ビジネスマンのためのビジネスルール入門 #27

k.shirai

今回は、業務オペレーション上の意思決定の改善というテーマについて考えてみます。BRMS(ビジネスルール管理システム)に関心を向ける多くの皆様は、煩雑かつ大量のビジネスルールをいかに短期間で効率的にIT化するかをBRMSに期待していることでしょう。次世代の意思決定管理システムにとって、これは必要条件であり、さらにシステマチックな意思決定の改善をサポートする機能を提供することが十分条件となります。

意思決定の改善
(クリックして図を拡大)

この意思決定はビジネスに対する有益な結果を生んでいるだろうか?

良い意思決定は良い結果をもたらし、悪い意思決定は悪い結果をもたらします。もし、意思決定の結果をログとして蓄積していれば、それを分析することによって現在の意思決定ロジックを改善することが可能となります。たとえば、リテール金融のローン審査業務を考えてみましょう。

  • 過去に承認した申込者の中で、支払いの延滞が顕著な顧客セグメントはどれか?
  • その顧客セグメントはどのようなプロファイルを持っているか?
  • その顧客セグメント層の与信に関する現在の意思決定ロジックは適切だろうか?
  • その意思決定ロジックを変えることによって、結果はどう変わるだろうか(What ifシミュレーション)?

これらの質問に対する調査と分析を行うことによって、より良い意思決定への改善の機会が生まれます。

 

この意思決定に影響を与える要素に変化はないだろうか?

洗練された意思決定は、ビジネスエキスパートの経験やベストプラクティス、過去の履歴データの中から導出されるアナリティックな知見の両方をバランスよく組み合わせることによって生まれます。たとえば、企業向け損害保険のアンダーライティング業務を考えてみましょう。

  • この案件において、事故と相関関係が最も強い変数(例.対象物件の属性)は何か?
  • この案件を引き受けるとすれば、最適な保険金額もしくは補償額の上限はいくらだろうか?

統計分析技術を活用し、意思決定に影響を与える要素(予測因子)とその貢献度を明確にすることができれば、より客観的なデータに基づく意思決定ロジックを構築することができます。

 

この意思決定は将来にわたっても有効だろうか?

今日までの最善の意思決定が、将来にわたる最善の意思決定であるとは限りません。特に、環境変化の激しい現代においてはその傾向が強まります。たとえば、通信業界におけるオファー(プロダクトやサービスの組合せ)推奨について考えてみましょう。

  • Xという顧客セグメントに対しては、AというプロダクトとBというサービスを組み合せたオファー推奨が最も効果的であった。
  • 来月より、Cという新しいサービスの提供を開始する。

新しいプロダクトやサービスを提供する場合、そもそもデータが存在しないために履歴による統計分析を行うことができません。この場合、Xという顧客セグメントに対して、AとBの組合せオファー90%(チャンピオン)、AとCの組合せによるオファー10%(チャレンジャー)を、トランザクションに対してランダムに振り分けて結果を検証することによって、将来における最善の意思決定を探ることができます。このようなアプローチをアダプティブコントロール(適応統制)と呼びます。

 

Sparkling Logic SMARTS(次世代の意思決定管理システム)

弊社の提供するSparkling Logic SMARTSは、上記の3つの質問に対する意思決定ロジックを導く機能が装備されています。常に複数の意思決定があり、ビジネスにとって最も有効な意思決定ロジックの構築とその改善が求められるように業務領域に対しては有効な武器になるかと思います。もちろん、プログラミングという作業はありません。日々の業務における意思決定改善と同じような感覚で作業をするだけです。

 

(マーケティング担当:白井)

次のBlog