データを核とするビジネスモデル開発の特徴と成功のポイント（"The characteristics of data-driven business model development and how to succeed"）

みなさんこんにちは。マキシマイズの渡邊です。今回も、既存事業を持つ大企業がシリコンバレーのスタートアップに負けない画期的な新規事業を創造するために、インダストリー4.0の一環としてスイスで開発された手法である『ビジネスモデル・ナビゲーター』開発元BMI Lab社のブログを皆さんにご紹介します(※BMIとはBusiness Model Innovation：ビジネスモデル・イノベーションの略です)。

今回のブログは「データを核とするビジネスモデル開発の特徴と成功のポイント（"The characteristics of data-driven business model development and how to succeed"）」という、データに基づく新ビジネスの創造方法についてのお話しです。では本文をお楽しみください。

2022年11月23日
データを核とするビジネスモデル開発の特徴と成功のポイント（BMI Lab社ウェブサイトのブログ記事を、同社の許可を得て翻訳、掲載しています）

近年の経験から、企業は自社データの価値や、それを活用して収益を生み出す能力を過大に評価しがちであることが明らかになっている。実際には、データに基づいて持続可能なビジネスモデルを構築できている企業はごくわずかである。このトピックについては、筆者らが最近出版したドイツ語の書籍『Datenwirtschaft und Datentechnologie – wie aus Daten Wert entsteht（データ経済とデータ技術 ― データから価値を生み出す方法）』（Springer、2022年）の「Besonderheiten datenbasierter Geschäftsmodellentwicklung（データベース型ビジネスモデル開発の特性）」という章で詳しく解説している。書籍は以下のリンクより無償で閲覧可能である。

本ブログ記事は、上記書籍に収録された章の内容を要約したものであり、データ駆動型ビジネスモデルの特徴を説明し、どのような企業がそのモデルに適しているかを明らかにし、さらにその開発アプローチについて示している。

まず、データ駆動型ビジネスモデルとは何かを明確にする必要がある。ビジネスモデル・ナビゲーターの定義によれば、ビジネスモデルとは、企業がどのように価値を創造し、それを獲得するかを包括的に示すものである（Gassmann et al. 2013年[1]）。したがって、データ駆動型ビジネスモデルとは、さまざまな処理を施したデジタルデータが、顧客または消費者に対して中核的な付加価値を提供するモデルであると理解できる。

データ駆動のビジネスモデルをより深く理解するために、ビジネスモデル・イノベーションの「マジック・トライアングル」フレームワークを利用可能だ。このフレームワークは、ビジネスモデルを分析に適した大枠の概要として整理するものだ。我々のブログ記事を継続的にご覧いただいている方であればすでにご存知だと思うが、このフレームワークではビジネスモデルを4つの軸で定義する（図1.1参照）。

図1.1：マジック・トライアングル・フレームワーク（Gassmann et al. 2013年[1]に基づく独自の表現方法）

データ駆動型ビジネスモデルにおいては、価値提案すなわち提供価値やソリューションは常にデータに依存したものになる。したがって、自社が保有するデータの実際の価値をできる限り早期に評価することが極めて重要である（この点については、後述する）。企業がデータに基づく価値提案を根本的に変更する場合、他のすべてのビジネスモデル要素が影響を受ける可能性があり、少なくとも一つの次元には確実に変化が生じる。たとえば、データまたはそこから導き出されたインサイトを顧客に提供するには、企業は通常、業務プロセス（すなわち「How」の軸）を見直す必要がある。また、こうした新たなサービスの価格設定方法も従来とは異なる場合が多く（「Value/Why」の軸）、さらに、この新たなビジネスモデルが対象とする顧客層そのもの（「Who」の軸）が変わることもある。

