「取引履歴ぐらいしか、データ無いんだけど……」
確かに、そこの企業にも必ずあるのが取引データです。
これがないと、PL（損益計算書）もBS（貸借対照表）も作れません。そもそも、企業活動に差しさわりがあります。
Contents
必ずある「取引履歴データ」（顧客の購買履歴データ）
顧客との取引履歴データ。顧客側から見れば、購買履データです。
他社の状況も分かれば最高ですが、分からないので、一旦は、自社と顧客との間の取引履歴データを分析しましょう。
この営業データは必ずあります。無ければ企業として活動ができません。受注したのに受注した商品やサービスなどの商材が何のか分からない。いつ受注したのかも分からない。なんてことはないからです。
この取引履歴データを、営業データとして分析するだけでも多くのことが分かります。
もちろん、CRMのデータのように、受注に至るまでの経緯が分かるともっと良いです。しかし、いきなり完璧なCRMのデータが集まることはありません。
取引履歴データで営業データ分析を始めるのが、取り組みやすいし成果も早く出やすいでしょう。
レコメンドに使える
「取引履歴データ」（顧客の購買履データ）で営業データ分析をするとき、もっとも成果の出やすいのがレコメンドです。
レコメンドとは、顧客が「次」に購入しそうな商材（商品や製品、サービスなど）をお勧めすることです。
闇雲に商材（商品や製品、サービスなど）を顧客に勧めても、購入する確率は大きくないでしょう。場合によっては、顧客に嫌がられて関係悪化に繋がります。
未購入で購入確率の高い商材（商品や製品、サービスなど）が分かれば、非常にありがたい。そのための営業データ分析がレコメンド分析です。
ある程度自動化することができるため、最近はインターネットのECサイト（例：AMAZONなど）に訪問すると、「よく一緒に購入されている商品」や「この商品を買った人はこんな商品も買っています」などと自動的にレコメンドされます。
顧客と購入した商材が分かれば、このような営業データ分析をすることができます。具体的には、レコメンドのリストを顧客ごとに作っていきます。
営業データ分析の手法としては、協調フィルタリングなどが有名です。
マチュリティ・モデルに使える
レコメンド・リストは、今何を勧めるべきかという断片的なものです。このレコメンドを時系列化したのがマチュリティ・モデルです。
先ずAという商材（商品や製品、サービスなど）を購入し、次にBという商材（商品や製品、サービスなど）を購入し、さらにその次にCという商材（商品や製品、サービスなど）を購入する……
色々な商材（商品や製品、サービスなど）を購入していくうちに、顧客ロイヤルティが高まり、最終的にはロイヤル顧客（お得意様）になるという概念的なモデルです。
「取引履歴データ」（顧客の購買履データ）で営業データ分析をすることで、このような傾向が見えてきます。
そして、ロイヤル顧客（お得意様）化するパターンはいくつか発見され、いくつものパターンの中に共通するパターンも見えてきます。それをもとに、マチュリティ・モデルを作ります。
営業データ分析の手法としては、パターン・マイニングなどがあります。
新規顧客の取捨選択に使える
リード（見込み顧客）の新規顧客化にはエネルギーが必要になります。既存顧客を維持するのに比べ、多大なる時間と労力が必要になります。
そのため、「受注しにくいリード（見込み顧客）をだらだら追いかけてしまい、時間を浪費してしまう」や、「せっかく受注しても受注金額が安かったり、解約されてしまい、労力の割に報われない」といった問題があります。
この問題は、リード（見込み顧客）の「新規受注率」や、受注したときの「受注金額」や「LTV」（顧客生涯価値）が分かれば、ある程度解決されることでしょう。
なぜならば、「新規受注率」が低かったり、「受注金額」や「LTV」（顧客生涯価値）の低いリード（見込み顧客）を避けることができるからです。
できれば、「新規受注率」が高く、「受注金額」や「LTV」（顧客生涯価値）の高いリード（見込み顧客）を狙いましょう。
営業データ分析の手法としては、罰則付き回帰分析などがあります。
理想は「CRMデータ」、現実は「取引履歴データ」（顧客の購買履歴データ）
理想としては、CRMデータなどの営業プロセスが分かる営業データの分析です。
しかし、現実的に分析できる営業データは、CRMデータで言えば受注時のデータ。つまり、「取引履歴データ」（顧客の購買履データ）による営業データ分析です。
この「取引履歴データ」（顧客の購買履データ）の無い企業は皆無でしょう。これがないと、企業活動に差しさわりが出てきますし、PL（損益計算書）もBS（貸借対照表）を作れません。
営業やマーケティング系のデータ分析は、企業の収益に直接影響します。何に役に立つか分からないデータ分析ではなく、売上や利益などの収益性を向上させるデータ分析をします。
そのため、営業やマーケティング系のデータ分析の成果は、非常に理解しやすく、すぐにその効果は現れます。少なくとも１年単位で比較すると顕著にでてきます。
しかし、とくに営業は「人の要素」が大きいため、「やる気」の問題が非常に成果を左右します。マーケティング系も結局は人の要素が少なからず入ってくるため、同様に「やる気」の問題が少なからず影響します。
では、どうすればよいのか？
営業データ分析のモチベーションをすぐ高めよう
綺麗なCRMデータが溜まるのを待っていては、いつまでも営業データ分析はできません。今ある「取引履歴データ」（顧客の購買履データ）で、営業データ分析を実施し、営業データ活用を実現するのが良いでしょう。
今ある「取引履歴データ」（顧客の購買履データ）ですぐやる、というのが最大のポイントです。この営業データ活用の小さな成功体験が、綺麗なCRMデータの蓄積を後押しします。
営業データ分析のモチベーションが高まるからです。
ちなみに、CRMデータは人が手入力するため、データが汚い状態が多いです。綺麗なCRMデータの蓄積を後押しするとは、CRMへのデータ入力のモチベーションが高まり、比較的綺麗なデータが溜まりやすくなるということです。
