ERP・財務会計・経済学

2020/06/14

SaaSのビジネスモデルがアジャイル開発を促進したという仮説

「ソフトウェア・ファースト」を読んで、改めて、アジャイル開発はSaaSの開発プロセスを発展させたものとみなすのだと考えた。
ラフなメモ書き。

【参考】
ソフトウェア・ファーストの感想: プログラマの思索

【1】「ソフトウェア・ファースト」を読むと、製造業などの一般産業は、SaaSのようにどんどんサービス化すべきだ、という主張が背景にあるのが分かる。

では、SaaSというビジネスモデルの特徴や本質は何だろうか?

この問いに自分なりに考えてみたら、複数の特徴があるように思う。

【2】SaaSはScrumと相性が良い。
たとえば、パッケージ製品ビジネスや大量生産ビジネスでは、たくさん作って販売してそれで終わり。
一括請負契約で作って納品したら終わり。
顧客とメーカーは、クライアント-ベンダー-アンチパターンにはまりやすい。

「クライアント-ベンダーアンチパターン」という根本問題: プログラマの思索

一方、SaaSでは、常にサービスや機能を頻繁にVerUpしていく。
その頻度も1ヶ月に1回ではなく、1日に数十回もざらだ。
SaaSのインターフェイスは、ユーザがスマホやPCで触っているので、すぐにその機能を試してもらえるし、彼らの要望を即座に反映するほど、顧客満足も高まる。
そういうニーズがあるので、頻繁なリリースを実施する動機づけになる。

その場合、社内の開発体制はScrumに似せると開発しやすくなる。
マーケティング担当者や経営者がプロダクトオーナーの役割を担えば、社内に開発チームとスクラムマスターを作れば、即座にScrumが出来上がる。
SaaSの場合、プロダクトオーナーに相当する人が社内に存在し、その能力を持ち合わせている時も多いのがメリットだろう。
その後は、会社の規模やビジネスの規模に合わせて、Scrumをスケールすればいい。

【3】SaaSはDevOpsと相性が良い。
リリースしたら、その後も運用し続けるので、開発と運用保守は一体化すべき流れになる。

一方、普通のSIであれば、インフラチームと開発チームは分離されていて、機能別組織になりやすい。
機能別組織の弱点は、チームや組織ごとに体制の壁ができてしまい、意思疎通が困難になることだ。
コンウェイの法則「アーキテクチャは組織に従う」によって、システムのアーキテクチャは縦割りの複雑な組織構造を反映した形になってしまい、システムはどんどん複雑化してしまう。

もちろんSaaSも、ビジネスが発展すれば肥大化するだろう。
しかし、開発と運用保守は一体化した方がいいというビジネス要求や現場からの要求が出てきやすいので、DevOpsを推進する動機づけになる。

もちろん、技術的にも、SaaSはクラウドと相性が良い。
だから、クラウドエンジニアはインフラエンジニアだけでなく、開発者でもありうるので、事実上、インフラチームと開発チームは一体化しやすい。

また、ここからマイクロサービス・アーキテクチャも実装しやすい。
AWS上でSaaSを運用すれば、LambdaやAurora、AWSの各種サービスを利用することになるだろう。
単に性能改善やスケールメリットが活かせるだけでなく、システム基盤をマイクロサービスとして組み立て直すことにより、SaaSは汎用的なAPI基盤になっていくだろう。
そうすれば、外部サービスと連携できるので、より多種多様な機能を顧客に提供しやすくなるメリットも出てくる。

【4】SaaSはB2Cのプラットフォームビジネスと言える。

アメリカのGoogle、Amazon、Apple、Facebookがそうだし、中国のBATも同様だ。
多数の顧客に対し、プラットフォームを提供することで利便性がどんどん増していく。
そのビジネスの本質は、製造業が持つ規模の経済ではなく、ソフトウェア特有のネットワークの経済という理論が背景にあるはず。
たくさんのユーザが使ってくれるほど、SaaSは重要性を増して、売上を指数関数的増大させていく。
「プラットフォーム革命――経済を支配するビジネスモデルはどう機能し、どう作られるのか」を読むと、プラットフォームのビジネスモデルは独占ビジネスなので、その売上は、そのサービスの市場規模と同等になるまで高められる。
つまり、市場規模と同等だから、小さい国家のGDPよりもはるかに大きな利益を得ることも可能。

SaaSはB2Cのビジネスなので、顧客のフィードバックをすぐに取り込みやすい。
ランダム実験やABテストも実現しやすいので、サービスやビジネスモデルを仮説検証しやすい。
つまり、SaaSでは、念入りに考え抜いた計画を作って数年かけてリリースするよりも、仮設を立てたら、複数のサービスを同時リリースして、ランダム比較化実験でその効果を測定した方が速い。