データ駆動型ビジネスモデルの各種パターンとその共通点

ある会社のビジネスモデルが完全にその会社独自のものであることは稀であり、ガスマン教授およびフランケンバーガー教授の研究により、異なる業界においても同様のビジネスモデルパターンが頻繁に使用されていることが明らかにされている。こうしたパターンを特定するためには、各企業のビジネスモデルの本質を観察することが有効である。このような方法によって、各種のビジネスモデルの仕組みをより深く理解でき、さらには、各パターンの背後にあるロジックを自社のビジネスモデルへ応用可能になる。データ駆動型ビジネスモデルの領域においては、基本的に3つの異なるパターンが存在する。これらの各パターンの間には、データに施した処理レベルおよび、そこから導き出される価値提案の内容についての違いが見られる。

1.データ・アズ・ア・サービス(DaaS：Data as a Service)

データ駆動型ビジネスモデルとして最も広く知られているパターンは、「データ・アズ・ア・サービス（Data as a Service, DaaS）」である。このモデルでは、中央の組織が主にデジタルプラットフォームを通じてユーザーからデータを収集し、そのデータを匿名化かつ未加工、あるいはわずかに加工した形で、マーケットプレイスを通じて商用サービスとして提供する。このパターンにおいて最も一般的な収益モデルは「データ単位での課金（pay per data）」であるが、「サブスクリプション（subscription）」モデルや「定額制（flat rate）」モデルも考えられる。特定の業界において支配的な立場にあり、大量のデータを収集する能力を持つ企業ほど、データ・アズ・ア・サービス型ビジネスモデルによって成功を収める可能性が高い。

例1

ソーシャルネットワークのプラットフォームであるFacebookは、匿名化した各種のユーザーデータを外部事業者やソフトウェア開発会社に提供している。

例2

Snowflakeは、クラウドベースのデータ統合プラットフォームであり、顧客は同プラットフォームを使って縦割りで分断されているデータを統合し、それをデータレイクとしてオンデマンドで利用できる。同社は、企業が他部門とデータを共有したり、データを収益化に活用したりするための包括的なソリューションを提供している。

2.インフォメーション・アズ・ア・サービス（IaaS：Information as a Service）- 分析結果の配布

このビジネスモデルパターンは、基本的には自社で収集したデータやサードパーティから取得したデータに基づく分析やレポートの販売を基盤としている。対象顧客層は、従来型の企業からエンドユーザーまで多岐にわたる。IaaSモデルを実装するには、基本的な分析・可視化機能に加え、業界特有のノウハウが不可欠である。IaaSビジネスモデルは、DaaSモデルと同様の課金モデルを取り得るが、顧客は個々の分析や情報に対して料金を支払う。

例3

Googleマップは、リアルタイムデータと既存データの組み合わせを提供しており、Googleマップ経由で獲得した問い合わせの電話、あるいは獲得した注文ごとに顧客に課金するため、IaaSソリューションの一例といえる。

例4

Celonisは、企業に対してビッグデータに基づく業務プロセス検索機能を提供するプロセスマイニングサービスである。本サービスはIaaSモデルに基づいており、登録情報を収集する無料版も提供している。

3.アンサー・アズ・ア・サービス（AaaS:Answers as a Service）- 質問に対する具体的な回答

Answers as a Service（AaaS）は、企業が顧客からの質問に対する回答を得られるようにするデータ駆動型のビジネスモデルである。これらの回答は、顧客の意思決定の質を高めるだけでなく、さらなるサービスや新たな収益源の創出にも役立つ。課金モデルとしては、回答ごとの課金や、頻繁な利用を想定したサブスクリプションモデルが考えられる。また、コンサルティングや導入支援を通じて収益を得ることも可能である。AaaSモデルは、顧客との接点が多く、顧客に関する深い知見を有する企業に特に適している。

例5

Runtasticは、身体および動作データに基づいてカスタマイズされたトレーニングプログラムを提供する企業である。さらに、アパレルやウェアラブルデバイスも提供し、さらなる収益を生み出している。

