ログイン
【コンサル】アクセンチュア「AI世代のコンサル育成」の舞台裏

【コンサル】アクセンチュア「AI世代のコンサル育成」の舞台裏

目次

事業形態を変えながら進化してきたコンサルティング業界。


中でも、いち早くITシステムの構築とオペレーションを事業の中軸の一つに据えてきたアクセンチュアは、2020年代に入ってさらなる組織変革を進めている。


3月にはストラテジー&コンサルティング、インタラクティブ、テクノロジー、オペレーションズの4つに注力領域を再編し、10月は社内外でさらなるAI活用を進めるべく「AIセンター」を設立。


手掛ける案件の範囲も、データ分析を駆使したマーケティング支援などに広まっており、かつてのコンサルティングのイメージとは一線を画したものとなっている。


AIやデータサイエンスを駆使した新しいコンサルティングを実践するには、どんな経験が必要なのか。


2014年に新卒入社し、現在は新設されたビジネスコンサルティング本部・AIグループでマネージャーを努めている石井舞さんに、自身が経験してきた変化を聞いた。

アクセンチュア 石井舞さん-1
ビジネスコンサルティング本部・AIグループ マネージャー石井舞さん

Q. アナリティクス・コンサルとは?


—— 現在の仕事内容を教えてください。

もともとは経営コンサルティングを手掛けていましたが、今は社内の組織改編で生まれたビジネス コンサルティング本部のAIグループで、データドリブン コンサルティング(DDC)チームのマネジャーをしています。


DDCとは、データを活用したコンサルティングを軸にお客様の成長を支援するチームです。


今、私が担当している役割は大きく2つあって、


【1】クライアント向けにアナリティクス組織の立ち上げ支援


【2】新設されたAIセンターで、社内・外向けのアナリティクス・トレーニングの設計・実施(AIユニバーシティ)、また、クライアント向け分析業務の効率運用(AIセンターオブエクセレンス)


を担当しています。


この2つの業務はリンクしていて、特に【2】のトレーニングは、原則として国内に約1万5000人いるアクセンチュアの社員向けに行っています。クライアントに提供することもあります。


—— 石井さんがやっている「アナリティクス・コンサルタント」とは、どんな業務を行うものなのか、もう少し詳しく聞かせてください。


マーケティング部門のブランドマーケターなどに対して、どういうマーケティング施策を立てればいいのかなど、クライアントの課題に対して戦略的アジェンダを立てる仕事です。


データサイエンスからインサイトを見いだし、具体的なアクションプランまで作成しています。


基本的に、私のチームではデータサイエンティスト、AI担当、アナリティクス・コンサルタントが三位一体で動くのが前提となっていて、私が担当するアナリティクス・コンサルはクライアントの窓口になるケースが多いです。





あるお茶の清涼飲料水で、売上を向上させる新たなマーケティング施策を検討するとしましょう。


これまでのコンサルティングでは、過去の売上や各種データを調べた上で仮説を立て、その仮説の優位性を再びデータで検証していくというのが定石でした。


しかし、仮説ありきでは見逃してしまう事実もあります。


仮説検証の前にデータをより詳しく分析すると、お茶のような清涼飲料水が中高年向けに受けるという「思い込み」に反して、ある若者の集団に支持されSNSでも多くシェアされているという想定していない規則性が明らかになることもあります。

アクセンチュア 石井舞さん イメージ1
(Photo:iStock / KPS)

データありきで見つけたこうした新事実を、ビジネスに結び付けるために分かりやすく「翻訳」し、実際に施策につなげていくのが私の役割です。


Q. 新しいスキルをどう習得した?


—— 石井さんはもともと経営コンサルタントだったそうですが、アナリティクス・コンサルとの違いはどこにあるのでしょう?


一番の違いは、経営コンサルタントとしての経験と、AIに関する知識を掛け合わせることで、「AIを主語にした案件」を担当できることでしょうか。


先ほど例に挙げたお茶のマーケティングのように、データありきで分析することで、より素早く、正確に現状を把握することができます。


仮説を立てて検証するよりも早く、改善点や新規マーケティングの施策を見つけることができるのです。


そのためにも、チームの総合力が重要になります。データサイエンティストやAIチームが、データの中身を正しく読み解き、私はそれをビジネスに落とし込みます。


それに、アクセンチュアでは、独自に持つ各業界の消費者データを収集・分析するプラットフォームを活用したり、外部ベンダーと連携した定性調査(インタビューなど)も実施できます。


