データアナリストの皆さん、データ分析プロセスでより大きな価値を提供するにはどうすればよいでしょうか?

データ分析は具体的に何をするのでしょうか?データ分析とは何か、データアナリストとは何か、そして高品質で価値のある分析作業を行うにはどうすればよいのか?この記事でその答えが分かります。データ分析は数字を集めるだけではありません。価値の高いデータアナリストになりましょう！データ分析やデータ操作に興味がある方におすすめの一冊です。

データアナリストとして働く友人が私に不安を打ち明けました。彼は、毎日のデータ収集には技術的なスキルは必要ないと考えていました。彼は分析をしなければならないことはわかっていたが、それをどのように行うのか知らなかった。この友人は多くの人々の縮図です。

多くの人は、データ収集が仕事のすべてだと考えて、就職初日からデータ収集を始めます。私は実際の分析がどのようなものか見たことがなく、ビジネス上の意思決定に参加したこともありません。飛び出したいけど、どこから始めればいいのか分からない。データ収集という退屈で低品質な作業に行き詰まっています。これまで、データ収集を減らして分析を増やすなど、多くの提案をしてきました。ここでは、データアナリストという立場の重要性から始めると理解しやすいのではないかと思います。今日はデータ分析とは何かを学びます。

01 「データ分析」とは何か？

まず、データ分析が行うことは、データアナリストが行うこととは異なることに注意する必要があります。データ アナリストが何をするのかを知るには、まずデータ分析が何を行うのかを知る必要があります。

データ分析は意思決定の方法であり、経験を要約し、履歴データから結論を導き出す完全な分析プロセスです。データ分析の意思決定方法に対応するのは、即断即決と経験に基づく意思決定です。

衝動的に決断を下すことは必ずしも悪い決断ではありません。しかし、継続的に最適化することは困難です。ただし、データ レコードがあり、データ駆動型の方法を使用しているからといって、必ずしも最初から結果が良好になるとは限りません。しかし、過去を要約することはできます。経験は常に最適化されるため、開始点がどこであっても、最終的には比較的良いレベルに到達できます。

ここでは、この2つの違いを理解していただくために、磁器に関するお話をさせていただきます。歴史上長い間、中国の磁器は世界でも最高峰のものでした。明王朝末期には、中国とその二つの属国である朝鮮とベトナムだけが磁器を生産することができました。磁器は大量の銀をもたらすため、朝廷は磁器職人に対して非常に厳しい管理を行っていました。他国の人々は磁器職人と連絡を取ることができず、生産方法を知ることもできませんでした。

当時のヨーロッパの磁器は非常に高価であり、ヨーロッパの人々は自分たちで磁器を作りたいと強く望んでいました。 18世紀、錬金術師のベトガーが磁器の研究を始めましたが、ベトガーは磁器の土の組成を知らなかったため、ただ試行錯誤を続けることしかできませんでした。幸運なことに、彼は錬金術の基礎知識があり、化学実験の方法をいくつか知っていました。丸一年の作業を経て、彼らが作ったのは、非常に醜く耐久性のない、質の悪い陶器だけだった。

3年目に、彼は幸運にもドイツのある地域で焼成に適した土壌を見つけることができました。しかし、それらの土壌の組成は中国の磁器粘土の組成とまったく同じではありません。磁器は直接焼くことができません。その後、ベットガーは多くの実験を行った。最終的に、彼らはこれらの土壌に一定の割合の長石を加えることで白い磁器を生産できることを発見しました。

この4年間で彼は3万回の実験を行った。彼は実験のプロセスと結果全体を記録しただけでなく、各実験間の微妙な違いもすべて記録しました。

これらの記録をもとに、ヨーロッパ人は磁器の改良を続けました。たとえば、フランス人はエナメル磁器を発明し、イギリス人はボーンチャイナを発明しました。 18 世紀に、エナメル磁器がヨーロッパ人によって中国に持ち込まれました。康熙帝はこれを大変気に入り、宮殿にこれを真似するよう命じました。これは当時の中国の磁器製造技術がヨーロッパに遅れをとっていたことを示している。

この物語における中国磁器とヨーロッパ磁器の発展は、経験に基づく意思決定とデータに基づく意思決定の違いです。古代中国では経験に基づいて決断を下した。磁器の焼成方法は口伝えと長年の経験に基づいており、その技法は失われることが多い。中国の磁器は歴史上常に世界の最先端を走ってきましたが、定量的な測定を重視しなかったことと実験記録が不足していたため、長い間進歩がありませんでした。

そしてヨーロッパはデータに基づいて決定を下します。ヨーロッパの磁器は出発点が中国よりも低かったにもかかわらず、陶磁器の組成、比率、工程を記録していたため、すぐに中国磁器を上回りました。これがデータ分析の価値です。経営や磁器作りと同じように、改善すべき点はたくさんあります。データに基づいて意思決定をしなければ、すぐに他社に追いつかれ、競争力を失ってしまいます。

02 「データアナリスト」とは何をする人ですか?