例6

シュナイダーエレクトリックのEcoStruxure設備アドバイザー・プログラムは、産業分野の企業が機械のメンテナンが必要なタイミングを早期に検知できるようにするプログラムである。本プログラムでは、産業機器に搭載されたセンサーを活用し、機器の状態に関する統計情報および概要をクラウドサービスを通じて提供する。

データ駆動型ビジネスモデルの各種パターンとその共通点

事業機会に関して言えば、データ駆動型のビジネスモデルは、迅速なスケーリング（規模の経済）や新たなサービス（アドオン）の追加を可能にするビジネス形態である。たとえば、Airbnbは顧客データを活用し、検索機能を利用者ごとに最適化している。これにより、同じ都市を検索している他の利用者が一般的に予約する地域の宿泊施設を表示する仕組みとなっている。加えて、データ駆動型のビジネスモデルでは、一定の期間ごとに定額料金を支払うサブスクリプション型やフラットレート型の収益モデルが多く採用されている。

課題については、ある業界における具体例を紹介したい。ジョンソン・エンド・ジョンソンは、物流データの70％に誤りがあることを発見したのち、データ管理システムの改善に着手した[2]。データに基づくビジネスモデルにおける最大の課題は、高品質なデータを確保することであり、これが達成できなければビジネスモデルそのものが成立しない。ジョンソン・エンド・ジョンソンの事例は成功例であり、同社はデータ管理の精度を高め、定期的な品質測定を導入し、新たなワークフローを定義した。この結果、新しいデータ管理体制ではエラー許容度がゼロにまで引き下げられた[2]。また、一般的なデータを誤って評価することを避けるためには、データが置かれた文脈を理解し、分析手法の限界を認識したうえで、データの意味を盲目的に信頼しないことが重要である。

現在の社会環境において、データに基づくビジネスモデルを構築できる適切な人材を確保することは困難である。Googleのような企業は、高額な初任給を提示することで優秀な人材を惹きつけている。また、データ駆動型のビジネスモデルは、初期段階において限られたデータ量で所望の価値提案を実現しなければならないという課題を抱えており、顧客が継続的にデータを提供したくなるような魅力的な中間的ソリューションを見出す必要がある。そのため、企業各社が外部リソースを活用してこのスキルギャップを埋めることができるように支援するサービス提供者が、近年ますます増加している。

データ駆動型のビジネスモデルを提供したくなっただろうか?

新たなビジネスモデルは、各企業の既存の主要顧客層以外のターゲット層にアプローチし、新たな価値提案や課金モデルを導入し、最終的にそのビジネスモデルを検証することで構築される。既に見たとおり、データ駆動型のビジネスモデルに移行する際には、一般的にビジネスモデル4軸のほぼすべての軸に影響が及ぶ。想定ベースのビジネスモデル開発は、5つのフェーズを通じて内在する不確実性を体系的に低減する実践的な手法として実証されており、データ駆動型ビジネスモデルの開発にも有効なアプローチである。一連のプロセスをすべて経ることで、（パイロット）市場への投入が可能な検証済みの新しいビジネスモデルが完成する（図1.2参照）。

ヒント： 柔軟性を高め、社内にノウハウを蓄積するためには、企業ができる限り早い段階で外部の技術的専門知識を獲得することが重要である。

図1.2: データに基づくビジネスモデルの開発プロセス（BMI Lab AG）

想定ベースのビジネスモデル開発の出発点は、ビジネスモデルの初期コンセプトである。データから生み出される価値を早期に検証するためには、概念実証（PoC）を実施することが求められる。この点において、データ駆動型ビジネスモデルの開発プロセスは従来のアプローチとはやや異なり、価値提案の実現可能性を証明するために、初期段階でPoCが必要となる場合がある。幸いにも、データ分析に関する知見が蓄積されるにつれ、類似のプロジェクト事例も増加し、それらを参考にすることで、事業アイデアの基本的な実現可能性を見極めることが可能となる。次の第2段階では、潜在顧客へのインタビューを通じて、当該ビジネスモデルが取り組もうとする問題やニーズが実際に存在するか、そしてそのビジネスモデルがそれらを的確に解決・充足できるかを検証する。

