データはあるのに勝てない企業の正体
こんにちは！山口です。
このニュースレターでは、企業のマーケティングや事業グロース戦略等について分析していきます。
ビジネス成長の"最強の武器"になるニュースレターを目指して配信していきますので、ぜひ応援のほどよろしくお願いします。
自己紹介
まずは簡単な自己紹介から。略歴はこんな感じです。
経歴
山梨県出身、早稲田大学政治経済学部政治学科卒業。PR会社「株式会社ベクトル」にてPRコンサルタントとして従事したのち、「株式会社Branding Engineer（現 株式会社TWOSTONE&Sons）」へ参画、各種人材・DX関連の事業立ち上げや事業部長・経営企画を歴任し独立。上場企業から地方の中堅・中小企業まであらゆる業種・規模感の新規事業開発 / マーケティング / ブランディング / PR支援等を実施。その後「Start-X合同会社」を設立。マーケティングや事業開発、クリエイティブ制作等の支援事業と共同・自社事業を複数展開。複数企業の顧問・アドバイザーも兼務。
各種SNSアカウント
X：https://x.com/yamaguchi_take
Facebook：https://www.facebook.com/yamaguchi.takehiro0129
Instagram：https://www.instagram.com/yamaguchi_take/
note：https://note.com/yamaguchi_take
はじめに：「データがあれば勝てる」という神話
ここ10年で、多くの企業に変化が起きました。
Google Analytics を導入し、Web行動を可視化した
Salesforce でCRMを整備し、顧客情報を一元管理した
BIツールで経営ダッシュボードを構築した
データサイエンティストを採用し、分析チームを組成した
膨大なデータが、手の届くところにある。
「これで戦える」と確信した企業が、いくつあったことか。
しかし現実はどうか。
データを持ちながら、市場シェアを競合に奪われている企業が続出している。
顧客行動の数字は把握できているのに、LTVは改善していない。
分析レポートは毎月100ページ以上作成されているのに、誰も読んでいない。
そして、最も皮肉なことが起きている。
データが増えるほど、意思決定が遅くなっている。
なぜか。
「データがあれば勝てる」という前提自体が、根本的に間違っているからだ。
データは、勝利の条件ではない。
データは、勝利の素材に過ぎない。
素材だけを積み上げても、料理にはならない。
今回はこの構造を、徹底的に分解していきます。
第1章：「データがある」と「データを使える」は、全く別の話
まず最初に、明確にしておかなければならないことがあります。
「データ保有量」と「データ活用能力」は、完全に別の能力だということです。
1-1. データの「三層構造」
データには、以下の三層が存在します。
第一層：Raw Data（生データ） クリック数、購買履歴、問い合わせ件数、離脱率… これは「事実」に過ぎない。
第二層：Insight（洞察） 「なぜそうなっているのか」という解釈。 生データから、意味を引き出したもの。
第三層：Decision（意思決定） 「だから、何をするのか」という判断。 洞察から、具体的な行動に変換したもの。
ほとんどの企業が、第一層だけを整備して満足している。
ダッシュボードには数字が並んでいる。
でも、
第一層で止まっているデータは、飾りでしかない。
本当の競争優位性は、第二層から第三層への変換速度にある。
「それ、何を意味しているのか？」
「だから、明日何を変えるのか？」
この問いに、即座に答えられる組織こそが、データで勝てる組織だ。
1-2. 日本企業の典型的な「データの使われ方」
顧問として経営現場を見てきて、共通のパターンを何度も目撃してきた。
月曜の朝： マーケティング部が先週の広告レポートを集計する。 CTR、CVR、CPA、インプレッション数…数十の指標が並ぶ。
火曜の午後： 経営会議でそのレポートが共有される。 役員が「数字が悪いね」と言う。 担当者が「改善策を検討します」と答える。
翌週の月曜： また同じレポートが集計される。
何も変わっていない。
これは、データを「活用」しているのではなく、データを「報告」しているだけだ。
報告と活用は、根本から違う行為だ。
報告は、過去を整理する行為。 活用は、未来を変える行為。
データ活用が機能している組織では、数字を見た瞬間に「だから何をするか」が議題になる。
