Self-Service Business Intelligence (SSBI) : Categorizing into Dimensions of Interest in Scholarly Literature

Business Intelligence（BI）システムは、複数のデータソースを統合することで洞察を生み出し、戦略的意思決定を支援する主要なコンピュータベースの情報源として、長年用いられてきた。時間の経過とともに、BIの利用は上級管理職向けの標準レポート提供から、より時間的制約の厳しい傾向にあるオペレーション上の問いへの対応へと拡大した。同時に、ソーシャルメディアシステムや機械センサーなどの新たなデータソースが登場し、データ構造の異質性と全体のデータ量の双方が増大した。これらの変化により利用者層が広がり、情報要求も多様化した結果、従来はエンドユーザーとデータ／レポート開発の間を仲介していたIT部門が、しばしば処理能力を超えて圧迫されるようになった。こうした状況の中で、Self-Service Business Intelligence（SSBI）は、異なる業務領域に属し専門性もさまざまなユーザーが、ITを仲介者として頼ることなく、多様な構造のデータにアクセスし、情報プロダクトを作成できるようにするアプローチとして登場した。本論文の目的は、SSBIに関する査読付き学術研究を対象に体系的な文献検索を行い、何が出版されているかを特定したうえで、頻度分析によってSSBIの中心的側面を明らかにし、それらを次元（dimensions）に分類するとともに、抽出された論文を主要な貢献の焦点別に分類することである。

体系的検索により、検索語を含む英語の査読付き論文61本が見つかり、最も古いものは2008年に出版されていた。また、後年ほど関心の増加が明確であり、とりわけ2013年と2014年に顕著であった。対象範囲をdecision support systems研究に絞り込んだ後、著者らはSSBIに強く焦点を当てた論文19本を特定した。これらの論文に含まれる用語の頻度分析を用いて、本研究はSSBIに焦点を当てた学術研究を特徴づける5つの次元を導出した。(1) technology：主として新しいBIアーキテクチャ（例：in-memory architecture、cloud-based analytics、およびself-service information systemsを含むdesign guidelines）を可能にする要素として扱われる。(2) data：変化する条件に合わせて、data provisioningおよび統合手法を適応させる点を重視する（短期間しか存在しない、または限定的に必要とされるデータを多次元構造へ統合するアプローチや、self-service analyticsの枠組みを含む）。(3) frontend simplification/usability：データ量の増大と、より異質で一部は経験の浅いユーザーの増加、ならびに誤った結論に至るリスクを背景としている。(4) social features：ad hocで協働的な意思決定を支援し、ユーザーが関連情報を特定・評価するのを助ける、比較的新しいBI領域として位置づけられる。(5) overall requirements：分析目標の変化や実装上の必要性から生じる、横断的でより捉えにくい要求を包含する（例：requirements modeling、design principles、self-service management support systems、decision support systemの利用教育）。またコーディングは、BI specialistsや一般／未特定のユーザーとは対照的に、「business users」がSSBIの中心的ターゲット群として際立っていることも示した。

文献検索は2015年7月に実施され、2014年末までに出版された査読付きの科学論文すべてを対象とした。著者らは、Google Scholar、EBSCOhost、JSTOR、Science Direct、Springer Linkという複数の検索エンジンを用い、「Self-Service Business Intelligence」および「Self-Service BI」の語で検索した。検索は英語論文に限定し、当該語が参考文献にのみ出現する場合、または論文が他言語である場合は除外した。この第1段階で61本の論文が得られた。次に著者らは、これらの論文をレビューしてSSBIに関連する用語を抽出し、それらの用語で拡張検索を行った。拡張検索の結果には、decision support systemsの外側にあるself-serviceの考え方（例：digital libraries、banking、customer service、HR self-service）に関するものが多かったため、著者らはdecision support systemsに特化した追加調査を行った。SSBI関連性に基づく論文選定は両著者が独立に実施し、その後、合意に至るための共同討議を行った。採択されたSSBI焦点のdecision support関連論文19本について、著者らはWeber（1990）の推奨に従い、コンピュータ支援による頻度分析を実施した。記録単位（record units）には単語および頻出する単語の組合せを含め、コーディング規則と次元は反復的に精緻化した。検索の焦点ゆえに遍在する用語（例：「self-service」）や、特定の研究トピックを示すには一般的すぎる用語（例：「information technology」「decision making」）は除外した。分類の目的のため、ユーザーを示す用語も最終的なトピック用語集合から除去した。自動コーディングは手作業で確認し、曖昧さや文脈不一致を修正するとともに、自動で捉えられなかった略語は手動で追加した。用語頻度は論文の長さで正規化し、次元構築と論文分類に入力される最も顕著な用語を特定した。

