スマホで読めて真の実力者になれる「世の中取扱説明書」

スマホで読めます。通勤時間や隙間時間に忙しいビジネスマンや時間を持て余している学生さんなどに読んでもらいたいです。真の実力者になりましょう。

書評・レビュー「武器としてのITのスキル」

どうも、「世の中取扱説明書」です。

 

書評・レビュー「武器としてのITのスキル」というタイトル記事です。

 

 

 

読者ターゲット。(記事を読んで欲しい人)

この本に興味ある人。

 

ゴール。(この記事を読んで得られること)

この本を買うか、読むかの判断軸がある程度持てる。

 

では書いていきます。

 

ITスキルは最強の戦闘力になる。

 

IT+MBAの知識が必要な時代。

21世紀に価値を生み出しているのはIT企業。

さらにSF的世界がやってくる!?

情報化時代の大変化。

こんな時代をサバイブするために何が必要となるのか?

本書の構成。

 

CHAPTER1 コンピュータ+データの基本スキル。

 

SKILL01。コンピュータを用いた問題解決の方法。

コンピュータを利用した新しい問題解決の考え方。

テクノベート・シンキング。

コンピュータはどのように動いているのか。

アルゴリズムって何? プログラミングって何?

 よいアルゴリズムはもっとも「計算量」が少ない。

サーバー保有数は問題ではない。

 

SKILL02。簡単なプログラムを書く。

プログラミング言語とは何か。

プログラムは100%完璧に指示しないと期待通りには動かない。

「文法」が正しくても動かないことも。

プログラミングの基礎知識。

実際にプログラミングをしてみよう。

プログラムは「オープン」が当たり前。

 

SKILL03。データを効果的に扱う。

コンピュータのデータの扱い方を知る。

データの基礎である表形式を知る。

コンピュータと人間が扱うデータの違いを知る。

コンピュータが処理しやすいデータの構造を知る。

中略。

以上、コンピュータが取り扱う主要なデータ構造をご紹介しましたが、改めてまとめると、それぞれ以下のような特徴があります。

 

配列。番地が連続しているためアクセスは早いが追加・削除が遅い。

例。コンビニのPOSデータなど。

リスト。番地をリンクしているため追加・削除は早いがアクセスは遅い。

例。ホームページやブロックチェーンなど。

ツリー。親子で番地をリンクしているため検索は非常に早いが、複雑なデータ(親子関係を複数設定するなど)は困難。

例。組織図。

グラフ。複雑なデータを表現することはできるが、データ検索は遅い。

例。フェイスブックの友人関係。

P61。

 

データ構造がわかると新しいビジネスを考えられる。

 

SKILL04。段取り力を高める。(プロジェクトマネジメント)

何の問題もなく終了するITプロジェクトはまずない。

なぜ想定通りにプロジェクトは進まないのか。

最初によいアルゴリズムを考えておく。

事業企画者自身がアルゴリズムを考えられる会社は強い。

これからの日本におけるITプロジェクトのあり方。

日本に不足しているのはディベロッパー人材。

アメリカではアルゴリズムを考えられる人を「ディペロッパー(developer)」と呼び、彼らがITプロジェクト、ひいては新しいビジネス創造の要となっています。

 

一方、日本にSEやプログラマーはたくさんいてもディベロッパーは少数です。

 

法律を作る手法は知らないけれど日本語を喋ったり書いたりできる人に、日本語で法律を書けといっているようなものです。

 

夢物語が途中で現実的ではないことがわかり、当初の見積もり通りにことが進まず、赤字プロジェクトへ。日本では長年、このような不毛なプロジェクトが繰り返されてきました。P71。

 

SKILL05.最強の学問、統計学の基本を知る。

統計学リテラシーが優位性につながる。

基本となる2つのアプローチ。

数字に集約する。

標準偏差の大事な特徴。

数式に集約する。

回帰分析で予測する。

説明変数が複数の場合もある。

 

SKILL06。ビッグデータの基本を知る。

ビッグデータスモールデータは何が違う?

データ量が「ビッグ」だと何がいいのか?

ビッグデータを活かす機械学習

機械学習は説明ができない?

