💡「データの世紀」と呼ばれるように、企業の競争戦略にとってデータの利活用は必要不可欠なものです。しかし、そもそもデータの取得ができていなかったり、データのリテラシーが低くうまく経営に活かせないということも多くあります。
また、機械学習やデータサイエンスの知見を利用したアプリケーションには、それを支えるビッグデータ処理の仕組みが合わせて必要になります。
1.顧客接点のデジタル化
なぜ重要か
顧客接点がデジタル化していないと、データと顧客を結びつけることが難しくなります。
データ利活用のポイントは、顧客接点に十分コントロールできるシステムが提供できているかが第一歩になります。
これは、オンラインに限らず、リアルな接点であっても様々な手段でデジタル化できます。
DX Criteria v202506 · 8項目8 criteria
- DATA-1-1メトリクスの計測Measurement of metrics顧客の行動履歴データを分析可能な形で保存しており、その割合が顧客全体の7割を超えているか。Is customer behavior historical data stored in a form that can be analyzed? If so, is the percentage of such data greater than 70% of all customers?
- DATA-1-2学習と改善Learning and improvementオンライン・オフラインの両方で、顧客の接点となる行動情報や通知の手段を獲得するためのシステムを開発している組織が社内に存在するか。Is there an organization within the company that is developing a system that collects behavioral data and provides customer notifications, both online and offline?
- DATA-1-3プラクティスPracticeオンライン上で、顧客は自社のサービスを契約したり購入したりできるか。Can customers sign up for or purchase your services online?
- DATA-1-4プラクティスPractice自社サービスやメディアをスマートフォン用のWebサイトまたはアプリとして提供しているか。Do you offer your services and media as a website or application for smartphones?
- DATA-1-5プラクティスPractice潜在顧客獲得のために自社メディアやSNSを通じたエンゲージメント活動をしているか。Are you conducting engagement activities through SNS and your media to acquire potential customers?
- DATA-1-6アンチパターンAnti-patternデジタル上でのプッシュマーケティングをEmailのみに頼っている。You rely solely on email for digital marketing.
- DATA-1-7アンチパターンAnti-pattern自社のリアルな顧客接点からのデータ収集が技術的な課題・社内ルール・オペレーションの問題でできていないままになっている。Data is not being collected from existing customers due to technical issues, internal rules, or operational problems.
- DATA-1-8アンチパターンAnti-pattern顧客接点のサービス開発がうまく機能していないため、改善の速度やデータの取得が遅延している。Customer contact service development is not operating efficiently, which delays improvement speed and data acquisition.
2.事業活動データの収集
なぜ重要か
事業領域について価値創造を行うためには、顧客や事業の活動データが必要になります。
データを元に可視化や分析を行った上で、デジタル化や高度化に取り組めば、データの裏付けがある施策を打てます。
DX Criteria v202506 · 8項目8 criteria
- DATA-2-1メトリクスの計測Measurement of metrics事業活動のデータが集計されてから、解析された状態で閲覧可能になるまでのリードタイムは1日以内か。（BIツールで昨日のデータは見られるか。）Is the lead time within one day from the time business activity data is aggregated until the time it can be viewed in an analyzed state? (Is the prior day's data viewable using the BI tool?)
- DATA-2-2学習と改善Learning and improvement事業活動の中に潜在的に存在したが、蓄積できていなかったデータを収集するためのシステム化や業務分析を行うチームは存在するか。Is there a team in place to systematize and analyze business operations to collect data that potentially existed but could not be accumulated?
- DATA-2-3プラクティスPractice外部事業者との取引情報について、構造化されたフォーマットでリアルタイムにデータレイクへ保存しているか。Are transactions with external businesses stored in a structured format in real time in a data lake?
- DATA-2-4プラクティスPracticePOSや業務システム上のアクセス記録/操作履歴を構造化されたフォーマットでリアルタイムにデータレイクへ保存しているか。Are access records/operational histories on POS and business systems stored in real-time in a structured format in a data lake?
