混乱とはおさらばです！データ分析のアイデアを開発するための戦略

データ分析は現代のビジネス上の意思決定の中核をなしていますが、多くの初心者は複雑なデータに直面すると圧倒されてしまうことがよくあります。この記事は、データ分析の初心者がアイデアを展開するための明確なガイドを提供します。誰もが体系的にデータ分析能力を構築できるように支援します。

初心者の学生を悩ませる大きな問題は、問題に遭遇したときにデータ分析のアイデアがまったくないことです。よくある問題は次のとおりです:

1. どこから始めればいいのかわからない

2. 詳細な分析の実施方法がわからない

3. どの程度の成功が適切か分からない

知らせ！データ分析のアイデアについて話すとき、あらゆる種類の高尚なモデルを思い浮かべないでください。実際の業務では、多くのビジネス上の問題では「統計学」や「機械学習」などの教科書を読む必要はありません。ビジネスに基づいて完全な分析アイデアを形成するには、わずか 5 つのステップが必要です。

ステップ1: ビジネスシナリオを特定する

「どの部門の質問に答えているのですか？」アイデアを形成する最初のステップです。データ分析は占いではありません。コインを投げれば天地が答えを知るというものではありません。それは部門と同僚のニーズによって異なります。一般的なものには次のようなものがあります:

ここに注意してください!職場では、「売上データを見せてください」とよく言われます。または「ユーザーはどうですか？」このような場合、もう 1 つ質問するのが最善です。どの部門またはリーダーがそれを確認する必要がありますか?

2 番目のステップでは、同じシナリオであっても、異なる部門が異なる指標に重点を置いていることがわかります。

ステップ2: 指標を明確に分析する

ビジネスシナリオを明確にした後、分析指標をさらに決定できます。ほとんどのビジネス シナリオの主な指標は固定されています。分析を行う際には、多くの場合、1 つのメイン指標と複数のセカンダリ指標/ディメンションを組み合わせて問題を説明します。

たとえば、販売指標の主な指標は収益と粗利益ですが、財務/商品/運用/供給部門は重点が異なり、異なる指標を使用する必要があります (以下を参照)。

このように、特定のビジネスニーズに基づいて指標とディメンションを選択すると、データをより効果的に観察できるようになります。

良い習慣を持たない人もいます。他の人がデータを必要とする場合、彼らは常にデータベース内のディメンション/インジケーターを区別なく破棄します。レポートに役に立たない指標ディメンションが多すぎると、レポート作成者自身の思考が混乱するだけです。

指標＋次元を整理した後は、問題を判断する基準をさらに明確にする必要があります。ここに特に注意してください!すべての指標に明確な KPI 評価があるわけではありません。私たちは、企業が本当に重視する標準に焦点を当てるべきです (以下に示すように)。

ステップ3: 問題の原因を特定する

2 番目のステップで、ビジネスが順調に進んでいることがわかったら、次のステップは「良い理由がどこにあるのか」を分析することです。ビジネスがうまくいっていないことがわかったら、次のステップは「どこで問題が発生しているか」を分析することです。

3 番目のステップは主に位置決め、つまり「どこ」を把握することです。

ビジネス上の問題を見つけるには、次の 5 つの質問を順番に尋ねることができます (下図を参照)。

売上分析を例に挙げてみましょう。今週の売上が目標に達していないことがわかったら、次のように質問します。

1. 目標からの偏差は小さい（-5%）か、それとも増加傾向にありますか？

2. 過去 12 か月間で目標が達成されなかったのは今回が初めてですか?それとも、以前にも何度か起こったことはありますか?

3. 最近数週間にわたって、基準が継続的に満たされていないことがありますか?基準を満たさない傾向は拡大していますか?

4. すべての製品/すべての地域/すべての販売チャネルに問題があるのでしょうか、それとも XX にのみ問題があるのでしょうか?

5. 営業部門は何らかの介入措置を講じましたか?パフォーマンスはどうですか?マーケティング部門は何かやっているのでしょうか?

