---
title: レポート作成の先にあるものとは？ DNVによるアプリケーションへのアナリティクスの導入で解ること
description: "sisenseを実際にアプリケーションに組み込んで、分析と業務をうまく実行できている事例になります。
BIツールの先進的な活用方法となりますので、ぜひ参考にしてください。"
---

[Sisense日本公式ブログ ](https://sisense.gaprise.jp/blog)

# [レポート作成の先にあるものとは？ DNVによるアプリケーションへのアナリティクスの導入で解ること](https://sisense.gaprise.jp/blog/0035)

 作成者: [マーケティングチーム](https://sisense.gaprise.jp/blog/author/ギャプライズマーケティングチーム)｜Aug 31, 2021 4:55:52 PM

アナリティクスのソフトウェアは何十年も前から広く普及しているにもかかわらず、組織全体（ハイテク企業であっても）の導入率は驚くほど低いのが現状です。データとアナリティクスに関するNewVantage 2020の調査によると、アナリティクスの導入に成功している組織は27％に満たない一方で、73％がデータを使ってビジネスをより深く理解したいと考え、72％がアナリティクスを使って製品やサービスを改善したいと考えています。

 

2020年に[Sisense](https://sisense.gaprise.jp/)が委託した調査では、回答者が最も関心を持っているのは、業務効率の向上（56％）または顧客体験の向上（50％）であることが明らかになりました。次いで、新たな収益源やビジネスチャンスの特定（39％）、イノベーションの拡大（30％）も重要視されています。

 

では、これらのことは製品を作る人にとってどのような意味を持つのでしょうか？つまり、企業はデータを収集しており、それを賢く分析し、得られたインサイトを活用する必要があるということです。また、お客様や社内のユーザーもより賢くなり、製品、サービス、体験にシームレスに組み込まれた実用的なインテリジェンスを求めています。この記事では、DNVがどのようにして膨大なデータからインテリジェンスを得て、適切な情報を適切な方法でプラットフォームに組み込み（単にレポートやダッシュボードを埋め込むだけではない）、ユーザーにインパクトを与えたのかを見ていきたいと思います。願わくば、データを使って自社のサービスを向上させる方法を見出していただきたい。

## 違いを理解する レポート vs. 分析アプリケーション

従来のレポートは、表形式やテキスト形式の静的なデータに、基本的なグラフやチャートを添えて提供するのが一般的でした。その目的は、特定の生の数字やデータセットを強調することです。

 

一方、分析アプリケーションは、パフォーマンス、効率性、またはその他のビジネス指標やアクションを積極的に監視できる重要業績評価指標（KPI）を表示します。メトリクスとビジュアライゼーションは、単なるデータのダンプではなく、実用的なインサイトを明らかにし、次に何をすべきかをアドバイスするものでなければなりません。ユーザーがシステムにログインすると、その分野の専門家であろうとなかろうと、**次に何をすべきか**がすぐにわかるようになっていなければなりません。

 

これを "アクショナブル・インテリジェンス "と呼んでいます。分析されたデータから得られる洞察は重要ですが、その洞察を具体的な行動に結びつけることが、その情報を真に価値あるものにするのです。意思決定の疲労は現実のものであり、私たちはますますその影響を受けています。だからこそ、ユーザーが次のアクションを明確に理解できるようにすることが、製品や社内のワークフローを真に進化させることにつながるのです。

## DNVのCascade Insightはデータを実用的なインテリジェンスに変える

DNVは、リスクマネジメントとアシュアランスの独立した専門家として、100カ国以上で活動しています。その幅広い経験と深い専門知識により、DNVは安全性と持続可能なパフォーマンスを推進し、業界のベンチマークを設定し、ソリューションを鼓舞・発明しています。

 

DNVは、Electric Grid Reliability and Performance product centerを通じて、Sisenseを組み込み、価値の高いアナリティクスを作成し、電力会社に展開するためのプラットフォームを提供しています。このプラットフォーム「Cascade Insight」は、電力会社の資産パフォーマンスに関する実用的なインテリジェンスを提供する専用の分析システムです。

 

Cascade Insightは、グリッド先端技術から取り込んだ運用データ、他のビジネスシステムとの統合、モバイルソフトウェアを活用して、価値の高いアナリティクスを効果的に作成・展開するための基盤を構築します。このプラットフォームにより、顧客はメンテナンスの問題を先取りし、グリッドのサービス停止を回避することで、コストを削減し、より良い価値とサービスを顧客に提供することができます。

 

お客様に価値を提供するために、DNVはいくつかの重要な原則に従って、レポートを提供するだけではなく、実用的なインサイトを提供しています。多くの場合、それは技術ではなく設計の問題である。