- DATA-2-5プラクティスPractice音声・動画・文章といった従来構造化できなかったデータソースも事業利活用のために収集しているか。Are you collecting data sources that were previously unstructured, such as audio, video, and text, for business utilization?
- DATA-2-6アンチパターンAnti-patternデータ収集プロジェクトが依頼しているデータ入力業務が現場で実施されていない。The data entry tasks requested by the data collection project have not been implemented on-site.
- DATA-2-7アンチパターンAnti-patternデータの活用に関して責任のあるポジションを設置していない。A position of responsibility for data utilization has not been established.
- DATA-2-8アンチパターンAnti-patternデータ収集に関するプロジェクトが存在しないか、進捗していない。Data collection projects do not exist or are not in progress.
3.データ蓄積・分析基盤
なぜ重要か
蓄積された生のデータは、構造化され、整理された上でデータ分析に使いやすい形のクラウドサービスなどのデータ分析基盤に格納されます。
これによって、データ分析のためのビッグデータ処理について知見があまりないエンジニアや関係者であってもデータを取得できます。
DX Criteria v202506 · 8項目8 criteria
- DATA-3-1メトリクスの計測Measurement of metricsデータ分析の基盤を実際に操作して数字を取得できる社内の人数と部署数を増やしていくための活動をしているか。In regards to the data analysis platform, are you working to increase the number of people and departments in your company that can actually collect and analyze the data?
- DATA-3-2学習と改善Learning and improvementデータ分析基盤を職種を問わず使ってもらうために、簡単な分析をするためのプログラミングや操作の仕方をエンジニア以外のステークホルダーに対しても教育しているか。To ensure the data analysis platfrom is used by regardless of job title, do you educate stakeholders other than engineers on how to program and operate the platform for simple analysis?
- DATA-3-3プラクティスPracticeユーザー理解や仮説検証のためのデータ分析のための環境が整備されており、データサイエンティストだけでなくエンジニア・非エンジニアを問わず、プロダクトのステークホルダーに公開されているか。Is there a data analysis environment for user understanding and hypothesis testing, and is it open to product stakeholders, both engineers and non-engineers, as well as data scientists?
- DATA-3-4プラクティスPracticeイベントストリーム処理の基盤を用いてオンライン情報を利用した分析・サービスでの活用をおこなっているか。Are you using an event stream processing platform for analysis and services using online information?
- DATA-3-5プラクティスPracticeデータ分析において、個人情報をマスキングする機構が存在しているか。Are there mechanisms in place for masking personal information in data analysis?
- DATA-3-6アンチパターンAnti-pattern事業システムのデータベースに直接アクセスして、分析用の処理を走らせている。The business system database is directly accessed to run the process for analysis.
- DATA-3-7アンチパターンAnti-pattern統一されたデータレイクが存在せず、分析基盤ごとにデータを管理している。There is no unified data lake, and each analysis platform manages its own data.
- DATA-3-8アンチパターンAnti-pattern利用中の外部サービスにリアルタイムなデータ連携するための機構が存在しない。There is no mechanism for integrating real-time data with external in-use services.
4.データ処理パイプライン
なぜ、重要か。
データ分析基盤から取得したデータをもとに機械学習や統計処理を利用したアプリケーションを実装するには、試行錯誤の実験フェーズとは異なる知見が必要になります。
例えば、スケールして安定したデータ処理を行うワークフローパイプラインの基盤を作るなどです。
このような一般にMLOps/DataOpsと呼ばれる領域に関わる項目をチェックします。
DX Criteria v202506 · 8項目8 criteria
- DATA-4-1メトリクスの計測Measurement of metrics分析・開発や運用のバリューストリーム上の各種サイクルタイムを計測しており、継続的に改善しているか。Do you continuously improve various cycle times on value streams for analysis, development and operation by measuring them?
