[レポート]BEACON The Rise of Data Experiences #BeADataBEACON

産まれろ…新しいデータよ…
2020.06.09

奈良県でリモートワーク中の玉井です。

Looker社のオンラインイベント「BEACON」の「The Rise of Data Experiences」というセッションをレポートします。

ウェビナー情報

公式情報

登壇者

  • Karl Murray氏
    • Looker社のセールスエンジニア

補足

データ分析には「データエクスペリエンス」は必須であるという話でした。また、実際にデータエクスペリエンスを実現している企業の事例の紹介もありました。

レポート

データエクスペリエンスとは?

Gartnerによると、従来型の(レポート作成等のための)BI環境への支出と注力は、劇的に変化するといいます。今後は、ビジネスオペレーションとデジタルソリューションに統合された分析が求められるようになります。今日のセッションでは、このことを心に留めておくことが非常に重要です。この支出の変化は、ビジネスのニーズの変化を表しています。

では、データエクスペリエンスとは何でしょうか。そのままの意味ですが、人々がデータを経験する方法です。私たち(Looker社)の使命は、データをよりスマートに利用できるよう人々に力を与え、それを実現することです。人々が、その時点で、最も意味のある方法でデータを利用できるようにする必要があります。

そして、私たちが気付いたことは、Gartnerの引用に似ています。これは必ずしもBIやレポート作成環境とは限りません。それは、他の何かかもしれません。人々は「データを経験する」必要があり、それは人々にとって最も意味をなします。

今日のセッションでは、純粋なダッシュボードを見るだけではなく、BIの重要な部分であることを理解していただきたいと思います。ここで重要なのは、データエクスペリエンスは、データを構築する人の目線ではなく、データを消費する人の目線で定義されます。繰り返しになりますが、これはBI市場における一般的な変化であり、データアナリストやエンジニアと知り合い、ダッシュボード等を構築している人がデータエクスペリエンスを構築することに非常に焦点を当てています。私たちは今、これまでの見方を変えて、「データを消費する人の目線」を変えようとしています。

データエクスペリエンスは純利益に影響を与える

では、経験(データエクスペリエンス)が財産になるということが何を意味するのかを少しお話ししましょう。これまでのところ、インサイト駆動型ビジネスは、デジタルインサイトを戦略的かつ大規模に活用し実装すると主張しています。ここで重要なのは、差別化するデータエクスペリエンスの製品とサービスを推進し創造することです。

ここで、データエクスペリエンスの強化が重要になります。それはデータを通して人々に何らかの異なる体験をさせる能力を強化するということです。これが可能になれば、企業は、よりインサイト主導型のビジネスに移り変わることができます。FORRESTERによれば、インサイト主導のビジネスは、(外的要因による)混乱時に(ビジネスが)成功する可能性が2.3倍になるということです。

「自然界」でのデータエクスペリエンス

皆さんもご存知のように、私たちは今、混乱の時代にいるので、データエクスペリエンスをやっていくのは理にかなっています。データエクスペリエンスのメッセージと実践が、より重要になってきます。ではいくつかの例を見てみましょう。どんなデータエクスペリエンスが自然界でどのように見えるのか、見てみましょう。

(Looker社の)マーケティングチームの製品担当者は、様々な顧客や、エンドユーザーのデータを提供している様々な方法に目を向け、データを消費する人の目線を通した分類を開始しました。その結果、4つの重要なエクスペリエンスがあることがわかりました。

1つ目は、「Modern BI & Analytics」の考え方ですが、これは重要なエクスペリエンスであるダッシュボードのことです。これはデータ分析というパズルの中でも非常に重要なピースです。ただし、ここで覚えておくべき重要なことは、これは4つのピースのうちの1つに過ぎないということです。

私たちが次に発見したエクスペリエンスは、「Integrated Insights」という考え方でした。これは、人々が既に使っているツールや製品に、関連する情報(データ)を注入することです。人々がインサイトを得るためにBIツール側に入っていく必要はないということを覚えておいてください。それに加えて、プラットフォーム内でデータやインサイトを消費している場合もあれば、(それがデータであると)気づかないうちに消費している場合もあります。

