データ成熟度診断フォーム

データは各システムに散在しており、データの構成がそれぞれで異なる。分析の度にExcel/スプレッドシートで手作業集計している

主要データの集約がまだ不十分。更新や集計は半分以上が手作業で、レポート作成も属人的になりがち。一部でETL・可視化ツールを導入して業務が実施されている

主なデータがデータウェアハウス（DWH）などに集約されており、部署横断でアクセス可能なツール（ETL・可視化ツールなど）を利用している

リアルタイムも含めた大規模データの処理基盤が整っており、定期レポートの自動化も進められている。AI/ML向けのプラットフォームやMLOps環境があり、高度分析も実施されている

社内外でデータを連携し、新規事業や高度最適化システムが動くレベルの総合基盤がある。データ基盤の自動化・標準化がほぼ完成しており、必要なときに迅速に分析環境を拡張・変更できる

公式に分析担当者や専任組織は存在しない。「分析が得意・好きな個人」が独力で動いている程度

分析担当者が1〜2名いるが、リソースは限定される。経営層の後押しは弱く、分析の活用領域もスポット的

データ分析やBI導入を担当する組織が設置されている。専門スキルをもつメンバーや外部パートナーを活用し、部署横断のプロジェクトにも参画している

「データサイエンス組織」や「DX推進部門」が整備されており、全社的な分析プロジェクトを横串でマネジメントしている。分析担当者同士でノウハウ共有し、スキルアップの仕組みもある

経営層にもデータ分析に深い理解があり、専門チームは複数のプロダクト/事業をリードしている。オープンイノベーションや研究開発投資を行い、"分析文化"を社内外で推進できるコアメンバーが揃っている

ある程度の指標（売上、ユーザー数など）は定期的に見ているが、主に問題発生後に原因を分析する"後追い"スタイル。根拠というよりは"参考情報"として使われることが多い

主要な指標を定期的に確認し、一部の意思決定に活用している。ただし、データ分析は主に現状把握のためであり、予測や施策立案への活用は限定的

予測分析やA/Bテストの結果をもとに、プロダクト改善や販促施策を行うケースが増えている。部分的にはデータに基づくPDCAが回り、意思決定の速度・品質が上がってきた

経営会議や主要施策の立案で「定量的根拠」を必ず確認し、意思決定に用いられる。施策や戦略の成功要因もデータで検証し、組織的にナレッジを蓄積している

定期レポート等で常時モニタリング・最適化が行われ、意思決定毎に自動的にアクションが提案・実行される。新規事業やサービス企画にも、分析結果が当たり前のように使われる

部署ごとにデータやツールがバラバラで、横断的な議論がほとんどない

個別に分析は進められているが、部署間の連携が弱い。データ定義や指標が統一されていないため、レポート結果を比較・共有しづらい

部署間で最低限の指標やツールは統一され始めている。定期的な横断ミーティングや情報共有の場があり、部門横断でのデータ共有・分析の取り組みが始まっている

全社レベルでKPI・データ定義が整合されており、KPI達成状況が可視化される。大きなプロジェクトは横断チーム（データ・マーケ・開発・営業など混成）が当たり前に組成される

組織全体がデータドリブンの共通言語を持ち、社内外でデータを連携しながら開発・改善が進む。いわゆる"エコシステム"の構築を実現し、連携が当たり前の文化

一部の専門家や管理職以外は、データを見る機会や理解する知識がない

基本的なBIツール操作やレポートの読み方は一部社員が理解しているが、組織全体には浸透していない

分析専門家でなくても、主要なKPIやダッシュボードを参照し、施策を検討できるメンバーが増えてきた。社員向けのデータリテラシー研修や勉強会が実施されている

社員の多くが「データを使って考えること」を当たり前にできる。経営層や管理職もデータの読み取りに慣れており、それぞれの部門で独自に分析を実行できる

全社的にデータ分析の基礎知識が広まり、非専門家でも仮説検証や意思決定にデータを活用できる