優れたデータリテラシープログラムを立ち上げる方法

データリテラシーは、現代のデジタル企業にとって新たな中核スキルとして急速に重要性を増しています。データが増え続ける世界においては、データリテラシーを備えた人材を抱える企業こそが競争力を高めることが可能です。

データリテラシーとは、データを使って分析し、コミュニケーションを取る能力であり、ビジネスシーンにおいてデータを理解し、解釈し、それに基づいて行動するために欠かせないものです。

データリテラシーが高い人材は、データからインサイトを引き出す準備を自ら行うことができます。つまり、ITやデータの専門家に頼らずに問題を解決できるため、他に技術的なサポートを求めることによって生じがちなボトルネックを回避することが可能です。

本ガイドでは、データリテラシープログラムを構築することで得られるビジネス上のメリット、成功に不可欠な要素、さらに革新的なスキルアップ戦略に関する実例を学んでいきます。

データリテラシー投資のビジネスメリット

データリテラシーは、従業員のスキルを向上させるだけでなく、企業の業績にも良い影響を与えます。The Data Literacy Projectの調査によれば、データリテラシーを高めることで、データリテラシーが低い企業と比較して、企業価値が3億2000万ドルから5億3400万ドルに増加すると予測されています。

データリテラシーを備えた人材がもたらすメリットは企業の収益にとどまらず、以下のようなさらなる効果が期待されます。

• 生産性が改善 - 全従業員がデータを活用して問題を解決できるようにすることで、業務プロセスの効率化、意思決定のスピードアップ、リスク軽減が実現します。
• 従業員の意欲と満足度が向上 - データリテラシーが高い従業員は、会社の成功により良く貢献し、より高い満足度を得ています。
• コラボレーションが促進 - データリテラシーが向上することで、企業全体でデータを基にした意思決定が行われるようになり、ビジネス目標についての共通理解が深まるようになります。
• イノベーションが生まれ成長につながる - 誰もがデータを分析し、インサイトを得られるようになることで、潜在的なビジネスチャンスを見つけ、新しいアイデアに挑戦し、知識を共有しやすくなります。

優れたデータリテラシープログラムを立ち上げる方法

従業員のデータリテラシーを高めるためには、一時的なトレーニングや教育セッションではなく、目標と成果を明確にした集中的なプログラムが必要です。

以下に、従業員と組織の長期的な成功につながるデータリテラシープログラムの主要な構成要素をまとめました。

1. スキルギャップ分析を実施

データリテラシープログラムに必要なトレーニングやリソース、スキルを決めるためには、従業員の現在のスキルと、データリテラシーが求められる環境で成功するために求められるスキルのギャップを評価することが重要です。

その判断に役立つのが「スキルギャップ分析」です。

• 組織が目標を達成するために必要なスキル
• 提供すべきトレーニングの内容
• 各スキルを学ぶべき対象者

データリテラシーは、基本的なデータの解釈や統計分析から、専門用語の理解や結果の説明に至るまで、さまざまな要素で構成される能力です。

たとえば、データリテラシープログラムに関わる全員がデータの解釈と分析を理解する必要がありますが、機械学習やデータサイエンスのトレーニングは、予測を担当するアナリストに限定すれば良いでしょう。

目標と目的を把握することによって、データリテラシープログラムに含めるべき内容を決められるようになります。スキルギャップ分析を実施した後は、目的、目標、KPIとともに見直しを行い、必要に応じてプログラムを修正・更新しましょう。

2. データリテラシーの推進チームを結成

推進チームには、プログラムを推進するために必要な社内の支持者をバランスよく含めましょう。

チームを結成する際には、このプログラムに関連する具体的な質問に答えられる組織内の最適な人材は誰かを考えてみてください。

以下に、この取り組みで組織を鼓舞し、活気づけることのできるチームを結成するにあたって役立つヒントをご紹介します。

チームの支持者を含む、多様な専門家やステークホルダーからなるチームを選出

トップダウン（上層部からの指示）とボトムアップ（現場の意見）の両方のアプローチを取り入れ、アナリストのように他のメンバーを支援できる従業員を含めることが、プログラムの成功につながります。