ヒント：この時点では、ビジネスモデルがデータを中心としない方向に発展する可能性があることを受け入れる必要がある。重要なのは、顧客の抱える問題やニーズのみであり、それ以外の要素にとらわれると、最終的に成功しないビジネスモデルが容易に構築されてしまうリスクがある。

テストと検証における次のステップ：プロダクト・マーケット・フィットの実現

このフェーズ（詳細はこちらで解説）では、サービス、製品、およびそれらの特性の組み合わせを含む特定のビジネスモデル全体に対して、対象顧客層が関心を持っているかどうかを検証する必要がある。目標は、対象となる顧客層における明確な需要を満たし、対象顧客に大きな価値を提供する製品を設計することである。この段階では、顧客が置かれている状況において、こちらが提供するデータがどのように利用されるかを踏まえ、顧客の業務プロセスを詳細に理解することが極めて重要である。ソリューションを顧客のプロセスに適切に組み込むことができない場合、ビジネスモデル全体が破綻するおそれがある。

価値提案を適切に実装するためには、適切なパートナーを選定することが不可欠である。実現のためには、自社の能力を的確に補完する適切な実装パートナーを見つけることが求められる。パートナーは、将来的な企業の成長を共に担うことができる戦略的パートナーとして位置付けるべきである。その連携の範囲は、関連するインターフェーススキルに関するトレーニングの提供から、社内におけるデジタル部門の設置に至るまで多岐にわたる。

ヒント：想定している価値提案が技術的に実現可能であるかどうか、また、データ保護規制が適切に遵守されているかを確認するために、パートナーに相談することが望ましい。また、パートナーがUI/UXに関する専門知識を有している場合には、顧客インタビューや検証作業を代行させることも可能であるが、製品に対する市場からの一般的な認知状況についても、併せて確認することが重要である。

さて、次は金銭面の確認をしよう ― 顧客の支払い意思をどのように見極めるべきか？

ソリューションが十分に成熟した段階においては、自社の提供内容を明確に伝えることが可能となる。それにより、顧客の支払い意思を信頼性をもって評価することができ、企業はより率直で理解しやすいフィードバックを得ることができる。ソリューションの説得力をさらに高める方法として有効なのが「基本合意書（Letter of Intent：LoI）」である。これは、ソリューションの主要な機能やその他要素を明示し、顧客が購入の意思を示す契約文書であり、製品を直接購入することなく、潜在顧客から書面による合意を得る手段として活用される。また、デジタルコンポーネントに関しては、デモ版・ベータ版・リリース前バージョンの使用に関して、即時に合意を得ることが有益である。このプロセスにより、顧客側がサービス利用のためのリソースを確保する必要が生じるため、潜在顧客を具体的に巻き込んだ次ステップの実行計画を確立できる。その後、詳細な収支計画を策定または精緻化し、詳細な市場予測と組み合わせて評価を行う必要がある。

では価値提供の方法についてはどうなるか?

データに基づくビジネスモデルは、製品指向のビジネスモデルとは異なる技術アーキテクチャを必要とし、販売体制の見直しや、代替となる販売チャネルの構築が求められることもある。この段階では、必要な技術力と体制を社内に構築し、ビジネスモデルが自社の戦略的方向性と整合していることを確認し、市場からのフィードバックによってソリューション導入の興味が明確に示されている必要がある。データ分析、クラウド構築、ソフトウェアシステム・アーキテクチャ設計などの技術スキルを持つ有能な人材を確保するには、信頼できるパートナーを選定することが望ましい。