## ハイレベルなロールアップと実行可能な指標から始める

インサイトを提供する際には、すぐに価値が分かるハイレベルな指標から始めることが重要です。システムに入力されたすべてのデータは、どこから来たものであれ、その日のうちにユーザーが目にする最も重要なインサイトとなるスナップショットに集約されます。DNVでは、機器の管理から作業員の管理まで、14種類の標準的なダッシュボードを用意しています。

 

主なダッシュボードのデザインで共通しているのは、逆三角形の原則です。例えば、サマリーダッシュボードには、ハイリスクユニットの数、延滞しているメール交換機のオーダー、未確認のアラートなどが表示されます。これらの重要な情報は、ログインしたユーザーが最初に目にするものです。これにより、エンドユーザーは対処すべき問題があることをすぐに知ることができ、情報過多で見失うことはありません。

ユーザーは、ハイレベルな指標を提供された後、詳細にドリルダウンして対処すべき点を見つけることができます。ドリルパスは、連鎖したダッシュボードを活用し、エンドユーザーにこのような体験を提供するための素晴らしい方法である。

 

DNVのディスプレイは、ドメインと業界のニーズに基づいて、ユーザーに明確な視覚的手がかりを示している。例えば、電力会社は現実の世界に存在し、物理的なインフラを扱っているため、地理的なデータが重要になる。DNVでは、地図を活用して問題箇所を示しています。地図上の赤い点は、ピボットテーブルよりもはるかに確認しやすく、注意が必要な状況であることを即座に示します。ユーザーは、次に取るべき行動をすぐに把握ことができます。

## 価値を明確に示すこと

ダッシュボードを構築・設計する際には、"この情報はユーザーがより良い意思決定をするのに役立つのか？"と常に自問することが重要です。

一例を挙げると、「親のいないアクティブな機器」は、Cascade Insightのユーザーにとって大きな問題領域であり、その原因はデータの不備によるものが多い。DNVはアナリティクスを活用してデータの品質をチェックし、データのギャップを明らかにすることで、ユーザーがエンドユーザーの問題を軽減できるようにしています。

 

想像してみてください。何百人もの作業員が変電所で検査を行い、機器の読み取りやエンジニアリングに基づいた診断データを収集し、それに続いて他のシステムとの統合を行い、膨大で複雑なデータを得ていることを。これらのデータを手作業やエクセルで解析することはほぼ不可能であり、非常に非効率的です。DNVは「中～高リスクの機器」のような簡潔で実用的な分析結果を提供し、エンドユーザーに最も関連性の高い情報を提示します。チャートを見れば、「赤」が悪いことは一目瞭然です。そして、ユーザーはチャートをクリックうることでドリルダウンし、より多くの情報を得ることができます。

## データを活用してより良いアプリを作る

すべての企業がデータ企業になりつつあります。社内外のユーザーは、アプリやワークフローにデータや実用的なインサイトを求めており、これらを提供できない企業は、進化するビジネスの世界で敗北することになります。

 

すべての企業がデータ企業になりつつあるとはいえ、すべての企業がアナリティクス企業というわけではありません。自社の製品、サービス、体験に実用的なインテリジェンスを追加する方法に悩んでいるなら、埋め込みがその答えになるかもしれません。ゼロからアナリティクスを構築することは実際よりも簡単に思えるかもしれませんが、実績のあるアナリティクス企業の専門知識に頼ることで、より少ない時間とエネルギーで貴社のサービスを向上させることができます。

 

※本記事は、「[Beyond Building Reports — Infusing Analytics into Applications with DNV](https://www.sisense.com/blog/beyond-building-reports-infusing-analytics-into-applications-with-dnv/)」を翻訳・加筆修正したものです。

[完全な記事を表示](https://sisense.gaprise.jp/blog/0035)

```json
{
  "@context" : "http://schema.org",
  "@type" : "BlogPosting",
  "author" : {
    "@type" : "Person",
    "name" : "マーケティングチーム"
  },
  "dateModified" : "2022-08-10T08:30:17.228Z",
  "datePublished" : "2021-08-31T16:55:52Z",
  "headline" : "レポート作成の先にあるものとは？ DNVによるアプリケーションへのアナリティクスの導入で解ること",
  "image" : {
    "@type" : "ImageObject",
    "height" : 600,
    "url" : "https://f.hubspotusercontent10.net/hubfs/19917462/Sisense/Data%20Integration%20on%20the%20Mechanism%20of%20Metal%20Gears..jpeg",
    "width" : 1000
  },
  "mainEntityOfPage" : "https://sisense.gaprise.jp/blog/0035",
  "publisher" : {
    "@type" : "Organization",
    "logo" : {
      "@type" : "ImageObject",
      "height" : 60.0,
      "url" : "https://f.hubspotusercontent10.net/hubfs/19917462/Sisense/Sisense-Logo-Horizontal-combination%20(1).svg",
      "width" : 60.000004
    },
    "name" : "Sisense日本公式ブログ"
  }
}
```