3名の戦略コンサルタントによる起業からスタートしたギックス。創業時より、「データによって（自動的に）答えを見出す」のではなく、「人が主体となって物事を考える」ためのデータ活用「Data-Informed（以下、DI）」を軸にしたコンサルティングサービスを推進してきました。

今回は、研究職を経て立ち上げ初期のギックスにジョインし、創業事業の流れを汲むサービス「DIコンサルティング」を提供する「Design & Science Division（D & S Div.）」を統括する山田へインタビューを行い、ギックスのデータ分析の特長や、これまで進めてきたプロジェクト、D & S Divの教育体制について聞きました。

目次
1. 「研究職」のキャリアを活かすため、創業当初のギックスに飛び込む
2 . データ分析は手段。DIコンサルティングのゴールはお客様自身がデータを活用できること
3 . データ活用で車両の故障を検知。メンテナンスのコストを大幅に削減
4 . Data-Informedな仕事をスタンダードに。共に広げる仲間求む

「研究職」のキャリアを活かすため、創業当初のギックスに飛び込む

──まずは、山田さんがギックスにジョインした経緯を聞かせてください。

私は、もともと事業会社の技術部門に所属し、研究員として勤務していました。研究自体にはやりがいを感じていましたが、担当が基礎研究の領域だったため、お客様のご要望や市場から求められているものに対して自分の研究が役立っているのか実感が持てないというジレンマがありました。

「もう少し、実社会につながる研究をしたい」「研究的な要素を持ちながらも社会に役立っているという実感を持ちたい」と考え、転職、起業というキャリアを選びました。その後、転職先の企業で加部東（かぶと：現在、ギックス執行役員）と知り合い、共に起業した後に加部東を経由してギックスの代表である網野と出会いました。

網野からギックスの事業展開と進んでいく未来について話を聞く中で、「データに向き合ってきた研究員としてのキャリアを活かしながら、社会に役立てるという実感が持てる仕事がこれだ！」と感じ、加部東と一緒にギックスにジョインすることを決めました。

山田 洋（やまだ・ひろし）
執行役員／Design ＆ Science Division Leader／博士（理学）
名古屋大学大学院理学研究科博士課程（後期）修了。博士後期課程在学中には、日本学術振興会の特別研究員を兼任。
事業会社での研究員を経て、ギックス入社。2020年より現職。

──当時のギックスは、どのような事業をしていたのでしょうか？

お客様からいただいたデータをもとに分析し、課題解決のためのコンサルティングを行う現在の「DIコンサルティング」の原型となるようなサービスを提供していました。そこから、徐々にデータを分析する方法論を蓄積し、分析結果の活用だけでなく「お客様がデータをもとに判断できるようにする」DIの実現に向けた今のサービスの形ができていきました。

私個人としては、サービスを体系化させていく過程にデータアナリストとして参加することで、研究職時代に身につけた適切な問いを立てる力や仮説検証のためのアプローチを考える力など、経験を活かせる機会も多かったですね。現在でも、最新のテクノロジーや新しい方法論を試しながら研究を常にアップデートし続けている感覚です。

──現在は、どのような事業にたずさわっているのでしょうか？

解決したい課題と、解決するためのデータを持っていても、分析手法がわからない、日常業務に落とし込めないという企業は少なくありません。そのような企業に対して、データを活かした経営や業務の判断が可能な状態に導いていく「DIコンサルティング」を提供しています。

私たちは、その中でも主にデータ分析を担っており、データを通じて実社会を紐解き、その仕組みをビジネスに実装していくための支援を行なっています。

データ分析は手段。DIコンサルティングのゴールはお客様自身がデータを活用できること

──データ分析をする上で重視していることはありますか？

お客様の課題解決に主軸を置くことです。大量のデータを元にした分析からは、課題解決につながる“答え”が自動的に見つかると思いがちです。しかし、業界ならではの習慣や現場での知見などはデジタルな情報には含まれないことが多いです。こういった習慣や知見を分析結果と組み合わせていくことが、お客様の課題解決につなげる上で重要です。