機能していない組織では、数字を見た後に「来週また話し合いましょう」になる。
第2章：「データがあるのに勝てない」企業の五つの病
では、具体的にどういう構造的な問題が、この現象を生んでいるのか。
5つのパターンに整理した。
病①：「データを言い訳に使う病」
最も多く見られるパターンだ。
データが「行動の根拠」ではなく、「行動しない理由」として使われる。
例えば：
「まだデータが足りない」→ だから意思決定を先送りにする
「データによると効果が不明確」→ だから新しい施策を打たない
「分析が終わってから動こう」→ だから競合に先行される
これは、データが「盾」として機能している状態だ。
本当に必要なデータを集めるのではなく、
「動かない理由」を正当化するためにデータが召喚されている。
意思決定者がリスクを恐れている組織で、この病が蔓延する。
データが増えれば増えるほど、「まだ足りない」理由も増える。
だから、どこまで経っても動けない。
病②：「分析麻痺病（Analysis Paralysis）」
次のパターンは、分析そのものが目的化してしまうことだ。
この病の症状は以下のとおり。
施策の実行前に必ず「多変量解析」を行う
A/Bテストの設計に3ヶ月かかる
「もう少し精度を上げてから」が口癖になっている
レポートのページ数が毎月増えている
分析を深めること自体は正しい。
問題は、分析のクオリティと意思決定の速度が、反比例してしまっていることだ。
市場は、分析が終わるのを待ってくれない。
完璧な分析で出した「正解」より、60%の確度で即実行した「行動」の方が、事業を動かすことが多い。
アマゾンには有名な言葉がある。
「Most decisions should probably be made with somewhere around 70% of the information you wish you had.」
70%の情報で動け、という考え方だ。
残りの30%は、動きながら集めればいい。
分析麻痺に陥っている企業は、この発想が根本的に欠けている。
病③：「メトリクス劇場病」
三番目のパターンは、数字を「演じる」ために使うことだ。
症状：
ダッシュボードが毎月更新されるが、誰も経営判断に使っていない
KPIが20個以上設定されているが、全てを把握している人間がいない
数字が悪いとき、指標の定義を変更する
役員会用の「見栄えのいいレポート」が存在する
これは、データが「実態の把握」ではなく、「体裁の維持」に使われている状態だ。
本当に恐ろしいのは、この劇場が機能している間、組織は問題の存在に気づかないことだ。
数字が良く見えているから、危機感が生まれない。
でも、現場では顧客離れが着実に進んでいる。
劇場のステージが崩れたとき、初めて「なぜこうなったのか」が問われる。
しかしその時には、もう手遅れなことが多い。
病④：「HiPPO病（最高給与所得者の意見が通る病）」
Highest Paid Person's Opinion の略だ。
この病の構造はシンプルだ。
データが示している方向性と、経営層の直感が一致しないとき、
データが負けて、経営層の勘が勝つ。
現場が「データを見ると、このチャネルへの投資を増やすべき」と提案する。
役員が「いや、私の感覚では違う」と言う。
提案は却下される。
これが繰り返されると、現場に何が起きるか。
「どうせデータを持ってきても、上が使わない」
という学習性無力感が生まれる。
結果として、
質の高い分析が出てこなくなる
データを揃えることへのモチベーションが下がる
優秀なデータ人材が離職する
という悪循環に陥る。
組織の「データドリブン」への転換が叫ばれて久しい。
しかし実態は、多くの企業でHiPPOが支配している。
病⑤：「縦割りデータサイロ病」
最後のパターンが、データの分断だ。
営業部は営業のデータを持っている
マーケティング部はマーケのデータを持っている
カスタマーサポートはCSのデータを持っている
経営企画は財務データを持っている
それぞれが、それぞれのデータで「最適化」している。
しかし、
顧客は一人の人間として体験をしている。
顧客が広告を見て、問い合わせをして、購入して、サポートを使う。
この一連の旅を、データで統合的に見られている企業はほとんどない。
結果として、
マーケが広告を最適化したのに、営業のクロージングで離脱している
CSが解約理由を把握しているのに、製品開発に届いていない
経営が数字だけを見て、顧客の文脈を理解できていない
という現象が起きる。
それぞれが「我々はデータを活用している」と思いながら、
