イニシアチブを完了しなくても、その恩恵を受け始めることができます：アジャイルな価値獲得への取り組み
アジャイルな価値獲得アプローチでは、データの収集、クレンジング、および標準化を開始すれば、すぐに指標に基づいてパフォーマンスの測定を開始できます。
実施計画は予定期間と予算を超過する。買収は約束された収益やコストシナジーを実現できない。リストラ策は名ばかりの、曖昧な効果しかもたらさない。
原因は複数あります。
-
長期的な視点の欠如 – 恩恵が実際に届く頃には、それを申し込んだ経営陣はすでに異動している。
-
劣悪な統治 – 恩恵を受ける権利を主張する者は多数おり、いわば「クッキーの瓶に手を入れる」状態だ。そして組織内では、特定の恩恵が何によってもたらされたのかについて意見が一致しない。この取り組みが原因だったのか、それとも別の取り組みだったのか？あるいは単なる偶然だったのか？
-
責任の所在が不明確 – プログラムリーダーや上級幹部は、明確な責任者を定めずに組織単位を福利厚生の対象として登録してしまう。プログラムが終了すると、価値創出を推進するための人員が維持されず、事業部門も同様に人員を削減してしまう。
-
不十分な計画と予算編成 – 価値創出のための人員配置予算は計画されていない。データおよび分析機能への投資は資金不足に陥っているか、最初の予算編成段階で削減される。
-
指標の政治化 – マネージャーは、既存の指標を操作して合意された業績目標を達成したり、自分の地位を守ったりする方法を既に把握しているため、指標の変更や新たな指標の作成に抵抗する。指標を見直して新たな作業が必要になれば、膨大な量の作業が発生し、結果をコントロールできなくなる可能性があるからだ。
-
不十分なパフォーマンス指標とデータ管理 – 指標が定義されていないか、ビジネスニーズを反映していない。指標には将来の結果を比較するための有効な基準値がなく、データ負債も存在する。また、データの複雑さにより、結果をタイムリーかつ正確に測定することができない。
価値獲得パフォーマンスの低迷の主な要因は、組織的要因と行動的要因に大きく起因する。
しかし、価値獲得について私たちが一般的に考える方法には、もう一つ重大な欠陥、つまり方法論上のギャップがあります。それは、「ウォーターフォール」方式で行われていることです。簡単に説明すると、ウォーターフォール方式では、活動とフェーズがAからB、Cへと順番に並べられ、後の活動と成果は、前の活動と成果によってほぼ厳密に決定されます。価値獲得とROIの観点から言えば、これは簡単に言えば、利益を得るためにはプログラムを完了しなければならないということです。そうですよね？
違う。
まあ、それが間違っているとしましょう 今が、それ 以前は 概ねその通りだが、その歴史的視点によって、価値獲得に対する私たちの見方が不正確に歪められている。
企業は、売上や利益率の向上、新規市場への参入、製品やサービスの品質向上、運転資金の削減など、成果を上げるために大規模で複雑なプログラムを実施します。私たちはこれらの成果を指標によって測定します。そして、その指標はデータに依存します。
現在、データは混乱状態にあり、指標や分析機能は混乱しているため、デフォルトの思考プロセスは、まずこれらの問題をすべて解決することです。 その後 価値を高める。理にかなっているでしょう？
-
-
-
しかし、必ずしもそうとは限りません。むしろ、データ管理と分析における現在の能力を活用すれば、データを一元的に収集した後、実行と並行して価値獲得の機会を特定し始めることができます。これは、最も複雑なプログラムにも当てはまります。メリットの特定、監視、測定を開始するために、イニシアチブ全体を完了させる必要はありません。
-
私たちは運転できます アジャイルな価値獲得簡単な復習：アジャイル開発手法では、作業をより小さな単位に分割し、より高い並列性と柔軟性をもって段階的に実行します。
-
-
アジャイルな価値獲得アプローチでは、データの集約、クレンジング、標準化を開始すれば、すぐに指標に基づいたパフォーマンス測定を開始できます。最新のソフトウェア機能により、データの仮想化と相互関連付けを迅速に行うことが可能になり、指標と成果に基づくROIを推進する力が強化されます。
-
