Ch7 01: あなたがすでに所有しているデータ#

テスラはあなたの運転を知っている。

保険会社が年齢や郵便番号からリスクを推測するような、曖昧で統計的な方法ではない。テスラは具体的に知っている。どれだけ強くブレーキを踏むか、どれだけ速くアクセルを踏み込むか、どれだけ車間距離を詰めるか、どれくらいの頻度でオートパイロットを使うか、毎週何マイル走るか。リアルタイムで、路上のすべての車について、毎日毎分、把握している。

何年もの間、このデータはひとつの目的にしか使われていなかった——エンジニアリングだ。オートパイロットの改善、車両の不具合診断、バッテリー性能の最適化。コネクテッドカーを作る過程の副産物だった。排気ガスのようなものだ。誰もそれをビジネス資産だとは考えなかった。

ある人がこう問いかけるまでは——このデータが、保険業界がこれまで見たどんなものよりも正確に保険料を算定できるとしたら？

従来の自動車保険の価格設定は、推測の連続だ。保険会社はあなたの運転を見ることができない。行動を観察することもできない。だから代理指標に頼る——年齢、性別、居住地、信用スコア、運転記録。これらの代理指標はリスクと相関するが、その相関は緩い。慎重な60歳と無謀な60歳が、ほぼ同じ保険料を支払う。モンタナ州の田舎で年間1万マイル走る25歳と、ロサンゼルスで3万マイル走る25歳が、似たような料率になる。

業界はこれが不正確であることを知っている。しかし、歴史的に精度の向上は不可能だった。なぜなら、データがそもそも存在しなかったからだ。運転行動を観察できなければ、運転行動に基づく価格設定はできない。

テスラはその方程式をひっくり返した。データは存在していた。すでに収集されていた。唯一の問いは、それを使うかどうかだった。

テスラ保険は、根本的に異なる価格モデルで立ち上がった。人口統計学的な代理指標の代わりに、車両自体のセンサーでリアルタイムに計測された実際の運転行動を使った。安全な運転者は保険料が下がる。リスクの高い運転者は保険料が上がる。そして「安全」と「リスクが高い」の定義は、あなたのような人々に関する統計に基づいていたのではない。あなた自身に基づいていた。

影響は即座に現れた。安全な運転者——旧モデルではリスクの高い運転者をひっそりと補助金で支えていた人たち——は、保険料が下がるのを目の当たりにした。初めて公正な価格を得ていたのだ。そして価格設定が透明だったため——どの行動が保険料に影響するかを顧客は正確に確認できた——フィードバックループが生まれた。より安い料率を望む運転者は、自分の習慣を調整した。この保険はリスクを正確に価格設定しただけではない。リスクを低減したのだ。

しかし、ここでのより深いストーリーは保険についてではない。プロダクトの境界についてだ。

多くの企業は、自社が作るもので自社のプロダクトを定義する。テスラは車を作る。ホテルチェーンは客室を提供する。航空会社は座席を売る。これらの定義は自然に感じられる。しかし同時に、ビジネスにおいて最も制約的な前提の一つでもある。

テスラは単に車を作っているのではない。テスラは、運転行動、道路状況、車両性能、顧客の使用パターンに関する継続的なデータストリームを生成するコネクテッドデバイスのネットワークを運営している。そのデータは資産であり、車自体と同等の価値を持つ可能性がある。そしてそれは、車両製造とはまったく無関係なビジネスの燃料となりうる。

保険は最初の、そして最も明白な展開だった。しかし、この原理はさらに広がる。同じ運転データは、駐車場、通行料、道路アクセスの使用量ベースの価格設定を支えることができる。車両の健康データは、フリートオペレーターに販売する予測メンテナンスサービスの基盤となりうる。エネルギー消費データは、スマートグリッド統合に活用できる。それぞれが潜在的な事業ラインだ——テスラが多角化を決めたからではなく、データがすでにそこにあり、スイッチを入れるのを待っていたからだ。

