「事業戦略」「ビジネスモデル」「ビジネス・マーケティング」   

戦略を、ビジネスに実装するお役立ち   
提供サービス
コンテンツ・モジュール
会社案内
代表プロフィール
パートナー企業・団体
コンタクト・お問合せ
トップ > 実践マーケティング > データ・統計

はじめに序論営業マーケティングIMC事業戦略MCSデータ・統計|設計ツール行動指針経営論こぼれ話教育・研修

情報源

情報源(information source)は、「史料 historical(歴史を考察する上での手がかり)」「一次資料 primary (オリジナルの資料)」「二次資料 secondary (編纂物)」に分けられる。

調査・統計においては、研究者や機関が直接調べた生(なま)のデータを一次資料と呼び、そのデータを分析して得られた論文や著作を二次資料と呼ぶ。例えば、論文を書く際には「他人が調べた結果(二次資料)を見るだけでなく、必ず一次資料に当たれ」と指導される。
勿論スパイ spy / espionage するわけではなく、対象・顧客・取引先・競合・・・第一人者等のネットワークから直接取材で得たイン・デプス情報を元に、洞察するアプローチが欠かせない。

自ら率先垂範して、現場に踏み入る体験なくして(暗黙)知は獲得できない!

情報量

文字の多寡では情報の量の大小は測れない。
情報源から知り得た内容が、既知のものなら・・・(極論ながら)価値はない。物差しは“未知 unknown ”、予測を覆す新たな発見・行動に繋がって、初めて価値を生む。

同じ内容の情報でも、伝える相手・タイミングによって、その価値が一変する。
情報の価値は、情報そのものではなく、それを受け止めた人がどのように行動をとるか(変わるか)によって、決まる。

動機付けは好奇心:驚き・不思議=「情報量」を求め感じ取る心構え・感性。
これは何なのか、どういう意味なのか、何故そうなるのか ―― 好奇心が働かなければ、価値ある情報に接してもピンとこないし、記憶にも残らない。したがってそこから何かを学ぶこともない。

予測が覆れば、その後の行動も変わらざるを得ない。その変化の比率によって情報量を規定しようというのが『情報理論』の真髄だ。

パレート法則[その1]

あたかも何にでも応用できるが如く『80:20の法則』・・・と使われている。
だが、ビジネスに適応する場合、あまりに恣意的・乱暴すぎる。

そもそもは、1897 ヴィルフレード・パレートというイタリアの経済学者が、様々な統計資料を調べているうちに「社会全体の2割程度の世帯が高額所得世帯であり、彼らの所得や富が社会全体の所得や富の8割程度を占めている」、そこにある法則性を発見した。
ある現象や結果の80%は、様々な原因の中の20%によって引き起こされる「世の中の現象は一様に分布しているわけでなく、偏っている」というもの。この原因と結果の連関性を『パレートの法則』と呼んでいる。

分布の偏りを説明するには、分母と分子の定義をキッチリ押さえておかないと、見誤る。顧客・数20%で、売上・額80%を構成している?・・それがどうした??・・・単なる結果・分析に過ぎないじゃないか!

将来の方策「売上増」「利益増」を考えるには、原因・変数を如何に設定するかにかかっている!! ――― 『売上』⇒『利益』に置き換えてみると、すぐにその破綻に気づく・・・大口顧客・粗利は小さい上にR&D費用もかさむ、断然ザラ場が儲かる・・・20:80からは何も見えてこない。

ところで、最近の勝ち組はというと、1社で総売上の1%を超える大口がなく、ひろく・ニュートラルな立ち位置の会社が多い・・・これは偶然なのだろうか?