ビッグデータを活かすうえできわめて強力な機械学習ですが、実は従来のデータ分析と比べて大きな弱点があります。

 

それは高い精度でビッグデータから予測や分類はしてくれるのですが、なぜそうなるかは説明してくれないのです。

 

機械学習は説明が苦手」なのです。

 

たとえば、機械学習を使って、大量の顔の写真から笑っている、怒っているといった感情を推し量ることも可能ですが、なぜこの人の感情を笑っていると判断したのか、何が笑っているという判断に効いたのかは機械学習の分析の中身をみてもあまりに複雑で人間にはわかりません。

 

あるいは大学のAO入試であれば、分析した結果、たとえば「名字のイニシアルはKからSかTで、中学高校時代に音楽もしくは演劇をやっていた人間の方が入学後の成績がよい」といった傾向が出たりしますが、機械学習は、なぜそうなるかという因果関係、つまり原因と結果の関係を説明してはくれません。

 

このことから、繰り返し述べてきたようにビッグデータでは「因果関係」よりも「相関関係(パターン)」が大事だといわれるのです。

 

一般に、人間は因果的な説明を求め、探す動物です。一方で、機械学習が活躍するネットショップのレコメンデーションでは、ある商品のおすすめの理由はとくに明らかにはされませんが、おすすめの説明を求める消費者はほぼ皆無でしょう。

 

実際におすすめが気に入れば購入するでしょうし、気に入らなければ購入しないだけです。

 

購入履歴データから買うかもしれないという予測ができ、実際に購入するという結果がついてくれば、説明ができなくてもビジネス上は十分、という考え方が成り立つのも事実なのです。

P93,94。

 

ビッグデータと人間の役割。

 

SKILL07。新しいテクノロジーの基本を知る。

主要な技術の動向を知る。

AI(人工知能

AIの今後。

IoT(Internet Of Things。モノのインターネット)

ロボティクス。

VR(仮想現実)・AR(拡張現実)・MR(複合現実)

最後に、VR、AR、MRについてそれぞれの今後の方向性や課題についてみていきましょう。

 

VRVirtual Reality:仮想現実)とは、現実に目の前にある風景が遮断され、コンピュータが作りあげた世界があたかも現実であるかのように知覚させる技術です。

 

たとえば、人間が専用のハードウェアを目につけて歩くことによって、まるで深海を泳いでいるように錯覚してしまうサービスなどです。

 

AR(Augmented Reality:拡張現実)はVRの変種であり、その時、実際に周囲にある環境にコンピュータが情報を付加したり削除したりすることによって人間が認知している世界を拡張する技術です。

 

現在では多くの場合、スマートフォンのカメラ機能を使って撮影した現実世界とコンピュータが作った画像などのデータを融合させるサービスが主流です。

 

たとえば「ポケモンGO」のように、実際に目の前にある風景の中にアニメのキャラクターが実際に存在しているようにみせるゲームがあります。

 

MR(Mixed Reality:複合現実)はVRとARが混ざった概念で、VRのようなハードウェアを身につけているものの、現実世界は遮断されず目の前にあるまま、コンピュータが作り出したものが重なってみえるというものです。

 

たとえば、専用のメガネをかけると目の前に実際にある商品の隣に、その成分や価格が文字として表示されるようにみえるサービスです。

 

MRはSF映画では目にするサービスですが、2018年現在はマイクロソフト・ホロレンズ以外はほとんど実用化されていません。

 

現時点では「ポケモンGO」のヒットに象徴されるように、ARの実用化が先行しており、しばらく市場の拡大が進むと考えられます。P106、107。

 

中略。

VR市場の拡大にあたっての課題は、まずハードウェアの開発コストです。一般的に家庭用ハードウェアの価格は300ドルを下回ると広く流通するといわれていますが、2018年時点ではほど遠い状態です。

 

それがどのくらいのスピードで低減していくかは要注意です。

 

もう一点はコンテンツの開発です。現時点では明確にみえている市場はゲームなどですが、それでは市場規模が限定的ですし、制作費用が圧倒的に高く、既存のソフトウェア開発企業ではまかない切れない状況です。

P107。

 