全体では負けていく。
第3章：「データで勝てる企業」との根本的な違い
では、データで実際に競争優位を作っている企業は、何が違うのか。
その核心を整理する。
3-1. 問いの設計が先にある
データドリブンで成果を出している企業の共通点は、
「何のデータを集めるか」より先に、「何を明らかにしたいのか」を決めていることだ。
問いの設計が先にある。
例えば、Netflixはこう考える。
「加入者が解約する直前に、何をしているのか？」
この問いに答えるためのデータを集め、分析し、コンテンツ推薦のアルゴリズムを改善する。
一方、多くの企業はこう動く。
「とりあえず全部のデータを集めておこう。後で使えるかもしれないから。」
問いのない場所に、答えは生まれない。
大量のデータが眠っているのに活かせない企業は、「問いの設計」という最上流のプロセスを飛ばしていることが多い。
3-2. データに「賞味期限」を設定している
もう一つの重要な違いは、データの鮮度への認識だ。
市場環境は変わる。顧客の行動様式は変わる。競合の打ち手も変わる。
3ヶ月前のデータで作った戦略は、3ヶ月後には既に古い。
データで勝てる企業は、データの更新サイクルと意思決定のサイクルを連動させている。
月次で更新するデータは、月次で意思決定を見直す。
週次で変わるデータは、週次でアクションを変える。
一方、負けている企業では、半年前のレポートを今も「最新情報」として使っていることがある。
3-3. 「解釈する人間」に投資している
最も見落とされがちな違いが、ここだ。
データを価値に変えるのは、テクノロジーではなく人間だ。
BIツールがいくら優れていても、そのアウトプットを「ビジネスの文脈で解釈できる人間」がいなければ意味がない。
データサイエンティストを採用している企業は増えた。
しかし、
データを「ビジネスの問い」に翻訳できる人
分析結果を「経営層の言語」で伝えられる人
「数字の背後にある顧客の感情」を想像できる人
こういう能力を持つ人材に、ちゃんと投資している企業はまだ少ない。
「データを読める人」ではなく、「データから物語を作れる人」が、今最も希少で、最も重要だ。
3-4. 「意思決定のスピード」を競争力と定義している
最後の違いが、スピードへの認識だ。
データを活用して競合に勝っている企業は、分析の精度よりも「意思決定の速度」を優先する。
なぜなら、
正確な判断を3ヶ月後に出すより、80%の精度で来週出す方が、事業成長に貢献するからだ。
Amazonの「Two-way Door」という考え方がある。
「元に戻せる決定は、速く動け。戻せない決定だけ、慎重に考えろ。」
多くの意思決定は、実はやり直しがきく。
にも関わらず、全ての判断を「戻せない決定」として扱い、過剰な分析に時間を使っている組織が多い。
第4章：「データで負ける組織」の構造診断
では、自社の組織が本当にデータを活かせているかどうかを、どう見極めればいいか。
実践的な診断フレームを整理する。
診断① 「最後にデータが意思決定を変えたのは、いつか？」
これが最初の、そして最重要の問いだ。
データを見て議論した回数ではなく、「データによって判断が変わった」実例が、直近3ヶ月に何件あるか。
0件なら、組織にデータ文化はない。
数字は揃っているかもしれない。ダッシュボードもあるかもしれない。
でも、意思決定の「中核」に入り込んでいなければ、それはデータ活用ではなく、データ保有だ。
チェックポイント：
直近3ヶ月で、データが意思決定を変えた事例を3つ挙げられるか？そのデータを「誰が持ち込み」「誰が判断し」「何が変わったか」を説明できるか？
診断② 「データの持ち主と意思決定者が、同じ人間か？」
組織でデータ活用が機能しない最大の構造的理由のひとつが、「分析する人」と「決断する人」の分離だ。
分析チームが出したレポートが、経営層に届くまでに3段階のフィルターを通る。
そのたびに、文脈が削られ、解釈が変わり、重要な示唆が消える。
データは、作られた場所から離れるほど、劣化する。
理想は、意思決定者自身がデータに触れ、自分の言葉で解釈できること。
少なくとも、分析者と意思決定者が「同じ会議室にいて、同じ画面を見ながら議論できる」状態であること。
チェックポイント：
経営層は、自分でダッシュボードを開くか？分析者と経営層が、同じ場でリアルタイムに議論する機会があるか？
診断③ 「意思決定のスピードが、データ収集のスピードを上回っているか？」
これは逆説的に聞こえるかもしれないが、重要な診断項目だ。
