DXでの課題の情報源「会社四季報:業界地図」と製造業での業務分析例

人工知能技術機械学習技術デジタルトランスフォーメーション技術問題解決と思考法 DXの事例 life Tips&雑記本ブログのナビ

DXでの具体的な課題の情報源としての「会社四季報:業界地図」

DX（デジタルトランスフォーメーション）における具体的な課題に関する情報源としては、以下のようなものがある。

ニュース記事や業界レポート DXに関連する最新のニュースや業界レポートをチェックすることで、企業や業界が抱える課題や取り組み事例などを知ることができる。例えば、ITmediaや日経BP、BCNランキングなどが取り扱っている。
企業のウェブサイトやIR情報 企業のウェブサイトやIR情報には、同社が抱える課題やDXに取り組む姿勢、具体的な取り組み事例などが掲載されている。例えば、大手IT企業のMicrosoft、Google、AmazonなどがDXに取り組む姿勢を公表している。
セミナーやカンファレンス DXに関するセミナーやカンファレンスに参加することで、最新の動向や課題について学ぶことができる。また、同じ業界や分野の人たちと交流することで、DXに関するアイデアやヒントを得ることもできる。例えば、Japan IT WeekやInterop Tokyo、CEATEC JAPANなどが開催されている。
専門書や論文 DXに関する専門書や論文を読むことで、より深い知識や具体的な課題解決方法を学ぶことができる。例えば、『DX大全』（翔泳社）、『デジタルトランスフォーメーション戦略論』（日本経済新聞出版社）、『Digital Transformation at Scale』（MIT Press）などがある。

「会社四季報:業界地図」は、日本経済新聞社が発行している企業情報誌「会社四季報」の特集号の一つで、毎年3月と9月に発行され、一冊あたり数千円程度で書店やオンライン書店で購入することができる業界別の市場動向や企業の業績評価をまとめた地図状の情報誌となる。

この特集号では、各業界の市場規模や市場シェア、主要企業の売上高や利益率、さらには最新の業界動向や課題などが解説されている。また、各企業の特徴や強み、競合環境なども紹介されており、投資家や企業戦略担当者にとっては重要な情報源となっている。

これらの中では、174業界、4000社に対して、例えば以下のように業界別の企業の情報や傾向がわかりやすく図示されている。

これらの中では、それぞれの業界・企業の課題も分析されており、DXを検討する際に、同じような業態の企業の課題の抽出や、特定のドメインの業種に対する課題の汎化などを行うことで、さまざまな具体的な課題を抽出することができる。

これらの情報をタネとして、以下に示すような、SWOT分析、PEST分析、ポーターの五つの競争力分析、KJ法等の一般的な課題分析手法を用いることで更に細かく分析を行い。それらの分析をベースにKPI,KGI,OKRについて(1) 課題の明確化の為の手法で述べているようなKPI等の定量化の手法を用いて目標値として定量化し、さらに”機械学習技術“や”人工知能技術“、”ICT技術“に述べられているような技術を駆使して問題を解決する。

SWOT分析 SWOT分析は、企業の強み・弱み・機会・脅威を分析する手法となる。DXの課題分析においては、企業の現状を把握し、DXによってどのような強みを生み出し、どのような機会をつかめるのか、またDXによってどのような弱みや脅威が生じる可能性があるのかについて分析する。
PEST分析 PEST分析は、政治・経済・社会・技術の4つの要素に着目し、それらが企業に与える影響を分析する手法となる。DXの課題分析においては、DXが進展する中で、政治・経済・社会・技術の各要素がどのように変化する可能性があるのか、その影響を分析することが重要となる。
ポーターの五つの競争力分析 ポーターの五つの競争力分析は、業界の競争環境を分析する手法で、業界内の競合状況、新規参入の障壁、代替品の存在、顧客の交渉力、サプライヤーの交渉力を分析するものとなる。DXの課題分析においては、DXが進展することで業界内の競合関係や新規参入の障壁がどのように変化するか、またDXによって代替品の存在が変化する可能性があるかを分析する。
KJ法 KJ法は、複雑な問題を整理し、解決策を出すための手法で、ブレインストーミングの結果を整理することで、問題の本質を明確にし、解決策を導き出すものとなる。DXの課題分析においては、DXに関連する問題をブレインストーミングし、その解決策を整理することで、課題解決のためのアイデアを出すことができる。

「会社四季報:業界地図」はそれらの分析の素材として、手軽に使える情報源の一つとなる。

具体的な業務分析のステップ

業務分析の大まかなステップは以下のようになる。今回は具体的な事例として製造業での業務課題解決の例を合わせて示す。

目的と範囲の定義：業務分析の目的や対象とする範囲を明確にする。具体的には、何を分析するのか、どのような問題を解決するのか、誰が関与するのかなどを定義する。これらの課題解決抽出と定量化に関しては”問題解決手法と思考法及び実験計画“を参考のこと。

例えば製造業の業務課題としては以下のような、省力化、属人化の課題がありそれらを解決する為の対応策が求められている。

業務プロセスの理解：対象とする業務プロセスの詳細を理解し、そのプロセスの目的、流れ、手順、利害関係者、リスクなどを文書化する。このステップでは、業務プロセスに関する情報を集め、整理、分析することが必要となる。

製造業を題材にすると、例えば以下に示すようなBefore/Afterのワークフローを考えることができる。ここでは、属人的な作業や手戻りなどによる非効率的な工数が既存のワークフローには潜んでおり、それらを低減することで大幅な工数低減が見込まれることが示されている。

問題の洗い出し：業務プロセスに関する問題を特定し、その原因を分析する。問題を特定するためには、問題が発生する状況、その原因、影響を文書化し、分析する必要がある。

前述の製造業の例では、非効率な工程が生じる原因はノウハウの蓄積と活用が不十分であることから生じていると分析する。

また、それらのノウバウ情報をDX化して一元化しても、検索キーの不明確さや、情報の表現のゆらぎにより、欲しい情報を取り出すことができない課題を分析している。

解決策の提案：特定した問題に対する解決策を提案する。解決策は、プロセスの改善、技術的な改良、組織的な改善など様々なものがある。提案する解決策は、問題の原因を解決するものである必要がある。

前述の課題の解決にはAI技術と”検索技術について“で述べている検索技術を組み合わせることで解決することができる。AI技術は具体的には”自然言語処理技術“で述べている”人工知能技術“や、”トピックモデルの理論と実装“で述べている”機械学習技術“等がある。

また”DXの事例としての人工知能技術“に述べている様々な事例も参考とすることができる。

解決策(プロトタイプ)の実装：提案された解決策を実際に実装するための計画を策定します。実装計画は、責任者、期限、必要なリソース、予算、評価方法などを含む必要があります。

前述のAI技術や検索技術を元にして具体的な仕様と予算、評価方法を定めて”Pythonと機械学習“で述べているプログラミング技術を用いて実装を行う。

結果のモニタリング：実装後の結果を監視し、予期せぬ問題が発生しないようにし、モニタリングの結果、改良や調整が必要であれば、適宜対応する。

以上のステップを用いて、業務分析を行い、結果が当初想定していたものを満たすのであれば、”ITインフラストラクチャ技術“に記述してあるようなクラウド、DeveOps技術等を利用して本番用のシステムを構築する。