私はこれをデータ資産の飛躍と呼んでいる——業務データを副産物として扱うことから、一次資産として扱うことへの転換だ。

ほとんどの企業は、この転換の第一段階で止まっている。日常業務の一環としてデータを収集している——すべての取引、すべてのインタラクション、すべてのセンサーのピングがデータを生成する。しかしそれを内部でしか使っていない。業務ダッシュボード、レポーティング、トラブルシューティング。データは既存のビジネスに奉仕している。新しいビジネスを生み出してはいない。

第二段階は、既存のビジネスの中で顧客体験を向上させるためにデータを使うことだ。予測メンテナンス——ブレーキパッドが故障する前に交換が必要だと顧客に通知すること——がその一例だ。データはまだコアビジネスに奉仕しているが、単なる内部効率ではなく、顧客に直接的な価値を生み出している。

第三段階は、データを使ってまったく新しい事業ラインを立ち上げることだ。テスラ保険がその代表例だ。エンジニアリング目的で収集されたデータが、独自の収益源、独自の価値提案、独自の競争力学を持つ別のビジネスを動かしている。

各段階には視点の転換が求められる。第一段階には新しい思考は必要ない——データ収集はただのオペレーションだ。第二段階には「このデータでプロダクトをどう良くできるか？」と問いかけることが必要だ。第三段階には「このデータが支えられる、まだ存在しないビジネスは何か？」と問いかけることが必要だ。

このストーリーにはもう一つ、スポットライトを当てるべき角度がある——競争上の堀だ。

テスラが保険を展開したとき、従来の保険会社はたとえ望んでも対抗できなかった。データを持っていなかったからだ。すべての車両にセンサーがなかった。すべての顧客の車へのライブソフトウェアリンクもなかった。ゼロから構築するには、何年もの時間と何十億ドルもの投資が必要だっただろう。

これこそが、データ駆動型の拡張を競争戦略として致命的なものにしている理由だ。データは独自のものだ。自社のオペレーションによって生成される。競合他社はそれを購入することも、複製することも、リバースエンジニアリングすることもできない。そして事業を続ければ続けるほど、データは積み上がり、モデルはより鋭くなり、追いかける者との差はますます広がる。

車がビジネスだった。データが堀になった。そしてその堀は、元のプロダクトが想定していなかったビジネスへの扉を開いたのだ。

ガイダンス#

あらゆるビジネスはデータを生み出している。問題は、それを排気ガスとして扱っているか、燃料として扱っているかだ。

以下を試してみよう：

**データ資産の棚卸しをする。**自社のビジネスが生成するあらゆる種類のデータをリストアップする——顧客とのインタラクション、取引ログ、業務メトリクス、センサーデータ、使用パターン。「有用かどうか」でフィルタリングしない。すべてをリストアップする。
**境界の問いを投げかける。**各データタイプについて：「このデータが支えられる、我々がまだ参入していないビジネスは何か？」幅広く考える。顧客の購買データは融資ビジネスの基盤になりうる。使用パターンはコンサルティング事業の原動力になりうる。パフォーマンスデータは保険や保証商品を支えうる。
**堀をテストする。**潜在的な新事業ラインそれぞれについて問いかける：「競合他社はこのデータを複製できるか？」答えがノーなら——独自のもので、自社のユニークなオペレーションによって生成され、外部から収集することが不可能なら——潜在的な堀を手にしている。
**小さく始める。**完全な事業部門を立ち上げる必要はない。まずデータを使って、既存の顧客に一つの新しい価値を生み出すことから始める。パーソナライズされたレコメンデーション。予測に基づく事前通知。使用量に応じた割引。アイデアをテストする。何が定着するかを見る。

あなたが販売するプロダクトは、あなたが生み出せる価値の天井ではない。プロダクトが生成するデータは、プロダクト自体よりも価値があるかもしれない。唯一の壁は「我々は[自動車メーカー / ホテルチェーン / 小売業者]だ」という前提——あなたのアイデンティティを定義しつつも、ポテンシャルに上限を設けている前提だ。

その前提を疑おう。答えは数億ドルの価値があるかもしれない。