そういう機会を生かしながら、実地でアナリティクスを学んでいるというのが本音です。


ちなみに今の仕事では、クライアント内で効果的にデータ分析を業務の意思決定の一部として活用する体制が整っていないケースが多いので、アナリティクスを組織としてどう生かすか? まで踏み込む場合は、経営陣と直接やり取りすることもあります。


この点は、経営コンサルタントと同じ役割を担っていると言えます。


このインテグレーション(仕組みの導入)では、AIセンターで行っているアナリティクス・トレーニングの設計・実施の経験が生きる時も非常に多いです。


自社で試しながら、社外向けのプロジェクトに生かす。それと同時に、社外のプロジェクトで体験した課題解決の方法を、AIセンターでの業務に生かす。


このサイクルが、私の学習にもつながっています。


Q. キャリアでつまずいたことは?


—— 過去に、ご自身のキャリア形成で悩んだことは?


もちろんあります(笑)。


もともと、就活では「いろんなことをやってみたい」という動機でアクセンチュアに入りました。職種を決めて、何か一つのことをやり続けているイメージが沸かなかったというか。


だから、コンサルの「プロジェクト単位で携わるテーマが変わる」ところに魅力を感じて入社しました。


とはいえ、様々なタイプの業務に携わるチャンスがある反面、中には、自分の得意領域(強み)ではなく、なかなかうまくならないものもあります。


その一つが、入社後に担当することになったシステム開発の仕事でした。

アクセンチュア石井舞さん イメージ2
(Photo:iStock / damircudic)

アクセンチュアでは、新卒入社のタイミングでERPシステムなどの開発を経験するケースがよくあります。


私も同じ流れでシステム開発の案件を担当することになったものの、プログラミングが得意ではなかったんですね。アウトプットが遅れることもありました。


でも、今はこういう時期を経験できたのが、むしろ良かったと思っています。コンサルタントの仕事は、課題解決の引き出しの多さがモノを言うからです。


例えば売上向上や利益確保をゴールにした案件でも、やり方はそれぞれです。


クライアントによっては、業務の効率化を進めることでコスト削減から始める場合もありますし、そこではITシステムの変革にもかかわるケースも多いです。


システムによって業務の効率化を促し、人員配置の最適化を提案する際、システム開発の進め方や業務とシステムの連携のポイントが分かっていないと、適切な提案はできません。


「クライアントが目指したいゴールに対する『解決策の引き出し』をどれだけ持てるかが大事」。当時の上司にそう教わったのを、今でも覚えています。


—— アナリティクス・コンサルの仕事でも、データ分析やAI活用でシステム開発の知識を問われる機会が多そうです。


その通りですが、私自身(データ分析でよく使われるプログラミング言語の)Python(パイソン)を直接使うことはありません。


だからこそ、チームでプロジェクトに対応するのが大切になります。データサイエンティストのチームとうまく連携すれば、自分でコードを書いてデータ分析をする必要はありません。


その分、クライアントへの説明の際にどれだけ分かりやすく翻訳できるかなど、データサイエンティストやAI担当者とは異なる能力が活かされます。ここで、「引き出しの多さ」が必要になるのです。


それに、「できない」から悩むのではなく、「どうすればできるのか」を考える。これはクライアントワークの基本でもあるので、今も昔も気を付けています。


自分の現在地を把握して、どうすれば次に進めるかを理解しておく大切さ。これを過去のプロジェクトで学びました。


Q. マネジャーとしての1日は?

アクセンチュア 石井舞さんスケジュール

私はマネージャーに上がる際、自分のスキルやケイパビリティに不安がありました。しかし、「上の人」「専門家」に聞きやすく、組織全体でサポートする環境が整っていたことに助けられました。


どんな経験も無駄にならないというか。そもそも仕事に何が役立つか、どんな引き出しが必要になるかは分からないものです。


コンサルタントは、こういうケースが多い仕事なので、まずは担当した案件を一通りやってみるように心掛けています。


周囲にはアナリティクスの専門知識を持っている人が多いので、自分ももっとスキル磨かなければと思うことが多いですが、いろんなバックグラウンド・スキルを持つ人たちと協力してチームで対応すれば1人で対応するよりも大きな成果が出せる。


こういう仕事ができた時に、ハッピーだなと感じます。


(取材・文:伊藤健吾、編集:佐藤留美、デザイン:九喜洋介)


この記事に関連する職業

経験談・年収・キャリアパス・将来性などのデータ・ロールモデルをこちらでご覧いただけます

関連する記事

JobPicksオリジナル記事