Skip to content Skip to footer
Search

Loading Results

アジャイル経営に求められるデータドリブン業績管理 Data-driven Performance management

Data-driven Performance Managementは、人工知能(AI)を活用した予測/シミュレーション/最適化により、迅速な意思決定を実現するソリューションです。

非連続な環境変化に対応する唯一の成功要因は「スピード」

新型コロナウイルス感染症(COVID-19)や自然災害、米中摩擦をはじめとする地政学リスクなど、事業環境における不透明感が高まっています。こうした予測困難な状況下では、経験や勘に基づく予想精度を高めるために試行錯誤するよりも、迅速な実態把握と予測立案に基づいて意思決定し、その結果を次の意思決定に結びつけるプロセスを高速で回転させる、アジャイルな業績管理が重要になります。

事業損益などの財務数値や営業管理のための業績管理システム構築の構想から導入までに1年から数年かけたものの、運用開始を迎えたころには、既に把握したいデータや管理したい数値が変わっている、といったケースは少なくありません。重厚な仕組みを時間をかけて構築するのではなく、システムを柔軟かつ継続的に更新しながら運用することが求められています。

アジャイルな業績管理に必要なデータ管理

アジャイルな業績管理を実現するには、判断基準を明確化し、実態とその判断基準を比較できるようにすること、つまり実態をデータとして定量化することが重要です。すなわち「事業の実態を定性的にしか捉えられない」「業務データと業績の整合性がとれていない」「経験や勘といった属人的・主観的判断で業績数値を積み上げている」といった状況を改め、「データに基づく実態把握」「アルゴリズムに基づく予測・シミュレーション」の実施にシフトする必要があります。

データ管理によって期待される効果

  • データに基づいた実態把握
  • 経験・勘に依存しないアルゴリズムによる予測
  • 施策実行時の業績影響のシミュレーションや施策の最適化提案による、定量的な意思決定
  • データとアルゴリズムに基づく意思決定の説明性向上
  • 付随する業務負荷の削減

PwCのアプローチ:
データとAIを活用した実態可視化、予測自動化、施策のシミュレーションと最適化

PwC Japanグループが提供するData-driven Performance Management(以下、DPM)は、AIを活用した予測/シミュレーション/最適化により、迅速な意思決定を実現するソリューションです。AIや統計手法などのアナリティクスに基づき、業務データや市場動向などの外部データを解析して業績モデルを作成し、実態把握の高速化、業績予測の自動化、対応施策シミュレーションと最適化を支援します。

AI活用による業績予測精度の向上とシミュレーション・最適化の実現

DPMは、クライアントの業績管理の課題に応じて、実現するべき業績管理の姿を4段階に分類しています。

第1段階:実態の可視化
第2段階:予測の自動化
第3段階:施策のシミュレーション
第4段階:施策の最適化

第1段階:実態の可視化(実態把握)

手動のデータ収集プロセスを自動化し、現状を可視化することで適時の情報提供と業務コスト削減を実現します。

第2段階:予測の自動化(業績予測)

異なる情報ソースを統合・連携し、AIを活用した予測モデルを構築・分析することで精度の高い業績予測を実現します。

第3段階:施策のシミュレーション(施策評価)

業績予測モデルを活用して、施策とKPIの相関性を分析することでシミュレーションを実現し、施策効果を柔軟に可視化・定量化します。

第4段階:施策の最適化(意思決定)

シミュレーションモデルを活用して、制約条件を踏まえてKPIを最適化することにより、採るべき経営施策のレコメンデーションを実現します。

まず、業績管理モデルを構築します。業務上で発生する社内外のデータが業績に与える影響の度合いを分析し、データの精度や管理状況も考慮しながら実現すべきモデルを具体化します。把握すべきデータを明確にすることで情報収集のリードタイムを短縮化するとともに、業績管理の構造をも明確にすることで、ステークホルダー間における業績管理方法の共通認識の醸成を促します。

実績データに基づく業績管理モデルを活用して、業績を予測します。予測精度を向上させるために、インプットデータ自体の予測モデルを作成し、業績管理モデルに取り込むことを検討します。精度の高い業績予測を自動化することにより、予測業務負荷の軽減と同時に、客観的な説明が可能となります。

業績予測モデルから導出された成り行きの業績予測に対して、業績予測のインプットデータを任意の値に変えた場合の業績影響を定量化します。定量化された業績影響を把握することで、採り得る対応施策の優先順位付けが可能となります。

シミュレーションモデルに基づき、経営資源の制約を反映したパラメーターの最適化を提案します。最適化されたパラメーターを実務的なアクションに落とし込むことで、対策検討・実施のリードタイムを短縮することが可能となります。

サービスの流れ

現状の業績管理およびデータ管理状況を考慮しながらPwCが持つアセットをカスタマイズすることにより、プロトタイプを2~3カ月で構築します。プロトタイプ構築においてはスピードを最優先しますが、同時に、実務への早期適用による効果創出を狙います。プロトタイプで実証された効果について、精度向上に向けた継続改善と並行して、既存システムへの組み込みや他領域への展開など、その効果の最大化に向けた取り組みを支援します。

AI経営

加速度的に増えていくデータを、AIを活用して迅速にビジネス価値に結びつけ、経営判断を実施することが、企業にとって重要な経営アジェンダとなるでしょう。

この経営アジェンダを確実に推進していくためには、ビジネス、テクノロジー両方の理解に加え、それらを統合したビジョンを描き出すことが求められます。

PwCは、経営判断の中枢にさまざまな側面でAIを活用し、ビジョン策定から、テクノロジー・ディストラプションとチェンジマネージメントを実現する「AI経営」という方法論を使い、イノベーション創出を支援します。

詳細はこちら

AI 経営

主要メンバー

藤川 琢哉

パートナー, PwCコンサルティング合同会社

Email

三善 心平

ディレクター, PwCコンサルティング合同会社

Email

平賀 龍

シニアマネージャー, PwCコンサルティング合同会社

Email