3つ目の要素は「Data-driven Workflows」です。データを活用することで、完全(または「ほぼ」)リアルタイムに近いデータを使って、業務のワークフローを極めて強化することができます。これは、データを成長のために利用し、混乱を乗り切るためにデータを利用するという考え方を後押しするものです。

そして最後です。いくつかのアプリケーションにはコストがかかります。考えてみれば、今日私たちがウェブ上で使用している製品のほとんどにはコストがかかっています。結局のところ、あなたが知っているように、その多くが私たちのデータ製品であるということです。これこそが「Custom Applications」であり、データを提供するための目的に合わせたツールを構築し、仕事に合わせたエクスペリエンスを提供するということです。

それでは、いくつかの例を通して、実際の世界ではデータエクスペリエンスがどうなのか見てみましょう。

Modern BI & Analytics

最初に「Modern BI & Analytics」について少し深く掘り下げてみましょう。

これがエクスペリエンスなのです。これは、より詳細な分析の出発点として、関連するレポートやダッシュボードとして、リアルタイムに機能します。ここで知っておくべき重要なことは、単なる「BI & Analytics」ではなく、「Modern」という言葉もついているということです。これは、これらのインサイトがリアルタイムであるという事実から来ているということです。私が話しているのは、数日前の静的なデータや、抽出されたデータではなく、1つのレベルの粒度しか見ることができないデータのことです。人々が実際に深入りすることができるデータについてです。これにより、本当のデータ分析を始めることができます。

このエクスペリエンスにより、信頼性の高いデータに容易にアクセスできるようになり、データに基づいて日々適切な意思決定を行えるようになります。ここで心に留めておくべき重要なことは、「Modern BI & Analytics」という名が示すように非常に分析的であるということです。また、非常に探索する可能で、データ中心です。だから、このタイプのエクスペリエンスを持っている人は、データを見て、分析していることを非常に意識する必要があります。

では、このエクスペリエンスの例を見てみましょう。

Kingはヨーロッパのとても大きなゲーム会社です。有名なゲームを開発しています。キャンディクラッシュはご存じの方も多いと思います。

彼らは2つの大きな問題を抱えていました。1つは、人々がインサイトにアクセスできないことです。つまり、彼らはデータが収集されていることを知っていて、データを使いたいと思っているのですが、ゲームの開発を変更するために必要な情報を十分に早く得ることができませんでした。もう一つの問題は、インサイトやレポート、ダッシュボードにアクセスできるようになっても、エンジニアリングチームが配信しなければならないため、データ、エンジニア、データアナリストのリソースを大きく消耗してしまうことでした。

そこで彼らが最初に行ったことは、LookerでセルフサービスBIをセットアップすることでした。これにより、誰もが必要な時に必要な場所で必要なデータにアクセスできるようになりました。先ほども言いましたが、データアナリストがデータを依頼することは、データチームに大きな負担をかけてしまいます。このセルフサービスは、データアナリストやエンジニアの負担を軽減します。今、彼らは常にデータチームに頼る必要はなく、すぐにインサイトを得ることができるようになりました。

これによって、彼らはプロダクトマネージャーのために、プレイヤーがゲームとどのようにやり取りしているかを素早く知ることができたのです。Kingのプロダクトマネージャーは次のように述べています。「ダッシュボードを表示して、ユーザーがどのレベルで行き詰っているのか…ということや、ゲーム内のアップグレード状況を確認することができるようになりました。弊社の(データ分析における)最後のピースは、誰もがデータを信頼し始めたことです。最終的には、目にしたデータをもとに大きな意思決定をすることになるので、これはどのようなビジネスにとっても重要なことです。」

Integrated Insights

「Integrated Insights」とは、すでに使用しているツールや製品に、関連する情報を注入し、それらのツールのエクスペリエンスを向上させ、より効果的なものにすることです。

これは何を意味するかというと、会社の誰もが何も意識せずにデータを作り、意思決定をしているということです。つまり、すべて文脈に沿ったものであるということです。これは非常に受動的なエクスペリエンスでもあります。つまり、ダッシュボードに飛び込んで「データが欲しい」と言うのではなく、実際にデータが収集されていることは知らずに、情報を得ることの方が重要なのですが、これは後々紹介する2つのポイントにつながります。