- DATA-4-2学習と改善Learning and improvementデータレイクから、モデルの実サービス適用までの一連の流れのパフォーマンスモニタ・自動化・効率化を行うエンジニアリングチームが存在するか。Is there an engineering team to monitor performance, automate, and streamline the entire process from the data lake to the actual service application of the model?
- DATA-4-3プラクティスPracticeデータレイクから、データ分析基盤までのETL処理にも自動テストが存在しており、変換エラーなどがモニタリングされているか。Are there automated tests for the ETL process from the data lake to the data analysis infrastructure, and are conversion errors monitored?
- DATA-4-4プラクティスPractice実運用されているデータ分析・学習のための前処理や学習処理を実行するためのワークフロー処理基盤(ETLの一貫性・冪等性・可用性を確保するための基盤)が存在するか。Is there a workflow processing infrastructure (infrastructure to ensure consistency, power, and availability of ETL) for executing pre-processing for data analysis/learning in production, and learning processes?
- DATA-4-5プラクティスPractice学習済みのモデルを検証し、サービスインするまでの処理は自動化されているか。Is the process of validating the trained model and putting it into service automated?
- DATA-4-6アンチパターンAnti-pattern週次集計や月次集計の処理が特定の日時に終わることを想定しており、障害が発生した場合にデータが欠損してしまう。It is assumed that the weekly or monthly aggregation process will end at a specific date and time, and data will be lost in the event of a failure.
- DATA-4-7アンチパターンAnti-pattern実験時の環境を実サービス環境に向けてポータブルにするためのコンテナ化やIaC(Infrastructure as Code)が存在しない。 There is no containerization or IaC (Infrastructure as Code) to make the environment at the time of experimentation portable towards the real service environment.
- DATA-4-8アンチパターンAnti-patternデータサイエンス/機械学習/データアプリケーションエンジニアリング/クラウドインフラなどの知見が１名に属人化している。Knowledge of data science/machine learning/data application engineering/cloud infrastructure, etc. belongs to one person.
5.データ可視化とリテラシー
なぜ、重要か。
データ駆動経営を行うためには、データの適切な可視化とそれを解釈するリテラシーの両面が必要になります。
しばしば、データの取得や可視化を一部のエンジニアしか行うことができず、高速なサイクルを阻害してしまいます。
そこで、意思決定者自身がデータを直に取り扱えるのかをチェックします。
DX Criteria v202506 · 8項目8 criteria
- DATA-5-1メトリクスの計測Measurement of metricsプロダクトの主要情報のダッシュボードが、常に表示された共用のモニターをチームの座席近辺に配置しているか。リモートワークでは、アクセスしやすい場所にダッシュボードが掲示されているか。There is a shared monitor in the vicinity of the team's seats displaying a dashboard of key product information. For remote workers, the dashboard is located in an easily accessible location.
- DATA-5-2学習と改善Learning and improvement意思決定者は、データの読み取り方や統計の基本的な知識について研修トレーニングを受けているか。Decision-makers receive training in reading data and basic knowledge of statistics.
- DATA-5-3プラクティスPractice売上などの短期的数値ではなく、長期的な事業価値のための間接的指標（e.g.顧客リピート率や予測LTVなど)を主要なKPIとして設定しているか。Indirect indicators for long-term business value (such as customer repeat rate and projected LTV) are set as key KPIs rather than short-term figures such as sales.
- DATA-5-4プラクティスPracticeデータ集計・可視化等のためのBIツールを導入しており、事業活動に関わる全ての人が適切な役割に応じて使うことができているか。Has the organization (or team) introduced BI tools for data aggregation and visualization, and can everyone involved in business activities use them according to their appropriate roles?
- DATA-5-5プラクティスPracticeデータから得られた推論や仮説が間違っている場合にどのようなデータによって検証可能かをもとにデータ収集や分析が行われているか。Do you prepare for the case when the inferences and hypothesis are wrong, and if you can prove it before collecting or analyzing data.
