アナリティクスライフサイクルとは何か？

アナリティクスライフサイクルとは、すべてのビジネスインテリジェンスおよびアナリティクスプロジェクトが経る傾向にある一連の段階です。データやアナリティクス製品がエンドユーザーに導入されると、エンドユーザーが発見したことや、彼らからの質問が新しいコンテンツのニーズを作り出し、プロセスが再開するという点で、ライフサイクルは基本的に反復のひとつと言えます。

 

データへの接続

すべてのアナリティクスプロジェクトには、ひとつ以上のデータソースが存在します。これはスプレッドシートや、トランザクションシステム、データウェアハウスなどです。これらのソースは、分析のためにBIツールで使用できるようにする必要があります。

 

データの分析準備

データ接続を確立したら、次のステップは、セルフサービスアナリティクスの準備です。データ品質に課題があったり、データ形式がアナリティクスツールでの使用に適していないなど、データの分析準備が整っていない場合があります。この場合、データに変換ステップを適用することで、データを変換しなくてはいけません。このプロセスを通して、複数のデータソースをマージし、データサイエンスモデルを統合することもできます。これが完了すると、データは新しいテーブルセットに保存され、次のステップに進むことができます。

レポート作成のためにデータを保存し、セルフサービスレポート作成を有効にしたり、データから多くのエンドユーザーコンテンツを作成したい場合は、メタデータレイヤーの定義が必要になります。このレイヤーは、ビジネス翻訳レイヤーのように機能し、統制されたセキュアな方法で、データから新しいコンテンツを簡単に作成できるようにします。大部分のBIツールが、何かしらの形式のメタデータを搭載しています。中には、プロジェクトやワークブック、レポートレベルで実現される場合もあります。他にも特定のレイヤーがあり、すべてのコンテンツレイヤーでロジックを再利用できます。

メタデータレイヤーは、多くのエンドユーザークエリーをサポートするために、十分に柔軟にデザインをする必要があります。複雑にしすぎると、典型的なビジネスユーザーには使用することができません。

 

アナリティクスコンテンツの構築

データの準備が完了したら、レポートやビジュアライゼーション、ダッシュボードの構築を始めることができます。構築されたコンテンツは、エンドユーザーに意思決定を行い、ビジネスをより良く理解できるデータを提供することで、彼らの業務および戦略ニーズをサポートできなくてはいけません。

業務レポートは通常、日常的な業務のニーズに対応します。これは、仕事の中で人々が何に対応し、次に何を実行すべきかを把握するサポートをします。

セルフサービスレポート作成を有効にしたい場合、エンドユーザーは、大規模な聴衆に向けてコンテンツを作成するために使用されるのと同じツールを使用して、個別のコンテンツを作成し、他のユーザーに共有することができます。

ダッシュボードは高レベルな傾向にあり、長期的な意思決定をサポートし、数値グラフから、タイムシリーズ分析やカテゴリー別分析まで、複数のレポートを統合します。ユーザーは、これらにフィルターを適用し、対話をすることで、ビジネスの傾向や課題をより完全に理解することができます。

アクションによりダッシュボードを強化することで、完結した分析ループを作成し、エンドユーザーはダッシュボードから直接アクションを実行することができます。これは、業務ワークフローや意思決定をサポートし、ビジネス成果がデータドリブンであることを保証します。

 

手動および自動分析

エンドユーザーにレポートやダッシュボードを導入したら、彼らはこれらを使用して、ビジネスを日常的に分析するようになります。コンテンツは簡単にアクセスし、使用することができ、さらに掘り下げたい課題を見つけた場合に、エンドユーザーがデータの詳細を確認するために必要なインタラクションを備えていなくてはいけません。

手動分析は、データディスカバリーを通して、エンドユーザーがインサイトを明らかにできるプロセスのひとつです。これには、フィルター、ドリルダウン、ドリルスルー機能の使用が含まれます。しかし、この手法の効果は、ユーザーのデータリテラシーや、分析する必要があるデータの量、データ分析に使用できる時間や、彼らの興味に応じて制限されます。そのため、自動分析ソリューションは、分析プロセスの加速をサポートします。

自動分析は、データ分析のための、マシン主導プロセスのアプリケーションです。これは、エンドユーザーがデータの急増など、通常とは異なる何かを見つけた時に手動で開始することもできますし、背後で実行することで、継続的にデータを監視し、重要な変化を見つけることができます。いずれにせよ、目的はリアルタイムでのインサイト提供により、ユーザーエクスペリエンスを強化することです。

 

コラボレーションとインサイトの共有

インサイトを発見したら、それを他のユーザーと共有したくなるのは自然なことです。これは、アナリティクスライフサイクルで、最も重要な側面のひとつです。共有機能は、ユーザー使用率を促進し、BIおよびアナリティクスプロジェクトの投資収益率を向上させます。

 

• コラボレーションは、様々な方法で発生します。
• 例えばレポートなど、コンテンツの一部を共有することで、他のユーザーも閲覧できます。
• レポートやダッシュボードにコメントを追加することで、人々の注意を課題や機会に引きつけることができます。
• ビジュアライゼーションに注釈を付けることで、関連する説明と合わせて、人々の注意をデータの急増や急減に引きつけることができます。
• 複数のグラフやレポートを、何が、なぜ発生し、どのようなアクションを実行すべきかを説明するナラティブと組み合わせて、データストーリーやプレゼンテーションを作成します。

 

データとのコラボレーションにより新たな質問が生まれ、これが新しいコンテンツ要件の開発を促進することで、アナリティクスライフサイクルを再開します。