見出し画像

最適化コンサル案のたたき台

最適化コンサルってないの?という疑問について考察していきます。

まだ最適化コンサルをする会社がないなら、どんなお仕事になるのか考えてみます。

機械学習は道具に過ぎない

機械学習や深層学習というワードが一人歩きしていますが、これらは問題を解くための道具に過ぎません。

順序としては問題を設定した後にどのような手法で解決出来るかを試みます。優れた手法があって、それにあわせて課題を作るのでは本末転倒です。

もしかしたら世間の人は機械学習が多くの問題を解決すると理解しているのかもしれません。しかし、それは正確ではありません。ある問題に対して、手法の改良が試みられた結果、機械学習や深層学習が台頭してきたという話です。

機械学習が従来の方法に比べるといい性能が出るからスゴい。深層学習で画像分類で人間よりもいいスコアを出した。それは事実ですが、あなたの課題を直接解決するものではないかもしれません。

これは機械学習などの手法が良い悪いという話ではありません。

解くべき問題、解決すべき課題を設定するのはまだ人間の役割です。現実の課題を発見し、問題としてモデル化する役割が必要になります。

そして問題に合わせた手法を使い分けることで、最適化が達成されます。

つまり現実を抽象化し、場面に合わせた道具の使い分けが出来ることに価値があるのです。

道具を使い分けるということは、道具単体は売りにできないということでもあります。

現実から抽象度を上げて考える能力こそ売りになるのです。

最適化屋さんのビジネスモデル

しかし、問題解決を提供する、というのは見せ方が難しいかもしれません。

具体的な事例がないと貴方に対して、こんなことができますよ!というアピールが出来ないのではないでしょうか?

そして問題のモデル化と問題を解くことはサイクルになっています。モデルをより現実の問題に即した形へと作り込んでいくことで、より高度な答えを提供できます。

そのサイクルを回していくことを考えると、一つの案件と長くつきあうことになります。すると新しい顧客をどんどん開拓していくビジネスモデルにはならないでしょう。

営業方針

サービスの提供が売り切りじゃないと言うことは、一つの顧客に対する労力がずっとかかりつづけることになります。

一つ一つの顧客と長くお仕事をするなら、バンバン営業してお客さんを増やすことができません。最適化屋さんのキャパが仕事のスケールアップに対する限界になります。

そうなると案件の数を増やすのではなく、客単価を上げていく方向で収益化していく必要があります。

このビジネスモデルだと潜在的な需要を満たせるだけの最適化屋さんを供給することは無さそうですね。

ただ需給のバランスの観点から有利な状況にあるとあぐらをかいて、需要の掘り起こしや宣伝活動を怠けていると、どこに売り込めばいいかが分からなくなります。

広告を頑張るインセンティブが最適化屋さんにはないので、案件のマッチングさえしてもらえればそれで済みます。それをするのが最適化コンサルになるでしょうか。

マッチングサービスが必要

最適化屋さんのお仕事は問題のモデル化と問題を解くことのサイクルを回すこと。

あなたは自分の抱える課題を解決できる最適化屋さんを見つける必要があります。

この仕事のマッチングを考えたときに、まだネットだけで完結する世界ではありません。詳細なヒアリングや折衝が求められることでしょう。

その立ち位置に立つための信頼を得るには、友人や知人からの紹介が重要になります。緩い繋がりが仕事を運んでくるということです。

そうした人と人とのマッチングスキルを持つことで、世の最適化屋さんを活用できます。

まだマッチングサイトを開設するには、数理最適化の布教活動が足りていません。あなたは最適化屋さんが分かるレベルまで困りごとを言語化することは難しいでしょう。その辺りの御用聞きが必要とされるのではないでしょうか?

追記:2020/6/22

おそらく自分の考える"最適化"をお仕事にされている企業を見つけた。


私にカフェオレを飲ませるためにサポートしてみませんか?