意思決定のサイクルが、データの更新サイクルより遅い組織は、常に「古いデータ」で判断していることになる。
例えば、広告のCVRデータは日次で更新される。
にも関わらず、月次の会議でしかそのデータを議論しない組織は、
毎月30日間、最適でない広告投資をし続けていることになる。
チェックポイント：
主要KPIの更新頻度と、経営判断の見直し頻度は合っているか？「データが変わったから判断を変える」という動きが、どのくらいの頻度で起きているか？
診断④ 「定性データと定量データを、両方使えているか？」
もう一つの重要な診断項目が、データの「種類」だ。
多くの企業は、定量データ（数値）の整備には力を入れている。
しかし、定性データ（文脈・感情・言葉）を軽視している。
数字は「何が起きているか」を教えてくれる。でも「なぜ起きているか」は、言葉が教えてくれる。
例えば、解約率が上がっているとする。
その数字だけを見ていても、「なぜ解約するのか」は分からない。
顧客インタビューや定性的なフィードバックと組み合わせることで、初めて打ち手が見えてくる。
定量だけの組織は、「何を直すか」は分かるが、「どう直すか」が分からない。
チェックポイント：
定量レポートと同じ頻度で、定性情報（顧客の声）が経営に届いているか？NPS・インタビュー・CSフィードバックが、経営判断のインプットになっているか？
第5章：「データで勝てる組織」への転換 ― 実践的な処方箋
では、ここまで診断してきた問題を、どう改善するのか。
実践的なアプローチを6つ提示する。
処方箋① 「問いのライブラリ」を作る
最初のステップは、「そもそも何を明らかにしたいのか」という問いを、組織全体でリスト化することだ。
事業部ごと、KPIごとに、
「今、最も答えを知りたい問いは何か？」
を月次でアップデートする。
このリストが存在することで、データ収集の優先順位が明確になる。
「とりあえず全部集める」から「必要なものを深く集める」への転換だ。
処方箋② 「意思決定ログ」を残す
第2のステップは、意思決定のプロセスを記録することだ。
「なぜ、そのデータを見て、その判断をしたのか」を残す。
これには二つの効果がある。
一つは、後からの振り返りができること。「あの判断は正しかったのか」を、データで検証できる。
もう一つは、組織全体の「判断の質」が上がること。過去の意思決定のプロセスが見えることで、次の判断の精度が高まる。
意思決定ログは、組織の「判断力」という見えない資産を、可視化する仕組みだ。
処方箋③ 「アクションが紐づいていないKPIを捨てる」
組織のKPIを棚卸しして、「このKPIが動いたとき、何をするか」が即座に答えられないものは、一旦外す。
KPIは目標ではなく、行動のトリガーであるべきだ。
「CVRが3%を下回ったら、ランディングページの改善を即時着手する」
「LTVが6ヶ月で10%落ちたら、解約理由のインタビューを週5件実施する」
このように、KPIと「次のアクション」がセットになって初めて、データは経営に機能する。
「見るだけのKPI」は、コストだ。「動くためのKPI」は、資産だ。
処方箋④ 「データの民主化」を進める
分析チームだけがデータにアクセスできる組織は、必然的に「データの渋滞」が起きる。
現場が気になることがあっても、分析チームへの依頼→分析→レポート作成というプロセスに2週間かかる。
その2週間で、市場は動く。
理想は、現場のビジネス担当者が自分でダッシュボードを開き、自分で仮説を持てる状態を作ることだ。
そのためには、
ツールの整備（BIツールの使いやすさ）
データリテラシーの教育
「分析してもらう」ではなく「自分で見る」文化
の三つが必要になる。
処方箋⑤ 「70-20-10ルール」を意思決定に導入する
前述のAmazonの思想を、自社の意思決定プロセスに組み込む。
70% ルール： 情報が70%揃ったら動く。残りは動きながら集める。
20% ルール： 実行した後に、20%の確度向上のための追加分析をする。
10% ルール： 完全に把握できない10%は、許容誤差として受け入れる。
このルールを明示的に設けることで、「まだ分析が足りない」という先送りの文化を、組織的に壊すことができる。
処方箋⑥ 「データの責任者」ではなく「問いの責任者」を置く
最後の処方箋が、最も本質的だ。
多くの企業が、「データの管理者」「分析の担当者」を置いている。
しかし本当に必要なのは、
「この事業において、何を明らかにしなければならないか」を定義し続ける人間だ。
これは、データサイエンティストの仕事ではない。
