビジネス・インテリジェンスは、意思決定に使用できるようにデータを識別して保存する行為として考えられることがよくあります。

ビジネス・アナリティクス¹（ibm.com外部へのリンク）は、そのデータを使用して、過去に起こったことについて、a)将来まったく同じことが発生する可能性があるか、b)新しい、または異なる状況のために異なることが起こるか、について具体的な質問をして回答することで、ビジネスインテリジェンスをさらに一歩進めます。

これによりビジネスの全体像が得られ、組織はユーザーの行動をより効果的に説明できるようになります。それだけでなく、ビジネス・アナリティクスでは将来起こることを予測し、業績の変化を予測することもできます。

ビジネス・アナリティクスは、データサイエンティストや高度なデータアナリストに有益であり、高度な統計分析を提供します。統計分析の例としては、過去の販売データを使って顧客生涯価値を推定するような回帰分析や、特定の地域で利用率の高いユーザーと低いユーザーを分析してセグメント化するようなクラスター分析などがあります。

ビジネス・アナリティクス・ソリューションは、財務、人事、サプライチェーン、マーケティング、営業、情報技術などのあらゆる部門や、ヘルスケア、金融サービス、消費財などあらゆる業界にメリットをもたらします。

ビジネス・アナリティクスの実践には、企業が収集しているデータを理解し、そのデータをインサイトに変えるために使用するいくつかのツールが必要です。ここでは、最も一般的なツール、分野、アプローチをいくつか紹介します。

• 予測モデリング：企業は、新製品の設計や開発、新市場への参入、新たな機会の開拓などを行う際に、調べるべき過去の経験や履歴データがほとんどない場合がよくあります。ここで、予測モデリングと予測分析が威力を発揮します。予測モデリング²（ibm.com外部へのリンク）は、たとえば車両やツールがいつ故障するかを知って、故障が発生する前に介入する、あるいは人口統計や心理統計の変化がいつ製品ラインにプラスまたはマイナスの影響を与えるかを知るなど、組織が問題を事前に回避するのに役立ちます。
• データマイニング: これはビジネス・アナリティクスの非常に重要な要素であり、ほとんど自動化されたツールが生データを発掘して理解しパターンを特定して、重要なインサイトを生み出します。ビッグデータの重要性が高まるにつれ、データにおける知識発見(KDD)とも呼ばれるデータマイニングは、現代のビジネスにとって重要な要素となっています。しかし、企業はより多くのインサイトを明らかにしようとするため、データマイニング活動の拡張に苦労することがよくあります。
  
• データサイエンス：数学、統計、コンピューターサイエンスの要素を取り入れて、データがどのようにビジネス上のインサイトを生み出すかを調べる研究。データソースが増え、そのデータを分析することの重要性が高まるにつれ、データサイエンスはアメリカの企業における最も重要な仕事の1つになり、組織はビジネスの成果に影響を与える実用的なインサイトを確実に生み出すために、データサイエンスにますます依存するようになっています。

ビジネス・アナリティクスは、あらゆる種類の事業単位にとって、保有するデータを理解し、より賢明な意思決定につながる具体的なインサイトを生成するのに役立ちます。

• 財務と運用の計画：ビジネス・アナリティクスは、組織が財務計画と運用をよりシームレスに連携させるのに役立ちます。これは、サプライチェーン管理のルール設定、機能全体でのデータ統合、需要予測の改善によって実現できます。
• プランニング・アナリティクス：プランニング・アナリティクスは、スプレッドシートとデータベース・テクノロジーを組み合わせて、需要やリードの創出、運用コスト、テクノロジー要件といったテーマについて、効果的なビジネス上の意思決定を行う統合事業計画の手法です。多くの組織がこれまで、事業計画にExcelなどのツールを使用してきましたが、中にはIBM Planning Analyticsなどのツールに移行している組織もあります。
• 営業とマーケティングの統合計画：すべての組織は、リードの発掘や、販売転換、顧客維持の成功率に関する履歴データを蓄積しています。組織は、正確な収益計画と予測を作成し、ビジネス・アナリティクスを使用してマーケティングと営業のデータをより深く可視化することで、業績や需要の変化に基づいてリソースを容易に割り当て、ビジネス目標を達成したいと考えています。
• 統合された従業員パフォーマンス計画：組織はデジタル・トランスフォーメーションを進め、状況の変化に対応するため、適切なスキルを備えた適切な従業員を確保する必要があります。従業員が新しい仕事のために会社を辞める可能性が高い世界では、特に当てはまります。従業員パフォーマンス計画は、組織が従業員の必要条件を理解し、スキルギャップを特定して対処し、現在から将来にわたって組織のニーズを満たす人材をより適切に採用し維持するのに役立ちます。

