製造業の意思決定に役立つデータ分析とは？

プロジェクト概要

プロジェクトテーマ: 生産管理や購買部門などの間接部門メンバーによるデータ分析スキルの習得研修
プロジェクト期間: 約3か月間

こんにちは、マーケティング部のタイソンです！
今回は製造、生産管理、マーケティングなどあらゆる部門でも重要な「データ分析」についてメトロールの考え方を解説します！

「意思決定」は誰もが不安

誰でも「何かを決める！」というのは常にリスクが伴うため、心理的な負担は大きいですよね。
例えば、製造業における意思決定には次のようなものがあります。

大型の設備投資
在庫の基準数決め
広告予算の投資
営業施策決め
新規ツールの導入

将来何が起きるかわからない中で、自分の意思決定によって数百万・数千万単位の大きなお金が動く場合は特に、担当者の気持ちはバンジージャンプから飛び降りるときの気持ちに近いものがあります。特に管理職に近づくほど何かを決めることが仕事になっていきます。

そんな時、自分の意思決定の背中を押してくれるのは、「過去の実績（データ）から将来を予測する」という行動ではないでしょうか？

メトロールでは製造や間接部門の主要メンバーに向けてデータ分析や分析ツールの研修に取り組んでいます。
本記事では、そんなメトロールにおけるデータ分析の考え方、習得する仕組みについてお伝えしようと思います！

定性的な感覚も大事ですが、感覚を裏付ける「数字」はやはり客観的事実として押さえたいですよね、というお話をさせていただきます！

なぜデータ分析スキルが必要なのか？

意思決定のプロセスは、直面している課題に対して仮説や目標を立て、有効な施策（打ち手）を決めて実行することです。
そんな中でデータ分析は

仮説を立て、定性的な感覚をデータの側面からチェックする手段
データをもとに関係者の合意を得て決定する手段
PDCAを回すときの定量的な判断基準の設定手段

といった重要な役割を担っています。数字は「客観的なモノサシ」として他者との認識を揃え、個人の感覚や判断が正しいかどうかを精査するで重要なツールとなるからです。

「（私の）感覚的にこうだからこうしたいんです！」と提案を訴えるだけならまだしも、データ（事実）の裏付けがないままに関係者に提案を賛同して動いてもらうことは難しいのではないでしょうか。

データ分析手法を身に着けることが目的ではなく、自分の仮説の根拠はこうです！と仲間を集めるために分析スキルが必要ですよね。

データ分析の目的：事実（＝数字）チェックを習慣化したい

メトロールでは、一定の職種・職位になると「データ分析」手法の習得を求めています。なぜなら管理職や上位職になるほど「意思決定」をすることが業務として増えるためです。またPDCAを回す際に、数字を客観的事実としてチェックすることを習慣化してほしいという期待があり研修を企画しました。

メーカーの開発系部門であれば、日ごろからデータ取りや評価試験などデータ分析が業務の一部として存在するため、スキルの習得機会は多々あります。しかしデータ分析が必須だと認識されていないような
・間接部門
・購買
・生産管理
などのメンバーは「業務の結果を数字に置き換えて分析する」という機会が少ないように感じていました。
そこで、こうした部門のメンバーに分析を当たり前に行う業務として捉えてもらいたいと考えました。

分析だけでは評論家になってしまうので、キチンと意思決定に繋げる！ということが大事ですよね。

データ分析の目的：「数字」の無い会話を減らしたかった

私（タイソン）の個人的な経験ですが、数字などの客観的事実がないまま担当者の体感値で報告や承認依頼を現場から受けることも多々あり、判断に迷うことが多くありました。例えば以下のようなイメージです。

「自動機を導入すれば生産性があがるので購入させてください。」
「今注文が増えていて、納期に間に合いません。」
「内製化を増やしたことで外注加工費が減りました！」
「〇〇に関するクレームが多いです！」

上記の発言に数字を加えるとすれば以下のように改善されると、意思決定の際の判断材料も増え改善されるのではないかと考えていました。

「自動機を導入すれば生産性があがるので購入させてください。」
→「現状、月産300台の生産能力ですが、自動機を導入すれば月産1000台が可能で、受注が現状の倍800台にも余裕をもって対応できます。（だから導入すべきです）」

「今注文が増えていて、納期に間に合いません。」
→「前年平均で月500台注文だったところが、1000台/月来ています。納期を調整させてください。」

「〇〇に関するクレームが多いです！」
→「〇〇に関するクレームがここ3か月で30件来ています。」

「多い、少ない」「忙しい、忙しくない」といった言葉のチョイスは個人の感覚によるものが多く、捉え方は人それぞれです。
そもそも立場が異なるメンバー同士では、普段から扱っている予算の金額などの感覚値にだいぶ乖離があります。
100万円を大金と捉える現場の方もいれば、会社全体の予算で言えば1000万円くらいからが大金と思う管理者もいるからです。

だからこそデータ分析手法を習得することで、日々の会話の中に「数字＝共通の物差し」を入れることを習慣づけたいと考えました。

製造業のデータ活用をしないと数字の無い会話が増える — 数字のある会話とない会話

データ分析ツールとしてのエクセルの課題

代表的なツールには「エクセル」がまず第1に浮かぶと思います。
ただ製造業では顕著かもしれませんが、エクセルを苦手とする社員はいまだ多い印象です。それはなぜでしょうか。