ビジネスを深く理解し、事業の本質的な問いを設計できる人間の仕事だ。
このロールが組織に存在するかどうかが、「データで勝てるか負けるか」を最終的に分ける。
第6章：根本的な問い ― データ活用の「文化論」
ここまで、構造的な問題と処方箋を述べてきた。
しかし、最後に一つ、より深い話をしたい。
なぜ多くの企業で、データ活用がこれほど難しいのか。
その答えは、組織文化にある。
6-1. 「失敗を記録したくない」という心理
データを適切に収集し、振り返りに使うためには、失敗も含めて記録し続ける必要がある。
しかし多くの組織では、失敗は「隠すもの」だ。
だから、成果が出なかった施策のデータは曖昧にされる。
定義が変わる。計測方法が変わる。
失敗を記録できない組織は、失敗から学べない。
そして、同じ失敗を繰り返す。
データに真摯に向き合うためには、「失敗を公開できる心理的安全性」が先に必要だ。
6-2. 「勘と経験」の文化との衝突
日本企業の多くには、長年の「勘と経験」を大切にする文化がある。
これ自体は否定しない。
経験から来る直感は、データでは捕捉できない暗黙知を含んでいることがある。
問題は、勘と経験が「データと対立するもの」として位置づけられることだ。
データは、勘を否定するためにあるのではない。 勘を、検証するためにある。
この順序を理解している組織は、データと経験を「補完し合うもの」として使える。
理解できていない組織では、両者が対立し続け、どちらも活かせないまま時間が過ぎる。
6-3. 「正解を出すこと」より「速く動くこと」
最終的に、データ活用の本質は一つだ。
「より良い判断を、より速く出すこと」
完璧な分析を目指すのではなく、
「今持っているデータで、今できる最善の判断は何か」
を問い続けること。
データが多ければ多いほど良い、ではない。
今の問いに答えるために必要なデータを、必要なタイミングで持っていること。
それが、「データで勝てる組織」の条件だ。
第7章：自己診断チェックリスト
最後に、あなたの組織が「データがあるのに勝てない病」に陥っていないかを確認するチェックリストを提供する。
「データ活用の実態」チェックリスト
以下の項目で、3つ以上当てはまれば、構造的な改善が必要だ。
□ 直近3ヶ月で、データが意思決定を変えた具体的な事例が思い浮かばない
□ 分析レポートが毎月作られるが、内容を全員が把握できていない
□ 「まだデータが足りない」「もう少し分析してから」という言葉が会議でよく出る
□ 経営層が自分でダッシュボードを開くことがほとんどない
□ KPIが10個以上設定されているが、全て語れる人間が少ない
□ 施策の成否が、定量データではなく「感覚」で語られることが多い
□ 定性データ（顧客インタビュー・CSの声）が経営判断に入っていない
□ データと経営層の「勘」が対立したとき、データが負けることが多い
あなたの組織への最後の問いかけ
「あなたの会社で、最後にデータが誰かの判断を変えたのはいつですか？」
この問いに、すぐに答えられれば、あなたの組織は正しく機能している。
答えるのに時間がかかるなら、改善の余地がある。
答えが出てこないなら、今すぐ構造を見直す必要がある。
データは、持っているだけでは何も起きない。
使われるために存在する。
そして、使われるためには、「使う文化」と「使える構造」と「使う勇気」が必要だ。
最後に
今回は「データはあるのに勝てない企業の正体」というテーマで、その構造的な原因と処方箋を整理してきました。
結論を一言で言うなら、
「データ保有量」と「データ活用能力」は全く別物だ。そして多くの企業が、前者への投資しかしていない。
データが勝利を生むのではない。
データを使った「意思決定」が勝利を生む。
その意思決定を速く、精度高く行える組織を作ることが、これからの最大の経営課題の一つです。
経営現場で見てきて感じるのは、ツールへの投資は進んでいるのに、それを使いこなす「人と文化」への投資が圧倒的に足りていないということ。
そこに気づいた企業から、データで競合を引き離し始める。
次回は「なぜ大企業は、正しい戦略を実行して負けるのか」をテーマに、顧客理解の盲点について深掘りします。
今後も、企業・事業の分析を通じてお役立ち情報を配信していきます。時間の許す限り、週1で頑張って発信していきますので、応援のほどよろしくお願いします。
ではでは。
いかがでしたか。今回の記事が少しでも参考になれば嬉しいです。
ご感想・ご意見は、各種SNSでぜひお聞かせください。
各種SNSアカウント
すでに登録済みの方は こちら
読者限定の内容も逃しません。