どのようなデータ分析が「高度」と言えるのでしょうか?

私たちはデータアナリストとして、日々数字を計算して分析を行っていますが、その分析結果が他の人から高く評価されることはありません。では、どのようなデータ分析が高度と言えるのでしょうか?著者は、高レベルの分析を実行するためのヒントをいくつか紹介しています。見てみましょう。

仕事では毎日数字ばかりを追いかけているとよく嘆きますが、私たちが作り出すものはいつも「質が悪い」と批判されます。これらはすべて統計的な計算ですが、なぜ「高度に洗練」されている必要があるのでしょうか?今日は、私の実際の事例を使って、データ分析がどのようにして「非常に効果的」であると評価されるのかを見ていきます。

問題のシナリオ: 従来型企業の電子商取引部門のマーケティングリーダーは、データアナリストを探し、商品の現在の在庫データと週次販売データレポートを入手し、分析の支援を求めました。ビジネス側は、「明確な分析要件がないので、探索的な分析を行う」と述べた。

Q: この分析はどのように行うのですか?

01 マイナスポイントの分析

昨日の在庫 120
本日の在庫 220
前月比成長率は83%でした。下げることをお勧めします

コメント: コメントするのは面倒なので、自分でコメントしてください。

02 総合分析

製品Aの週当たりの販売量は100で、在庫は400個あり、あと4週間は使用できる。
製品Aの補充サイクルは3週間であり、さらに観察すると
製品Bは週当たりの販売量が100個で、在庫が200個あり、あと2週間は使用できる。
製品 B の補充サイクルは 2 週間です。今週から補充を始めることをお勧めします。

コメント: 購入、販売、在庫のデータを一緒に確認する必要があること、補充サイクルを考慮する方法を知っているので、少なくとも合格です。

03 少し高度な分析

製品 A には季節パターンがあり、現在はそのサイクルの終わりにあります。在庫は3週間分は確保できると予想されます。補充はお勧めしません。
製品 B はライフサイクルの後半に達し、週ごとの売上は減少しています。もっと早く発送すべきです。
商品 C は季節を問わない標準商品で、週の販売数は 100 個、在庫数は 200 個です。あと 2 週間使用でき、今週補充できます。

コメント: データ分析の作業と学校の宿題をすることの最大の違いは、「実際の作業には標準的なテスト問題はなく、解くべき問題だけがある」ということです。そのため、業務部門が 1 つのデータしか見ることができないということではありません。さらに、営業部門は、製品のライフサイクルや自然周期、売上が安定しているかどうかなどを伝える必要もありません。データアナリストはデータ自体を通じてそれらを発見できます。そのため、問題を発見したい場合、企業側が教えてくれるのを待つ必要はなく、自ら率先して取り組むことができます。

ビジネス知識とデータパフォーマンスの観点から、データの背後にあるパターンを発見します。季節商品: たとえば、冬は暖かく、夏は涼しく過ごせる商品など。季節限定でよく売れます。今年の冬がそれほど寒くなく、夏がそれほど暑くない場合は、次のデータに示すように、販売は割引されます。

ライフサイクル製品: 電化製品や季節ごとに新しく発売される衣料品など、市場に投入された直後は最も高い価格で販売され、販売量も最も多いが、時間が経つにつれて価値が下がっていく製品。季節が変わり、新しいスタイルが発売されると、値下げによってのみ在庫処分が可能になります。データは次の図に示されています。

安定販売商品：米、麺、油、卵、ペーパータオル、シャンプー、シャワージェルなど、日常生活に必要な商品。毎週、全体の売上高（店舗の来店数やウェブサイトの来店数など）に応じて変動する可能性がありますが、一般的には大きな変動はありません。データは次の図に示されています。

これらは、ビジネス側から対処を迫られるのを待たずに、日々のデータと蓄積された経験から発見できます (ビジネス側はこれらの違いを自ら認識している可能性が高いため、計算を自ら行うことができ、再度尋ねることはありません)。

04 ここで対処すべき2つの小さな詳細があります

詳細1：頻繁に補充されない商品ではなく、新商品の場合、将来の傾向をどのように予測すればよいでしょうか？最もシンプルな方法は、ブランドと価格帯に基づいて製品を分類し、同じレベルと価格帯の製品の過去のパフォーマンスを参考にすることです（下図参照）。

詳細 2: 商品が周期的に販売され、雨や商売がないなどの外部要因の影響を受ける場合、どのように傾向を評価しますか?最も単純なアプローチは、影響要因の持続期間を確認し、過去の影響に基づいて将来の持続期間を直接調整することです（以下に示すように）。

