ヘルプ！データ分析レポートの推奨セクションの書き方

データ分析レポートを作成する際に、データをどのように価値ある推奨事項に変換するかは、多くのデータアナリストが直面する難しい問題です。この記事では、特定の出席問題のシナリオを使用して、問題から始めて、仮定を検証し、ロジックツリーを精査し、データをサポートし、最終的に根拠のある結論と提案を導き出す方法を詳しく説明します。

数字だけを報告しないでください!

実行可能な提案をしましょう!

データを扱う学生の多くは、リーダーや同僚からこのように怒鳴られたことがある。しかし、これはどうすればできるのでしょうか?チェン先生は今日、皆さんにシェアしたい古典的なエクササイズを持っています。

問題のシナリオ: 会社では、学生の出席表は次のようになります。

生徒：「残業したんだから、遅刻するのは当たり前だよ！」「みんな遅れているのに、なぜ私だけ捕まえるの？」「突然雨が降ってきたけど、どうしようもないよ！」「それはあらゆる種類の事故です！」

リーダー：「あなたの態度が問題だと思います！他のことを持ち出さないでください！」

二人は激しく言い争った！この時点で、どのように分析すればよいのでしょうか?

1. 実行できない提案

こんな風に書いた同級生はいますか？

今月は22営業日あり、そのうち11日が遅れており、遅刻率は50％です。
最も遅れたのは2週目で、遅れは4日、遅れ率は80%でした。
3 週目は遅刻者数が最も少なく、遅刻日は 1 日で遅刻率は 20% でした。
遅れている日数が多すぎる場合は、日数を減らすことをお勧めします
月曜日は遅すぎます。月曜日に遅刻しないことをお勧めします

職場のレポートはこんな感じになっている人が多いのは本当でしょうか？明らかに、そのようなレポートは不適切です。これは単にグラフを読み直しただけで、皆の本当の懸念には応えておらず、「引き下げ」というのは単なる空論に過ぎません。

この紛争における中心的なビジネス上の問題は、「これは本当に事故なのか、そして正当化できるのか」ということです。それはやはり態度の問題です。この問題に正面から取り組むことによってのみ、満足のいく答えを得ることができます。明らかに、手元にあるデータは十分ではありません。まず仮説を検証するためのアイデアをリストアップし、次に問題に完全に答えるためにデータを追加する必要があります。

2. 問題を解決するためのアイデア

仮説を立てる→証拠を見つける→信憑性を検証する→結論を導き出す、これが問題を解決するための基本的な順序です。データを使用してビジネス上の問題を分析するには、大まかな検証から細かい検証まで段階的に行うプロセスが必要です。

たとえば、簡単な例を挙げると、「私の家は遠いので、遅刻しやすいです。」次のような仮説を導き出すことができます: 自宅は本当に職場から遠いのでしょうか?仮説を検証するために複雑なデータは必要ありません。 Amap に出発地/地点を入力するだけで、次の情報が表示されます。

どれくらい離れて
地下鉄に乗るとどれくらい時間がかかりますか？
乗車料金はいくらですか、また所要時間はどのくらいですか?

いくつかの簡単な分析の結論がすぐに出ます（以下に示すように）

データを使って問題を解決するのは本当に爽快です。議論する必要はありません。事実に基づいて話してください。

もちろん、仮定が多数ある場合は、検証に優先順位がある場合があります。たとえば、まず「酌量すべき事情」の想定を次のように列挙することができます。

仮定1：前日に残業する

仮定2: その日は全員が遅刻する

仮定3: その日は天候が非常に悪かった

仮説をリストアップした後、それぞれの仮説の証拠を見つけます。例えば

仮定1：前日の残業→前日の出勤・退勤時間を選択して残業があったか確認する

仮定2: 全員が遅刻している → その日の全員の出勤記録を取り、遅刻者の割合を確認します

仮定3：その日は極めて悪天候である → その日に大雨や雪が降るかどうか確認する

データによる証拠がない場合、それは仮説がでっち上げられたことを意味し、すぐに覆される可能性があります。実際の状況が一致していることが判明した場合、たとえば、その人が実際に多くの残業をしており、欠落したデータが「許容できる」ものである場合、「残業が多すぎたのは事実であり、注意することをお勧めします」という結論を出力することができ、その人の名誉が回復されます。

3. シンプルからディープへ

場合によっては、いくつかの仮定を検証するだけでは、問題を完全に説明できないことがあります。例えば、前日に残業してしまった場合、それは本人の能力不足や怠けが原因の場合もあれば、全体的な仕事量が多すぎたのが原因の場合もあります。したがって、さらに詳細な仮定を立てることができます。

仮定1.1: 部門全体の作業負荷が重い

仮定1.2: 部門の作業量は十分ではないが、個人に負担がかかりすぎる

仮定1.3: 個人は多くの責任を負わないが、能力が低く、仕事が遅い

3 つのセグメンテーション仮説をさらに検証することで、分析を粗いものから細かいものへと徐々に深めることができます。最後に、完全な回答のアイデアを形成します。これを見て、生徒は答えを調整し、その後の説明を読むことができます。

4. 全体的な考え方

複数の分析仮説を順番に組み合わせることで、以下に示すような分析ロジックツリーが得られます。この分析ロジックツリーは、「残業が影響しているかどうか」という観点を起点とし、集団残業や仕事の割り当て過ぎなどの客観的な影響を排除することを優先していることがわかります。この命令により、従業員が不当な扱いを受けるのを効果的に防ぐことができます（以下を参照）

ロジックツリーをリストした後は、関連するデータを代入して重要なポイントを見つけ、真実と偽りを区別するだけです。

たとえば、この同僚が 11 回中 8 回遅刻したのは、割り当てられた仕事量が多すぎ、個人の作業負荷がグループ内の同僚よりも大幅に多かったためであることが判明した場合、その同僚が不当な扱いを受けたことが確定します。遅刻した 11 人のうち、実際に残業しているのは 2 人だけで、残りの 9 人は残業しておらず、タクシーも利用していないことがわかった場合、彼らの態度に本当に問題がある可能性があることを意味します。

データは、真実に近い答えを見つけるためのガイドとなります。

上記の準備により、導出の提案は正当化され、非常に具体的なものになります (以下に示すように)。