新技術との付き合い方。

中略。

新しいテクノロジーが生まれて実用化されるまでには、テクノロジー自体の進化が先行しているファースト・ステージと、実際にビジネスに適用されるセカンド・ステージがあります。

 

たとえばAIのテクノロジーの研究と進化、つまりファースト・ステージを牽引するプレーヤーは残念ながら日本ではほぼいません。

 

ほとんどがアメリカ企業に席巻されています。

 

しかし、進化したAIを実際のビジネスに応用していく、つまりセカンド・ステージから参入する余地は大いにあります。

 

たとえば、日本でのAI関連市場の規模は2015年時点では約3兆7450億円ですが、2020年には約23兆円、2030年には約87兆円に成長するといわれています。(EY Instituteレポートより)。

 

AIのアルゴリズムを生み出すファースト・ステージで勝負できなかったとしても、外部環境や自社の強みをしっかり分析し、勝てる領域を見出してセカンド・ステージで成功する余地は大いにあります。P108、109。

新スキルの勉強法1。

 

CHAPTER2。戦略・マーケティングの基本スキル。

 

SKILL08。業務の生産性をあげる。

テクノベート時代の生産性向上。

仕事内容テクノベート時代の生産性向上。
仕事内容を細かく切り分け、コンピュータとの間で分担する。
それまで「当たり前」と思っていた判断を疑ってみる。
新しいデータを集めて「公開」してみる。を細かく切り分け、コンピュータとの間で分担する。

それまで「当たり前」と思っていた判断を疑ってみる。

中略。

たとえば、機械式駐車場最大手のパーク24では、コインパーキングの平均稼働率を47〜48%にとどめるよう、全社で管理がなされています。

 

コインパーキングですから、車で埋まっていればいるほどその駐車場からあがる収入が増えますが、車が駐車していなければ収入も生じません。したがって、稼働率は高ければ高いほどよいことのように思えます。

 

しかし、実際はそうではありませんでした。同社がコインパーキングの稼働率とドライバー

の満足度の相関関係を分析した結果、あるエリアの駐車場がいつも埋まっていると、車を駐めたいと思うドライバーの満足度が落ちることを発見しました。

 

「ドライバーが駐めたいと思う時にいつも空きスペースがあるようにするためには、平均稼働率は48%前後に維持することが望ましい」という分析に基づき、同社ではエリア内に新たな駐車場を開発して平均稼働率を下げるよう、営業社員に指示が行くようになっているのです。P119、120。

新しいデータを集めて「公開」してみる。

 

SKILL09。ネットワークの経済性を理解する。

ネットワークの経済性のインパクト。

なぜ「プラットフォーム型ビジネスモデル」なのか。

レイヤー(化)とは何か。

レイヤー化がもたらしたもの。

 

SKILL10。プラットフォーム型ビジネスを作る。

プラットフォーム型ビジネス構築の4つのステップ。

(1)できるだけニッチな顧客層を狙え。

(2)顧客に「最高の体験」を提供せよ。

(3)ユーザー同士が「価値を伝え合う」仕組みを作れ。

(4)資産を生かして隣接エリアに事業を拡大する。

 

SKILL11。テクノロジーが与える影響を予測する。

消費者はデジタルのテクノロジーによってどう変化するのか?

デジタル技術は消費者の感じる「偶然」「幸運」まで演出する。

あらゆる企業の提供する価値は分解され、再定義される。

デジタルトランスフォーメーションを実現・加速する4つのコンセプト。

デジタル技術の活用やそれにともなう消費者のニーズの変化にあわせた企業の変革、すなわちデジタル・トランスフォーメーションは、大きく分けて4つのコンセプト (考え方)から成り立っています。

 

それは「サービス化」「ソーシャル化」「スマート化」「オープン化」です。4つの要素の頭文字を取って、「3SO」と呼ぶこともあります。

 

そして、この4つのコンセプトを支えるのが、ソーシャルメディア、モバイル端末、API/アナリティックス、クラウド、スマートマシン/センサーなど、頭文字を取って「SMACS」と呼ばれるデジタル関連の要素技術です。P153。

 

