業務データ資産の発見と活用

AI活用の第一歩

AI活用による生産性向上のためのシステムツール構築では、過去データの利用が必要不可欠である。しかし、過去データが整備されていない場合の対処法を考えてみたい。多くの企業がAI導入を検討する際、まず直面するのがこのデータ品質の問題である。完璧なデータセットを求めがちだが、実際には現実的なアプローチで進めることが成功への鍵となる。

目的の明確化

まず「何に使いたいデータなのか」を明確にする必要がある。目的に応じて、必要なデータの「粒度・項目・量」が変わるため、いつも扱っている部門ではない人が客観的に整理するのがよいかもしれない。例えば、生産管理の異常検知であればセンサーデータの時系列とアラート履歴が必要になり、顧客離反の予測であれば購買履歴と問い合わせ履歴が必要になる。このように具体的な用途を定めることで、収集すべきデータの方向性が見えてくる。

データの現状把握

やりたいことを整理すれば、次に足りないデータなどが見えてくるはずである。このとき、データが重複していたり、欠損していたり、バラバラであったりというのも、すべてデータはあるものと考える。形式としては、Excel、CSV、紙、システム内に点在などを把握して、データの棚卸を行う。完璧でないデータでも、適切な処理を施すことで価値ある情報源に変わる。重要なのは、現在持っているデータ資産の全体像を正確に把握することである。

データ整備の実践

データの棚卸が終われば、データクレンジング(整備)の作業方針を立てる。手動で整えるのか、何らかのツールを使うのか検討が必要である。また、このツールはExtract(抽出)、Transform(変換)、Load(読み込み)の頭文字をとってETLツールと呼ばれている。Power Queryなどがその代表例である。作業量と精度のバランスを考慮し、コストパフォーマンスの高い整備方法を選択することが重要になる。自動化できる部分は積極的にツールを活用すべきである。

まとめ

データを整えていく途中で足りないデータが発見されることもあるだろう。しかし、ここからがAIの使い様である。ファインチューニング(学習させていく)ことや、生成AIやRAG(Retrieval-Augmented Generation)を利用して補完するなどが考えられる。

関連記事

QCDの死角

失敗の正体

システムの失敗は見えないことがある。ブラックボックスであるがゆえに隠せてしまうからである。失敗かどうかの線引きができないところがシステム構築プロジェクトの難しいところである。

エンジニアの真実

もしかしたら、エンジニアが都合の悪いことは隠していることがあるかもしれない。しかし、決めつけてしまうとエンジニアはへそを曲げてしまう可能性がある。隠しているつもりはなくても隠れていることもある。

成功の境界

失敗の線引きは、納期が遅れることであろうか。バグが多いということであろうか。実は、状況によって一概に言えないのである。QCDという言葉があるが、品質と費用と納期のバランスを上手にとったとしても成功か失敗か、すぐにはわからないのがシステムという無形物である。

コスパの本質

コスパという言葉があるが、かけるコストに対して、どれだけのパフォーマンスが出せるかが問題となる。システム開発では、コストからやりたいことを計算するのではなく、やりたいことを明確にしたうえで、コスト内でリッチ度合いを調節することが重要である。

まとめ

システム開発においては、失敗が見えにくいため、失敗しないように見えるのかもしれない。失敗しないことは、成功であるということでもない。時間が経つにつれて失敗を感じることもあり得るのである。

続きを見る >

DX成果までの期間

期間が読めない不安

「DXに取り組みたいけれど、成果が出るまでにどれくらいの期間がかかるのか分からない」——中小企業のDX担当者から最も多く寄せられる悩みのひとつである。半年か、一年か、それとも数年か。期間の見通しが立たなければ、経営層への説明も難しく、なかなか最初の一歩を踏み出せない。本記事では、実際に支援した中小企業の事例をもとに、DXで成果が出るまでの現実的なスケジュール感と、期間を短くするための具体的な考え方を伝える。

全社改革の落とし穴

DXが長期化する大きな要因は、最初から「全社的な大改革」をイメージしてしまうことにある。基幹システムの刷新、全部門の業務見直し、AI活用——どれも重要なテーマだが、すべてを同時に進めようとすれば、計画は数年単位に膨らむ。さらに要件定義や部門間の合意形成に時間を取られ、現場が変化を実感する前に熱量が下がってしまうケースも少なくない。経営層からは「成果はいつ出るのか」と問われ、現場からは「結局何が変わるのか」と疑問の声が上がる。「DX=大規模プロジェクト」という思い込みこそが、期間の不安を生み出す最大の原因である。