簡単な例として、M&Aプログラムの一環として、調達リスク管理を改善し、売上原価を削減したいとします。これらの指標を算出するためのデータは複数の情報源やシステムから得られる可能性が高いですが、それらを統合（または「ステージング」）することで、調達支出の統合状況や、統合された購買支出に対して最適なボリューム価格を得られているかどうかを早期に把握できます。
-
このアプローチの利点は、データが不完全であったり、多少矛盾があったりする場合（例えば、仕入先と購入している材料を100%「統一」できない場合）でも、取引量の多い仕入先と材料を早期にマッピングして照合することで、ベースラインとなる指標を作成できる点です。主要な材料を1つの仕入先からのみ調達している場合など、大きなリスクや、データが重複しているために価格/数量割引が適用されていない場合など、大きな売上原価削減につながる可能性のある要因を特定するために、データが完璧である必要はありません。実際、管理対象のプログラムデータにパレート分析に基づくアプローチを採用することは、有効かつ価値のあるアプローチです。なぜなら、取引量の多い要素（この場合は仕入先と材料）はデータセット全体に過剰に反映されているため、早期にそれらを把握できるからです。逆に、取引量の少ないデータは過小に反映されているため、大きなビジネス上のメリットをもたらす可能性は低いでしょう。
-
重要なのは、M&Aにおける収益シナジー、ERPやその他の大規模システム統合におけるデータ移行などにおいても、同様の機会が存在するということです。データを移行プラットフォーム、データレイク、またはその他の堅牢なテクノロジーリポジトリに準備したらすぐに、AIと機械学習を使用して、データのマッチング、マッピング、および合理化プロセスを開始できます。これまで存在しなかった場合でも有効なベースラインを作成でき、多くの場合数年かかる大規模な変革プログラムが完了するずっと前から、指標に基づいたパフォーマンス向上に着手できます。
-
ウォーターフォール型開発からアジャイル型バリューキャプチャーへの移行には、さらなるメリットがあります。最も重要なのは、プログラムの資金調達曲線と投資対効果（ROI）が変わることです。イニシアチブが終了する前にメリットが実現し始めるため、プログラムは自己資金で運営できるようになり、資本支出や損益計算書上の資金調達要件が削減されます。
-
そして、早期にビジネス価値を実現することで、利益実現を阻害する根本的な問題の大部分を解消できるのです。
-
長期的な視点の欠如 – 今はスピードを上げて進めています。そうすることで、経営陣の注意を引きつけ続けることができるからです。
-
劣悪な統治 – このプログラムのメリットはすぐに実感できます…誰が功績を称えられるべきかは明白です。
-
責任の所在が不明確 – メリットが現れたとき、マネージャーはそれを獲得するために戦うだろう…見つけ出して実現させる責任から逃れるために逃げ出すようなことはしないだろう。
-
不十分な計画と予算編成 – データ変換作業に分析機能を組み込んでいるので、大きな追加コストにはなりません。
-
指標の政治化 – これに対する特効薬はないが、早期に状況を把握することで、「ゾンビ指標」を擁護・維持することがより困難になる。
-
不十分なパフォーマンス指標とデータ管理 – 指標と基準値は段階的に定義できます。すべてを最初に決める必要はありません。
-
-
最新の最高水準のデータ管理ソフトウェアは、アジャイルな価値創出を実現する上で不可欠な要素であることは明らかです。ビジネス成果と結びついた明確なデータ戦略もまた、極めて重要です。
-
綿密に練られたデータ戦略は、ビジネス価値をパフォーマンス指標に、そしてパフォーマンス指標をその基盤となるデータに結びつけます。イニシアチブの終了を待ってから価値の測定と実現を始めるのではなく、アジャイルな方法でデータを活用すること自体が、データ戦略の重要な要素です。私たちはデータを後回しにするのではなく、データを活用してビジネスを推進していくのです。
-
ビジネスリーダーとして、私たちはアジャイルな価値創造を通じてROIを特定、監視、推進することを強く主張すべきです。本の最後の章まで待つ必要はありません。今すぐにその恩恵を享受し始めるべきです。
-