推進チーム内の役割と責任を明確化する

分析ソフトウェアの導入、トレーニングコースや学習教材の提供、メンターなど、実施を監督する役割も含めましょう。

プロジェクトに必要な資金の出どころを把握

費用がかかるリソース（ソフトウェアの購入など）と、無料で利用できるリソース（べンダーが提供するコースやコミュニティなど）を洗い出しましょう。

各個人／チーム／部門に必要なリテラシーのレベルを特定

情報を活用する人々のニーズを的確に汲むことが重要です。特に、受け取った情報をもとに意思決定を行う経営陣などのチームメンバーのニーズを理解するように努めましょう。

経営陣はデータサイエンスや機械学習を学ぶ必要はないかもしれませんが、意思決定に活かすために、特定の用語や概念を理解することは必要です。そのため、データリテラシー推進チームには、他のチームにデータを効果的に共有するためのトレーニングやリソースを提供できる担当者を含めるようにしましょう。

3. 包括的なデータリテラシープログラムを設計

データリテラシープログラムが失敗する主な理由の一つは、「全員に同じ内容を提供する」という画一的なアプローチです。プログラムを作成する際には、個人やグループのニーズに応じた段階的なカリキュラムを設計することが重要です。

チームメンバーの経験や知識の違いを考慮することが重要です。また、データ関連の業務に従事する人材には、分析のトレーニングに加え、アイデアや概念を効果的に伝えるためのトレーニングを検討しましょう。

以下に、カリキュラムを作成する際に考慮すべきポイントを挙げます。

• 結果や分析用語の理解
• 技術面に強い人材、そうでない人材への概念の説明
• レポートやプレゼンテーション用にデータを見える化
• 意思決定に機械学習やデータサイエンスを適用すべき時とそうでない時の判断

4. トレーニング方法を選ぶ

カリキュラムの選定と同様に、トレーニング方法やツールも画一的なアプローチではなく、それぞれのチームに合ったものを選ぶようにしましょう。データリテラシープログラムを成功させるためには、適切なトレーニング方法、形式、ツールを選ぶことが不可欠です。

人々がプログラムを受け入れ、学習意欲を高めるためには、各自の学び方に合ったアプローチを取り入れて行く必要があります。

以下の学習方法が効果的です。

• セルフペース
• スケジュール型学習
• 個別の学習コース
• グループまたはコミュニティの学習コース
• 読み物によるレッスンやリソース
• 製品を使ったハンズオントレーニング

学習方法を検討する際には、次のことも考慮しましょう。

• 対面、オンライン、ハイブリッド学習のアプローチを比較
• 各種データリテラシートレーニングプラットフォームやツールを評価
• 職務や部門に合わせてトレーニング教材をカスタマイズ
• プログラムのスケジュールと目標を設定
• プログラムの目標や期待事項を従業員に共有
• プログラム期間中、従業員に対して継続的なサポートと支援を提供

学習の形式や運用方法だけでなく、組織の現在の業務負荷を考慮する必要があります。社内のリソースに余裕がない状態で学習プログラムを導入すると、従業員のストレスや疲労につながる恐れがあることに注意してください。

5. 使いやすい分析ツールを統合する

組織の専門家がデータの扱い方を学ぶことで、データを分析し、それによって得たインサイトを日常の意思決定に活かせるようになります。

技術的な知識を持たないユーザーがインサイトを入手できるようにする最も効果的な方法の一つは、コード不要の使いやすい分析ツールを利用することです。セルフサービスの自動化ツールを導入することによって、ナレッジワーカーが自分自身でワークフローを作成し、データのパターンやインサイトを理解できるようになります。