- DATA-5-6アンチパターンAnti-pattern要望ベースでデータの集計を繰り返し、雑多なレポーティング項目が棚卸しされていない。Data is repeatedly aggregated on a request basis,and miscellaneous reporting items are not organized.
- DATA-5-7アンチパターンAnti-pattern簡単なデータ集計であっても、エンジニアを経由しなければ取得できない。Even simple data aggregation cannot be obtained without an engineer.
- DATA-5-8アンチパターンAnti-patternダッシュボードは存在するが、データ担当者以外誰も見ておらず形骸化している。A dashboard exists, but it is nominal, and no one but the person in charge of data looks at it.
6.機械学習プロジェクト管理
なぜ、重要か。
機械学習のプロジェクトは、モデルの発見と顧客価値、サービスデプロイメント時の課題など複数の不確実性に対して適切なマネジメントが要求されます。
このことへの理解や組織学習が進んでいないと、PoCから成果が出なかったり、データエンジニアが離職してしまったりします。
DX Criteria v202506 · 8項目8 criteria
- DATA-6-1メトリクスの計測Measurement of metrics機械学習プロジェクトの具体的な成功指標を持ち、構築したシステムがそれを満たしているかモニタリングしているか。You have specific success metrics for your machine learning project and monitor whether the built system satisfies it.
- DATA-6-2学習と改善Learning and improvement機械学習の知見を、アプリケーション開発者や非エンジニアのスタッフが利用できるように勉強会などを繰り返し開いているか。Do you hold workshops regularly to make your machine learning knowledge available for developers and non-engineering staff?
- DATA-6-3プラクティスPractice継続的再学習のためのモニタリングと、自動的なモデルのアップデート等の効率的な保守を実現するための仕組みを導入しているか。Are mechanisms in place for monitoring for continuous relearning and efficient maintenance, such as automatic model updates?
- DATA-6-4プラクティスPractice実運用時の計算量や計算資源の種別（IoT/エッジ利用/クラウド）などを考慮に入れた上で、モデル選定や実験のプロセスが動いているか。The process of model selection and experimentation considers the amount of computation and type of computational resources (IoT/edge use/cloud) in operations.
- DATA-6-5プラクティスPractice事業価値と実現可能性の両面を同時に仮説検証できるようなプロジェクト管理(PoCとプロトタイプ作成)を行っているか。 You manage the project in a way that both business value and feasibility can be hypothesized and verified simultaneously (PoC and prototyping).
- DATA-6-6アンチパターンAnti-pattern機械学習チームと事業担当者との間で、事業理解や背景・目的の共有などの時間を十分に設けていない。Not enough time is spent between the machine learning team and the people in charge to understand the business and share the background and objectives.
- DATA-6-7アンチパターンAnti-patternすでに実績のあるクラウドを利用した機械学習ソリューションに対して、検証ができていない。No validation is performed against the proven cloud-based machine learning solutions.
- DATA-6-8アンチパターンAnti-pattern機械学習プロジェクトのPoCから実運用するためのエンジニアリング能力をチームが持っておらず、そこから実サービス化が進まない。The team does not have the engineering capability to take a machine learning project from PoC to production; therefore, the service is not put into production.
7.マーケティング自動化
なぜ、重要か。
見込み顧客の獲得から、関係性の構築、ナーチャリング、見込み度合いの高い顧客に対してのリテンション、顧客の再訪の促進などのようにマーケティング活動にはさまざまな工程があります。
その一部をデータとシステムを用いて自動化することで、人にしかできない戦略的な事柄に集中できます。
DX Criteria v202506 · 8項目8 criteria
- DATA-7-1メトリクスの計測Measurement of metricsマーケティングのオペレーションの業務の割合と企画・戦略の業務割合を棚卸しして、自動化・最適化のためのリソースを割いているか。Do you regularly review marketing Ops and strategy planning workload to challenge automation?
