データ担当者の2023年の仕事計画はこう書くべきだ

データ担当者がデータ テーブルの書き方を知らないなんてあり得るでしょうか? 2023年がもうすぐやって来ます。データアナリストの皆さんは来年の業務計画の書き方について考えたことはありますか?そうでない場合は、ぜひこの記事をご覧ください。

年末には来年の仕事計画を立てなければなりません。では、データアナリストは 2023 年の作業計画をどのように作成すればよいのでしょうか? 「昨年は 500 個のテーブルを引きました。今年も引き続きテーブルを引きます」とだけ書くことはできません。さらに、作業計画には業績評価が含まれます。自分自身に穴を掘ることなく、自分の能力を発揮するにはどのように書けばよいでしょうか?

1. 定期的な作業計画の書き方

ほとんどの日常業務では、GSA計画法を使用できます。

• 目標: 今年中に XXX の定量指標を達成する
• 戦略: XXX の方法で目標を達成する
• アクション: XX ステップに分割し、XX 時間で完了する

たとえば、営業部門の場合は次のように記述できます。

G: 1億という小さな目標を達成する

S: 旧市場は現状の8000万を維持し、新市場は2000万のパフォーマンスを達成

A: 毎月、古い市場の顧客を定期的に訪問し、四半期ごとに新しい市場で500万件のタスクを完了します。

ほとんどの業務部門の作業計画はこのように記述できますが、G は異なり、S の複雑さも異なります。しかし、データ部門の業務の性質は異なるため、データ部門の作業計画はそれほど単純ではありません。

2. データ分析の特殊性

データ部門の特殊性は、非常に高い期待が寄せられるサポート部門であるという事実から生まれます。一方で、リーダーたちは、データ分析が「意思決定の支援」、「ビジネスの強化」、「成長の促進」などの高度な役割を果たすべきだと考えています。一方、一時的なデータ取得には多くのデータ分析時間が費やされます。高度な機能はもちろん、毎日データを実行するのに忙しすぎます。

これにより、データ分析部門は非常に混乱します。 「ビジネスデータ取得のニーズを満たす」とだけ書くと、リーダーは不満を表明することがよくあります。 「パフォーマンスを 500 万向上」と軽率に書いても、それをどのように実装するかはわかりません。言うまでもなく、データの明確化、ポイント管理、統一された口径などの面倒で疲れる作業は大変な作業ですが、他の人には理解されません。

他のサポート部門でも同様の問題がありますが、データ部門ほど深刻ではありません。例えば、アフターセールス部門はサポート部門でもあるのですが、あまり期待値が高くありません。したがって、アフターセールス部門は、対応するサービス需要を計算し、ビジネスの成長率に応じて労働力を配置するだけで済みます。

せいぜい、サービス体験の向上や二次的な販売機会の発見などを追加できる程度です。たとえば、IT 部門はサポート部門でもありますが、毎日の消費量は限られており、主要な開発ニーズはビジネスによって事前に決定されることがよくあります。開発要件に応じて開発計画を立て、手順に従います。

では、データ部門として、この行き詰まりを打破するにはどうすればいいのでしょうか?

3. ターゲットの選択から始める

一般的に、データ部門には 3 つの主要なタスクがあります。

1. 経営陣にデータ部門の働きを見せましょう。 ！ ！
2. それはビジネスに一定の促進効果をもたらします。
3. 大量の基本的な日常的なデータ作業を完了します。

これら 3 つのうち、日常のニーズは最も心配する必要がありません。ビジネスは常に重要であり、鍵となるのは、いかに効率的にニーズを解決し、価値あるプロジェクトを実行するためのエネルギーを確保するかということです。定期的に報告していれば、上級管理職が私たちの仕事内容を確認します。しかし、私たちが「意思決定の支援」「ビジネスの強化」「成長の推進」の役割を果たしたと経営幹部に信じてもらうには、具体的なプロジェクトの実施にかかっています。したがって、2 番目のポイントが行き詰まりを打破する鍵となります。

2番目は3つの中で最も難しいです。なぜなら、ビジネスに役立ちたいのであれば、ビジネス部門の協力が非常に重要だからです。ビジネス側が協力してくれなければ、モデルやフォーム、レポート、ダッシュボードの作成にどれだけ力を入れても、犬に肉まんを投げつけるようなもので、成果は得られません。したがって、次のステップは、誰と協力するのが良いかを明確にすることです。

4. 協力方法を確認する

まず、事業部門を 4 つのタイプに区別する必要があります (以下を参照)。原則として、最も優秀な人材との協力が最善かつ最も効果的です。次善策として妥協しなければならない場合は、小魚も良いでしょう。少なくとも、トラブルは起こさないでしょう。他の 2 種類の協力と同様に、分析結果や提案を提供する際には注意が必要です。そうしないと、数分で批判されてしまいます。