データ分析の意思決定プロセスは、データがない、データが乱雑である、データの入手が難しい、数学的および統計的知識が不足しているなど、進行中にいくつかの問題に遭遇します。そのため、このプロセスを進めるために、データアナリストが登場します。あるインターネット企業を例に挙げてみましょう。

1. 分析の背景: 運用チームはマーケティング キャンペーンを開始し、次の外部キャンペーンでどのグループに重点を置くかを決定できるように、外部広告がどのグループの人々に対してより効果的であるかを分析したいと考えています。
2. データの取得: 次に、運用部門はデータ アナリストに次の要件を提示しました。通常期間と比較した、ローンチ期間中の新規ユーザー、既存ユーザー、離脱ユーザー、復帰ユーザーの規模を取得することです。
3. データを分析: データを取得した後、運営チームは、活動期間中に離脱ユーザーと復帰ユーザーの割合が大幅に増加したことを発見し、次回のマーケティングキャンペーンで離脱ユーザーと復帰ユーザーに復帰特典を提供することを暫定的に決定しました。ただし、マーケティング予算を決定するには、ユーザー規模も評価する必要があります。
4. データを再度取得する: そこで、データ アナリストに別の要件が提示されました。それは、失ったユーザーの累計数を取得することです。
5. 再度データを分析する：オペレーションはデータを取得した後、前回の活動の復帰率に基づいて復帰者数を推定し、復帰給付に必要な予算を計算します。
6. 分析結果：活動予算を見積もり、ビジネスリーダーに提案書を提出します。

この意思決定プロセス全体がデータ分析です。ただし、このデータ分析では、運用担当者が主役であり、データアナリストはサポート役です。分析フレームワーク全体は運用担当者が主導し、データ アナリストはデータの収集のみを担当します。データ アナリストは全体像を把握していません。これは、盲人が象に触れるときに、象の一部しか見えず、全体は見えないのと似ています。

しかし、データアナリストがいなければ、このプロセスは確かにさらに面倒なものになるでしょう。 1 日で完了できた作業が 3 日かかる場合があります。したがって、この場合のデータアナリストの価値は、データ分析の効率を向上させることです。一般的に、データ分析プロセスの完了を促進する作業はすべて、データアナリストの仕事になります。データ分析のプロセス全体を完了するには、通常、データの取得、データの処理、データの分析という 3 つの作業を行う必要があります。これらに対応する業務内容は以下のとおりです。

• データを取得:
  • データ収集：フロントエンド開発、CRM 入力など
  • データストレージ：データベース開発、データウェアハウス開発など
  • データ抽出：一時データ取得、データプロダクト開発、レポート開発など。
• データの処理: SQL、Excel、Python などのデータ処理ツールを使用して、データに対してディメンションのドリルダウンや集計などの操作を実行します。
• データを分析する: ビジネス知識、機械学習などを組み合わせて、データから結論を導き出します。

上記の仕事はすべてデータアナリストに関連しています。企業によっては、より細かいカテゴリに分け、データアナリストは処理と分析のみを担当する場合もあります。

比較的厳しい企業もあり、データアナリストは複数の役割を担い、あらゆることを少しずつこなせる必要があります。

これらの職種はそれぞれ異なる仕事をしますが、すべてデータアナリストと呼ばれます。これが、業界のデータアナリストの職務要件が非常にわかりにくい理由の 1 つです。求職活動を行う際には、データアナリストの職務要件は大きく異なることにも注意する必要があります。 Excel や SQL の知識が必要なものもあれば、Hadoop の知識が必要なもの、コンサルティング会社での経験が必要なものなどもあります。十分な準備をして求人に応募したい場合、まずその職種が何に重点を置いているかを理解する必要があります。

03 データアナリストは通常​​何をするのでしょうか?