本論文は、SSBIが実務家の言説では非常に顕著である一方、学術研究は増加しているものの、相対的に限定的で、かつ比較的新しいと結論づける。学術領域では、2014年末までにSSBIに強く焦点を当てた査読付きのdecision support system論文は19本のみが特定され、最も早いものは2008年（Spahn et al., 2008）であった。これは、特定された最初期の実務家論文（Eckerson, 2005）より3年後である。この時間差は、SSBIが学術研究において比較的新しい概念であることを論じる根拠として用いられる。頻度分析を適用することで、著者らはSSBI研究を5つの次元（technology、data、frontend simplification、social features、overall requirements）に構造化して分類し、先行学術研究でどの側面が強調されてきたかを明確にするとともに、個々の論文が主としてどの次元を扱うかを簡略化した形で示すことを意図している。本研究の意義は、SSBI関連の学術的貢献について整理された概観を提供し、用語にもとづく次元フレームワークによってSSBI研究のトピック構成をより明示的にする点にある。これには、技術的スキルの高くないbusiness usersが独立して分析を行えるようにすることへの強い志向も含まれる。

本論文は、分類によって現在のSSBI研究がどの次元から構成されているかを示唆する以上に、明示的な将来研究の方向性や前向きの研究アジェンダは提示していない。SSBI研究への関心は2013年と2014年に大きく増加したことが示され、学術的関心が高まりつつある傾向が示唆されるが、具体的な次のステップ、未解決の研究課題、後続研究のための提案手法は特定されていない。将来志向の要素として最も強いのは暗黙的な点であり、5つの次元を特定・定義し、論文をそれらに対応づけることで、このフレームワークは学術的関心がどこに集中してきたか、ひいてはどこにさらなる研究が必要となり得るかを認識する基盤を提供する。しかし、著者らは論文の結論内でそのようなギャップや優先事項を明示的には述べていない。

Business Intelligence（BI）(会社などが持つデータを集めて整理し、分析して、経営や業務の判断に役立つ情報を作る仕組みです。複数のデータ源をまとめて見られるので、状況の把握や意思決定に重要です。)システムは、いろいろな場所にあるデータをまとめて分析し、会社などが大事な判断をするときに役立てるための仕組みとして、長い間使われてきました。昔は、経営層に向けた決まった形のレポートを出す用途が中心でしたが、だんだんと現場の仕事で「今すぐ答えがほしい」という質問に対応する用途にも広がってきました。
その一方で、ソーシャルメディアや機械のセンサーのような新しいデータが増え、データの種類がバラバラになったり、量がとても多くなったりしました。すると、BIを使いたい人の数も増え、求める情報も多様になり、これまで間に入って支えてきたIT部門だけでは対応が追いつかないことが増えてきました。
そこで登場したのがSelf-Service Business Intelligence（SSBI）(IT部門に作業を頼まなくても、現場の利用者が自分でデータにアクセスし、分析やレポート作成を進められるようにするBIの考え方です。素早く必要な情報を得るために重要です。)です。SSBIは、IT部門に頼りきりにならなくても、いろいろな部署の人が自分でデータにアクセスし、必要な分析結果やレポートなどを作れるようにする考え方です。
この論文は、SSBIについての査読付き学術論文を体系的に集めて、どんな研究が出ているのかを整理し、よく扱われるテーマを分析してSSBIの中心となる要素をいくつかの「次元」に分け、さらに各論文が主にどこに貢献しているかも分類することを目的としています。