興味深いのは、米国や中国では、SaaSのトッププレーヤーはB2Cなのに、日本の楽天やモノタロウなどはB2B2Cというスタイルで異なる点だ。
もちろん、LINEのように、日本国民の殆どとつながっていて、その連絡先とつぶやきのようなログデータを既に持っている会社はB2Cだ。
しかし、日本で目立つSaaSプレーヤーはB2Bのクッションを通過した後でB2Cを提供するビジネスモデルが多いように思える。
その理由は分からないので、いつか知りたい。

プラットフォーム革命の感想~プラットフォーム企業は新たな独占企業である: プログラマの思索

規模の経済と経験曲線効果のメモ: プログラマの思索

【5】SaaSでは、大量のログデータがビジネスの副産物として採取される。
データはいくらでもある。
そこから、機械学習やディープニューラルネットワークに大量データを食わせることで、優れたAIエンジンを生み出すことも可能だ。
B2Cのプラットフォームビジネスでは、ユーザの個人情報は特定できるし、その購買行動はプラットフォーム上で全て追跡できる。
よって、ペルソナを仮想的に作って、より購買を促すようなプロモーションを打ち出して、潜在ニーズを掘り起こせる。

「告発 フェイスブックを揺るがした巨大スキャンダル」によれば、Facebookで、個人に68個のいいねがあれば、その人物に関する非常に具体的な情報をモデルから予測できる。
70個のいいねで、そのユーザの友人が知るよりも、その人の多くの個人情報がモデルから推測される。
150個のいいねで、親よりも、その人の多くの個人情報がモデルから推測される。
300個のいいねで、パートナーよりも、その人の多くの個人情報がモデルから推測される。
さらにその多くのいいねを見れば、ユーザが自分自身について知っていると思っている以上の個人情報がモデルから推測される。
つまり、個人の大量のログデータを収集できれば、その個人を丸裸にできる。
その個人情報を他人が知っている情報だけでなく、その個人自身が知らない潜在ニーズまで推測できるわけだ。
すなわち、ジョハリの窓という理論は、AIを使えばほぼ完全に実現できる可能性があると思う。

(それを悪用したのが、ケンブリッジ・アナリティカであり、彼らは、どの個人にどんなプロモーションを送ればどんな選挙行動に移してくれるか、を徹底的に研究して、トランプ効果や英国のEC離脱を生み出したわけだが。)

そんなことを考えると、SaaSは機械学習やニューラルネットワークと非常に相性がいい。
だから、テスラみたいに製造業もどんどんSaaSにシフトしているのだろうと思う。

| | コメント (0)

2020/04/12

行動経済学の面白さを紹介する記事のリンク

行動経済学の記事を読んで、チームビルディングやプロジェクト運営に行動経済学の知見を活用できると面白いだろうな、と思った。
ラフなメモ書き。

【参考】
わずか15年で3件ものノーベル賞を出した「行動経済学」の知見が、仕事の役に立ちすぎる件。 | 識学式リータ゛ーシッフ゜塾

マーケティング活動に活かせる行動経済学の基礎知識5選 | PINTO!

統計学の考え方に関する感想: プログラマの思索

IT企業が経済学者を雇い始めた理由が面白い: プログラマの思索

データ分析の課題はどこにあるのか: プログラマの思索

データ分析の面白さはどこにあるのか: プログラマの思索

【1】上記の記事には下記の例がある。

1.上司への悪い報告は、良い報告とセットで。かつ悪い話は先にせよ。

「終わり良ければ全て良し」のような経験則が人には染み込んでいるので、その先入観を活かす。

2.人材育成は「褒めても叱っても同じ」

(引用開始)
実際は、単に結果がランダムであり、「極端に悪かったら、次回はすこしマシになる」「極端によかったら、次は当然悪くなる」という現象が起きていただけだ。
(引用終了)

そう簡単に人材育成はできない。

3.昇給はできるだけ小刻みに。できる社員にはカネでなく「地位」を。

(引用開始)
具体的に言えば、年収400万円の人が、年収600万円となったとしても、それはたった4年で「慣れて」しまう。
要は「思い切って給料を上げて、従業員を幸福にする」のはコストパフォーマンスが悪い。
(引用終了)