データ アナリストは、高レベルの会議室に出入りする華やかな戦略家ではありません。むしろ、それは多くの汚い仕事と疲れる仕事を伴う非常に大変な仕事です。頻繁に遭遇する面倒で疲れる作業には、データの取得、口径の調整、基礎構造の再構築などがあります。データ アナリストが直面する 3 つの大きな課題:

• データを取得
• 口径について
• 最下層の再構築

データを取得:

データの取得は、ほとんどのデータ アナリストにとって最も一般的なタスクです。リーダーは意思決定を行う際にデータの収集をあなたに求め、あなたもビジネスレポートを作成する際にデータの収集を求め、またあなた自身が独自の分析を行う際にもデータの収集を求めます。場合によっては、数値を取得するために、基礎となるデータ全体を整理する必要があります。一日の大半を費やした後、私はたった 1 つか 2 つの数字しか見つけられませんでした。あなたの上司は、あなたが仕事で非効率で、数字を出すのに半日もかかると思っているようです。その痛みは言葉で表現するのは難しい。

口径について:

データを取得する際の苦労は、作業量だけでなく、多くの場合、能力が揃っていないという事実からも生じます。取得したデータがレポートや業務システム、前回取得したデータなどと一致しない場合、人は精神的に混乱してしまいます。時には、データを取得するために午後中ずっと懸命に作業しても、結局はデータが一致しないことが判明することがあります。 2 つのデータの質の違いを理解するのになぜ時間をかけなければならないのでしょうか?間違っていたら最初からやり直さなければなりません。

場合によっては、あるデータが他のデータと矛盾している場合、レポート全体を書き直す必要があります。能力のばらつきはスタートアップに限った問題ではなく、大企業にも存在します。企業内の新規ユーザー数の基準には複数のバージョンが存在する場合があります。すべてのデータ アナリストの新年の願いは、すべての能力が揃うことだと思います。

最下層の再構築:

ビジネスが発展するにつれて、基礎となるデータ テーブルのディメンションと指標が頻繁に変更され、基礎となる再構築が必要になります。この仕事の問題点としては、基盤となるシステムが変更されると、対応するレポートも変更する必要があり、さらに週次レポートと月次レポートのテンプレートも変更する必要があり、その後、ビジネス部門から新しいデータに対するデータ取得要件がフィードバックされることです...

本当に子孫は無限に続くでしょう。上記の作業は、日常業務におけるデータ分析に費やす時間の70～80％を占めており、本当に価値を生み出す作業は残りの20％の時間に集中しています。それで、冒頭の友人は、データアナリストの仕事に対する価値観が低いと言っていました。それは非常によくある現象です。では、どうやって価値を高めるのでしょうか?

03 データアナリストの価値を高める方法

データ アナリストの価値は、データ分析プロセス全体において彼が果たす役割によって決まります。一般的に、価値の高い仕事には次のようなものがあります。

• 良い質問をする
• 良い答えを出す
• 要約と分析ルーチン
• 効率的なツールを提供する
• 難しい問題を解決する

1. 良い質問をする

分析値の上限を決定する上で最も重要な要素は、適切な質問です。

次の質問のうち、どちらがより価値があるでしょうか?

• コピーライティングAとコピーライティングBの2つのグループのどちらが優れているでしょうか？
• ユーザー規模減少の理由。
• 現在の運用上の焦点は、ユーザーベースの拡大を継続することか、それとも商用化を試みることでしょうか?

1 つ目は、特定のビジネス同僚の仕事に関連する、具体的な実装の問題です。分析の結果、一連のソリューションが最終的に選択されます。

2 つ目は、運用チームの作業に関係する戦術レベルの問題であり、この問題の結果によって運用チームの作業の焦点が変わる可能性があります。

3 つ目は、プロジェクト チーム全体の作業に関係する戦略的な問題です。分析の結果、プロジェクト チームの KPI が変更されたり、組織構造が調整されたりする可能性があります。

したがって、第 3 の戦略レベルの問題の方が価値があることは明らかです。

しかし、戦略レベルの分析に直接参加し、戦略レベルの問題を分析できるデータアナリストはほとんどいません。実用的ではないかもしれません。ただし、戦術レベルで問題に対処し、より高い次元の問題を分析しようとすることは依然として可能です。

2. タイトル

日常的な分析は表面的な部分で止まってしまうことがよくあります。

• なぜ売上が低いのでしょうか?コンバージョン率が低いからです。
• なぜコンバージョン率が低いのでしょうか?ランディングページのコンバージョン率が低いため
• ランディングページのコンバージョン率が低いのはなぜですか?なぜなら……

これらの回答は表面的すぎて、表面的な理由しか示していません。このように結論を出しすぎると、将来的に企業は数字を集めるためにだけあなたに頼ってくるようになります。彼が望む結果を与えることができないからです。

分析の結果はいくつかのレベルに分かれています。

• 最も低いレベルは、 「今、私のビジネスクラスの友達に何が起こっているのか教えてください。」それは良いことでしょうか、それとも悪いことでしょうか?それは続くのでしょうか、それとも終わるのでしょうか?
• 2 番目は「なぜ」です。では、今起こっていることの背後にある理由は何なのかを彼に伝えてください。
• 最後に、どのように: 最後に、この問題に対して私たちは何ができるでしょうか?