足し上げた合算値・全体を捉えるだけではなく、個々の構成要素・その動向を掴まなければ事柄の本質には迫れない。収益構造・採算管理について、「丼勘定のままか」vs「見える化が進んでいるか」の違いは大きい。

パレート法則[その2]

「大多数は、釣鐘状の“正規分布”に従う」(ex. 身長・体重の分布)と信じられているが、実際にはむしろ小数派なのだ。例えば、単語の出現頻度も富豪の収入も正規分布にはならず、べき乗則に従う“ベキ分布”である。

区分・配分に新たな指標やルールを当て嵌める際、強引に現象説明に使おうという姿勢では、現象の本質を掴みきれない。あくまでも「現象の裏にある“ある種の法則性(≠法則)”を探るために、これらが有効」だからに過ぎない。

特にビジネスのような人間・組織&その関係性を扱うには、数学や物理では説明しきれないところがある。
メーリングリストのトラフィック、交通渋滞、ネットワークトラフィックなど、様々な複雑な事象においては、べき分布が報告されており、その発生する理由について様々な解析が行なわれているが、どうやら『強い制約』が存在しない場合、ほとんどあらゆる状況においては全て“べき分布”に従うもののようだ。

当然、最近流行の『ロングテールの法則』も“べき分布”にもとづく。目の付けどころ・表現法が秀逸なだけだ。

統計[その1]意味・意義

統計とは、「現象を調査することによって数量で把握すること、または、調査によって得られた数量データのこと(Wikipedia)」と説明されている。
歴史的には、国を統治する基礎資料、政策の企画・立案のため重用されてきた。

「統制(or統治)・計数・管理」すなわち、実態・動向を計数で調査・分析して、統制・管理を行うこと ――― ビジネスに即して言えば、対象事業フィールドを俯瞰・構造的に捉え・解析、これからの進展方向を描いていくため、客観的・デジタルな指標として、種々の「統計データ」活用を求められる。

具体的には経営意思決定を支援する「事業戦略の裏付けデータ作成」、「営業開拓の道筋明示」等を意味する。

貴重な情報源として活用できるものなのに、“宝の持ち腐れ”になっているケースも多い・・・

統計[その2]種別・種類

[ビジネスに関係の深い統計に限定]
経済動向分析:政府・官公庁、自治体が実施する「指定・承認・届出統計(強制力・罰則も有る)」
「国民経済計算」:国民経済計算、県民経済生産など
・・・
「企業活動」:企業数、事業所数、営業状況、投資動向など
「鉱工業」:鉱工業生産高など
「建設業」:建築物着工、公共工事など
・・・
「商業・サービス業」:卸売・小売業、その他サービス業の現況など
業界動向分析: ○○工業会に代表される業界団体による「自主統計(オープン&インサイダー)」
実態調査・分析:マス・コミ、専門機関のアンケート調査・リサーチ

標準分類に基づき「製品」「産業」別に編纂される。
代表的なものは[生産動態][製造品出荷額][付加価値額][設備投資額]・・・[機械受注額]etc.
マクロでは景気指標・業況判断に、ミクロでは当該企業のポジショニングに使われる。
「製品」×「業種」×「地域」に編集・加工が可能で、「製品分布」「顧客分布」「地域分布」における位置づけを知ることができる。

俯瞰・構造的に市場(産業・企業活動)を捉える基礎資料となるもの:『地域経済データ』&『企業情報』、『関与業界情報』など
「マーケット」を捉え、「産業集積の特徴」を掴み、「個別の企業の属性・業績、その経年変容度合」を勘案、当該企業・事業フィールドの進展方向を検証、施策を策定していく。

http://www.stat.go.jp/data/nihon/index.htm

統計[その3]取扱の実態

経営意思決定の貴重な情報源としての活用が一向に進まない理由・問題点を、辛口で言及してみよう。

第一に、社内担当部署から報告・答申してくる資料・データを最優先する現実がある。
往々にして、自社・自部門に都合のよい・差し障りのない係数で塗り込められていることが多い。否定的な情報も、例えば大口顧客・競合相手の動きといった断片的・限定された現象面に終始している。

第二に、社外統計・アンケートに答える投票部署・メンバーとそのフィードバックを活用する部署・メンバーが異なる現実である。
そのまま放置していると、目的と手段のリンクが途切れて、単なる作業を垂れ流すことに終止、決して建設的な取り組みには繋がらない。

