そもそもデータ駆動は仕事にどう役立つのか：意思決定編【第18回】

　私たちはなぜ、データを参照するのでしょうか。データを使わないと何が問題なのでしょうか。データを使うことの価値を筆者は、最終的には次の2つに帰着すると考えています。“意思決定”と“方向付け”です。今回は前者の“意思決定”の側面から論じてみます。

意思決定（decision）と評価（evaluation）は別物

　意思決定は必ずしも経営上の大きな決定に限りません。私たちは常に意思決定を下しています。企業・組織内にあっても「どの事業を伸ばすのか」「人材をどう配置するのか」といった組織的なものから「どの処理を優先しようか」「いつ休憩しようか」といった個人的なものまで、日常業務はまさに意思決定の連続です。

　典型的な意思決定の流れを図1に示します。（1）まず大きな方向性を考える（direction）、（2）それを具体的なアイデアにし（creation）、（3）その実現のための作業をする（operation）、（4）出来栄えを評価し（evaluation）、（5）最終的な意思決定を下す（decision）です。

図1：意思決定における一般的な流れ

　例えば陶磁器メーカーなら（1）次は高級食器に進出しよう、（2）デザインができました、（3）試作完了です、（4）これなら売れそうだね、（5）よし、これで行ってみよう！という具合です。製薬企業なら（1）この病気の薬を作ろう、（2）こんな薬なら効くと思います、（3）実際に作ってみました、（4）効能はこのような感じです、（5）もう少し改良しよう！という感じでしょう。主には企業活動をイメージしていますが、おそらく、ある程度は汎用性のある流れではないでしょうか。

　さて、この意思決定の流れで埋没しがちなステップに「評価」があります。評価とは、製造や研究、調査など、さまざまな作業の結果に“良し悪し”を付けることです。評価の結果が明確で異議のない場合の意思決定は簡単です。“良し”なら「Go」ですし“悪し”ならば「Stop」だからです。

　しかし、評価が難しいなかで意思決定を下さなければならない場合、意思決定者は困難に直面します。そうした局面では、一般に「KKD」と呼ばれる「勘（Kan）・経験（Keiken）・度胸（Dokyo）」を動員することになります。もちろん意思決定の精度を高めるために、意思決定フレームワークによりバイアスを除去する技術も提供されてはいます。

　DX（デジタルトランスフォーメーション）の文脈でいえば、データ駆動が最も得意とするのは、この評価のステップです。すなわち、人間の頭脳では手に余る状況に対し、データ駆動は、評価を容易にすることで意思決定を支援するのです。

データ駆動は人間にとって“不自然”な思考法

　図2は、科学・技術の成熟度と評価の精度の関係性を示したものです。図2の実線をたどると、何も頼るものがない場合には“直感”を信じるしかないのに対し、ある程度の経験や他者の理屈があれば、それを“理論”として評価の根拠にできます。理論が蓄積し洗練されるとコンピューターで“計算”できるようになり、評価は容易になります。

図2：科学・技術の成熟度と評価の精度（人工知能学会誌『化学産業における分子デザイン』、磯村哲・山下博史、2019年から一部を改変)

　これまでデータを利用しなくても評価は可能でした。私たちは、データを基に意思決定する教育をほとんど受けていませんし、KKDによる思考方法に成功体験を有しているからです。言い換えれば、私たちの文化にデータ駆動は織り込まれていないのです。

　私たちにとって不慣れな、もっと言うなら“不自然”な思考方法であるデータ駆動は時に、極めて大きな力を発揮します。例えば顧客の購買行動を考えてみましょう。理論でいえば消費者行動モデル、計算でいえば全脳シミュレーションなどが相当するでしょう。しかし、そういった手法で「私が明日に何を買うか」を導き出すのは、ほぼ不可能です。

　しかし、私の過去の購買行動や、類似の環境にある他人のデータを参照すれば、おおまかな予測はできてしまいます。つまり、データとデータサイエンスを用いれば、理論や計算では不可能だった「評価」が現実に可能になるのです。それが、図2の「パターン」の位置で、破線が実線より上に位置するということの意味です。