たった1つの指標で価値を生み出す方法とは!

データから意思決定へ

情報を抽出し、インサイトに変えることで、マシンの価値を最大化することが目的です。

Robert Michaelides
CEO, Proemion

はじめに

この記事では、実際の顧客に近い匿名化されたデータについて見ていきます。具体的には、例として使用する1つの単一指標について見ていきます。収集した稼働時間のデータを分析し、OEMとして各部門の結論を導き出し、ビジネスまたは顧客満足に利益をもたらすインパクトを達成する方法を紹介します。

この論文の意図は、どのようなビジネスもオペレーションを洞察するために単一の指標に頼るべきだということではなく、1つの指標がいかに複数の洞察をもたらすことができるかを示すことである。これは、個々の指標の可能性が最適に活用されていないため、重要なことです。実際、シーゲイトが行った2020年のデータ調査では、すべてのエンタープライズ・データの68%が活用されないままになっており、これと同量の機会損失が発生していることが判明しています。もちろん、価値を見出すために複雑な測定基準のセットから始める必要はない。より小さな洞察から始め、時間の経過とともにデータの追跡と分析を徐々に進化させることができます。

シーゲイトの調査では、収集されたデータと企業が実際に使用するデータのミスマッチが示されています。これは、データの収集は重要であるものの、適切なデータを適切な状況で使用し、その関連性を理解することが、ビジネス価値を生み出すということを表しています。できるだけ多くのデータを収集するのではなく、より大きなビジネス戦略で利用できる特定のデータを収集することを目標にすべきです。

図1:企業のデータ活用

Figure 1: Enterprise data utilization

日別、稼働時間別の機械稼働率のプロット

稼働時間の指標はシンプルですが、OEM、販売店、機械の所有者にとって非常に重要なものでもあります。この例では、建設業界で働いている機械を表しており、世界中で何千台もの機械が稼動しています。これらの機械はモデル別に整理することができます。

この月次平均稼働時間は重要であり、生の稼働時間から集計されます。最も意味のある結論を導き出すためには、長期間にわたってデータを収集し、見ることが必要です。観測期間が長ければ長いほど、洞察力を得るための信頼性が高くなります。

Figure 2: Machine operating hours by active days

図2において、X軸は各マシンの稼働日数、Y軸は1日あたりの平均稼働時間を示している。各ポイントは1台のマシンを表していることに注意してください。左下の点は、1日1時間しか稼働していないマシンを示しているが、右上のマシンは30日間毎日稼働し、1日あたり平均22時間稼働している。

もう一つ重要なことは、データポイントが重なり合うことがあるということです。経時的にデータを分析することで、あるプロットにおけるマシンの数をよりよく表現することができます。図2では、色分けされた異なるクラスターを作成することで、集計されたデータを視覚的に意味のある形式に整理しています。クラスタリングは、類似の動作をするオブジェクトを一緒に整理するのに役立つため、重要です。ここでは、緑、オレンジ、紫の3つの異なるマシンのクラスタが表示されています。

また、図2には、1日に8~10時間以上働いているマシンがピンクの線で示されています。この線より上にある機械は、シフト制で稼働しているため、かなり多くの時間使われていると推測される。さらに、機械の稼働時間を分析するために、赤、緑、青の3つのカテゴリーを追加で表示した。

Figure 3: Heat map of machine operating hours by active days

機械の種類による比較:単一の指標で答えられる質問とは?

OEM やディーラーは、営業担当者やサービスマネージャーなど、ビジネスにおける役割に基づく目標や視点によって、1 つの指標から複数のインサイトを得ることができます。機械の使用に関する指標の場合、このような質問に対する回答から、効率性、収益性、顧客満足度など、ビジネスにおけるメリットを明らかにすることができます。

Figure 4: Comparison by machine type - Model Type 1

Figure 5: Comparison by machine type - Model Type 2

機械は過剰に使われているのか、それとも不十分なのか?