社員への報いは、お金よりも地位を与えた方がコスト面で良い、ということか。

4.成功企業を検証して法則を導こうとする行為は無意味

過去の成功事例は、「ハロー効果と後知恵バイアス」を起こしやすい。

(引用開始)
これは、人間は「うまくいっている企業には、必ずなにか合理的な理由があるはずだ」と思い込んでしまうためによる。
だが実際、データが証明しているのはそれと真逆の結果だ。
分析から導き出した法則の多くは普遍性、再現性がない。「その時」「たまたま」うまく行ったことがほとんどなのだ。
(引用終了)

5.「わかりやすい」だけで、「知的だ」「信頼できる」と認識される

(引用開始)
これは人間の脳が「認知に関しての負荷が低いほど、好ましいと感じる傾向」を有しているいことに由来する。
(引用終了)

プレゼンではこのテクニックをうまく活用すべき。

【2】心理学の知見を使って、人間の言動が人事制度やチーム運営、経営などにどのような影響を与えるのか、を研究して、その経験則を生み出すのは面白い。
こういう行動経済学の学問は、昨今は、従来からの統計学の理論とコンピューティングパワーの強化によってすごく研究しやすくなったのだろうと思う。

【3】個人的には、チームビルディングやプロジェクト運営に行動経済学の知見を活用できないか、と思う。
プロジェクトリーダーがどのような言葉遣いや行動を行えば、チームをまとめて、プロジェクト運営をスムーズに行えるのか?
プロジェクトリーダーはどのような言動を行えば、リーダーシップをより一層発揮できるのか?

ソフトウェア行動経済学のようなものがあっても面白いだろうと思う。

| | コメント (0)

2019/12/28

「マーケティングとは「組織革命」である」の感想

「マーケティングとは組織革命である」を読んで、「組織改革に社内マーケティングの技法を使う」という内容がすごく面白かったのでメモ。
結論のないラフなメモ。

【1】地位が下の立場の人が、自分の提案を通して、組織を変えていくのはとても難しい。
僕も知らない。
でも、この本では、マーケティング技法を社内組織に適用すれば、上手くいくよ、と提示してくれている点が非常に面白かった。

【2】以下、僕の理解を書く。

【2-1】組織文脈
まずその提案は、組織の目的や戦略に合っているのか。
提案の目的に大義がなければ、他人の心に響かない。
目的には、困りごと、不文律や暗黙知、普遍的価値(売上拡大など)がある。

次に、誰が意思決定者なのか?
意思決定者がターゲットになる。

3つ目は、上司のが提案を評価する基準を知っているか?
審判は必ずしもフェアではない。

これらをまず把握して、自分の提案の整合性を取る。

【2-2】ターゲットは2つある
意思決定者がターゲット。
そのターゲットには、組織目的に忠実な人、自己保存に忠実な人の2種類がいる。
成功の鍵は、ターゲットを理解すること。
伝え方の前にターゲット理解が9割。

提案を通すのが下手な原因は、独りよがりであること、ターゲット分析が不十分だから。
なるほど、ターゲットを特定し、そのターゲットの心理変数を分析することが重要なわけだ。

【2-3】便益も2つある
ターゲット2つに対し、その便益も2つある。
公の便益と個の便益。

組織目的という公の便益の観点では、提案が通らない原因は、実現可能性を示すスキルが不足しているから。
これは、なるほどと思う。
コトラーのターゲット設定の条件である測定可能性、維持可能性、実行可能性、到達可能性のうち、実行可能性(実現可能性)を重視せよ、と言っているわけだ。

個の便益という自己保存の利益の観点では、自己保存に忠実なターゲットに対し、実利系の利益を直接示したり、承認欲求の利益を提示することが重要。
ただし、日本人には実利系の利益を見せると建前上断られるので、伝え方が重要。

【2-4】伝える手段は4つある
伝える手段の4つのタイプ、攻撃型、積極型、反応型、消極型それぞれに対して伝え方がある。
この辺りは書籍の中で色々説明してくれている。

だめな営業マンは、客の幅が狭い。
その原因は、自分の相性に客の種類を当てはめすぎ。
無意識に、自分の相性に合う客層を選んでいるから。
つまり、ターゲット設定が狭い。
よって、自分の相性に合わない客にも対処できるように、客の幅を広げていくべき。

| | コメント (0)

2019/12/27

お金2.0 新しい経済のルールと生き方の感想

自然界のあらゆるものは時間の経過と共に価値が減っていくのに、通貨のみは価値が減らないどころか、金利によって増えていく。それは欠陥だ。
だからスタンプ貨幣を導入して、通貨にマイナス利子率をつけよう、というゲゼルの主張。

ビットコインは、報酬設計が秀逸。
インセンティブを強調しすぎて崩壊する金融市場。
誰が得するのか不明な新技術。
理論の美しさのみで実現する気のない思想論文。
しかし、ビットコインは、経済、テクノロジー、思想のそれぞれが役割を果たして、うまく報酬設計がなされている。
ビットコインの発案者は理想主義者ではなく、動くものを作りたい現実主義者ではないか、と。

| | コメント (0)