SKILL12。ITのマーケティングへの影響を理解する。

マーケティングには根拠が必要。

データ・ドリブン・マーケティングの時代へ。

ワン・トゥ・ワン・マーケティングの次元があがる。

 

SKILL13。身近なところからマーケティングに使う。

カスタマー・ジャーニーを活用する。

カスマター・ジャーニー・マップを作る。

カスタマー・ジャーニーとは、顧客の購買にいたる行動のことです。これを時系列で連続的に表したものをカスタマー・ジャーニー・マップといいます。

 

作成は、まず仮説的なジャーニーを作ることから始まります。既存のデータやリサーチから代表的なペルソナをいくつか設定し、ペルソナごとのジャーニーを仮説的に作成し、それに合わせたKPIを策定します。

 

そして実際に運用しながら、あってほしい行動とそれにともなって顧客のステージをより効率よく進行させていく手段を講じていくことで、カスタマー・ジャーニー・マップを運用するのです。

 

まさにマーケティング戦略そのものが描かれたものといえるでしょう。

 

具体的には横軸にステージを取り、縦軸に具体的な行動、それぞれのステージにおける顧客の思考と感情、またメディアとタッチポイントを洗い出したうえで、ステージの移行状況を測定することができるデータとKPIを設定し、運用します。

 

このマーケティング戦略の構築方法と運用方法を知ることが、デジタル・ツールに振り回されないマーケティング戦略構築の第一歩となります。

 

では、具体的にカスタマー・ジャーニー・マップはどのように作ればよいのでしょうか。

中略。

P172、173。

カスタマー・ジャーニー・マップを肉づけ・運用していく。

身近なツールを活用する。

1人やほんの一部では始めない。

新スキルの勉強法2。

 

CHAPTER3。リーダーシップ・組織の基本スキル。

 

SKILL14。ビジョンを理解し、課題を設定する。

マネジャーやリーダーの仕事の変化。

人間に残される仕事。

変わる問題解決の方法。

人間の付加価値は課題設定にこそあり。

データの与え方や枠組みの設定にも人間の力は必要。

クリエイティビティは人間だけの特権か?

必要となるスキル。

 

SKILL15。新しい変化を作り出す。

人々を巻き込み変化を起こすために必要な力とは。

「新しいこと」が価値を持つ。

自ら変化を作り出すリーダーに。

クリエイティブな発想とトライ・アンド・エラーを楽しむマインドセットを身につけよう。

変えることを楽しもう。

 

SKILL16。よきフォロワーとなり、人やデータに学ぶ。

鍵となるフォロワーシップ

「HiPPO」よりもデータや現場の声が興味を持つ。

現場の意見や若い世代の知識が価値になる。

状況判断とコミュニケーション力がフォロワーにも求められる。

現場で実験を繰り返す姿勢も大切。

 上下左右にオープンで。

 

SKILL17。社外の人とコラボレーションする。

ビジネスは企業内だけでなく企業のネットワークの中で起こる。

関わる人すべてがパートナーだと想定せよ。

社内の業務も多様な関わりの人々が担う。

さまざまな人をチームとしてまとめる。

自分や周りの行動パターンを変える覚悟を持つ。

 

SKILL18。信頼を積み重ねる。

デジタルネイティブ」時代の特徴。

特に信頼性が重視される。

つねに相手を1人の人間だと考え、つながりを保とう。

デジタル情報は蓄積され、誰にでもみえてしまう。

どのような自分を発信するか、自分で判断する。

 

SKILL19。グロースマインドセット

変わり続ける覚悟を持とう。

グロースマインドセットを持つ。

新たなスキルに投資せよ。

バイタリティを持って生きる。

対話を通して理解を深める。

変わるのも、変えるのも自分自身。

新スキルの勉強法3。

 

おわりに。

キーワード一覧。

 

以上、ここまで。

 

グロービス経営大学院シリーズです。

 

僕はグロービスのシリーズの本はかなり読んでいます。

 

シリーズ本では買うに値する本が多いです。

 

グロービスシリーズは経営学を学びたいなら、ぜひとも一度は目を通しておきたい本です。

 

ではこの辺で。

 

参考・引用文献。

「武器としてのITのスキル」