- DATA-7-2学習と改善Learning and improvementインハウスのマーケティングチームに自動化や分析を行うエンジニアがおり、指標や自動化をともに進めているか。Your in-house marketing team has an engineer who engages in automation and analytics, and metrics creation and automation are done together with the person.
- DATA-7-3プラクティスPracticeカスタマージャーニーの複数の接点において顧客の行動を把握、理解するため、何らかのDMPツールを導入しているか。Some DMP tools has been introduced to capture and understand customer behavior at multiple points in the customer journey.
- DATA-7-4プラクティスPractice媒体ごとの適切なクリエイティブになるようにA/Bテストやバンディッドアルゴリズムなどで最適化しているか。Your creative is optimized by such as A/B testing and banded algorithms to make it appropriate for each medium.
- DATA-7-5プラクティスPractice各施策ごとに獲得した顧客がその後のどのような購買行動/利用行動ができたかをコーホート分析しているか。A cohort analysis is conducted to track the customers’ subsequent purchasing/usage behavior acquired by each measure.
- DATA-7-6アンチパターンAnti-pattern獲得した顧客に対して、一括配信などの画一的な通達を行っており、投資効果の最適化を実施していない。Stereotypical notifications such as bulk emails are sent to acquired customers, and the investment effect is not optimized.
- DATA-7-7アンチパターンAnti-pattern顧客獲得に対して、一時的な獲得総数のみを目標としており、継続的な利用について調査していない。Only the total number of temporary acquisitions is set as the target for customer acquisition, and continuous usage is not investigated.
- DATA-7-8アンチパターンAnti-pattern広告運用の成果報告がフォーマットに沿って自動的に行えるようになっていない。The results of advertising are not automatically reported in a specified format.
8.自動的な意思決定
なぜ、重要か。
データ駆動経営とは、機械が自動化できることを機械に任せ、人には創造的な仮説の構築や開発などの人にしかできない領域に集中して経営資源を投入することです。
そのためには、作業の単純化だけでなく意思決定も含むビジネスプロセス全体のアーキテクチャ設計が重要な経営上のケイパビリティとなります。
DX Criteria v202506 · 8項目8 criteria
- DATA-8-1メトリクスの計測Measurement of metrics自動化が進捗するために、判断基準が明確な目標を掲げているか。You have a clear goal with clear criteria for automation facilitation.
- DATA-8-2学習と改善Learning and improvement意思決定や業務を自動化していくために、業務プロセスを改善するためのソフトウェアエンジニアを含むチームが存在するか。There is a team with software engineers to improve business processes by automating decision-making and operations.
- DATA-8-3プラクティスPractice意思決定に関する記録を、プロセスマイニングができる形で保存しているか。Do you keep records of decision-making in a form that allows for process mining?
- DATA-8-4プラクティスPractice意思決定理由について、明確な根拠やガイドラインを作る時間をマネジメントは割いているか。また、ガイドラインの中に倫理規範は含まれているか。Management takes the time to develop clear rationales and guidelines for decision-making. A code of ethics is included in the guidelines.
- DATA-8-5プラクティスPracticeビジネスプロセスやミーティングを棚卸しし、不要なもの・従来の用途から離れてしまったものを停止・削除しているか。You have reviewed your business processes and meetings and stopped or deleted those no longer necessary or used for traditional purposes.
- DATA-8-6アンチパターンAnti-patternビジネスプロセス全体のボトルネックを計測せずに自動化・効率化を各部門に任せてしまう。Automation and efficiency improvement are assigned to each department without measuring bottlenecks throughout the entire business process.
- DATA-8-7アンチパターンAnti-pattern業務自動化全体のアーキテクチャ設計を行わず、部署個別にRPAなどの自動化ツールを導入する。RPA and other automation tools have been introduced into each department without designing the overall architecture for business automation.
- DATA-8-8アンチパターンAnti-pattern自動化ツールを前提とした組織設計をおこなわず、既存の業務や組織にあわせてツールをカスタマイズする。The organization is not designed based on the automation tool, and the tools are customized for the existing business and organization.