「データ分析・AIを実務に活かす データドリブン思考」河本 薫著 ”意思決定プロセスを改善する”

・ノーベル経済学賞を受賞したダニエル・カーネルマンの言葉

「組織は意思決定を生産する工場である」

「an organization is a factory that manufacture judgments and decisions」

・我が国の意志決定プロセスはなぜ劣るのでしょうか。まず、個人の資質として、「どうやって意思決定をするか」と考える力どころか意識すら持ち合わせていないのです。・・・勘と経験に頼り過ぎるため、意思決定プロセスを形式知化することが苦手です。加えて、組織体として意思決定する場合に、損得勘定をはじめ様々なモラルハザードが合理的な意見を遮ります。日本の企業を観察すればするほど、問題の根は深いのです。・・・

　そして、その改革の主役は、データやAIの専門家であるデータサイエンティストではなく、現場担当者から経営者まで意思決定を担うビジネスパーソン１人１人にあるということです。

・←データ分析で何を解くか←意思決定プロセスの理解←解決したい課題←解決したい問題

　　販売量の予測　　　　　　商品の獅子れ量を過不足←売れ残りや　　←食品廃棄のい

　　　　　　　　　　　　　　しないように決める意思　売り切れの抑制←低減や売上アップ

　　　　　　　　　　　　　　決定の精度向上

　　工場の設備ごと　　　　←全設備の中から故障　　←突発故障の低減←納期遵守、生産性

　　の故障予知　　　　　　　しそうな設備を選択する　　　　　　　　　向上

　　　　　　　　　　　　　　意思決定を可能にする

・データ分析は意思決定プロセスを改める手段なのですから、問うべきは「データ分析で何を解けばいいのですか？」ではなく「データ分析を活かしてどのような意思決定プロセスを作りたいのですか？」なのです。

・意思決定プロセスが暗黙知のままでは、形式知の世界でも思考ツールであるデータ解析は意思決定プロセスに組み込めないのです。

・意思決定プロセスの3段階モジュール

　Step１　選択肢を集める

　Step２　手掛かりを得る

　Step３　選択をする

・意思決定の類型化とデータ分析の役割

意思決定の種類　　例　　　　　　　　　　データ分析の役割

A　反復選択型　　・ターゲティング営業　選択肢を採用した場合における帰結の予想

・予防保全　

B　体制選択型　　・車両配置　　　　　　合理的な選択を行うための判断材料

　　　　　　　　　・出店立地

C　原因特定型　　・不良品増の解決　　　原因の候補と結果の関連性

　　　　　　　　　・売上減少の解決

D　計画策定型　　・配送ルート　　　　　最適な計画の発見

　　　　　　　　　・シフトスケジュール

E仮説思考方　　　・販促施策　　　　　　購買する顧客増の仮説発見と検証

　　　　　　　　　・新サービスリリース

F　経営判断型　　・新規事業進出　　　　経営者の思考バイアスの低減

　　　　　　　　　・政策立案

・方法論をどれだけ理解しても、行動に移さなければ意味はありません。

・企業の変革を阻む３つの壁

①人材の壁；データ分析をビジネスに活用する社員が育たない 

②部門の壁；部門横断のデータ活用が進まない 

③経営の壁；データ分析が経営判断に活かせない

・社員の行動を変えることが変革につながる

・社員の心理的な抵抗を行動から変える

・心理的な壁；

１）「データ分析=専門家」という固定観念 

　　データ分析をできないと（知らないと）居心地の悪い社内環境を作る　 

２）「データ分析を学ぶハードルを下げる」

　・現状維持バイアス

　①意思決定プロセスに責任を問う　

　・変えない理由を書いてもらう

　・過去の連続線上でしか目標設定できなければ、陳腐化していくビジネスモデルで小銭を集めるようなものです。

　②組織人としての損得勘定

感想；

　データ分析を

　①何のために行うか。

　②どのデータ分析を行うか

　③それを改善や経営に活用できるのか

をしっかりやらないと、時間をかけて行っても、結局時間の無駄で、自己満足で終わってしまうということがわかりました。

　問題点を暗黙知を形式知にすることの重要性も知りました。