手段の目的化（データ分析）
データ分析・AI活用プロジェクトにおいて、注目を浴びる技術・手法を使うこと自体が目的になり、解決すべきビジネス課題が後回しになるアンチパターン。データ分析失敗パターン（5類型） のパターン⑤。
症状
- 「AIプロジェクト」「機械学習導入」「深層学習活用」など、注目技術名をプロジェクト名に冠して予算獲得・政治的権威づけに利用する
- 解決したい課題が曖昧なままプロジェクトが承認・開始される
- より簡易で効果的なアプローチ（集計・ルールベース等）があるにもかかわらず、複雑な手法にこだわって不要なコストをかける
- プロジェクト終了後に「使い道のない分析結果」が生まれる
背景・発生原因
予算承認・昇進・部門内の影響力拡大などの組織政治的インセンティブが、技術手法の選択を歪める。また、分析者や意思決定者が「流行の技術を使えば成果が出る」という根拠のない期待（パターン②とも重複）を持つ場合にも生じる。
回避策
- イシューファースト: まず「何が問題か」「何を解決できれば嬉しいか」を合意する（イシュードリブン分析）
- 技術者レビューの制度化: プロジェクト計画・予算承認の場に技術に詳しい人物を配置するか、実現性レビューを制度として組み込む
- シンプルさの優先: 「できるだけシンプルな手法で十分な精度・効果を出す」を原則とする
他分野との共鳴
同様のパターンは他の文脈でも観察される:
- DX推進: 「DXする」こと自体が目的化し、業務変革が伴わない（DX戦略（コアの再定義とデジタル化））
- AI駆動開発: 「AIを使う」ことが目的化し、本来の業務改善が後回しになる
- ツール導入全般: 新しいツールの導入自体が評価指標になるケース