ケースインサイト

事業組織・経営体の出来事・事柄をMECE*(ミッシー)思考で情報を収集・分析し、マネジメントの多様な観点から、ケースカンファレンスを行い、検討・洞察が加えられます。

*MECE(Mutually Exclusive, Collectively Exhaustive):「相互に排他的な項目」による「完全な全体集合」、要するに「漏れなく、重複なく」という意味

サービスメニュー・メソッド・プロトコル案内

経営・事業体・業界調査

  • プロファイル調査
    対象企業の沿革、組織・事業形態、事業内容、財務・資産、経営状態、経営者特性等を把握
  • 競合状況調査
    競合社数、寡占状況、戦略、実績、シェアー、経営資源等から、自社の競争力と優劣要因、ポジションを把握
  • 経営・事業環境調査
    事業体を取り巻く経済的・政治的・社会的・技術的要因からみた機会・脅威等を把握
  • 業界動向調査
    歴史、参入業者、市場規模、市場特性、参入障壁、競合構造、成長・発展の可能性を把握


経営・事業の事例調査

  • マネジメントケースライト調査(learning from success&mistakes)
    デジションケースライト調査
    参考事例になる企業・事業体の特定の事業行動や意思決定に着目してトレース・ウォッチングを行い、再現プログラム化し、マネジメントナレッジとする。
    アプレーザル・ケース調査
    特定企業・事業体の事業行動や経営実績から、パフォーマンスを評価し、インプリケーション、エッセンス、教訓を抽出する。
  • ケーススタディ調査
    ケースヒストリー調査
    企業・事業体の事業内容について詳しい記録、データを収集し、事例史を作成する。
    ケーススタディ調査
    実際の企業・事業体で発生した事例を検証し、背景、因果、要因を明かにして一般法則教訓にして、プラクティスに役立てる。
  • ビジネスベンチマーク調査
    優れた業績をあげている企業・事業体との比較調査から自社の優劣と問題点を明確にして経営・事業革新を実現する。
  • ベストプラクティス調査
    優れた企業・事業体の強み、仕組み、仕掛け、仕切りを把握し、そのエッセンスを参考に、 自社最敵な形で実践的に取り込む。


経営・事業体分析

  • 日常業務の見直し・点検、棚卸、創発、改善活動
    5W1H(誰が 何を いつ どこで どうして、どのように いくらで)
    PDCA(計画 実行 評価 改善行動)
    FQCD(機能 品質 コスト 納期)
    フィッシュボーン分析(要因と特性の影響関係を魚の骨のように明示)
    ファシリテーション(創発、気づき、問題解決を促す議論)
          SBIinc.ファシリテーションインタビューとは
    ネットワーク分析(見えざる資源=人と人の絆、企業と企業の繋がりを科学する)
  • マーケティング戦略
    4P分析(製品 価格 チャネル 販促)
    STPD分析(市場細分化、顧客ターゲット ポジショニング、差別化政策)
    CRM・ネットワーク分析(顧客関係性、生活者ネットワークを明らかにする)
  • ビジネス/マネジメント戦略
    PPM分析(プロダクトポートフォリオ)
    バリューチェーン分析(事業プロセスの価値創造内容を連鎖として明示)
    3C分析(顧客、競合、自社のトライアングル関係で事業状況を説明)
    7S分析(全体像=戦略、構造・組織、システム、価値観、スタイル、人材、スキル)
    SWOT分析(自社の強み・弱み、機会・脅威の評価)
    VRIO分析(経営資源の優位評価=経済価値、希少性、模倣困難性、組織)
  • 事業環境
    PEST分析(政治・経済・社会・技術的要因から機会・脅威の可能性と対応策)
    5FORCES分析(競争要因=新規参入 競争者数 代替品 顧客要求 取引先要求)


社内情報基盤の整備によるケースインサイト

日々、刻々と変化する事業環境・市場からは、様々な情報が蓄積されます。その情報をエンタープライズプラットフォームでシステム思考展開をすることにより、機敏・迅速な意思決定が可能となります。

             Predictive & insight analytics

  企業内情報   エンタープライズプラットフォーム   顧客接点
 

マーケティング
生産・販売出荷
インタラクション
WEB・ネット
顧客相談担当
業務投入データ
経営資源データ
経営実績データ
媒体・メディア
外部環境データ
各種ナレッジ
技術データ
情報サプライヤー