第三に、投票する標準分類は見直されはするが、実際の戦略事業単位SBU(事業ユニット・管理機種)との乖離・ギャップがある。
かなり加工・編集しないと役に立たないという難題が横たわっている。先ず全体像を捉えた上で、カテゴリーで切り、例えば『装備率』(設備・装置に搭載される対象機種比率、産業連関表を活用すると算定できる)などを設定し一覧、競合状況を反映させ、時系列での変化・変容を読み取る。特殊な設計ノウハウと大変な工程と労力を要す。

これらの現実を見逃していると、裸の王様だ!!

統計[その4]その限界

確かに[戦闘]フェーズでは、今すぐに事業貢献するというものではない。
しかし、明日・将来を見据えた[戦略・戦術]を練る際には、不可欠だ。

とかく「新規開拓」は『1:5 & 5:25のルール』「コストは5倍以上かかるし、顧客の離反を防げば効率はいい」と説明されるが、俯瞰・構造的な観方を怠り・新規に挑戦し続けていないと、実際に見えている部分が減っていき、いつのまにか取り残されることになる。

昨今は大競争への突入に伴い業界再編、業界を越えた合従連衡も喧しい。単位が分解・再構成ている証だ。

「解っているつもりの市場環境」「自社の事業」×「既存」「新規」のバランスを改めて棚卸しよう。そうすれば、自社の立ち位置が全体像の中で浮かび上がってくる。

経験則では「自社シェアの3倍は見えるものだ」と言うが、1/3のシェアを奪取するのは至難の業・高いハードルだ。
未接点顧客(見えていない新規の顧客)を蔑にすると、米国・百貨店凋落(来店顧客の意向・動静の調査はキッチリやっていた)の事例を引くまでもなく、気がついた時には、もう手遅れになっているかもしれない。

統計[その5]有効活用を図るために

常に新鮮な眼で顧客と向き合う。足元だけ明るくても、その拠って立つ土俵を見据えていないとMyopiaだ。
昨今のDog yearスピードは、知らないうちに視野狭窄を引き起こす。

市場を俯瞰的・構造的に捉え、自社の実績・業績を投影、推移・傾向を視る
戦略目標・水準とのギャップを確認、接近の道程を描く
競合状況を勘案して、ポジショニングに向けた施策セットを策定

基本的な指標の時系列変化や、産業集積の地域分布、業界平均や競合企業との比較を行うことにより、当該企業の事業基盤の優劣や問題点などが見え、これからの開拓・開発方向が浮かび上がってくる。

統計[その6]目的・取組課題

◇ 関連する統計・データの俯瞰的理解とスクリーニング(選別)、情報源の所在・内容の識別!
◇ “散発的”ではなく“系統的に”有用な統計・データを編集・加工し、経営指標に仕上げる!
◇ 経営面での背景・重要課題の裏付け・検証データとして活用する!
◇ 管理計数は財務・税務のためだけでなく、経営意思決定に役立てる『管理会計』強化が求められる!―― 現状は「積上げ方式(売上に利益がついてくる)」のため、前年・予算対比の伸長率・達成率が唯一の尺度になってしまっている
◇ 統計とリンクした「地域分析」「エリア・マーケティング」手法の開発
◇ 統計とリンクした「顧客管理」「新規取引先開拓」手法の開発

統計[その7]解決・接近アプローチ

具体的に、主要な情報源を挙げておこう。

『地域経済データ』

http://www.toyokeizai.co.jp/data/databank/chiikikeizai/index.html

『企業情報』
http://www.tdb.co.jp/lineup/cosmos2/index.html

【加工・編集の留意ポイント】
◇ 全体像・平均値との差異・特徴 ex. 数量・絶対額・構成比・伸長率

◇ 市場特性 ex. 顧客群
◇ カテゴリー ex. 用途(アプリケーション)、技術
◇ 地域特性 ex.産業集積・分布

◇ カバレッジ ex. 顧客獲得口座数
◇ シェア ex. 生産(品目)、顧客(発注額)

個別比較だけではなく必ず“面・立体的に”、そして視点を供給メーカー&需要家双方“複眼的に”を励行しよう!

