[論文レビュー] Trends and Challenges Towards an Effective Data-Driven Decision Making in UK SMEs: Case Studies and Lessons Learnt from the Analysis of 85 SMEs

Abdel‐Rahman H. Tawil, Muhidin Mohamed+3 more|arXiv (Cornell University)|May 24, 2023

Big Data and Business IntelligenceBusiness, Management and Accounting被引用数 3

ひとこと要約

本研究は、イギリスの中小企業（SMEs）85社を対象に、データドリブン意思決定のトレンドと課題を調査した。データサイエンスは生産性向上やイノベーションの面で顕著な利点を提供するが、中小企業は資金不足、スキルギャップ、データ品質の問題といった障壁に直面している。本研究では、段階的デジタル採用、従業員のスキルアップ、外部支援といった主要な促進要因を同定し、中小企業がデータ文化を構築し、AIやアナリティクスを効果的に活用できるように支援する方策を提示した。

ABSTRACT

The adoption of data science brings vast benefits to Small and Medium-sized Enterprises (SMEs) including business productivity, economic growth, innovation and jobs creation. Data Science can support SMEs to optimise production processes, anticipate customers' needs, predict machinery failures and deliver efficient smart services. Businesses can also harness the power of Artificial Intelligence (AI) and Big Data and the smart use of digital technologies to enhance productivity and performance, paving the way for innovation. However, integrating data science decisions into an SME requires both skills and IT investments. In most cases, such expenses are beyond the means of SMEs due to limited resources and restricted access to financing. This paper presents trends and challenges towards an effective data-driven decision making for organisations based on a case study of 85 SMEs, mostly from the West Midlands region of England. The work is supported as part of a 3 years ERDF (European Regional Development Funded project) in the areas of big data management, analytics and business intelligence. We present two case studies that demonstrates the potential of Digitisation, AI and Machine Learning and use these as examples to unveil challenges and showcase the wealth of current available opportunities for SMEs.

研究の動機と目的

• イギリスの中小企業におけるデータドリブン意思決定の実践の現状のトレンドと課題を検討すること。
• 財政的制約、技術的スキルの不足、データ品質の悪さといった、中小企業におけるデータサイエンスの導入を阻害する障壁を特定すること。
• デジタル化、AI、機械学習が、実践的な事例研究を通じて中小企業の業務にどのように効果的に統合できるかを検討すること。
• 従業員のスキルアップや段階的技術導入を含む、段階的かつ実行可能なデータ能力構築戦略を提言すること。
• 政府、学術機関、商業団体などの外部ステークホルダーが、知識共有や資金提供を通じて中小企業が持続可能なデータ能力を構築するのを支援する役割を強調すること。

提案手法

• 主にイングランドのウエスト・ミッドランド地方に所在する85の中小企業を対象に、実際のデータドリブン実践を分析するための詳細な事例調査を実施した。
• 中小企業のデータ収集、保存、管理、活用方法に関するデータを収集・分析し、データ品質やガバナンスの課題も含めた。
• モデルのパフォーマンスとハイパーパrameterチューニングを評価するために、さまざまなサイズ（500～2000件）のオーバー sampled データセット上で、決定木（specifically decision trees）の機械学習モデルを評価した。
• モデルの正確性と誤差指標（例：1500件のオーバー sampled データを使用した深さ21～30の段階で0.343の誤差）を用いて、データサイズと木の深さが予測性能に与える影響を評価した。
• 中小企業からの定性的フィードバックと独立した商業的評価を統合し、データ品質とモデル信頼性に関する発見の妥当性を検証した。
• 文化的な基盤構築、研修、段階的投資を重視する、段階的データ能力開発のフレームワークを提言した。

Figure 1: Open Static Datasets Distribution Across Major Themes by Six UK Cities

実験結果

リサーチクエスチョン

• RQ1 イギリスの中小企業におけるデータドリブン意思決定の実践の主なトレンドと課題は何か？
• RQ2 限られたデータをもつ中小企業において、データ品質、サンプルサイズ、モデルのハイパーパrameterが予測モデルのパフォーマンスに与える影響は何か？
• RQ3 デジタル化、AI、機械学習は、中小企業の生産性向上とイノベーションをどのように促進するか？
• RQ4 中小企業がデータサイエンスの導入を阻害する財政的・技術的・文化的な障壁を克服するにはどのような戦略を採るべきか？
• RQ5 政府、学術機関、商業団体などの外部ステークホルダーは、中小企業が持続可能なデータ能力を構築するのをどのように支援できるか？

主な発見

• イギリスの中小企業は業務データを収集・保存しているが、そのデータを的確に分析して意思決定に活かすスキルに欠けていることが多い。
• 決定木の深さが増すにつれてモデルの正確性が向上し、最大深さ21で安定化した。1500件のオーバー sampled データを使用した深さ21～30の範囲で、最小誤差（0.343）が観測された。
• 小規模なサンプルサイズ（n < 100）とノイズの多いデータが、高水準のモデル誤差の主な要因であった。これは、予測モデリングにおける限られたデータの統計的課題を裏付けた。
• リソースが限られているにもかかわらず、研修、段階的投資、外部専門知識の支援を受けることで、中小企業はデータサイエンスの導入に強い潜在能力を示した。
• 特に従業員10～49名のマイクロ・スモール企業において、資金調達とスキル不足の要因により、大手企業と比較して顕著なデジタル採用格差が存在する。
• 資金提供、知識共有、オープンデータを活用した外部支援は、中小企業がデータ能力を構築し、長期的なデジタルトランスフォーメーションを達成する上で不可欠であると特定された。

Figure 2: Lifecycle of BDC project support for SMEs