同じ種類の機械が、異なる方法、異なるタイミングで使用されていることが、データから読み取れるかもしれません。これは、ある機械が過剰に使用され、他の機械が過小に使用されていることを意味します。使用頻度の高い機械は、老朽化が早く、メンテナンスや修理が必要になります。このような例は建設業に多く、機械をバランスよく使うことはそう簡単ではありません。例えば、現場から現場へと移動させたり、次の作業の準備が整うまでしばらく置いておいたりするのです。どの機械が他の機械よりもよく働いているかを見ることができれば、より良いプランニングで作業量をバランスさせたり、同じ時間でより多くの作業ができる別の機械に置き換えたりできる可能性が生まれます。

ローエンドモデルがハイエンド市場とカニバリゼーション(共食い)していないか?

図2は、一定期間での機械の使用状況を示したものである。何でもできるローエンドマシンが常に使用され、ハイエンドマシンの市場をカニバリゼーションしていることがある。ローエンド機の使い過ぎは、このような状況を示す指標となり、OEMは次のモデルの設計で調整を行うために必要な知見を得ることができる。同様に、毎日使用される自動車に関しても、OEMはそれに応じて設計することができます。例えば、シートはできるだけ人間工学的に優れたものにし、運転室には追加の機器を置くためのスペースを確保する必要があります。右上のモデルは、24時間体制でシフト勤務に使われるため、外装のライトアップも必要です。一方、週に一度しか動かない機械は、必要な機能が少なくなります。このように、使用頻度や使われ方をデータで把握することで、用途に応じた最適化が可能となり、機種同士が干渉し合うことがなくなります。

営業チームはアップセルの新たな機会を見出すことができますか?

図4と図5の機械データの解析は、営業に良い影響を与えることができます。営業担当者が、ある顧客グループのデータを見ることを想像してみてください。ある機種がOEMの設計意図以上に頻繁に使用されていることが分かれば、あるいはハイエンド機を単純作業に使用していることが分かれば、別の構成の機種を購入するよう顧客に説得することができる。データを使ってパーソナライズされた購入提案を行うことは、顧客ロイヤリティを高めるための非常に強力な方法であり、機械の使用状況を理解することが成功への鍵である。

サービス契約のズレを防ぐにはどうしたらいいですか?

使用状況に関するデータは、OEMやディーラーが顧客に提供するアフターサービスの種類に影響を与える可能性があります。図2のデータから、平均的なマシンは週5日、1日約7時間稼働していることが分かります。しかし、それはあくまでも平均的な機械の話です。他の機械はどうだろうか?

すべてのマシンに同じサービスパッケージを提供することは、その用途に関係なく、意味がありません。

データは、サービス依頼の優先順位付けやサービス契約のコストにも役立ちます。例えば、グラフの右上にある働き者の機械は、より頻繁にサービスを受ける必要があります。このような機械には週1回や隔週でサービスを提供し、左下の機械にはそれほど頻繁にサービスを必要としないようにするのがよいでしょう。これらの機械のサービス契約は、機械によっては、OEMやディーラーが作業に対して適正な報酬を受けられるように、あるいは機械のオーナーが過剰な請求を受けないように、それに応じて価格を設定することができます。

スペアパーツ予測を改善するには?

例に挙げたような使用状況データは、OEMやディーラーが、どの部品の交換が必要になるか、どの機械が他の機械より先にメンテナンスが必要になりそうかを予測するのに役立ちます。これは、様々な自動車メーカーが、現実の自動車の使用データに基づいて、顧客をメンテナンスのために呼び寄せるために行っていることと同じである。どの機械がメンテナンスと部品交換を必要とするかを確実に予測することができれば、OEMやディーラーは、人員配置や部品の在庫を持つ必要性を予測し、それに応じた計画を立てることで、より高い効率を達成できるようになります。

概要

OEM やディーラーがデータを使って市場の顧客や機械の実際の動きを理解できれば、短期的にも長期的にもビジネスに影響を与える意思決定を行うための強力なツールを手に入れることができます。例えば、追加リソース、新モデル、メンテナンス施設などの必要性に関する質問には、より簡単に答えられるようになります。