公的統計による顧客管理方式

                自社実績          獲得口座数
市場シェア = ――――――――――― = ―――――――――――――――
          自社実績 + 他社実績    口座総数(獲得数+未獲得総数)
口座:顧客の「産業分類×事業所」単位で把握

「市場深耕」「市場開拓」も、全ては個別の顧客認知から始まります。
弊社では、BtoB事業領域でのエリア・マーケティングに必須の方法論を確立しました。
ご関心を惹かれましたら、fujii@btob-m.co.jp まで、お問い合わせください!

主に『ESRI機械受注統計』『METI工業統計』を梃にして、

顧客の所在と業容を備(つぶさ)に網羅的に知る
海図・羅針盤を用意する
> 営む事業の源泉はマーケット。その構成単位は顧客。この所在・業容を網羅的・個別に知り、深耕・開拓を散発・場当たり的取組みにしない。

個々の顧客の集積からなる事業フィールドを計数で捉える
再現性のある分布・構造分析を可能にする
> 全体像を俯瞰して見える化。大・中・細分類で階層化、企業数・事業所数・原材料使用額・製造品出荷額・設備投資額‥。

維持・攻略バランスの優先順位をつける
勝ち抜く道筋・方程式を見出す
> 新指標「装備率・装填率」を設定。需要セグメント毎の魅力度“営業効率・収益寄与度”を測る。

具体的な営業支援&顧客管理システムと連動する
ルーティンに組み込むための地歩・トライアル
> 営業マンが収集する“生情報KBF(Key Buying Factor)&KFS(Key Factor for Success)”を登録・メンテ、一覧性のある「戦略シート」で磨きあげる。

「装○率」とは、当該製品・製品群(メーカー売価)が対象となる顧客購買総額(顧客原価)に占める比率。設備機器を装備率、デバイス・素材を装填率と名付けた。

ビジネス・インテリジェンス

企業内外の事実に基づくデータを組織的かつ系統的に蓄積・分類・検索・分析・加工して、ビジネス遂行上の各種の意思決定に有用な知識や洞察を生み出すという概念や仕組み、活動のこと。また、そうした活動を支えるシステムやテクノロジーを含む場合もある。

この言葉は、ガートナーグループのアナリスト、ハワード・ドレスナー(Howard Dresner)氏が1989年に使ったのが最初だと言われている。彼は、経営者や一般のビジネスパーソンが、情報分野の専門家に頼らずに自らが売上分析、利益分析、顧客動向分析などを行い、迅速に意思決定することの実用性を説き、そのコンセプトを「ビジネス・インテリジェンス」と呼んだ。
ドレスナーの考えるビジネス・インテリジェンスには「データ・マイニング」は含まれなかったようだが、今日では「意思決定支援システム」、「データウエアハウス」、クエリツール、レポーティングツール等と共に、データ・マイニングもBIテクノロジー、BIツールと位置付けられることが一般的となっている。

[一言蘊蓄]
「インテリジェンスIntelligence :問題解決情報」と「インフォメーション Information :知覚情報」の違いは、‘記憶・検索’ではなく‘Think’+‘Do’考え・行動を起こすところにある。
「ナレッジ knowledge :知識」⇒‘知’+‘識’訓読みはいずれも‘シル’⇒(「矢」+「口」)+(「言(葉)」+「音」+「才(能)」)⇒「知覚」+「言葉を織りなす」⇒「知覚した情報を、自分の言葉で他者に伝え、役立つものにする」―――

はじめに序論営業マーケティングIMC事業戦略MCSデータ・統計|設計ツール行動指針経営論こぼれ話教育・研修


トップ | 提供サービス | コンテンツ・モジュール | 会社案内 | 代表プロフィール | パートナー企業・団体 | お問合せ

Copyright(C) B to B Marketing 2009 All Rights Reserved. Supported by bizknowledge