私たちは、データ分析は手段のひとつだととらえています。そのためデータアナリストが現場に訪問し、担当者の方からヒアリングした知識や経験をもとに分析方法を変更することも頻繁にあります。

──お客様と一緒に解決策を考えていくのですね。

もちろんです。自社の課題や業界の知識（現場の状態）について一番理解しているのもお客様なので。「こういうデータの切り方がいいかもしれませんね」などとアイデアを出し合いながら、一緒に解決策を見つけていきます。

単に私たちの考えを押し付けるのではなく、一緒に考えた結果だからこそ実効性のある解決策になっていくのです。

──1件のプロジェクトにあたり、どれくらいの期間がかかるのでしょうか？

プロジェクトによっても違いますが、2週間から2カ月ほどが多いですね。ただ、1つのプロジェクトで終わるということはあまりなく、多数の部署・部門の方が関わるプロジェクトでは、数年にわたって断続的に支援させていただくことがよくあります。

できるだけ早く結果を出すのも大事ですが、それ以上に重要なのはお客様自身がデータを活用できるようにすることだと考えています。プロジェクトが終わってから、業務に変化が生まれなければ意味がありません。

そのため「DIプラットフォーム」と連携しながら、お客様が日常的にデータを活用できる仕組みやシステムを作っていくのです。また、私たちのノウハウをお客様に伝えるのも仕事の1つですね。

──どんな相談が多いのか教えてください。

マーケティング領域から、IoTログを用いた業務改善など幅広くご相談いただいています。さまざまな業界の企業様とお取引させていただいており、仕事の幅も広がっています。

過去に例のない業界についてのご相談は私たちにとってもチャレンジとなりますが、それでもご満足いただけるサービスを提供できるのは、メンバーひとりひとりの好奇心や行動力によるところが大きいですね。

単にお客様の話を聞いてデータをいただくだけでは、問題の本質は理解できません。実際にお店や工事現場などに足を運ぶからこそ、初めての業界でもお客様のニーズに応えることができるのです。

データ活用で車両の故障を検知。メンテナンスのコストを大幅に削減

──過去に実施したプロジェクトについて聞かせて下さい。

業務提携をさせていただいているJR西日本様との事例をご紹介します。

ご相談いただいたのは、故障の有無に関係なく運行する車両のメンテナンスを定期的に行う「タイムベースドメンテナンス」という従来の手法から、車両や線路などの設備を監視し、個別の状態に合わせてメンテナンスする「コンディションベースドメンテナンス」へ取り組もうとされているタイミングでした。

これを実現することで全車両への一律のメンテナンスが不要になり、故障の予兆を把握し、必要なメンテナンスだけを施せるためコストの削減につながります。

私たちが参加したプロジェクトでは、車両や線路に設置されたセンサーによって取得した大量のデータの中から、どのようなデータが故障の予兆として活用できるか見つけ出し、そのデータをもとに「メンテナンスの必要な種類や時期」を判断する仕組み作りの支援をさせていただいています。

これにより不要なメンテナンスを省き、コストを大幅に削減することが可能に。また、故障の予兆を検知することで、より安全な運行にもつながります。

このように大量のデータから日常業務の判断に役立つ情報を見つけて仕組み化することで、日々アップデートされるデータをお客様が定常的に活用できる状態まで整えていきます。

──逆に、お客様からのご相談の中で解決が難しいご相談があれば教えてください。

解決したい課題が明確ではないケースです。データはあって、データ活用したいという要望もある。しかし、「売上を上げたい」といった漠然としたご相談だと、まずはどこに課題があるのか特定する必要があります。そのため、課題が明確な場合に比べると、どうしても難易度は上がります。