この固定された順序により、思考が大幅に明確になり、分析の効率が向上します。短期間での1％や3％の小さな変動は「軽微な問題」である可能性が高いため、レポートが完成する前に指標は再び上昇しました。まず長期間にわたる傾向の変化を調べると、長期にわたる深刻な問題があるかどうかを判断しやすくなります。また、問題の原因を突き止めるのに役立ち、仮説を立てやすくなります。

ステップ4: 分析仮説を提案する

多くの人は、3 番目のステップで止まってしまい、「製品 A の売れ行きが悪く、売上が目標に達していないため、価格を上げることをお勧めします」と言って、それで済ませてしまいます。この種のレポートは、「分析的なアイデアが欠けており、深みが足りない」と批判される可能性が最も高いです。

「高くやらなきゃいけない」というのはナンセンスだから。企業が知りたいのは、誰がそれを実行するのか、どのように実行するのか、何を使用するのか、そしてそれがどの程度の規模になるのかということです。

このステップは多くの人を困惑させ、多くの人が「私はビジネスに携わっていないのに、パフォーマンスを向上させる方法をどうやって知ればいいのか」と不満を言います。 ? ?知らせ！プロのデータ分析者として、提案を行う際にビジネス経験に頼るのではなく、分析を通じて提案を行うことができます。一般的な考え方は 4 つあります。

売上分析を例にとると、今週の売上が目標に達しておらず、その主な原因が製品 A のプロモーション効果の低さにあることが判明した場合、対応する 4 つの方法は次のとおりです。

1) A と同じ種類/同じ価格帯で、より良いプロモーションが施された製品 B はありますか? Bの操作方法を参照してください

2) プロモーションが良くないのは、広告レポートのクリック数が少ないからでしょうか、それとも店舗入店後のユーザーコンバージョン率が良くないからでしょうか?クリック数が少ない場合は、プロモーション画像を変更します。コンバージョン率がない場合、詳細ページを変更する

3) 現在のアプローチを維持し、A にさらにプロモーション費用を追加して、これが驚くほど効果があるかどうかを確認します。

4) 競合他社は非常に効果的と思われる戦略を持っていることがわかります。試してみて、うまくいくかどうか見てみましょう。

ここでの方法 3 と 4 はどちらも、データを検証するために企業の協力が必要であることに注意してください。そうでなければ、過去のデータだけに基づいて結論を直接導き出すことは不可能です。企業によっては保守的すぎて挑戦できず、過去のデータに基づく分析にこだわるところもあります。その結果、ビジネスでの経験が蓄積されることはなく、分析能力が向上しないだけでなく、ビジネス自体もうまく行かなくなってしまいます。テストと履歴データの推論は、同様に重要な分析方法です。

ステップ5: 分析の仮定を検証する

知らせ！単一の影響要因に関する仮定は簡単に検証できます (以下に示すように)。

しかし、複数の影響が絡み合って厄介な事態に陥ります。現時点では：

1. 分析ロジックを整理し、真実を抽出するためにMECE法を使用する必要がある

2. 複雑なビジネス行動を定量化するには、ラベルを付けて特徴を見つける必要がある

3. サンプリングテストには統計的手法と実験設計の使用が必要である

4. 観察による因果推論を行うには回帰モデルが必要である

特に部門間で利益相反が生じ、各部門が互いに非難し合うような状況では、対応はさらに困難になります（下図参照）

そのため、分析能力が弱い場合には、まず問題を単因子仮説検証に変換し、一つずつ実現可能かどうかをテストすることをお勧めします。しかし、多くの企業はシンプルで直接的な方法を好みます。例えば、「値下げは効果的である」「販促品の変更は効果的である」といったことが検証できれば、ビジネスを実行するには十分です。したがって、学生は少なくともステップ 1 から 4 とステップ 5 の単一要素検証を完了する必要があります。複雑な方法については後ほど別途説明します。