2019/06/16

業務系エンジニアが生き抜くのは難しい時代になった

業務系エンジニアが生き抜くのは難しい時代になったという記事をリンク。
以下、脈絡のないポエム。

【参考】
業務系エンジニアはどうしていくべきか? - 急がば回れ、選ぶなら近道

【1】日本のSIなら、プログラマからマネージャになるにつれて、実装技術から離れてしまい、どんどん技術から離れていく。
すると、一番怖いのは、技術の目利きが落ちることだと思う。
最新技術のメリット、デメリットをいち早く見抜き、どの場面で適用すると上手くいくのか、逆に失敗するのか、という目利きができなくなると、正直怖くなる。

結局、技術の全部を抑えておかないと難しい。

【2】「最終的にはシステムはIOに行き着く」という指摘は秀逸。
アプリ、ミドルウェア、インフラなどの層別アーキテクチャ(N-Tier)はいつの時代も基本。
最近は、インフラが熱い。
インフラを押さえれば、最近の技術の動向はいち早く把握できる。

【3】イノベーションを常に強いられる業界は、そこで働く人にとっては苦痛に思える人も多いだろう、と思ったりもする。

実際、若かった人も年を取ればどうしても、過去の経験値に縛られたり、集中力や瞬発力が落ちるので、新しい文化を取り入れるのが難しくなる。
広岡達朗の著書の中で「人間は常に保守的な存在だ」という文言を以前読んだことがあったが、たぶんその言葉は真実なのだろう。
人間は、従来成功したやり方を明日からいきなり変える、ということに抵抗感があるのだろう。

経験値がゼロで、獲得した資産や家族がなければ何も怖くはない。
しかし、長年蓄積してきた資産、経験、家族が増えてくれば、それを全て捨て去り、一から作り出すのは心理的に難しくなる。
一方、イノベーションのジレンマでは、過去の資産を活用できるプロセス・イノベーションを前提にしていない。
むしろ、イノベーションを阻害するような過去の経験は無い方が、イノベーションを生み出しやすい。

イノベーションを常に強いられるIT業界は、脱落するエンジニアが多く、経験豊富な人よりも若者の方が有利、という特徴が出てくるのだろう、と思う。
そして、「IT業界はイノベーションが激しい」ということと「IT技術は後方優位性が強い」ということは同じ意味なのだろうと思う。


| | コメント (0)

2019/05/31

IOTは組立加工工場を中央制御型工場へ変える

ラフなメモ。
IOTはなぜ流行るのか?
下記の記事を読んでようやく分かった。

【参考】
お知らせ:「化学工学」誌に論文『ディスクリート・ケミカル工場の生産システムを考える 』が掲載されました : タイム・コンサルタントの日誌から

90年代までに日本の製造業の工場は、FA、FMS、CIMなどで既に、生産工程はほぼ自動化されている。
しかし、上記の記事から推測すると、組立加工の製造業のほとんどはたぶん、中央制御型工場ではなく、現場や各工程に分権化されている。
一方、化学プラントなどのプロセス系工場では、中央制御室による中央制御型工場が既に実現されていた。

では、なぜ、組立て加工の工場は、化学プラント工場のように、中央制御型にできないのか?
上記の記事では、工場設計の「アーキテクチャーの差異が、じつは扱うマテリアルが流体か固体かという、単純な違いに起因する」と主張する。

しかし、昨今のIOT技術を用いると、「従来モジュラー型でしか設計し得なかった組立加工系の工場を、インテグラルなシステムに変える潜在的可能性を持っています。この可能性に早くから着目したのが、ドイツの「インダストリー4.0」構想でした」。

つまり、IOT技術を駆使すれば、工場は完全無人化、完全自動化を実現できる可能性があるわけだ。
実際、Amazonの物流倉庫は完全自動化を目指しているわけだから、工場でも可能なはずなわけだ。

一方、日本の製造業の現状として、バブル崩壊後ずっと、過剰生産による設備投資に悩まされてきたので、生産設備の改善が停滞していた。
しかし、昨今のIOT技術の隆盛によって、ドイツがこの可能性にいち早く着目して政府主導で行った結果、実は日本は遅れていたのではないか、という見方が日本のメーカーでも強まってきた、というストーリーなのだろう。

| | コメント (0)

規模の経済と経験曲線効果のメモ

規模の経済と経験曲線効果は、どんな事業を起こすにしても、必ず使うビジネス上の経験則と思う。
以下は自分が理解したラフなメモ書き。
間違っていたら後で直す。

【1】規模の経済と経験曲線効果の違いは何か?