1ヶ月で形にする方法

実は、現場で本当に役立つDXは「小さく早く」始めれば、わずか1ヶ月で形になる。Power Appsで支援したある製造業の事例では、それまで紙とExcelで管理していた日報業務をたった1ヶ月でアプリ化し、現場の入力時間を約3割削減することに成功した。低コード開発であれば、要件定義から運用開始までを短期間で進められ、現場が早い段階で成果を体感できるのが大きな特徴だ。試作と改善を素早く繰り返せるため、机上の議論に時間を奪われることもない。最初から完璧を目指さず、まず一つの業務を確実に変える。この小さな成功体験こそが、次のDX施策を生み出す確かな推進力となる。

期間を決める3要素

DXで成果が出るまでの期間を左右するのは、「対象業務の絞り込み」「ツール選定」「現場との協働」の3つの要素である。対象を一つの業務に絞れば1ヶ月、複数業務にまたがる改善なら3〜6ヶ月、部門横断の本格的な改革なら1年が一つの目安となる。重要なのは、最初の1ヶ月で目に見える成果を必ず出すことだ。経営層も現場も「DXは確かに進んでいる」と実感できれば、追加投資や協力体制が自然と得られるようになり、結果として全社展開のスピードも加速していく。逆に最初の数ヶ月で何の変化も見えないと、どれほど立派な計画でもプロジェクトは静かに失速していく。期間の不安は、最初の小さな一歩で必ず解消できる。

まとめ

DXで成果が出るまでの期間は、取り組み方次第で大きく変わる。「全社一斉」ではなく「一業務一ヶ月」から始めれば、期間への不安は確実に解消できる。完璧な計画を半年かけて練り上げるよりも、現場で実際に動く一つの成功事例の方が、社内全体に対してはるかに大きな説得力を持つ。小さな成功の積み重ねこそが、結局は全社DX実現への最短ルートとなる。

続きを見る >

Power Apps対kintone

比較で迷う現場

中小企業のDX担当者が必ず通る道が、ローコードツール選びである。なかでもPower Appsとkintoneは、どちらも「現場が自分でアプリを作れる」と評判で、調べるほど甲乙つけがたく感じる。営業に聞けば「うちが一番」と言われ、社内では「結局どっちなのか」と問われる。情報は多いのに決め手がない。本記事では費用・機能・学習コスト・拡張性の4軸で両者を整理し、迷わず選ぶ基準を示す。

比較の4軸

比べるときは、軸を決めると霧が晴れる。本記事の4軸は、費用・機能・学習コスト・拡張性だ。まず費用から見ていく。Power AppsはPremiumプランが1ユーザー月20ドル前後で、最低契約人数の縛りがなく、作れるアプリ数も無制限である。一方kintoneは、スタンダードコースが1ユーザー月1,800円、最低10ユーザーからの契約となり、最低でも月1万8千円から始まる。少人数なら割高に見えるが、サポートや国産ならではの安心感が価格に含まれていると考えると、印象は変わってくる。

機能と学習コスト

ここで視点を変える。費用の次に効いてくるのが、機能と学習コストの関係だ。kintoneは、ドラッグ&ドロップで項目を並べるだけでアプリが完成し、ITに不慣れな現場担当者でもその日から使い始められる。立ち上がりの速さは大きな魅力である。対してPower Appsは、Excelに近い関数や画面設計の考え方を覚える必要があり、最初の学習コストはやや高めだ。しかしMicrosoft 365をすでに使っている企業なら、TeamsやSharePoint、Outlookとそのまま連携でき、覚えた先にできることの幅が一気に広がる。手軽さを取るか、伸びしろを取るか。ここが、両者を分ける最初の大きな分岐点になる。

拡張性が決め手

最後の軸、拡張性が、実は選定の決め手になる。kintoneは外部サービス連携やプラグインが豊富で、追加開発なしでも業務に合わせて育てやすいのが強みだ。Power Appsは、Power AutomateやAI機能、Dataverseと組み合わせることで、基幹システムとつながる本格的な仕組みまで一気通貫で作れる。ここまで来ると見えてくるのは、「どちらが優れているか」ではなく「自社の起点はどこか」という問いである。すでにMicrosoft 365が社内に根づいているならPower Apps、まずは小さく現場主導で始めたいならkintone。この軸で考えると、4つの比較が一本の線でつながり、迷いが消えていく。

まとめ

Power Appsとkintoneは、費用・機能・学習コスト・拡張性の4軸で性格が分かれる。手軽さと現場主導ならkintone、Microsoft 365を活かした拡張ならPower Appsだ。大切なのは、自社の起点から逆算して選ぶことである。

続きを見る >