エクセルの難点と分析に活用しきれない理由

シンプルに「エクセルの扱い方が難しい」という課題が存在します。
さらに分析を行うには、「データベース」「テーブル」などの概念を持っておくことがデータの蓄積・分析・活用において欠かせません。しかしこれらの知識はなかなか通常の業務の中で体系的に学ぶ機会というのは少ないと感じています。

エクセルの難点：必要な知識が多く、データ分析がやりにくい

エクセルが難しい背景を少し深堀すると、効率的に使用するためには作業者の相応の熟練度やセンスが必要になるからではないでしょうか。必要スキルの例として以下のようなことが挙げられます。

データベースの知識
エクセルの基本機能と一般常識の理解（1セル1データルールなど）
他者が見やすい集計結果の見せ方・デザイン
膨大なデータは加工しにくい

日ごろから課題意識をもって実戦ベースのエクセルの使用経験が無い限り、網羅的に体得するのは難易度が高いのではないでしょうか？以上を踏まえるとデータ分析はおろか、エクセルの習得の段階で大幅なロスタイムや脱落者がでてしまうことも想定されます。

そこで当社はBIツールを導入することでこのロスタイムを短縮することにしました。

BIツールとは

「BIツール」はビジネスインテリジェンスの略で、データ分析を容易に行うことができるツールです。
自社の基幹システムとデータを連携することで、エクセルよりもカンタンに短時間で膨大なデータの加工や分析が可能になります。

BIツールとエクセルの比較

エクセルと比較したときのBIツールのメリットをいくつか挙げると

Excelで時間をかけていたグラフ作成や資料作りの時間が大幅に削減
エクセルよりもカンタンな操作方法で分析ができる
膨大なデータがサクサク編集できる
ダッシュボード※を作っておけば、データを更新して自動的に更新してくれる
デザインが統一されていて、作業者による違いが出ない
数式や関数の誤記が起きにくい

などメリットが多くあります。手作業で細かくデータ加工したい場合を除けばエクセルよりも断然使いやすいツールとして業務に定着しています。

メトロールでは数年前に導入以降、手軽に分析ができるツールとして活用していましたが、様々な部門の業務で活用できる人材を増やそう！ということで社内研修を実施することになりました。

製造業のデータ活用に使えるBIツール — BIツールのダッシュボード：基幹システムの様々なデータが一目で把握できます。

データ分析研修を開講！

私が中心となって開講しました！大学時代や前職でも、SQLなどをつかった業務が多かったので、この点ではデータの構造や活用方法は多少知識がありました。

BIツールの活用事例

需要予測から生産計画の立案
在庫計画
外部発注状況の分析
出荷リードタイム分析
自動化対象の製品選定

データ分析研修の講義内容

目次としてはざっくり以下のような流れで全5回にわたって開講しました。
概念的な説明から実際のデータを使ってダッシュボードを作ったり分析を行って、より実務に特化して研修を行っています。
宿題なども出しながら、参加者が各自の業務でどう活かせるかなども考えてもらっています。

データ分析の目的
基幹システム（ERP）のデータ抽出方法
BIツールの使用方法
各部門ごとのデータベース理解

【対象部門】
・購買部
・生産管理
・工場管理
・社内SE
・経理財務

データ分析の心得

概念的な部分においては以下のようなことを強調して伝えています。

①データ分析が目的になってはいけない、意思決定のためにデータ分析を行う
②検証するために必要なデータは現状無くても集める仕組みを作ろう
③データはただの数字、数字に解釈を加えるのは読み手
└自社にはどんなデータがあるのか？
└そのデータからどんなことが読み取れるのか？
└既存のデータを加工することでどんな分析ができるのか？
などのポイントもレクチャーしました。

日々どんなデータが誰のどんな行動によって会社には集積されているのか？という視点から、ツールを使う上での仕組みを講義では解説しています。

これからのデータ活用人材の育成

これからの製造業はデータ活用人材がどれだけ育成・配置できるかが事業スピードを上げていく上で非常に大事なテーマだと考えています！データをもとに的確な判断ができるとなれば、現場への権限移譲がスムーズになるからです。

今までのメトロールではデータ分析は「できる人が、できるときにやる」という属人的な業務でした。しかし誰かが分析した結果をもとに下された判断が業務として現場に降ろされるだけでは、現場の当事者意識や危機感はが薄まってしまいます。

ツールの進歩によってデータ分析のハードルが下がってきている昨今においては、より現場に近いメンバー自らが仮説立案、データ分析、改善提案を実行していくことが、現場の判断スピードや仕事のやりがいに繋がっていくとメトロールは考えています。

データは眺めるだけでは「ただの数字」、人それぞれの解釈と意思決定が加わって初めて価値になります！見る人（解釈する人）が増えればそれだけで新しい発見に繋がるはずです！

製造業のデータ活用のメリット — 分析からの仮説提案はトップダウンからボトムアップへ

終わりに

誤解のないようにお伝えしたいのは、
・定性的な感覚は間違っている
・数字に全て知りたい事実が現れる
と言いたいわけではありません！日々課題に取り組んでいる人の感覚はむしろ優れていて、数字には表れない「直感」は人にしか出せない貴重なアウトプットだと思います。
こうした直感は「事実はどうなっているのか？直感を検証してみよう」という課題の突破口として活用することが、周囲のメンバーを巻き込んで仕事をしていく上で重要ではないでしょうか。

ぜひ一緒にデータ分析スキルを身に着けて、仲間を巻き込む論理性を身につけましょう！