「規模の経済」とは、生産規模の拡大により、単位当たりの生産コストが低くなる事。
「経験曲線効果」とは、製品の累積生産量が増加するに従い、製品1単位当たりの生産コストが一定割合で減少すること。
つまり、規模の経済はハード面、経験曲線効果はソフト面に相当する。

規模の経済は、大企業なら大規模な資金を設備投資に振り向けることで実現できるが、中小企業には難しい。
しかし、経験曲線効果なら、中小企業でも、同一の製品の生産を繰り返し行うことで、作業員の経験値が上がることで、コストを下げることができる。

【2】規模の経済は、どんな業界に使われているのか?

たとえば、製造業のように、工場の設備投資と生産工程の標準化活動で成果を出しやすい。
また、規模の経済と経験曲線効果は製造業だけでなく、他の業界でも通用する場合が多い。
たとえば、コンビニや外食チェーンのようなフランチャイズ系列でも、大量仕入れによる原価低減と多店舗展開における販売サービスの標準化にも見られる。
つまり、小売・卸売業などでも、規模の経済の発想は使われている。
労働集約型の業界でも、経験曲線効果をいかに引き出すか、という視点の改善活動は必要らしい。

【3】規模の経済は、資本主義にとってどんな意義を持つのか?

おそらく資本主義というシステムは、設備投資効率を向上させてきた歴史がある。
その要因の一つには、規模の経済によるコスト低減効果があったからではないか。
実際、20世紀の歴史を振り返ると、銀行が全国民から貯蓄を収集し、そのお金で製造業へ大規模な設備投資を行い、大量生産してきた。
その結果、企業も政府もどんどん大規模になり、最終的にはとてつもない大規模な官僚制組織になった。

資本装備率(しほんそうびりつ)とは - コトバンク

(引用開始)
労働量に対する資本量の比率。正しくは労働の資本装備率,あるいは資本集約度という。
資本装備率は個別企業としても,また産業別にも,あるいは国民経済全体としても計測されるが,いずれにせよ雇用労働者数を L ,資本設備額を Kとすれば,この比率は K/Lとして表わされる。
資本装備率の上昇は生産力の増大を意味し,資本主義的経済発展は絶えずこの比率を上昇させる傾向にある。
(引用終了)

よって、規模の経済は資本主義の要となる重要な考え方ではないか?

【4】規模の経済に限界はあるのか?

ある一定規模までは、設備投資や経験曲線効果は有効に作用するが、いずれ壁にぶち当たる。
その壁にぶち当たるまでは、企業は価値連鎖となる工程や活動だけでなく、付随する活動も自社で内製化・内部保持する事で、規模の経済を活かそうとする。
たとえば、以前の日本の製造業では、本業の自動車・電気製品の事業だけでなく、従業員の出張サービスや娯楽サービスなどに至るまで事業として内製化してきた。
そういう事業として内製化した理由はおそらく、規模の経済のメリットを活かすためだったのだろう。

しかし、『プラットフォーム革命』によれば、人員や有形固定資産に縛られること、組織が大規模化することで複雑化する為に、規模の経済の効果は限界にぶち当たる。

プラットフォーム革命の感想~プラットフォーム企業は新たな独占企業である: プログラマの思索

【5】規模の経済が活用できない業界はあるのか?

労働集約的な業種では、規模の経済・経験曲線の効き目は小さいだろう。
サービス業や、会計事務所・病院などのようなプロフェッショナル官僚制組織では、組織の大規模化による規模の経済のメリットが薄いかもしれない。

特に、ソフトウェア開発では、人月の経験則のように、大量の人員による開発は生産性のさらなる低下を生み出すことは既に知られている。

ソフトウェアの複雑性は本質的な性質であって偶有的なものではない: プログラマの思索

一方、IT業界では、限界費用がゼロに近くなり、収穫逓増の法則になる。
たとえば、『プラットフォーム革命』のストーリーでは、IT業界におけるGAFAやBATのようなプラットフォーム企業では、人員や設備などの有形固定資産が無い為、限界費用はゼロとほぼ同じくなるので、規模の経済の限界がないと考えられる。
よって、プラットフォーム企業による自由競争の結果、唯一の企業による自然独占になり、市場と同規模になるまで成長することで、小国のGDPに相当するくらいの独占企業が生まれることになる。

プラットフォーム革命の感想~プラットフォーム企業は新たな独占企業である: プログラマの思索

【6】規模の経済は経済学の考え方と矛盾するのか?