もちろん、より複雑な予測方法を使用することもできます。興味深いことに、このような予測はビジネス側の行動を変えるので、必ずしも特に正確な予測である必要はありません。たとえば、「2 週間以内に売り切れる可能性がある/売り切れない」という 2 進数の予測によって、ビジネス側は在庫を処分するかどうかの決定をすぐに行うことができます。予測の詳細については、[予測が不正確な場合は、データアナリストだけを責めないでください。] をクリックしてください。！】

ここで重要な疑問が生じます。どの程度の精度が許容されるのでしょうか?企業でのデータ分析業務と宿題をこなす業務の2番目に大きな違いは、「実際の業務では、単にテストを終えて正解を待つだけではなく、さまざまな部署とのコミュニケーションが必要になる」ということです。

特にこのケースのシナリオでは、ビジネス部門自体が混乱しており、明確な目的がありません。この時点では、計算結果の正確さを強制する必要はありません。代わりに、予備的な結論に達した後、コミュニケーションを取り、リスクに注意を促し、内部事情を理解するための会議を開催することができます。ただし、生鮮品では輸入果物や魚介類、医薬品では冷蔵庫で保管されているワクチンなど、在庫コストが特に高く賞味期限が短い特殊な商品に遭遇した場合は別です。

一般的に、商品には一定の回転余地があるため、在庫管理の最終目標は、直前に在庫を 100% 処分することではなく、安全な範囲内で在庫を管理することです。したがって、心配する代わりに、マーケティング部門が現在の在庫圧力に耐えられるかどうかを検討したほうがよいでしょう。では、より高度な分析はあるのでしょうか?

05 より高度な分析

簡単な質問をさせてください。マーケティング部門はオペレーションセンターであるのに、なぜ販売量や在庫などのコアデータを要求しなければならないのでしょうか?マーケティング部門の人が問い合わせに来たのですが、この行為自体が大きな問題でした。非常に敏感なデータ分析者であれば、数字を計算する前に何かがおかしいと感じていたはずです。何かが普通と違うときは、何かが間違っているに違いありません。事前のコミュニケーションがとても重要です！具体的な状況はたくさんあるかもしれませんが、まず解決しなければならない核心的な問題があります。それは、ビジネス関係者は本当に理解していないのか、それとも理解していないふりをしているだけなのかということです。

笑わないで！コアデータビジネス側が本当にすべてを知っていると想定しないでください。おそらく、これまで事業展開が順調に進んでいたため、全員が自分の考えに基づいて意思決定することに慣れているのでしょう。以前にも業界の配当金の恩恵を受けており、雌豚が本当に空を飛んでいる可能性もあります。つまり、本当に理解できない場合は、次のことを行う必要があります。

データ監視システムを確立する
既存の問題を診断する
まず現在の問題に対処するための提案をする

関係者を育成し、長期的な監督メカニズムを構築して、商品運営業務を原始的な状態からデジタル管理の状態にまで前進させます。わからないふりをしているなら、人手が足りないのか、ヘルパーが足りないのかによります！

人手が足りず、データのクリーンアップに支援が必要な場合は、次の点に留意してください。

以前の製品
以前の製品
以前の製品

データ処理における人材不足を解決するには、不足分を補うために数人の Excel 担当者を雇うのではなく、データ製品が最善の解決策です。 Excelボーイ/Sqlボーイの存在自体がデータ作業の負担になります。コストが無駄になるだけでなく、パフォーマンスが反映されません。強力なビジネス能力がある場合は、データマートにデータをドラッグアンドドロップできるようにします。ビジネス能力が弱い場合は、固定のダッシュボードを設定し、その読み方を教えます。

支援が必要な場合、支援内容に応じて対応が異なります。

一部の商品の売れ行きが悪いので、事前に在庫を処分したい
いくつかの新製品を発売し、以前の製品をベンチマークおよびサポートとして使用したいと考えています。
いくつかの商品を補充したいのですが、上司が承認してくれないのではないかと心配です。誰かに声を上げてほしい。
…

これらの目的は、ビジネス側が表明しないものではなく、データアナリストが直接推測できるものです。したがって、ビジネス側がデータアナリストに発言の協力を求めている場合は、その目的を正直に述べ、全員で議論できるようにする必要があります。

確かに皮肉を言うのが好きなビジネスマンもいます。彼らは自分の考えを表現せず、データアナリストに推測を強いるのです。推測が失敗した場合、「分析が十分に深くなく、ビジネスの期待を満たしていないようです」と言われます。この習慣は、後で責任を転嫁するための準備に過ぎないので、無視する方がよいでしょう。

06 まとめ

企業内で分析の深さについて話すことと、学校で科学的研究を行う際の深さについて話すことはまったく異なります。ハイテクや最先端技術が重要なのは科学研究の分野だけでしょうか？使用される方法が複雑で、将来を見据えた、高度なものであればあるほど、より良いものになります。企業の目的は利益を上げることであり、利益を上げるには効率性、調整力、実用性が求められます。したがって、高さの順序は次のようになります。