大切なのは「分析結果がどう役立ち、どこまで責任を取れるか」第一人者が語る、ビジネス改革の手段としてのデータサイエンス

▼河本薫氏のプロフィール
大阪ガスにおいて、分析専門チームであるビジネスアナリシスセンター所長として数々の業務改革を成し遂げ、現在は滋賀大学データサイエンス学部教授として後進の育成にあたっている河本薫氏。その多大な業績は社会的に大きな注目を集め、2013年に「日経情報ストラテジー」が選ぶ「データサイエンス・オブ・ザ・イヤー」を、2021年に厚生労働省が選定する「卓越した技能者（現代の名工）」を受賞しています。
※役職や所属は取材時のものです。

そんなデータサイエンスの第一人者は、いかにして誕生したのでしょうか？　また、日本企業のデータ活用の現状をどう分析し、今後をどのように見通しているのでしょうか？　河本氏にお話をうかがいました。

米国留学で叩き込まれた“数字に対する責任感とマナー”

データサイエンスの第一人者「河本薫」という人物がいかにして形作られたのか、関心のある人は多いと思います。データというものに興味を持ったきっかけや、数理工学を専攻した理由など、少年時代や学生時代についてお話しいただけますか？

私の若い頃については、話してもあまり絵にならない気がします。というのも、幼いときの体験や学生時代の勉強があったからこそ今こうなった、という必然性がまったくないからです。データに特別関心があったわけではなく、数理的なことはおもしろいかな、という程度の漠然とした理由で大学と専門を選び、単位を取って卒業しなければならないから勉強しました。
就職に関しても同様です。バブル期だった当時は学生の価値観も派手で、企業名と給料で会社を選ぶ人が多い中、私は単純に関西に残りたかったとか、会社訪問で社風のよさを感じたとかいう、やはり漠然とした理由で大阪ガスを選び、明確な目的を持たないまま入社しました。
当時は、「データサイエンティスト」という言葉はもちろん、データを活かした専門職自体、保険会社のアクチュアリー（保険数理士）ぐらいしか世の中に存在せず、そもそも専門を仕事に活かすなど想像すらできなかったのです。

データサイエンティストという専門職が注目を集めている昨今とは、まったく違う状況だったわけですね。

はい。結果的に今このようになったから、数理工学を勉強しておいてよかったな、と思うだけで、大学卒業までの人生が今につながった、というわけでは全然ないのです。のちほど話しますが、卒業後、ごく普通の人間として運命に振り回されながら、自分なりに一所懸命に生きてきて、気がついたらこうなっていた、という感じです。

失礼ながら、自分が子どもや学生だったときとあまり変わらないな、がんばれば河本先生のようになれるのかもと、ものすごく親近感が湧くというか、勇気をいただけるお話です。

そういっていただけると嬉しいです。ともかく、そういう経緯で私は大阪ガスへ入社して、家庭用ガス冷暖房機を開発する部署に配属されました。その頃、ガス会社にとっての悲願は、暖房用として冬にしかたくさん売れなかったガスを、夏にも売れるようにすること。ガスを利用した冷房は業務用や産業用では実用化されていましたが、家庭用として実用化されていなかったのです。それを世界で初めて作るというのが、私に最初に与えられた任務でした。
ところが私は、それまでコンピュータしか触ったことがなく、工具を使って機械をいじるなんてまったくやったことがありませんでした。それでも試作機を作って、これでもかというぐらい実験を繰り返さなくてはならず、本当に苦労しました。周りは機械工学科の出身者ばかりですから、数理工学をかじってきた人間として自分の存在意義を示すため、実験の空き時間にシミュレーションモデルを作ったりもしました。しかし結局、私の作った数理的なモデルなんて、機械工学科出身の先輩たちの洞察力には絶対に勝てないわけです。

試行錯誤されたのですね……。

それで入社3年目のある日、上司からこういわれたのです。「機械工学科では、数式なんて使わなくても、理屈なんてなにもわからなくても、世の中に役立つものを初めて作ったら博士号をもらえるんだよ」と。その言葉で、私の価値観は180度変わりました。データを使ってなにかがわかったからといって、それを活用できなければ意味がない、世の中の役に立って初めて価値があるのだ、と。それが私の人生における1つのマインドチェンジになりました。
それからは方法論にこだわらず、もっぱら役立つかどうかという観点から頭を使い、先輩たちには勝てないまでも、それなりに成果を上げられるようになりました。
ただ、当時の私はまだ“甘ちゃん”でした。両親に不幸があり、急に一人ぼっちになってようやく、「自分の力で食っていかなあかん」と強く意識するようになったのです。このままものづくりの世界に身を置いても、勝ち残っていく未来図を描けない。やはり自分の唯一の強みは数理工学を勉強したことであり、それを活かして食べていくしかないと、遅ればせながら考えるようになりました。