マクロ経済学のどこがヤバいのか

ミクロ経済学の基本的な考え方の一つに、「需要と供給の均衡」がある。
一般に、消費者の需要と生産者の供給量は、交差する1点、均衡価格に必ず落ち着く。

その考え方の前提には、「限界効用の逓減」「限界費用の逓増」の2つがある。
「限界効用の逓減」は分かりやすい。
たとえば、消費者にとって、生ビールの1杯目は美味いが、5杯、10杯と飲み続けると限界効用は低減する。

「限界費用の逓増」は「収穫逓減」と同じ。
たとえば、農業のように、肥料や労働者を増やしても、土地の面積は限界があるので、費用の増加分よりも産出量は少なくなる。

一方、規模の経済の概念はまさにその真逆で、たくさん作るほど「限界費用は低減」していく。
生産者にとって、同一製品を大量生産・同一原材料を大量仕入れすることは、規模の経済により限界費用は低減し、コスト削減につながる。
つまり、「限界費用の逓増」は規模の経済と矛盾する。
この部分はどうつじつまを合わせるように考えたら良いのか?

おそらく、平均費用のグラフを使って、ある一定規模までは「限界費用は低減する」が、上限を超えると「限界費用は逓増」する、と考えることで折り合いを付ける。

| | コメント (0)

2019/04/22

IT企業が経済学者を雇い始めた理由が面白い

最近、IT企業が経済学者を雇い始めた理由を解説する記事をちらほら見かける。
記事が面白いのでリンクしておく。
以下は、自分の理解のラフなメモ書き。
間違っていたら後で直す。

【参考】
IT企業はなぜ経済学者を積極的に雇い始めたのか | HBR.ORG翻訳マネジメント記事|DIAMOND ハーバード・ビジネス・レビュー

米アマゾンらが経済学者を雇う理由~デジタル経済学者のシェアエコ化(石角 友愛) | マネー現代 | 講談社(1/3)

IT企業による経済学の活用 : 遠い呼び声の彼方へ!

(引用開始)
第一に、最先端の経済学の理論は、IT企業が必要とするサービスの要素技術になり得るからです。
例えば、日経ビジネスに掲載されたハル・ヴァリアン教授のインタビューによれば、ヴァリアン教授が主導し、広告オークションの設計にオークション理論を取り入れ、AdWordsの設計を行ったそうです。
(中略)
第二に、最先端の経済学者はIT業界が必要とする統計のエキスパートであるという点です。
最先端の研究では、経済学者は統計理論を活用し、事象をモデル化することが要求されます。
結果、経済学者は統計によるデータ処理のエキスパートとなっています。
一方でIT業界も、データを活用するためのは統計処理が不可欠です。そしてビッグデータの時代になるほど、高度な統計処理が要求されます。
結果、ITサービスの開発やグロースに必要なデータ処理やそのモデル化に、統計学者の知見が活かされているのです。
(引用終了)

【1】昨今のAIや機械学習の隆盛を見ると、心理学や経済学のような文系の学問とIT技術の組合せが非常に相性がいいのだろう、と感じる。
その理由は2つある。

【2】一つは、心理学や経済学が過去数百年に渡って蓄積してきた理論や知見は、「市場や社会集団に対し、どのような社会制度や経済政策を整備すれば、人にインセンティブで動機づけさせて、あるべき正しい方向に人の行動を律することができるか」という問題をずっと考えてきたからだ。

その手法は、政治、経済の分野だけでなく、ショッピングサイトやオークションサイト、Uberやエアーアンドビーなどのマッチングサイト、などの多数のWebシステムに簡単に適用できる。
特に、マッチングサイトでは、情報やサービスを提供する生産者とそれを購入する消費者の間で、お互いに最大の利益を得るようなマッチングを計算する必要があるが、まさにそのアルゴリズムは、どのような仕組みをWebサイトに導入すれば取引が全体最適化されるか、という問題に置き換えられるからだ。

あるいは、SNSや広告エンジンのマーケティングでは、どのようなターゲット層にどんな広告内容を表示すればマーケティング効果が得られるか、という問題に対し、心理学の知見を活かすことで、ターゲット層に具体的なペルソナを作り出して、ABテストでマーケティング手法を実験する、ということも簡単に実行できるからだ。

つまり、既存のIT技術を使った結果に、心理学や経済学の過去の知見を適用すれば、そのデータに価値観を与えることができる。

まあ、振り返ってみれば、経済学はマンキューによれば「インセンティブの学問」でもあるし、一方、心理学も人間の性格に関する理論を数多く生み出してきたので、その内容を昨今のWebシステムに適用できるのは当たり前ではある。

