問題と課題は、日常用語としては同じ意味で使われることがありますが、会社の中の用語としては、明確に使い分けられていることもあります。 例えば、 QCストーリー には問題解決型と課題達成型があります。
問題は、現在あるべき姿と実際とのギャップです。 不良品の発生や、機械の故障などが入ります。
一方、 課題は、未来にありたい姿と実際とのギャップです。 新規の業務の実現などになります。
ただし、問題の解決策として、新規の業務を始めたいことがあるので、 同じことに対して、問題と考えたり、課題と考えたりすることがあります。 経験的には、問題と考える方が、進めやすいことが多いです。
問題解決や課題達成の中心にあるのは、起きていることや起こそうとしていることです。 問題解決と課題達成のためのデータサイエンス のページにまとめましたが、 データサイエンス は、それらを進める中での現状把握や要因解析の要所要所で、重要な役割を果たすことがあります。
問題解決や課題達成に対して、「３か月から１年くらいのプロジェクト」という形がイメージされていることが、世の中では多いようです。
これは、問題解決や課題達成についての解説を公表している人が、コンサルタントのような立場の人の場合が多いことが原因と思います。 コンサルタントのような立場で、社外の人が参加する場合は、そのような形しかできないというのが実情のようです。
筆者の経験の範囲にはなりますが、会社の中で、「３か月から１年くらい」のスピード感（納期）が適切なテーマは、ごく一部です。
特に問題解決については、「今すぐ」、「今日中」、「来週中」、「今月中」、といったスピード感で、何らかの形で解決させる必要があるテーマが多いです。
補足すると、期間の短いものほど、多いです。
筆者の経験を元に、「このくらいの数値かな・・・」といった感じでまとめてみたものです。
ひとつの工場で現在進行中のテーマの数は、下図になります。
プロジェクトの立ち上げを念頭に置いている場合や、 問題解決と課題達成の手順 を使うことを念頭に置いている場合、 データサイエンス を使うことを念頭に置いている場合は、こうしたスピード感には、なりにくいかもしれません。
一方、解決を急ぐからと言って、どんな解決策でもOKという訳にも行きません。 やはり、根拠は必要になります。
矛盾するようですが、根拠を得るには、 問題解決と課題達成の手順 や、 データサイエンス が必要です。 優先順位を付けることで、網羅性や完全性の精度を下げて、効率良くこれらを進めます。
スピードが求められるテーマであるほど、効率重視にします。
最初は手順を確認しながらになりますので、３か月から半年くらいの期間をかけても大丈夫なテーマを、２、３件やってみると良いかと思います。
順路
次は
問題解決学
