データ分析をするとき、99%の人はこの図を理解できない

データ分析を行う際、多くの人はデータの背後にあるビジネス上の重要性を理解せずに、単にデータを分析してデータで止まってしまいます。では、データを通じてより深い意味を理解するにはどうすればよいのでしょうか?この点に関して、この記事では、誤ったデータ解釈の例や、解釈中にビジネス上の意味を明確にするための鍵など、7 つの側面を分析します。データ分析に興味がある方におすすめです。

学生たちは、会社ではいつも「データから何がわかりましたか？」と聞かれるとよく​​不満を言います。しかし、実際のデータはほんの数本の曲線で、それをどう解釈したらよいのかわかりません。誰も教えてくれなかったし、やっと数文書いた後、私は軽蔑された。「あなたの言ったことはすべてナンセンスだ。もっと深い意味が欲しい。」何をするか？最も簡単な例を見てみましょう。以下は、ある会社の 1 週間の売上データです。何が見えますか？

1. 誤ったデータ解釈の例

1. 高すぎると賞賛されます。低すぎると叱られます。データの解釈によると、月曜日から金曜日は非常に高く、土曜日と日曜日は低いので、必要です。やってみよう！高い！ ...もちろん、このように解釈すると、人々はこう言うでしょう。「あなたが話しているのはすべてナンセンスだ！」ビジネスマンは盲目ではない。土日に比べて数字が下がっているのが分からないのでしょうか？
2. 価格が下がるところでは、価格は上がります。土曜日に48%下落したので、さらに押し上げなければならない...これはナンセンス*2であり、以前の発言とまったく同じです。
3. 足し算、引き算、掛け算、割り算が続きます。平均値が95.2、最大値が125、最小値が35…これはナンセンス*3です。平均 95.2 だから何?最大値は 125 ですが、どうでしょうか?これは意味を伝えずに数字を繰り返しているだけです。

2. 解釈の鍵はビジネス上の意味を明確にすること

上記 3 つの誤りの共通点は、数字に基づいて数字を議論し、データで止まってしまうことです。データの背後にあるビジネス上の重要性が理解されていません。実際、データの解釈はまったく難しいことではありません。私たちは毎月毎日これを使います。例えば：

意思決定を行うビジネス部門にも同じことが当てはまります。彼らが聞きたいのは、「費用対効果が低い」「気に入らない」「お金がない」といったことです。彼らがもっと聞きたいのは、「今日のランチの予算は一人当たりたったの50元で、この四川料理レストランでお腹いっぱいおいしい料理を食べることができます。」ということです。彼らが聞きたいのは、「2キロ以内にレストランが28軒あり、平均価格は63元、最高価格は725元、最低価格は13元で、価格は先月と比べて10％上昇しました」という話ではありません。これは本当に何の意味もありません。

この判断を行うには、次の 3 つの条件が必要です。

1. データの現実世界への影響を理解する
2. データサイズが表す現実世界の違いを理解する
3. 判断基準を明確にする

例えば、Dianpingにあるレストランの一人当たりの平均費用は185元です。それは孤立した数字ではなく、お腹を満たすためのコストであり、一人当たりの金額の本当の意味です。コストが低ければ、それは受け入れられます。高ければ、手が出ません。これがデータサイズの実際の違いです。例えば、私の食費は月3,000元、つまり1日100元だけなので、基準があります。この食事は185元で、明日は土を食べなければなりません。結論としては、高すぎるので別の場所に移らなければなりません。

企業データの解釈にも同じことが当てはまります。データだけでなくビジネスも見ることができます。同じ3つのポイント:

1. ビジネス上の意味: データはどのようなビジネスを反映していますか?
2. パフォーマンスの傾向: データフォームを通じてビジネス開発の傾向を解釈する
3. 判断基準：何が良いか、何が悪いか