【3】もう一つは、心理学者や経済学者は統計のスペシャリストであること。
実際、心理学や経済学の学部の卒論、修士論文は、アンケートから統計的有意性を評価したり、膨大な行動・経済データから因果関係を導いて理論化するなどの内容ばかりだ。
つまり、彼らは、統計学を自分達の学問で理論化するときの手段として普通に使っている。
その作業はまさに、最近もてはやされるデータ・サイエンティストの作業と全く同じだ。

昨今のコンピューティングパワーのおかげで、統計処理という煩雑な計算は全てプログラムで代用できる。
それにより、心理学や経済学が本来やりたかった「人にどんなインセンティブを与えると、あるべき方向へ行動を誘導できるか」という問題を簡単に実験できるようになった。

実際、Uberでは、ミクロ経済学の授業の最初に出てくる需要曲線や消費者行動曲線をリアルに導き出すことに成功した事例があった。
需要曲線が分かれば、供給曲線は生産者自身が制御できるので、均衡する価格を生産者自身が誘導する事ができる。

他に、たとえば、税金をどのように表示すれば、消費者の需要を損なわずに購買意欲を引き立てることができるか、という行動経済学の実験もあった。
この実験で得られた内容は、まさに政府の経済政策に取り入れれば、消費税率が上がったとしても景気の腰折れをさせないような効果を生み出す可能性があるだろう。

【4】他方、個人的には、機械学習やニューラルネットワークなどのAI分野において、昨今のIT技術で、過学習の問題をどう解決しているのか、に興味がある。

いくらコンピューティングパワーが上がったとしても、間違った方向で計算して過学習の状態、つまり鞍点に陥れば、本来の全体最適された結果が得られない。
この問題は古くから知られていて、解決方法も色々あげられているが、まだしっくりと来るものは感じない。

【5】「心理学や行済学のような文系の学問とIT技術の組合せが非常に相性が良い」事が分かれば、今後、IT技術者には、心理学や経済学の学習も必要にされてくるかもしれない。

IT技術者はプログラミングという道具には詳しいが、ビジネス上の問題を解決する手法は知らない。
たとえば、「eショッピングやマッチングサイトでどんな設計にすれば売上が増大するのか」「生産者や消費者にどんなインセンティブを与えれば、売上向上につながるような行動を誘発できるか」という問題を解決するには、心理学や経済学の知見を使って、ユーザを誘導するシステム設計を実現することが求められるからだ。

一方、心理学や経済学は膨大な理論を蓄積してきたので、彼らの手法をIT技術で実現するだけで、簡単にその有効性を評価できるはず。
手当たり次第、彼らの手法をIT技術で試してみてもいいわけだ。

そんな事を考えると、面白い時代だな、と思う。
文系の学問は役に立たないと昨今言われるけれど、実は、こういう場面で非常に有効と分かるからだ。

【6】でも、心理学や経済学の理論によって「人のインセンティブで行動を誘発させる」手法を悪用すれば、甚大な影響も起きるだろう。

たとえば、アメリカのトランプ現象、英国のEU離脱などの政治現象を見ると、FacebookのようなSNSを使って民衆の政治行動を悪い方向へ誘導させることも実現可能になったのかな、とも思う。
また、炎上マーケティングのように、過激な発言に数多くの人が「いいね」「リツイート」させられることで、莫大な広告収入が得られるなら、そういう方向へどんどん過激化させていく方向に進んでしまう。
つまり、売上向上の最適化を図るアルゴリズムが暴走すれば、「人のインセンティブに故意にエネルギーを注ぎ込むことで、過激な行動へ走らせる」方向へ進んでしまうわけだ。

実際、一人の人間として知性があったとしても、集団心理学の観点では、リスキーシフトのように、より過激な意思決定に進んでしまう事例は、過去の日本の敗戦や米国のベトナム戦争のように、既にある。

今は、ビジネスに限らず、政治経済の分野で、心理学や経済学とIT技術の組み合わせによる壮大な実験が平行で行われている時代のように思える。

| | コメント (0)

2018/11/16

ポーターの競争戦略の考え方

ポーターの競争戦略の考え方がようやく分かったのでメモしておく。
自分だけのメモ書き。

【参考】
外部環境分析:ポーターのファイブ・フォース分析から考える | 経営戦略を読み解く?実務と理論の狭間から?|DIAMOND ハーバード・ビジネス・レビュー 1ページ

外部環境分析:ポーターのファイブ・フォース分析から考える | 経営戦略を読み解く?実務と理論の狭間から?|DIAMOND ハーバード・ビジネス・レビュー 2ページ