また、ダッシュボード、グラフ、チャートなどの自動レポート作成機能や、レポートを自動的にスケジュールして配信する機能があれば、さらに効果的です。

6. データリテラシープログラムの効果を測定する

データリテラシープログラムに沿ったビジネス目標を達成するか、それ以上の成果を上げたとしても、プログラムの影響や効果を測定する他の方法も検討する必要があります。

プログラムが組織全体に貢献しているかを評価するためにKPIを設定することをお勧めします。代表的なKPIとして、以下のようなものがあります。

• スキルアップした従業員の割合
• プロジェクトの完了時間
• 利用可能なデータソースの割合（導入前後）
• 高度な分析を活用した意思決定の割合（導入前後）
• 効率の向上、コスト削減、収益の増加（導入前後）

これらの指標を追跡していないと、後で比較するための基準を作成することが難しくなるかもしれません。その場合、見積もりをすること自体は問題ありませんが、できるだけ早く基準を設定するようにしましょう。

大切なのは、自分の努力がどれだけ価値があるか、進捗を示し、できれば成功を証明することです。

データリテラシープログラムの成功事例

データリテラシープログラムの構築におけるベストプラクティスと成功を評価する方法について学んだところで、実際の成功事例を見ていきましょう。

Westrock社

Westrock社は、持続可能なパッケージのグローバルリーダーとして、世界40カ国に500以上の生産施設を展開しています。

Westrock社は、データリテラシーの取り組みを組織全体に拡大する前に、財務部門で自動分析ツールであるAlteryxの使用を試験的に導入しました。

Westrock社のアナリティクス＆イノベーションリーダーは、従業員のスキル向上を目指し、本ガイドでも紹介したさまざまなトレーニングや学習アプローチを活用しました。具体的には以下のような方法です。

• 自動分析機能や特徴についての関心を高めることを目的としたイベントやプレゼンテーション
• 各部門で必要なデータ分析の基本スキルを学び、認定を受けるためのトレーニング
• Alteryxのカスタマーサクセスマネージャーが主催するワークショップ
• 同僚同士で競い合うゲーム要素を取り入れたデータ分析チャレンジ

Westrock社のセルフサービスアナリティクス担当シニアマネージャー、Jay Harter氏とファイナンスイノベーション担当シニアマネージャー、LaShell Estes氏が、同社が実施したデータリテラシープログラムの内容や成果について語るポッドキャストのエピソードをお楽しみください。

Jones Lang LaSalle社  

世界的な商業不動産会社であるJones Lang LaSalle社（JLL）のBI＆パフォーマンスチームは、データ分析を自動化し、デジタルトランスフォーメーションを推進するためにAlteryxを導入。

ノーコードの分析プラットフォームを組織全体で浸透させるために、チームは「Alteryx Adventure」というゲーム要素を取り入れたプログラムを企画・実施しました。

ゲーム要素を取り入れたプログラムにより、世界中のチームでのAlteryxの利用率が倍増し、従業員のエンゲージメント向上、生産性の改善、リスクの軽減といったさまざまな成果が得られました。詳しくはこちらをご覧ください。

Bank of America

Bank of America社では、自動分析を支援し、組織全体の業務効率を改善するために、Alteryx User Groupを設立しました。このユーザーグループは、ビジネスユーザーが分析スキルを向上させ、手動で行っている財務プロセスを自動化するためのリソースを提供しており、同社の業務効率化プログラムにおける主要目標の達成に欠かせない存在となっています。

詳しくは、同社の自動化推進担当であり、社内のAlteryx User Groupの管理者でもあるDavid Hardister氏のインタビュー動画をぜひご覧ください。

まとめ

データリテラシープログラムを成功させることは簡単ではありませんが、うまくいけばビジネスにとって価値ある成果を生み出し、プロセスの効率化や従業員の満足度向上につながります。

全社的なデータリテラシープログラムを成功させるためのより詳しい情報については、こちらをご覧ください。

もし、チームで新たなデータスキルを活かし、有意義な業務に取り組むことのできる環境を目指しているのであれば、アナリティクスリーダーのための分析プロセス自動化ガイドをぜひご覧ください。

また、トライアルにお申込みいただくと、Alteryxを30日間無料でご利用いただけます。コード不要、ドラッグ＆ドロップのソリューションで、データ準備から意思決定がどれほど簡単かをすぐに実感していただけます。ぜひお試しください。30日間無料トライアルを開始