未来を予測できるとしたら?例えば、マーケティングメールで、お客様がクレジットカード情報を入力したくなるような最善のオファーを予測できたとしたら?または、取引を他に移そうとする可能性がもっとも高いのはどのお客様でしょうか。予測分析を活用すれば可能です。

予測分析を使えば、企業はすでに持っている情報のパターンを検索することで、将来起こりそうなことを予測できます。特定のビジネス上の質問に答えるために生情報を分析するデータ分析のサブセットは、機械学習、統計、データマイニング、AI(人工知能)などの技術を使って予測モデルを作成します。これらのモデルは、基礎となるパターンまたは原因のデータセットを調べ、結果を予測するために使用されます。

組織はすでに、顧客の個人情報やWeb閲覧の傾向、購入履歴から、売上高、収益、利益に至るまで、膨大な量のデータを収集しています。予測分析を活用すれば、それらのデータをインサイトに変え、より良い意思決定を行い、ビジネス全体の成果を向上させることができます。

 

予測分析はどのように使われる?

予測分析は、かつてはほとんどの組織において手の届かないものでした。しかし近年、機械学習や人工知能など、その基盤となる技術の進歩によって、より利用しやすくなっています。

また、予測分析を利用している企業は米国企業の28%にすぎず(詳しくはこちら(英語))、調査対象の大多数は、予測分析を「重要」または「とても重要」とみなしています。実際、予測分析の世界市場は2016年の34億9000万ドルから2022年までに約109億5000万ドルに倍増すると予測されています(詳しくはこちら(英語))。

一般的なエントリーポイントは、予測分析ツールを企業の顧客関係管理(CRM)システムと組み合わせて使用することです。CRMを利用することで、企業は営業、マーケティング、カスタマーサービスの各チャネルにおける顧客の行動を予測することができます。これには、製品の使用や支出など、お客様の過去の行動を分析して、クロスセルの機会を特定することが含まれます。または、各顧客に表示される製品、オファーまたはコンテンツを最適化する方法を見つけます。例えば、ストリーミングサービスのNetflixは、視聴履歴に基づいて、顧客が楽しめるプログラムをレコメンドしてくれます。

また他の用途として、予測分析を使用して製品やサービスをキャンセルしたり、競合他社に乗り換えるリスクが最も高い顧客を特定したりすることもできます。これにより、営業担当者は顧客と関わり、考えを変える機会を得ることができます。カスタマーサービスチームは、予測分析を活用して、記録されているケースのカテゴリとその重大度を判断できるため、適切にルーティングできます。

また、組織がリスクを軽減するために予測分析を使うこともできます。たとえば、銀行は住宅ローン申請者のデータ、つまり雇用状況、収入、貯蓄負債比率、信用スコアなどのデータを使って、低リスクまたは高リスクの借り手かどうかを予測します。また、こうした情報を使用して、どの程度の金額と金利を提示するかを判断することができます。さらに、銀行やその他の金融機関は、機械学習を使い、不正を示す可能性のあるパターンを発見できます。(詳しくはこちら(英語))

医療機関も、さまざまな方法で予測分析を使用します。例えば、テキサス・チルドレンズ病院は、患者に影響を及ぼす社会的および心理的要因に関する情報を使用して、糖尿病の危険な合併症である糖尿病性ケトアシドーシスを発症するリスクを予測する予測モデルを開発しました。これにより、介護者はリスクの高い患者を特定し、より綿密に監視することができます。このモデルを用いることで、合併症による再入院が年間30.9%減少しました。(詳しくはこちら(英語))
最後に、予測分析によって、製造業者は事前に問題を特定し、生産への影響を回避または軽減するための措置を講じることができます。たとえば、企業は設備のパフォーマンス予測モデルを使用して、サービスが必要な時期を予測できます。(詳しくはこちら(英語))
 
 

なぜ予測分析が重要なのか?