しかし、このようなフェーズのご相談でも「課題の特定」からお客様と議論できるのがギックスのDIコンサルティングの特長です。どのような場合でも、まずはデータを可視化するのがギックスのやり方です。

データを見ていると、さまざまな仮説が浮かび上がり、お客様も気づいていなかった課題が見つかることもあります。この浮かんできた課題をもとにディスカッションを進める中で、よりお客様のことが理解でき、再び次の分析をして仮説を組み立てていきます。

──ギックスのコンサルティングならではの強みはあるのでしょうか。

大量のデータを扱えることです。正確性の高い分析をするには、元となるデータは多ければ多いほどいいのですが、多すぎるが故にどこから分析すればよいかわからない、というケースも発生します。私たちはこれまで大量にデータを分析してきた実績があるので、どのような切り口でデータを精査すれば、スピーディかつ適切に分析できるかというノウハウがあるんです。

さらに言えば、テクノロジー面も強みがあり、容量の大きなデータを扱えるクラウドを用いた最新技術を活用しています。具体的にはGoogle社の提供する「BigQuery（ビッグクエリ）」という大量のデータを高速で処理できるデータベースを採用し、過去にはデータ量が何千億行もあるようなデータを処理・分析したこともあります。

また、ローカルでも量の多いデータを扱えるように、高いスペックのPCをチームメンバー全員が使用しています。このように、蓄積したノウハウとテクノロジーの2つの面からビッグデータを扱えるのが私たちの強みとなります。

Data-Informedな仕事をスタンダードに。共に広げる仲間求む

──ギックスでは「データアナリスト」を募集しています。どのような方に来ていただきたいですか。

決められた手順で単純なデータ分析作業を行うというわけではなく、さまざまな仮説やそれを証明するための方法論を駆使して業務を行う必要があるため、いわゆる研究職に近い素養は必須になります。

私自身の感覚としては、化学物質の反応を理解することと、消費者の行動を理解することには共通する部分があると思っています。ギックスでは、消費者の購買行動や、移動情報、機械の稼働情報など、いろいろな「実社会のデータ」を用いてそのルールや関係性を解明することで、クライアント企業の事業成長を後押ししています。

とくに、過去の私のように研究職ではあるものの、自分の仕事が実社会に役立つ手触り感がほしいという方や、実社会を研究対象としたい方などにとって、ギックスのデータアナリストは魅力的な仕事になるはずです。

──データ分析業務が未経験の方も活躍できますか。

もちろんです。ギックスは、教育プログラムにとても力を入れてきました。プログラム自体をお客様へ提供してきた実績もあります。

私たちがめざすのは、お客様たちが自らデータを活用できるようにすること。そのため、人材を育成するためのプロジェクトではお客様にギックスへ出向してもらってトレーニングを受けていただくこともあります。

未経験の場合では、約1カ月ほどかけてデータ分析のトレーニングを受けていただき、大量のデータを分析するとどんな示唆を得られるのか体系的に学びます。基本的な知識を身につけたらOJT。実際にプロジェクトに入って先輩と一緒にデータ分析をしながら、スキルを磨いていきます。

──だからこそ、未経験の方も活躍できているのですね。最後に、今後のビジョンを教えてください。

データをもとに判断するという考え方をスタンダードにすることです。

「データ活用」と聞くと、すべてをデータ任せで判断するイメージを持たれる方もいますが、私たちはそれをよしとはしていません。人が持っている勘や経験というのも非常に重要だと思っているからです。

ただし、勘や経験だけでは再現性がありませんよね。だからこそ、データで補強していく。そこにデータアナリストの力は不可欠です。

テクノロジーで人の仕事を置き換えるのではなく、人の仕事をデータで補っていく文化をもっと広げるため、より多くのデータアナリストを社会へ輩出していきたいと考えています。

ギックスでは、そのほかの職種についてもご応募を受け付けております。少しでもご興味を持っていただいた方はこちらからぜひエントリーください。

皆さまからのご応募を心よりお待ちしております！