以下で一つずつ見ていきましょう。

3. ビジネスへの影響を理解することから始める

冒頭の例に戻ると、「販売実績」という指標自体に多くの意味があります。

• 直接的な意味: 営業努力
• 販売実績＋コスト：企業の収益性
• 販売実績 + 製品: 製品の人気度
• 販売実績 + ユーザーセグメンテーション: ユーザーニーズ
• 販売実績+在庫：商品の仕入、販売、在庫管理の品質

ただし、注意: ここでは基準がないため、良いか悪いかを判断することは不可能です。そのため、パフォーマンスが低いときにパフォーマンスを向上させる必要があると直接結論付けるのは非常に間違った行動です。

販売実績は営業チームの努力を直接反映します。この値が良いか悪いかを知りたい場合は、「営業チームのどの KPI が達成されましたか?」と直接尋ねることができます。パフォーマンス曲線の傾向から判断することもできます。これには、パフォーマンスの傾向を観察するという 2 番目のステップが必要です。

4. パフォーマンスの傾向を観察する

質問：「どのような商品がこのように売れるでしょうか？」データは 7 日間あるため、次の 3 つの傾向が表れる可能性があります。

1. 自然の周期的変化

7日間は1週間を表します。月曜日から金曜日までは営業日で、土曜日と日曜日は休日です。つまり、平日は売れ行きがよく、休日は売れない商品です。はい、これは B2B 取引であると考えられるのは当然です。平日は人々が仕事をし、日曜日は休んでいるときだけビジネスが盛んです。あるいは、CBDのレストランなど、B2Bを中心とした派生的なビジネスである可能性もあります。

2. ライフサイクルの変化

主力製品がライフサイクルを終えて市場から撤退し、新たな製品が発売される予定であるため、一時的な変化が生じている可能性があります。一般に、ライフサイクル データを見るときは、自然日数を見るのではなく、ライフサイクルの開始からの T+N 日数のグラフを見る必要があることに注意してください。

3. 突然の変化

土曜日にトラブルが発生して取引システムがダウンしていた可能性、土曜と日曜にプロモーションが終了していた可能性、土曜と日曜に悪天候があった可能性などが考えられます。

傾向を判断することで、暫定的な基準を確立することができます。周期的な変化であれば、正常な変動である可能性が高く、私たちはそれを「正常」であると暫定的に判断します。急激な＋下落であれば、異常な悪い変動である可能性が高く、予備的に「問題あり」と判断できます。標準があれば判断はできますが、3 つの仮定すべてが考えられ、さらに検証する必要があります。

5. 検証のための仮説をリストアップする

自分の考えが正しいかどうかを知りたい場合は、仮説を検証する必要があります。仮説を検証する方法は 2 つあります。まず、ビジネス部門とコミュニケーションをとって実際の状況を把握します。 2つ目は、過去のデータを参照して自分の判断を検証し、逆に事業部門が嘘をついていないか検証することです。

データの検証は非常に複雑になることもありますが、非常に単純な場合もあります。複雑なロジックは必要ありません。曲線だけで十分です。下記の通りです。

時間を延長すれば、業績の傾向や業績に基づいて変化の理由を解釈することもできます。過去に周期的な変動が常にあった場合、周期的なパターンはより長い期間にわたって見られます。

実際のビジネス運営では、上記 3 つの状況もよく発生しますが、その形態はより複雑で、3 つが混在していることも少なくありません。たとえば、B2C 小売と B2B 販売は逆になります。

1. 自然な周期性: 金曜日から日曜日にかけて高く、他の平日は低くなります。
2. ライフサイクル: 新製品の発売からライフサイクルの終了まで、季節的なパターンがあります。
3. 緊急事態: 売上大幅増加 悪天候 (急激な減少)

データを見ると、日付が休日かどうか、主要製品のライフサイクルが終了しているかどうか、緊急事態が発生しているかどうかなどのラベルがパフォーマンス曲線に追加されることがよくあります。このようにして、規則的な曲線と一見不規則な曲線を区別することができます。