Slack社の例を見てみましょう。

クールな企業で、クリエイティブな頭脳を持った人たちがいる企業です。Slack社は「Midas Touch」と呼ばれているシステムを作りました。それはデータを取得し、社員のGoogleスライドに注入します。Slack社はそれについてのブログを書いています。

Slack社の課題は、営業が顧客向けにカスタムデータに基づいたセールスプレゼンテーションを準備するために、数え切れないほどの時間を無駄にしていることでした。Slack社は、主にアップセルとエンゲージメントを促進することに焦点を当てていますが、営業担当者がこれらのスライドの作成に多くの時間を浪費していることがわかりました。

解決策はBotを作ることでした。スライドを作成する代わりに、営業チームは余裕を持ってSlackのスラッシュコマンドを入力するだけです。それから、アカウントのリストを見て、スライドを作成したいアカウントを選びます。そして、複数の異なるシステムからデータを取り出し、それをデータストーリーにコンパイルして、Googleスライドのプレゼンテーションに組み込みます。これはすべて1つのコマンドで行われます。

King社と同様、これもまた、データの信頼にもつながりました。なぜなら、これはすべてバックグラウンドで管理されていたからです。データは完全に管理されていて、ヒューマンエラーを最小限に抑え、複数の異なるシステムからデータを引き出すことができます。また、Slack内のデータチームも同様です。我々はLookerのモデリングレイヤーを活用し、Slack社のデータを会社のインサイトに変えることができました。そして、彼らはデータが実際に最も意味のある場所を知っているかを考えることができるようになり、彼らの人々のためにこのデータを配置します。この例では、営業担当者がインサイトをスライドデッキに統合して、作業を素早く開始します。これにより、時間を大幅に節約できるだけでなく、顧客に対してスライドをプレゼンテーションする際にも、よりよいエクスペリエンスを提供できるようになります。

Data-driven Workflows

このことについて覚えておくべき重要なことの1つは、「Data-driven Workflows」には人間が含まれている場合もありますが、人間が含まれていない場合もあるということです。これらを実装することができるようになると、ビジネスは通常、非常に運用性の高いものになりますが、データをビジネスのあらゆる部分に適用できるので、時間とコストを節約することができます。正確で新鮮なデータに依存しているだけでなく、当然のことながら非常にタスク駆動型です。

LookerユーザーのFuture Play社は「人間要らずワークフロー」の素晴らしい例です。彼らができたのは自分たちの洞察を応用して 「入札ボット」 と呼ばれるものを作りました。これによってFuture Play社は、どの広告が好調か不調かを予測することができます。そうすれば、広告の入札額を変更して、より良いリードを提供し、本当にパフォーマンスの高い広告にもっとお金を使うことができます。逆に言えば、あまりうまくいっていない広告にお金を浪費しなくなったということです。

これは全てデータによって動かされているという事です。これは人間が動くことなく、バックグラウンドで動くシステムです。クールなのは、この入札ボットが実際にどのように構築されたかということです。

最初は単なるダッシュボードとしてスタート…つまり「Modern BI & Analytics」としてスタートしました。最初は、エンドユーザーがダッシュボード上で、パフォーマンスの低い広告とパフォーマンスの高い広告を純粋に閲覧することから始めました。それを次のレベルに引き上げたのが、マーケティングチームが内部に入ってアクションを起こすことができるようにした、ということです。そして、この仕組は、さらに次のレベルに行きました。Looker APIを利用して入札ボットを作成し、マーケティングキャンペーンを処理するようにしました。今では、人の手を介さず、完全に独自処理されています。

このユースケースの本当に素晴らしいところは、最初は別のエクスペリエンスとして始まりましたが、時間の経過とともに成長していき、要件も時間の経過とともに変化していったということです。

Custom Applications

パズルの4つ目のピースは「Custom Applications」です。これは、データを提供し、その仕事に合わせたエクスペリエンスを提供するために作られたツールです。