アメリカへ留学したのはそういうタイミングだったのですね。

はい。会社の海外派遣制度に応募して、1998年から2年間、アメリカのエネルギー省傘下の研究所であるローレンスバークレー研究所へ研究員として留学する機会を得ました。その研究所は普通、日本の大学教員が行くようなところで、私のキャリアからすれば留学などあり得ないことでしたから、本当に幸運だったと思います。
当時の私は、というより今もそうですけど、怖いもの知らずというか、なにも知らないがゆえに、こうしたいという思いが募るとそれを実現するまで諦められない人間なのです。アメリカ留学についても、同研究所の偉い人が来日するという情報をキャッチして、いても立ってもいられずに直接連絡を取り、なんとか会う約束を取りつけました。でも私には、PRできるようなデータ分析のキャリアがまったくない。それで、とにかく熱意だけでも示そうと、同研究所が出している論文を大量に入手して、読めたのはちょっとだけでしたが、全部紙袋に詰め込んで持っていきました。その上で、どうしてもそちらで仕事したいという思いを下手な英語で懸命に訴えたところ、奇跡的に熱意を認めてもらうことができたのです。それが私にとって人生最大のキャリアチェンジの始まりでした。

アメリカではどんな仕事に携わったのですか？

同研究所のミッションは、アメリカのエネルギー政策の立案を支援するためのデータ分析をすること。私にはデータ分析のキャリアが全然なかったので、最初は苦労しましたが、上司に恵まれて、いろいろと大きな仕事を任されました。それらを通じて、「数字に対する責任感とマナー」というものを徹底的に仕込まれたのです。
一例を挙げると、あるとき、石炭業界の雇ったコンサルタントが、「Dig more coal（石炭をもっと掘れ）」というタイトルのレポートを発表しました。当時は、インターネットが急速に普及し始めた頃。ゆえに今後、コンピュータによる電力需要が急増するから、電力不足を補うために石炭火力が必要だから石炭を掘れ、というのがそのレポートの趣旨でした。要するに石炭業界によるロビー活動なのですが、結果として電力会社の株価が上昇するなど、社会的に大きな影響が出始めたのです。それを見て上司が、「この数字はでっち上げだ。放置すると世の中が大変なことになる」と。レポートの数字が間違っていることを証明する仕事を任された私は、コンピュータ関連の電力消費に関するデータをできる限り集めて分析して、米国全体でのIT機器の電力需要を推計し、レポートの数字はやはりでたらめだと上司に報告しました。そのときに上司から、「自分の出した数字に対して本当に責任を取れるか？」と徹底的に追求されました。世の中に正しい数字を普及させるというゴールを目指す上で、決して忘れてはならないのは、数字に対する責任感と、誤解なく伝えるための表現のマナー。アメリカで叩き込まれたこの2つが、今の私の仕事につながる一番の“魂”になっています。

そうした経験によって、データサイエンティストとしての「河本薫」が確立されたわけですね。

アメリカでの経験が原点にあるのは確かです。ただ、そういう意味でいうと私のマインドは、「データサイエンティスト」ではなく「データアナリスト」なのです。多くのデータサイエンティストは、データをなんらかのモデルに突っ込んで分析結果を出します。でも、私の価値観だと、それだけでは受け入れられない。その分析結果にどういう意味があって、どう役に立ち、どこまで責任を取れるのか。それを明らかにしてこそ価値があると考えているからです。そしてその部分は、日本ではおろそかにされているのが実情だと思います。

役立って初めて価値がある、ビジネス改革の手段としてのデータサイエンス

そして帰国後、大阪ガスで本格的にデータ活用を始めたということですが、成功例をいくつかお話しいただけますか？

たとえば、業務用ガス設備が壊れる前に修理する「予防保全活動」の効率化を目的として、設備の遠隔監視で得られるデータを分析し、故障の予兆を発見するモデルを開発・導入しました。また、大阪ガスの広大なガス供給エリアにおいて、ガス漏れの通報を受けて緊急出動する車両をどう配置すれば、効率的に短時間で現場へ急行できるか、という配置の最適化にもデータを活用しました。それから、詳しくは話せませんが、大阪ガスの投資判断や、LNG取引におけるリスク管理などにもデータ分析で貢献したと思います。

そうした大阪ガスのデータ活用の成功事例は、業界内だけでなく、社会的にも大きな注目を集めました。ただそれは、データ活用に多額の投資をしながら、なかなか成果を出せない企業が多いことの裏返しでもあると思います。成果を出せる企業と出せない企業の差はどこにあるとお考えですか？