ビジネスデータの活用を検討している企業は、既存の従業員のスキルを向上させるか、新しい従業員を雇用する必要がある場合が多く、新しく職務内容説明書を作成する可能性もあります。データ主導の組織には、優れた分析スキルとコミュニケーションスキルを備えた従業員が必要です。

確固としたビジネス・アナリティクス戦略の可能性を最大限に活用するために必要な従業員のタイプは、次のとおりです。

• データサイエンティスト：これらの従業員は通常、会社のビジネス・アナリティクス・プログラムを強化するアルゴリズムとモデルの管理を担当します。組織のデータサイエンティストは、使用するアルゴリズムにNTLKなどのオープンソース・ライブラリを活用するか、データ分析を行うための独自のアルゴリズムを構築します。彼らは問題解決に優れており、すぐに使用できる機械学習アルゴリズムにアクセスするのに役立つPythonや、データベースからデータを抽出してモデルに入力するのに役立つSQLなど、通常いくつかのプログラミング言語を知っている必要があります。近年、データサイエンスの理学修士号や学士号を取得できる学校が増えており、学生はコンピューター・サイエンスや統計モデリング、その他の数学的応用を学ぶ学位プログラムのコースに取り組んでいます。
• データエンジニア：さまざまな場所からデータを収集し、クリーニングして分類し、 1つのマスター・データベースに配置する情報システムの構築と保守を行います。彼らは多くの場合、利害関係者がデータを簡単に収集してアクセスできるようにして、組織にデータ操作の一元的なビューを提供できるようにする責任を負います。
• データアナリスト: データアナリストは、社内外の関係者にインサイトを伝える上で中心的な役割を果たします。組織の規模に応じて、データセットの収集と分析、データの可視化に関与する場合もあれば、他のデータサイエンティストが作成した作業を取り上げて、重要ポイントのための強力なストーリーテリングの構築に集中する場合もあります。

現代は、毎年新しい競合他社が出現し、顧客の習慣が常に変化しています。そのような急速に変化する世界で競争するために、組織は迅速な意思決定を行う必要があります。ビジネス・アナリティクスを優先する組織には、そうでない競合他社に比べて有利な点がいくつかあります。

• より多くの情報に基づいた意思決定： 組織のすべてのデータを柔軟かつ広範に把握することで、不確実性を排除し、迅速に行動を起こすことができます。組織のデータから特定の製品ラインの売上が急激に減少していることが読み取れた場合、その製品ラインの中止を決定するかもしれません。また他の組織では、依存している原材料の収穫が気候リスクによって影響を受ける場合に、別の場所から新しい原材料を調達する必要があるかもしれません。これは価格戦略を検討する際、特に役立ちます。企業が自社の商品やサービスの価格を設定する方法は、何千ものデータポイントに基づいており、その多くは時間の経過とともに変化します。企業が固定価格戦略を採用しているか動的価格戦略を採用しているかにかかわらず、リアルタイムなデータにアクセスして、よりスマートな短期および長期の価格設定データを作成できることが非常に重要です。動的な価格設定を導入したい組織は、ビジネス・アナリティクスにより数千のデータポイントを利用して外部の出来事やトレンドに対応し、必要であれば何度でも、最も収益性の高い価格ポイントを特定できます。
• 一元的な情報表示：全員が同じデータを利用可能で、同じプレイブックに基づいて話しているため、部門と基幹業務ユーザー間の連携が強化されます。これにより、さらに多くの目に見えないパターンが明らかになり、さまざまな部門が会社の総合的な取り組みを理解できるようになり、市場の変化に対応する組織の能力が向上します。
• 顧客サービスの強化：顧客が何をいつ、どのように望んでいるのかを知ることで、組織は顧客の満足度を高め、結果としてロイヤルティも高めることができます。さらに、リソースの割り当てや製造に関してより賢明な決定を下せるようになることで、組織はそれらの商品やサービスをより手頃な価格で提供できるようになる可能性があります。