外部環境分析:ポーターのファイブ・フォース分析から考える | 経営戦略を読み解く?実務と理論の狭間から?|DIAMOND ハーバード・ビジネス・レビュー 3ページ

外部環境分析:ポーターのファイブ・フォース分析から考える | 経営戦略を読み解く?実務と理論の狭間から?|DIAMOND ハーバード・ビジネス・レビュー 4ページ

外部環境分析:ポーターのファイブ・フォース分析から考える | 経営戦略を読み解く?実務と理論の狭間から?|DIAMOND ハーバード・ビジネス・レビュー 5ページ

戦略論の復習②…ポジショニングアプローチ | 田舎者の受験日記

【1】ポーターの競争戦略の基本構想はこんな感じ。

経済学の分野の中で、産業組織論がある。
産業組織論では、ある業界(市場)の制約条件が企業行動を制約し、結果として企業の収益率を決定する。
いわゆるSCPモデルでは、売上と収益率の分布図を書くと、V字モデルで表現される。
つまり、高収益企業は、売上は小さいがニッチ市場に特化した中小企業か、売上が大きく規模の経済を活かした大企業のいずれかになる。

V字カーブ

この考え方を逆手に取って、企業は、業界内で収益率の高いポジションへ移動すべき、というポジショニングアプローチを取る。
つまり、ポジショニングアプローチとは、①外部環境を分析して機会のある産業を発見し、②当該産業へ進出して参入障壁を築き持続的競争優位を確立する、という考え方で、産業分析→基本戦略の決定の順に行う。

すると、課題は「収益率の高い産業をどのように発見するのか」になる。

一般的な手順としては、
①PPM分析や5フォース分析を行い、収益率の高い産業を探す
②進出すべき産業が見つかったら、ポーターの基本戦略に基づき、業界のターゲットの幅と競争優位の源泉の2軸による分析で、コストリーダーシップ・差別化・集中戦略のいずれかを採用する
③基本戦略が決まったら、最後にその実施による参入障壁の形成と、持続的競争優位を確立し維持する
④さらに、自社の経営資源をバリューチェーン分析し、強みである経営資源の差別化を図る

価値連鎖(バリュー・チェーン)と活用方法

【2】ポーターの競争戦略で面白い、と思った点は2つ。

一つは、産業組織論という経済学の理論を背景にしているので、実証データがあり、経営学という曖昧な学問にも論理的な枠組みを提供して、思想を整理できること。

もう一つは、「プラットフォーム革命」を読んでみて、ポーターの競争戦略やコースの定理という経済学の基本思想を元にGAFAのような大手プラットフォーム・ビジネスを分析してみると、非常に分かりやすい、と思ったこと。
ゼロ・トゥ・ワン」を読んで、プラットフォーム企業は独占利潤を得るから安定している、みたいな主張がよく分からなかったけれど、「プラットフォーム革命」を読んで何となく分かった気がした。
the four GAFA 四騎士が創り変えた世界」の内容も、ポーターの競争戦略の基本思想「ポジショニング」「バリューチェーン」から考えると分かりやすくなると思う。

経営理論は、経営者という人に依存した理論と思っていたけれど、経済学の発想を適用すれば、政治的力を持つ人の恣意的な意思決定に無関係に決定する内容が多い、ということが分かった。
また、大手プラットフォーム・ビジネスも、従来の製造業の仕組みとは異なるビジネスモデルであったとしても、経済学の理論や制約条件に依存しているし、そこから離れられない。

【3】僕の理解では、プラットフォームビジネスとは、経済学の言う「貿易利益」で儲けている。

そのプラットフォームは、自由競争のない計画経済の基盤から成り立っているので、事実上の独占状態であるから、独占利潤を独り占めできる故に、史上最大の企業価値を持つに至った。

たとえば、GAFAやアリババは、何もない所から貿易利益によって莫大な独占利潤を得ていて、その利潤は、小国のGDPをはるかに凌駕するくらいの価値を生み出す。
しかし、Facebookの影響力が大きすぎるがゆえにトランプ大統領を生み出したように、プラットフォーム企業は民主主義制度を破壊するくらいの政治的影響力を持つという側面も出てきた。
この辺りの理論と現実は、現在進行中みたいな感じなのだろう。

この辺りの理解した内容も後でまとめる。

| | コメント (0)

2018/11/06

ネット小説「悪の組織の原価計算」のリンク

商工会議所がネット小説「悪の組織の原価計算」を公開しているのでリンク。

【参考】
ネット小説「悪の組織の原価計算」の連載を開始しました | 商工会議所の検定試験

簿記でもこういう小説が公開されるとは、時代の流れを感じる笑。

| | コメント (0)

より以前の記事一覧