大きく2つの要因があって、1つは会社の仕事のやり方の違いです。そもそもデータ分析というのは、直接的にビジネス上の課題を解決する方法ではなく、仕事のやり方を改善することで課題を解決するための手段です。ゆえに、仕事のやり方が形式知化されて初めて、データ分析による改善の方法が見えてくる。データ分析を成果につなげられないのは、仕事のやり方が属人化、要するに勘と経験に頼った暗黙知になっているからで、それが多くの日本企業の実情だと思います。
そしてもう1つ、できる企業とできない企業の差として挙げられる要因は、トップの意識。ここでいうのは経営層ではなく、社長の意識です。今後、日本の企業でも現場でのデータ活用は進んでいくと私は考えています。ただしそれは、業務改善レベルでの話です。業務プロセスの抜本的な改革やビジネスモデルの変革というレベルでのデータ活用となると、今までの仕事のやり方を否定することになるわけですから、必ず社内の抵抗にあい、なかなか進まないでしょう。倒産寸前になり、変わらざるを得ない状況に追い込まれればやるでしょうが、それでは間に合いません。先を読み、これまでを否定してまでビジネスを変えていく、ということをしなければならないわけです。
日本の企業でその判断ができるのは、社長だけです。全体の空気感でものごとが決まる日本の企業の合議制度では、顕在化していない将来の課題を見通した意思決定は難しい。それをできるのは、空気感を克服できる社長だけだと思うのです。だから、トップの意識というものがきわめて重要なのです。

ビジネスパーソンは、データ活用とはどういうものだと捉えるべきだとお考えですか？

これも2つあります。まず、データを活用するのは専門家ではなく、現場で直接ビジネスに携わっている人間である、という意識を持つことが大切です。本来はビジネス担当者がするべきなのに、その知識やスキルがないから、データサイエンティストの力を借りているだけなのです。あくまで主体はビジネス担当者である、という意識がないと、いつまで経ってもデータ活用はビジネスと連動しません。
もう1つ大事なのは、データ活用によって、業務“改善”レベルではなく業務“改革”レベルにまで行き着かないと、結局競争には勝てない、という危機感を持つことです。たとえば、5年前まではAIなどを積極的に取り入れていた企業が、費用対効果に見合ったAIプロジェクトの案件が減ってきたことを理由にAI活用の取り組みを縮小した、というような話をよく耳にします。費用対効果で見れば、実はそうなるのは当たり前です。なぜなら、今までの仕事の枠組みの中で、データ活用によって改善できそうなネタを食い尽くし、やることがなくなってしまっただけだからです。先ほども話したように、勘と経験で培ってきた仕事のやり方そのものを変える、すなわち業務改革レベルでデータを活用しなければ、企業として本当に強くなることはできないのです。

これまでのお話を踏まえ、河本先生は滋賀大学において、どのような方針で学生を指導していらっしゃいますか？

データサイエンスの専門家ではなく、経営者になってほしいという思いで学生を育てています。やはり社会や会社を大きく変えられる人間は、データサイエンティストではなく経営者。データサイエンスの素養を持った人間が経営の立場になってこそ、変革を実現できると考えています。
今、世の中でもてはやされているデータサイエンスですが、私は道具や専門家という側面よりも大切なことがあると思っています。データサイエンスの力がつくことで、業務改革やビジネスモデルチェンジのポテンシャルが高まってきた、それこそが本質なのです。すべてはトップの意思決定力にかかっている以上、企業という主体で考えたとき、そういう意識と力を持った経営者を育てることは、データサイエンティストを育てることよりはるかに大切です。極論すれば、自社でデータサイエンティストを育てる必要はない。金さえ出せば、優秀なデータサイエンティストをいくらでも採用できるわけですから。

その上であえて、河本先生がデータサイエンティストとして大切にしていることを挙げていただくとすれば？

これまで話した通り、私の人生には3つのステージがあります。最初は、過保護な家庭で育った“甘ちゃん”の時代。続いて、自分の力で生きていかなくてはならなくなった“独り立ち”の時代。そして、その次に来たのが、手前味噌で恐縮なのですが、“使命感”の時代だったのです。これは自分でもなぜかわからないし、意識しているつもりはまったくないのですが、周りの人たちの話を聞くと、どうも自分の中には“使命感”というものがあるらしいのです。ただ、いわれてみると、会社の役に立たなければならない、社会に貢献しなければならない、という意識はすごく強いですし、それが自分のベースになっているというのは確かに感じます。
データサイエンティストは、いい分析をして自身の存在意義を示したい、という意識で臨むと、モラルハザードを起こしやすい職業です。だからこそ、社会や会社のためになんとか役に立ちたい、という思いを持つことは大切だと思います。そういう意味で、私にとってデータサイエンスは、誰かの役に立つための手段に過ぎないのです。運命的に、たまたまデータサイエンスという武器を与えられたので、その力に見合った貢献をすることが、私の使命だと思っています。