オブジェクトを見た後、ニーズをさらに理解することができます。学生の中には、技術的に複雑であればあるほど、それが強力になるという誤解に陥る人がいます。実のところ、それは全く事実ではありません。企業の観点からすると、顧客に知らない何かを提供することが最も価値のあることです。すでに予想していた場合、非常に複雑なモデルを使用して結果を計算したとしても、相手は「そうだろうと思った」と言うでしょう。したがって、ニーズを理解する際には、各部門の収益を把握し、彼らがどれだけ知っているか、何を知りたいかを把握することが最善です。

一般的なものとしては、次のようなものがあります。

1. 事業部門での新しい仕事。たとえば、新しく発売された製品、新しいプロモーション、新しいアクティビティなどです。新しい作業が発生するたびに、データ収集、データ監視レポート、データレビューレポートを含む完全なコンテンツセットが必要になります。

2. 典型的なビジネス上の問題。たとえば、商品をうまく選択する方法、活動の効果を測定する方法、広告の効率を高める方法などです。企業が協力したい場合は、これらを詳細なテーマ分析に使用し、AB テストと組み合わせて結果を確認するのが適切です。

3. より包括的なデータの提示。たとえば、以前は複数のテーブルが散在していましたが、ビジネス リーダーは 1 つのテーブルですべてを包括的に把握したいと考えています。今こそ、BI に基づいたデータ ダッシュボードを作成する良い機会です。

4. データ応答が速くなります。たとえば、以前は週次レポートが発行されていましたが、現在ではビジネス リーダーは毎日の進捗状況の更新を受け取ることを望んでいます (営業部門では最も同様の要求があります)。また、BI をベースにしたデータダッシュボードを作成し、各グループに配布するのも良いタイミングです。

最も頻繁に尋ねられる別の種類の要求は、予測です。実際、企業が何をすべきか不明な場合、「予測をください」と尋ねますが、多くの問題はまったく予測の問題ではありません。もう一つの質問:

• 企業が「外部環境がどのようなものか分からないので、予測を立てさせてください」と言う場合、これはデータ収集の問題です。
• 企業が「予測に基づいて収益を増やすには何をすべきか？」と問う場合、これはビジネス最適化の問題です。
• 企業が「売上を予測して在庫を管理する」と言っている場合、これも最適化問題です。
• ビジネスで「次にどの製品が成功するかを予測してください」と尋ねられた場合、これはテスト問題です。

つまり、予測について聞いたときにモデルを取り出さないでください。代わりに、ビジネス上の問題を分解し、必要に応じてデータを収集し、必要に応じてビジネス プロセスを診断し、必要に応じてテストを実行します。名前だけで何かを始めるのではなく、ビジネスに役立つ視点から結果を出力します。

最後に、各部門のニーズを整理した後 (以下を参照)、いくつかのトレードオフをしながら年間計画に組み込み、目標を達成できるようにします。

5. 実装の詳細を明確にする

実装する際には、データ部門にとって「製品化」が解決策となることに注意してください。数字だけだとBI/Excel/口頭で報告できるのですが、システムを使って実装してみるといいでしょう。 「最初は犬のように数字だけを追いかけていたが、報告書を読んで人間は醜いと思った」というのが常套句だ。システムを継続的にアップグレードし、製品を作ることによってのみ、データ部門が人材を継続的に採用し、データの価値を常に全員に思い出させ、「デジタル化」構築の有効性を直接実証できることを保証できます。この点を覚えておく必要があります。

したがって、実装の詳細を明確にする際には、BI 開発のニーズを優先してください。修正可能なすべてのデータ監視、データ評価、およびデータレビューの要件が開発され、データ ダッシュボードに変換されます。

すべてのモデル、ユーザー ポートレート分析結果、製品分類結果はデー​​タ ウェアハウスと CDP に入力され、固定された更新ラベルになります。一時的なアクティビティやテスト アクティビティの場合は、固定形式と自動レポートを使用できます。つまり、一時的なデータ収集をできるだけ排除して、余​​分な時間とエネルギーをより多くのプロジェクト作業に使用できるようにしてください。

最後に、各プロジェクトの配信時間ノードを決定することを忘れないでください。一般的に言えば、1 年の 4 つの四半期ごとに結果を提出することが望ましいです。年末は、企業が業績向上に全力を尽くす時期なので、データ出力の結果は「ビジネスに役立つ」「大きな売上を支える」といったデータレポートや分析レポートが中心になります。

それに応じて、年初は、前述のように、データの統合、並べ替え、固定レポートの開発などの基本的な作業を行うのに適しています。年半ばは、ビジネスパイロットと協力し、複雑なテスト/特別な分析を行い、いくつかの分析結論を導き出し、「コスト削減と効率向上」と「成長促進」のデータ分析を反映するのに適しています。

全体の配置は次のように示されます。

上記は当然各社の組織体制によって異なり、データ部門の規模や分業体制も異なるため、具体的な状況は異なる可能性があります。

著者: 地に足のついた教師チェン

出典：WeChat公開アカウント「地味な陳先生（ID：gh_abf29df6ada8）」