仕組化のための「使・集・貯」のサイクル


「使・集・貯」サイクル






「考動」をいかに行っていくか?
データ分析をいかに行っていくか?
考動・データ分析の仕組みを

  • 「データを使う」
  • 「データを集める」
  • 「データを貯める」


という3つのフェーズから考えてみる。


ただし、もっとも重要なのは、「サイクル」である。
人間の体も、心臓そのものではなく、血液が流れていることが重要なのである。
以下の図のとおり。(「集める→使う」「使う→貯める」も可能性としてはある)



データ分析において、「続けること」すなわち、サイクルをまわしつづけることが重要である。
予測の精度を上げる方法は、サイクルを回し続けることである。
それぞれのフェーズについては、
「使う」フェーズでは、「視点のバランス」、
「集める」「貯める」フェーズでは「多面性」が重要になる。
つまり、できるだけたくさんのデータから選び抜かれたデータを分析することなのである。(理想)
「仕組み」を作るために必要なポイントを、それぞれのフェーズごとに、以下に記す。





「使う」

「使・集・貯」サイクルの中でも、最も重要な「使う」フェーズから考える。
要件をもとに「使いたい人が、使いたいときに、使いたいデータを」使える仕組みを考える。 それぞれの要素を明確にしていくことで、仕組みの全体像が組み上がっていく。

「使いたい人が」とは
「誰が使えて、誰が使えないのか」を考える。
1.能力・業務による権限付与
2.教育による能力向上

「使いたい時に」とは
「どの時点のデータが必要か」を考える。
1.「定期処理対応」どの時点でデータが更新されるか。自動化できるか?
2.「非定型処理対応」リアルタイムデータが必要か?

「使いたいデータを」とは
定型と非定型の業務を切り口に考える。
1.「定型業務」いつも使うデータから、いつも使うレポートを
2.「非定型業務」あらゆるデータから、さまざまなレポートを

そのほかには、
・「形式知と暗黙知」暗黙知、つまり、データ化されていないデータをどうするか?
・「定量データと定性データ」定性データをどう評価するか?
など。



「集める」

「どんなデータが、どこから、いつ、だれが」集めるのかを考える。
「使う」ためになにが必要かということである。

「どんなデータが」とは 
要件に必要なデータはなにで、使うにはどんな加工が必要か?
1.「データの選定」 必要なデータはあるか
2.「データの加工」 定性データであれば、基準化、標準化を行う。外部データと自社データを比較する必要があればデータの細かさ(粒度)を揃える

「どこから」とは
必要なデータをどのように集めるか?
1.「システム間連携」自社システムのデータだけでなく、外部システムのデータとの連携も考えられる。データの細かさ(粒度)が違うことがある点に注意する。
2.「アナログデータ」デジタルデータへ変換する必要がある。


「いつ」とは
どのタイミングで、データを集めるか?
1.更新スパン データ元が更新されるタイミング。
2.取得スパン データを取得するタイミング。要件による。


「だれが」
システム間連携であれば、自動化を行うことで、人が介在する必要ななくなる。
しかし、非定期、非定型業務やデータが紙だった場合、人が介在し、その人が集めることができるか?
短時間にTry&Errorを行う場合、「使う」担当者が「集める」ことができる方がよい。


そのほかに注意すべきなのは、
「データの信用度」
「集める」人も「使う」人も意識し、どういうデータなのか把握しなければならない点である。




「貯める」

「どのように、どれだけ」貯めるかを考える。
データの整理整頓と思ってほしい。使いたいものが、使いやすい場所に、使いやすい量ある。

「どのように」とは
データを使いやすくするための工夫をする。
1.「分類」マスター管理。同じデータなのに、ダブってしまわないように。(「普通」と「どちらでもない」など)
2.「加工」数値化、コード化など。「集める」フェーズで行えば必要なし。
3.「粒度」集計処理など。「集める」フェーズで行えば必要なし。 


「どれだけ」とは
「備えあれば憂いなし」とはいうが、要件を吟味し、無意味なデータは貯めない。
1.「期間」どれだけの期間が必要か。制限を加えないと無尽蔵に増えてしまうことになる。
2.「量」集計してしか使わないデータは集計すべき。
3.「範囲」グループ化してしか使わないデータはグループ化すべき。





「使う」「集める」「貯める」サイクル


そして、データを「使」った結果を、「集」めて「貯」めることが重要。それがサイクル


ページのトップへ戻る