企業や政府が生成するデータは、顧客満足度の向上、意思決定の誘導、競争優位の創出に使用できる情報の宝庫です。しかし、金鉱と同様に、生データは使用する前に処理が必要です。汚れを払い落とし、貴重な洞察を引き出してこそ、真の価値が明らかになるのです。データ分析の分野について見てみましょう。

データ分析にはいくつかのタイプがあります。これには、過去に何が起こったかを説明する記述分析と、なぜ起こったかを説明する診断分析が含まれます。これらは、大量の情報をより小さく、より理解しやすいチャンクにまとめて管理しやすくするために使用されるほか、ビジネス・アクションに関する過去のイベントの重要性を識別するためにも使用されます。

多くの場合、企業はこれらの形式のデータ分析を使って、財務から在庫管理、従業員の生産性に至るまで、あらゆるレポートを生成します。記述的分析を使って、投稿の共有や「いいね」、「リツイート」された回数など、ソーシャルメディアのパフォーマンスなどを追跡することもできます。

処方的分析は、より抽象的な形式のデータ分析です。ユーザーは「仮定」シナリオを作成し、変数に基づいて結果を推定することができます。このタイプの高度な分析は、医師による事実の解釈が確固たる証拠と同じくらい重要な医療においてよく使用されます。航空会社は、航空券の価格を設定する際に多くの潜在的要因を考慮するため、処方的分析にも依存しています。

一方、予測分析は、次に何が起こるかという疑問に答えます。そのため、予測モデルを使用して、将来の結果に影響を与える可能性のある変数を調べます。各変数のデータが収集されると、統計モデルが定式化されます。

 

予測分析モデルのタイプ

予測モデルには、決定木、回帰、ニューラルネットワークの3つの主なタイプがあります。決定木では、樹形図を使って、1つの選択が他の選択にどのようにつながるかなど、さまざまなアクションの考えられる結果をチャート化します。回帰は、商品や株価などの異なる変数間の関係をユーザーが理解するのに役立つ統計を使用します。一方、ニューラルネットワークは、人間の心の働きを模倣するように設計された複雑なアルゴリズムであり、そうすることでデータ内に非線形な関係があっても識別することができます。
実際には、予測分析ツールは、ユーザーが大量のデータをマイニングして原因と結果の間の価値ある関係を見つけることができる予測分析ソフトウェアプログラムであることがほとんどです。またユーザーは、利用可能なデータをよりよく理解した上で、知識に基づいた予測を行うこともできます。組織は、これらの予測を部門間で共有して活用できます。
予測分析では100%正確な結論を出すことはできませんが、概してビジネスの成果を改善できる信頼性の高い予測だと言えます。実際、Forbes Insightsのレポート(英語)によると、予測マーケティングを少なくとも2年間使用した経営幹部の86%が、投資収益率の向上を報告していることがわかりました。報告書によると、予測マーケティングの主な利点の一つは、「市場機会の特定、広告ターゲティングの改善、育成プログラムの改善、よりターゲットを絞った顧客の獲得」など、大きな焦点を絞ることができるというものでした。
 

予測分析の活用をどう始めるか?

予測分析のすべての可能性はまだ実現できていませんが、企業にとって特に興味深い2つの機能があります。これらは、ビジネスユーザーがリアルタイムで予測に基づいて行動できるように、意思決定時に予測をコンテキストに組み込む機能です。また、データ駆動型の予測に基づいてワークフローとビジネス・プロセスを自動化することで、従業員を煩雑な作業から解放し、カスタマー・サービスや問題解決などのより価値の高いタスクを対応する時間を作ることができるでしょう。

組織がこれらの機能を十分に活用できるようになるのは少し先のことかもしれませんが、今すぐ始めることが重要です。オススメの4つの手順をご紹介します。

1. データを1箇所に収集しましょう。 予測分析を行うためには、大量のデータが必要です。しかし、多くの組織では、ほとんどの場合複数のサイロ化されたシステムに存在しています。

2. データを準備しましょう。 データを収集したら、予測モデルで処理できるよう「クリーン」にする必要があります。この手順には時間がかかる場合がありますが、データの質が向上すると結果も向上するため、この手順は重要です。

3. 予測モデルを構築しましょう。 技術の進歩により、これは想像するより簡単です。分析ソフトウェアを使用すると、企業はデータサイエンティストのチームを待機させなくても、予測モデルを開発、テスト、および実装できます。

4. 結果を活用しましょう。 これには、営業担当者やマーケティング担当者などの顧客との取引の最前線にいる従業員と洞察を共有することも含まれます。または、顧客向けのモバイルアプリなどのビジネスコンテキストにモデルの出力を埋め込むことを意味する場合もあります。

 

組織全体に予測分析を導入することで、企業は生データに隠された価値をさらに引き出すことができます。そうすることで、未来を予測するのに役立つ宝の山に変えることができるのです。