「Custom Applications」では、人々が必要とするエクスペリエンスを正確に構築することができ、より効果的で効率的なアプリケーションを作ることができます。一般的に、「Custom Applications」には大きな目的があり、非常に実用的です。私が考えたいのは、「Custom Applications」は、エンドユーザーがデータのことを全く考えなくて済むようなシームレスなエクスペリエンスを提供してくれるということです。データよりも「何をしているか(何をするか)」を考えさせるということです。

ある大手放送局が構築したのは、営業担当者向けの「Custom Applications」です。広告の価値を評価し、広告の価格を最適化するために広告の価格を設定できるツールです。これが何を意味するかというと、まず第一に、彼らが販売している広告は非常に高い価格で、最適な価格で販売しており、広告が顧客に配信されることを顧客に伝えることが保証されているだけでなく、その時点で番組を見ている人々をターゲットにすることも保証されています。しかし、その裏では、パフォーマンスがあまり良くない広告とか、エンゲージメントの非常に強い視聴者がいない広告を売ることもできます。実際には、これらの広告を、より低い価格で割引することができます。そして、顧客に公正価値を提供していること、そして、これらの広告が最適な価格で割引されていることを把握することができます。

複数のデータエクスペリエンスを実現した事例

データエクスペリエンスは、単に1つを作成して、次のエクスペリエンスに移るだけではありません。複数のデータエクスペリエンスが一緒になることで、データがあらゆる部分に統合されて、まとまりのある感覚を得ることができるのです。

LookerユーザーのGuru社の話をします。Guru社はナレッジマネジメントソリューションで、企業が内部のナレッジを把握し、管理することを支援します。彼らは顧客のために複数のデータエクスペリエンスを創造します。

まず最初に紹介するのは、GUIメニューにあるAnalyticsタブです。これは「Modern BI & Analytics」です。ユーザーは、誰がトップパフォーマーなのか、どのカードが一番見られているのかを知ることができ、時間をかけてスコアを信頼します。私は非常に多くのインサイトを収集するダッシュボードの分析に入り、探索することができます。これは簡単に聞こえるかもしれませんが、エンドユーザーの考え方を理解する必要があります。彼らはデータを見て、もう少し深く掘り下げて、名前を付けたいと思っています。これが「Modern BI & Analytics」です。

次は「Integrated Insights」です。ランディングページの中で、信頼度スコアを見ることができます。上位の検証者から上位の著者までが表示されていますが、これはデータです。グラフには表示されませんし、ダッシュボードやレポートにも表示されません。ここで実際に起こっているのは、成長した企業がLookerのAPIを利用して、エンドユーザーにとって意味のある場所にデータをプッシュしているということです。そうすることで、「インサイト」が、既存業務に統合されていくのです。このエクスペリエンスは、エンドユーザーにとってシームレスなものにしようとすることが全てです。

Guru社には、カードの更新や認証を行うための「Data-driven Workflows」がたくさんあります。1つは、情報を入力して3ヶ月後、「この情報はまだ正しいのか?」 と聞かれる仕組みです。「Data-driven Workflows」は数多くあり、ユーザーが製品に戻ってきたとき、全てが最新で正確であることを確認するよう促します。

ここにはたくさんのデータが表示されていますが、それは人々が必要とするもののために正確に構築されています。しかし、それは多くの場合、他の多くのデータエクスペリエンスが一緒になって、その部分の総和よりも大きなものを作るために集まってくるのです。

まとめ

今日のセッションからいくつかの重要なポイントをご紹介します。

  • ダッシュボードは、ユーザーが必要とするデータを提供するためのパズルの一部に過ぎないことを理解する
  • 社内ユーザーであれ社外ユーザーであれ、関連性のあるデータエクスペリエンスを展開できる企業が勝利を収める
  • データエクスペリエンスには様々な形があり、創造性をサポートできるプラットフォームが必要である

先ほども述べたように、BIといえばダッシュボードだけではなく、他にもデータエクスペリエンスは存在しています。

おわりに

「ダッシュボード」を作ることが目的ではなく、それを関係者にどのように届けるか、そしてそのデータを業務にどのように活かしていくか、というところまで考えないといけませんね。