できるだけ多くの方法を教えてください。数字を挙げられない場合は、その理由を示してください。もしそれがすべて何なら、価値は低すぎます。

3. ルーチンを要約して分析する

最初の 2 つの方向は、データ分析をより深く行うことです。より深いオブジェクトを掘ります。もっと深い答えをください。より詳細な価値を提供できない場合は、量を検討することができます。価値を提供する。

これは、さらに分析を行うという意味ではありません。人の時間は常に限られています。どれだけ残業しても、通常より桁違いの成果を出すのは難しい。ただし、類似の問題に対する分析方法をいくつかまとめ、それを会社全体に広めたり、業務システムに直接組み込んだりすることもできます。より多くの人がこの方法を採用すれば、あなたの成果によって会社全体の効率が向上します。

4. 効率的なツールを提供する

数を増やすもう一つの方法は、効率的なツールを提供することです。これは最も簡単なタイプの仕事ですが、最も難しい仕事でもあります。

どの企業も多かれ少なかれ何らかのレポートを持っていますが、そのレポートが有用であるかどうかは別の問題です。ほとんどのレポートは基本的なデータ クエリのニーズを満たすだけですが、データの範囲は複雑で不明確な場合がよくあります。レポートのパフォーマンス構造はかなりわかりにくく、一部のパーソナライズされたドリルダウンや集計のニーズに対応できません。

統一された品質、明確な階層、継続的なメンテナンスを備えたレポートやデータ製品を提供できる場合、これも価値の高い仕事となります。多くの大企業には、成熟したレポート システムを維持するための専任チームがあります。ビジネス レベルでのすべての変更はこのチームに通知され、レポートに基づいて修正されます。

時間が経つにつれて、このデータ製品セットは会社のワークフローに欠かせないものになりました。しかし、すべてのリーダーがこの仕事の価値を理解できるわけではありません。あなたがいるときは、他の人がこのレポート セットを重要だとは思わないかもしれませんが、あなたがいなくなると、あなたなしではやっていけないことに気づくかもしれません。

たとえリーダーがこれを非常に重視していたとしても、この体系的な報告システムは初期段階では目立った特徴がなく、おそらく最初の 3 か月間は誰もそれを認識しないであろうことに注意する必要があります。しかし、ある一定のレベルに達すると質的な変化が生まれます。したがって、この種の仕事をするには、ある程度の忍耐力が必要です。

5. 難しい問題を解決する

仕事に価値を加える最後の方法は、難しい問題を解決することです。

難しい質問にはさまざまな種類があります。

• コミュニケーションの問題:ある分析問題には多くの部門が関係しており、部門によって要求が異なるため、部門間のコミュニケーションは非常に困難です。すべての関係者の要求のバランスを取り、部門間のプロジェクトを解決できれば、それが価値となります。
• 出力時間の問題:データ量が多いため、毎日午前 8 時までにデータが生成されることを保証することはできません。巧妙なデータ モデル設計によって生産時間を 2 時間短縮できれば、それは価値のあることです。
• チームワークの問題: ビジネス チームにはデータ主導の認識が欠けており、データ分析チームは協力関係を築くのが困難です。相手のビジネス上の問題点を特定し、分析結果を積極的に提供し、円滑な協力体制の構築を推進することで価値を創造します。
• 上級レベルの意思決定の問題: 上級管理職が意思決定について議論する際、彼らはビジネスの状況を即座に明確にし、意思決定の効率を高めることを望んでいます。ほとんどのビジネス指標を念頭に置き、上級の意思決定を行う人間データマシンになります。ビジネス上の問題について議論するときに、それが現在のデータの状態と一致しているかどうかをすぐに判断できます。これが価値です。

企業側から求められているが、他の人にはできないが自分ならできる難しい仕事は価値のある仕事です。

まとめ

データ分析は企業や組織にとって不可欠ですが、データアナリストは必ずしもそうではありません。私たちにできることは、データ分析プロセスにおける価値を高めることだけです。データ アナリストがデータ分析プロセスでより大きな価値を提供できない場合は、データ製品 + ビジネス解釈がほとんどのデータ アナリストの代わりとなります。

データアナリストの役職は実はあまり標準化されていません。何ができるかは、あらゆる面でのあなたの総合的な能力に完全に依存します。データ分析とは何かを理解することで、どこに価値を提供できるかがわかります。データ アナリストが解決しようとしている問題がわからないと、どこに力を注げばよいかわかりません。

自分の強みを組み合わせて、プロセスの中で自分が最も価値を発揮できる部分を見つけ、協力して価値の高いデータアナリストになりましょう。

著者: ジェイソン

WeChat パブリックアカウント: Sanyuanfangcha (ID: sanyuanfangcha) は、データを活用してビジネスの成長を促進することに重点を置いており、データ分析とユーザーの増加に優れています。私は読書、考えること、創作することが好きです。