体系的な検索で、SSBIに関する英語の査読付き論文(研究内容を学会や論文誌に載せる前に、同じ分野の研究者が内容をチェックして質を確認する仕組みを通った論文です。信頼性が比較的高い情報源として重要です。)が61本見つかり、最も古いものは2008年でした。年を追うごとに関心が高まり、とくに2013年と2014年に増加が目立ちました。
その後、意思決定を支えるシステムに関する研究に範囲を絞り、SSBIを強く扱っている論文として19本が選ばれました。これらの論文で使われる言葉を数えて分析した結果、SSBI研究を特徴づける5つの次元がまとめられました。
1つ目はtechnology(SSBIを実現するための技術面のテーマです。たとえば新しいBIの構成や仕組みを作るための技術が含まれ、SSBIを可能にする土台として重要です。)で、新しいBIの仕組みを可能にする技術に関する内容です。2つ目はdataで、状況の変化に合わせたデータの用意や統合の工夫です。3つ目はfrontend(利用者が操作する画面側の部分です。使いやすさが分析のしやすさやミスの減少に直結するため重要です。) simplificationやusability(使いやすさのことです。操作が分かりにくいと誤った分析や判断につながりやすいので重要です。)で、データが増え、経験の浅い利用者も増える中で、使いやすくして誤解を減らす工夫です。4つ目はsocial features(利用者同士が協力して情報を共有したり、意見をやり取りしたりしながら意思決定できるようにする機能や考え方です。複数人で判断する場面で重要です。)で、協力しながらその場で意思決定するのを助けたり、必要な情報を見つけて評価しやすくしたりする機能です。5つ目はoverall requirementsで、分析目標の変化や導入の都合などから生まれる、全体に関わる要求（設計の考え方や教育など）をまとめたものです。
また、SSBIの中心的な利用者として、とくにbusiness users(ITや分析の専門家ではないが、営業や企画など自分の業務の目的でデータを使いたい利用者のことです。SSBIが支援したい主な対象として重要です。)が重要な対象になっていることも示されました。

文献検索は2015年7月に行われ、2014年末までに出版された査読付きの英語論文を対象にしました。検索にはGoogle Scholar、EBSCOhost、JSTOR、Science Direct、Springer Linkを使い、「Self-Service Business Intelligence」と「Self-Service BI」で探しました。検索語が参考文献にしか出てこない論文や、英語以外の論文は除外しました。この段階で61本が見つかりました。
次に、見つけた論文を読んでSSBIに関連する言葉を取り出し、その言葉でも追加の検索をしました。ただし追加検索では、意思決定支援とは関係が薄い分野のself-serviceの話題が多かったため、意思決定支援システム(人や組織が判断するときに、必要な情報の提示や分析を助けるためのコンピュータシステムです。複雑な判断を支える土台になります。)に関係する研究に絞って調査を続けました。
SSBIとの関連性による論文の選定は著者2人が別々に行い、その後話し合って合意しました。採択された19本については、コンピュータを使って用語の出現回数を数える頻度分析(文章中にどの言葉がどれくらい出てくるかを数えて、重要な話題や特徴を見つける分析方法です。研究テーマを客観的に整理するのに役立ちます。)を行い、不要な一般語などを除いて調整し、論文の長さの違いもならして比較しました。これにより、重要な用語と5つの次元の整理に結びつけました。

この論文は、SSBIは実務の世界ではとても注目されている一方で、学術研究としては増えてきてはいるものの、まだ数が多いとは言えず、比較的新しいテーマだと結論づけています。実務家向けの記事で確認できる最初期のもの（2005年）に対して、学術論文で最も早いものは2008年で、少し遅れて研究が始まったことも、その根拠の一つになっています。
また、頻度分析(文章中にどの言葉がどれくらい出てくるかを数えて、重要な話題や特徴を見つける分析方法です。研究テーマを客観的に整理するのに役立ちます。)によってSSBI研究を5つの次元に整理し、これまでの研究がどの側面を重視してきたかを見えやすくしました。用語にもとづく枠組みで研究テーマの構造をはっきりさせ、特に技術に詳しくないbusiness users(ITや分析の専門家ではないが、営業や企画など自分の業務の目的でデータを使いたい利用者のことです。SSBIが支援したい主な対象として重要です。)でも自分で分析できるようにするというSSBIの方向性を、研究の整理を通して示した点に意義があります。

この論文は、SSBI研究を5つの次元で整理して「どこに関心が集まってきたか」を見える形にはしましたが、今後どんな研究を優先すべきか、未解決の課題は何か、といった具体的な研究計画までははっきり提示していません。
ただし、5つの次元という整理の枠組みができたことで、これまで手薄だった領域や、これから研究が必要になりそうな領域に気づくための土台は提供したと言えます。