ビジネスモデルの規模拡大と成果の測定を正確に行うことを忘れないように！

市場参入（パイロット）前の最終ステップでは、ビジネスモデルの成功をいかに定義し、どのように測定するかを明確にする必要がある。そのためには、新たなビジネスモデルの目標を的確に評価できる、意味のある主要業績評価指標（KPI）を定義することが不可欠である。新たなビジネスモデルについては、利益や効率性ではなく、学習の成果および成長を測定の対象とすべきである。また、ユーザーからの密接なフィードバックは、新たなビジネスモデルの妥当性を検証する上で極めて重要である。

結論：データ駆動型ビジネスモデルは、すべての企業に適しているわけではない。しかし、自社に適している場合には、大きなメリットをもたらす。

データに基づくビジネスモデルは、企業にとって大きなメリットをもたらすが、データを正しく取り扱うために必要なスキルは、一般に想定されているほど容易に習得できるものではない。ゆえに、技術的な実装パートナーの重要性は一層高まり、戦略的にも中核的な役割を果たすこととなる。したがって、適切なパートナーの選定は、成功のための極めて重要な要素となる。また、データを正確に扱う段階から、収益性の高い新たなビジネスモデルとして活用する段階に至るまでには、大きなハードルが存在する。そのため、体系的な検証アプローチが不可欠であり、とりわけ早期段階での概念実証（PoC）が極めて重要である。企業が技術面およびビジネスモデルの両面に関する変化を正しく認識し、それらに主体的に対応して初めて、データに基づくビジネスモデルがもたらす機会から真に利益を得ることが可能となる。

本ブログのトピックについてさらに詳しく知りたい場合は、ドイツ語書籍『Datenwirtschaft und Datentechnologie – wie aus Daten Wert entsteht（データ経済とデータテクノロジー ― データから価値が生まれる）』（Springer、2022年）に収録された、Richard Stechow、Leonie Schäfer、Peter Bruggerによる章「Besonderheiten datenbasierter Geschäftsmodellentwicklung（データ駆動型ビジネスモデル開発の特性）」を参照してほしい。

書籍の無料公開リンク: https://link.springer.com/book/10.1007/978-3-662-65232-9

その他の参考文献：

[1] O. Gassmann, K. Frankenberger und M. Csik, Geschäftsmodelle entwickeln: 55 innovative Konzepte mit dem St. Galler Business Model Navigator, München: Hanser, 2013.

[2] B. Otto, Stammdatenqualität: Das Rückgrat moderner logistischer Systeme, Fraunhofer Institut für Materialfluss und Logistik IML Dortmund, 2014.

DX・イノベーション手法を学ぶ、
マキシマイズのセミナー

詳しくはこちら

いかがでしたでしょうか。弊社では、ビジネスモデル・ナビゲーターを日本企業にも普及させるべく、ワークショップやプロジェクト支援など様々な支援サービスを提供しております。ご興味の方は是非お問い合わせください。

次回は、「AIは企業のオペレーションとビジネスモデルをどのように変革するのか？（"How is AI transforming operations and business models?"）」という、AI活用によるビジネスモデルイノベーションに関するブログ記事をご紹介予定です。

WRITER

渡邊　哲（わたなべ さとる）

株式会社マキシマイズ　シニアパートナー
Japan Society of Norithern California日本事務所代表
早稲田大学　非常勤講師

東京大学工学部卒。米国Yale大学院修了。海外の有力ITやイノベーション手法の日本導入を専門とする。特に海外ベンチャー企業と日本の大手企業や団体との連携による新規事業創出に強みを持つ。三菱商事、シリコンバレーでのベンチャー投資業務等を経て現職。ビジネスモデル・ナビゲーター手法の啓蒙活動をはじめ、日本のイノベーションを促進するための各種事業を展開中。
「アントレプレナーの教科書」「ビジネスモデル・ナビゲーター」「イノベーションの攻略書」「DXナビゲーター」「イノベーション・アカウンティング」を共訳/監訳。