そのため、経験豊富なビジネスマンの多くは、専門的なデータ分析をしなくても、状況を素早く判断することができます。なぜなら、彼らはビジネスで何が起こっているか、過去のパフォーマンス曲線の形状を非常によく知っているからです。ビジネスパフォーマンスに照らして傾向を見ることは、前年比、前月比、平均値、中央値を盲目的に計算するよりもはるかに有用です。

6. 詳細を確認する

前のステップを完了した後、私はデータの意味を全員が理解できるように支援しましたが、質問には一切答えませんでした。前のステップで止まってしまうと、ビジネスのイエスマンになってしまいます。「業績が下がったのは大雨のせいだ」「これは通常の変動で、週末には間違いなく下がる」... このように単純に解釈すると、「ずっと前からわかっていた」という返答が返ってくる可能性が高くなります。

実際、人々は突発的な急性疾患には注意を払うことが多いのですが、慢性疾患には気づきにくい傾向があります。たとえば、次の図:

日次データだけ見ると、毎日大きな変動はなく、月末よりも月初が若干高いような感じがわずかに感じられる程度です。しかし、より長期間にわたる週次データを見ると、問題が見つかります。良いパフォーマンスを発揮できる月の最後の週に、パフォーマンスの向上を目指してみませんか?先月のパフォーマンスは良かった + 月末にスプリントがなかった + 今月のスタートは非常に良かった。この曲線の傾向は不規則です。これは、B2B セールスにおける「パフォーマンスを隠す」行動である可能性が非常に高いです。

このとき、データ分析を行う者は、最前線の業務に対して「ずっと前からわかっていた」と言うこともできます。翌月の初めにどれだけの注文があったかに基づいて、各社がどれだけの売上を隠しているかを把握することもできます。

実際の業務運営においては、単一の数字を見るだけではなく、データ指標体系を構築し、日報、週報、月報を作成するのもこのためです。日次レポートはビジネスアクションを相関させ、予期しない問題に対応するために使用され、週次レポートと月次レポートは傾向を追跡し、より深刻な問題を特定するために使用されます。より深刻な問題は特別な分析を通じて解決されます。これにより、データ分析システムが形成され、体系的な運用が有効になります。

もちろん、実際の分析シナリオはもっと複雑になります。データを解釈した結果、「販売部門は注文を隠しており、実際の業績はデータが示すものよりも良い」という結論に達する可能性もあります。しかし、注文を隠しているかどうか、実際の数はどれくらいなのかについては、特別プロジェクトを立ち上げて詳細な分析を行って判断する必要がある。しかし、いずれにせよ、「もっと上を目指せ！」とだけ答えるよりは、私たちは大きな進歩を遂げました。そして、企業からの尊敬も勝ち取ることができます。

7. データの解釈は難しいスキルです

学生の中には、「データアナリストに独力で推測させるのは非常に難しいので、ビジネスニーズを直接伝えたらどうですか?」と言う人もいるかもしれません。はい、理論上は、ビジネスとデータの間で定期的なコミュニケーションが行われ、ビジネス側がニーズを表明し、データがその結論に関するフィードバックを提供するのが最良の状態です。

しかし、ほとんどの企業では、この状態は存在しません。ほとんどの企業では、全員が自分の仕事で忙しいです。データ マネージャーは、さまざまな日報に対応するためにテーブルをクロールして数字を生成するのに忙しく、ビジネス マネージャーは仕事と格闘に忙しくしています。特に大企業では、部門間の溝や障壁は深く、コミュニケーションはほとんどありません。

また、データ分析自体に対する理解が曖昧で、「仙人のような姿をした道士が指を数えながら、衝撃的で型破りな言葉を発している」という印象を抱く人も多い。これらの複合的な影響により、この記事の冒頭にある疑問が生じます。したがって、データ アナリストは、ビジネス側がすべての問題を整理して自分たちに任せてくれると単純に期待することはできません。それでも、積極的に解釈する能力が必要です。

著者: 地に足のついた教師チェン

WeChat 公開アカウント: 地道な陳先生 (ID: gh_abf29df6ada8)