認識 何が発生したか
何が起こったか
2 理解 なぜ発生したか
どのように起こったのか
3 予測 これからどうなるか
将来、何が起こるか
4 洞察 起こった場合はどうなるか
現場・現実を直に見聞きしたか
何をどのように感じたか
何をどのようにすべきか
5 行動

どんなアクションがあるか
どんなリスクがあるか

イフプランを用意しているか

店頭・ショップ
WEBサイト
Eメール
電話・携帯
手紙・投書
営業拠点
催事・イベント
各種モニター
応募・参加
顧客相談窓口
受付受注窓口
街頭・集会



マイニング手法による予測・洞察力の向上

マイニング手法とは膨大な情報蓄積の中からパターンや傾向を発見するソフトウエアーです。
データを情報に変換する高度な分析手法であり、インサイトを側面から支援するツールです。 形式・数量化データを扱うデータマイニング、テキスト(主に文)データを扱うテキストマイ ニング、webフィールドで得られデータを用いてデータマイニングするwebマイニングの 三つがあります。この手法(ソフト)を活用するには、一定の知見と留意が必要ですので セミナー(IBM SPSS)などで、予め学習することをお勧めします。

  • データマイニング
    代表的ソフトはIBM SPSS modelerがあります。そのソフトを使って膨大な量のデータからビジネスや学術研究に役立つ知見を取り出す解析技術です。
    統計学 パターン認識、人口知能等のデータ解析の技法を用いて、通常のデータの扱い方から想像できないような未知なるルールや経営・マーケティングに役立つ知識・傾向を発見するために用いられます。
    この手法はマシンラーニングあるいはモデリングと呼ばれています。過去のデータがモデル生成に使用され、これらのモデルは予測・評価・意思決定に使用されます。

    基本モデル
    予測モデリング手法=結果が未知である将来のケースを予測するのに役立ちます。
    クラスタリング手法=既知の範囲でなく、データ内の関係性を探索して全体の構造を発見
    アソシエーションルール=よく一緒に起こることをデータから発見しょうとします。
    スクリーニングモデル=機能選択と異常性検出を行うことができます。

    活用事例
    ○売り上げや集客に関連している変数(例・価格 品揃え 立地、顧客特性・・・)を明らかにします。
    ○例えばカードの購買履歴から、特定商品の有望な顧客を見出します。
    ○膨大な顧客データベースからチラシや広告に反応するグループを見出します。
    ○特定の買い方で何が買われるか、どのアイテムが一緒に買われるかを明かにします。
    ○生活パターンや食生活、生活時間などデータを組み合わせで疾病率や健康に寄与している要因を発見します。
  • テキストマイニング
    膨大な量の発言録、顧客の声がテキストデータとして集められ蓄積されています。これらのデータは数値データと異なり一定の形式で収集することができないため、蓄積・放置されて いました。テキストマイニング技術の発達で、発言や声の中から特性や傾向を見出し、新らしい発見をえることができます。膨大な量のテキストデータの価値を最大限に高めます。
    近年、特にネット上の声の解析(検索エンジン)に注目が集まっています。

    活用例
    ○インサイトインタビュー(非構造データ)と対象属性を合成分析することで生活者の ニーズや新たな価値観を発見する。
    ○特定テーマの記事情報・論調分析などから、オピニオンマップの作成。
    ○文献目次、タイトル情報の解析し、出版マーケティングに役立てる。
    ○問い合わせ・要望・クレームを属性データと組み合わせにより、製品・サービス改良の ヒントや新商品開発のシーズの発見。
    ○発言・議事録から論点分析を通して論理構造、思考パターンなどを明かにします。
    ○レポート・作文のベストプラクティスの抽出。
    ○インターネット上の膨大な量の投稿・声・呟きを取り込み、レピテーションやトレンドを見出します。
    ○ブログ情報を集め解析し、パワーブログの傾向や特徴を見出します。
    ○特定層のネット用語を分析して、ターゲティングの検討資料にします。
  • Webマイニング
    自社のwebサイトから得られるデータから、サイト来訪者がとのように行動するかを特定・予測します。
    webマーケティング戦略の立案に貢献します。

    活用例
    ○webサイトの改善分析
    ○webキャンペーンの効果測定
    ○広告効果の測定
    ○広告投資最適化
    ○訪問目的によるユーザーセグメンテーション