データ分析レポートを書く際に価値ある提案をする方法

データ分析レポートを作成する場合、価値ある推奨事項を作成することは重要なステップですが、多くのアナリストにとって難しい部分でもあります。この記事では、データに対するさまざまなビジネス部門の理解とニーズに基づいて、実用的で洞察に富んだ提案を行うのに役立つ実用的な方法論を紹介します。

データ分析レポートを書くときに最も恐れることは何ですか?

——提案セクション！彼らは提案の書き方を知らないか、単に「GMV が下がったので、増やすことを提案します!」のような 2 つの文を書くだけです。それを書いた後も、上司は彼らを軽蔑します。「価値ある提案をしなくてはならない！洞察力が必要だ！」

私たちは何をすべきでしょうか?今日はこれについてお話しましょう。

1. 問題解決のポイント

問題を解決する鍵は、企業が本当に何を望んでいるのかを理解することです。すべてのビジネス部門がデータ思考を習得しているわけではありません。データに注意を払わない部門もあれば、データに細心の注意を払い、自ら多くの分析を行っている部門もあります。

ビジネス部門に良いサービスを提供したい場合、まず「これらの人々はデータについてどの程度知っているか」を考慮し、適切な対処法を講じる必要があります。対照的に、データについてより詳しい人は、より具体的な提案を期待しているので、まずはこの状況について話し合いましょう。

2. 緊張を和らげる

データを理解している人たちの中に、私が特に嫌いなグループがいます。それは神経質な人たちです。今日株価が 2% 上昇したとしても、依然として「詳細に分析する」ように求められます。明日株価が1%下がったとしても、やはり「詳細に分析する」ように求められます。最悪なのは、下落に関する分析レポートを書き終える前に、指標がすでに上昇してしまい、方向転換して上昇に関する分析レポートを書かなければならないことです...

本質的に、そのような人々はデータの全体的な傾向を理解しておらず、詳細を見る前に大きな傾向を見る習慣もありません。したがって、通常の変動を区別できず、真の異常な傾向を特定できません。だからこそ、私たちは些細な問題にこだわってしまうのです。

このとき、私は本当に彼らに「ふざけるのはやめなさい」という提案をしたいのです。もちろん、私たちは非常によく教育されており、私たちの文明的な提案は、「基本的なデータパターンを理解し、開発の傾向に注意を払うことをお勧めします。私たちはこの指標を継続的に監視します。」です。これは彼らを落ち着かせるだけでなく、本当の問題を明らかにするのにも役立ちます (以下に示すように)。

3. 指導を受けていない人々

データを見るものの、KPI データと結果データだけを何度も見るタイプの人がいます。 KPI指標が前年比、前月比で低下し、総額も目標に届かない状況を見て、非常に不安になりましたが、どうすることもできませんでした。知らせ！このタイプの人は、「頑張れ！」という言葉が嫌いです。最も。彼自身は、それに挑戦する必要があることはわかっているが、どうやってそれを実行すればいいのかがわからないのだ。

現時点では、より詳細な分析を行う必要があります。ベンチマーク分析やプロセス診断を使用して、自分とベンチマークのギャップを把握し、実行プロセスの問題を把握することで、アイデアを形成しやすくなります。

最後に、ベンチマークから学び、弱点を改善するという2つの方向で提案が示されます。「XXベンチマークから学び、XXXプラクティスを改善することが推奨されます」と「XXの問題を改善することが推奨され、全体的なパフォーマンスがx％向上することが期待されます」（下図参照）

4. 仮説のオブジェクトを検証する

データを見るときに、通常のクロス分析、比較分析、プロセス分析を行い、問題について直接仮説を立てるタイプの人がいます。このとき、彼に「ベンチマークの学習/問題の修正」について話すと、彼はこう言うでしょう。「それはずっと前からわかっていましたが、いくつかの重要な問題について話せますか?」

このとき、最も効果的なアドバイスは、彼の分析仮説を直接入手し、それを検証し、彼の質問に直接答えることです。ここでの難しさは、彼の分析上の仮定が複雑すぎて直接定量化するのが困難な場合があることです。この時点で、仮定を分解し、定量化可能な観点から分析することができます (以下を参照)。

最終的なアドバイスは、次のように直接述べることができます。「ビジネス部門が懸念している XX の問題は、私が確認したところ事実です。影響要因は確かに存在するため、できるだけ早く対処することをお勧めします。」

ここで注意すべき状況が 1 つあります。それは、事業部門の想定がすべて外部環境に向けられており、このとき 10 回中 9 回は責任転嫁しようとするということです。データアナリストとして、私たちは他人を隠蔽するほど恥知らずなことはできません。外部環境に関するデータを収集できます。提案に関しては、事実を述べるだけです。

5. テストの実装を支援する

すでに仮説検証を自分で行っているタイプの人もいます。彼らは頭の中に明確な計画を持っており、それを試してみる必要があるだけです。現時点では、テストを行うにあたって彼を直接サポートするのが最善であり、彼の計画をテストする必要すらありません。彼は長い間それについて真剣に考えてきたので、あなたがそれに欠点を見つけたら、数分で口論を始めることができます。起こらなかったことについて議論しても意味がない。

このとき、提案は「テストすることをお勧めします。効果は推奨されます」と直接記述できます。ここで注意すべき点は、テストの前に、特に結果に影響を与える強力な機能があるかどうか、およびこれらの機能がテスト プロセスで考慮されているかどうかなど、仮定を明確にリストする必要があることです。これは事前に述べなければなりません。そうしないと、テスト結果を解釈するときに疲れてしまいます。この時点での提案は、「XX 要因が結果に大きな影響を与えることを考慮すると、実験を設計する際に XX 処理を実行することをお勧めします」にアップグレードできます (以下に示すように)。

6. データを理解していない人への対処

上記のタイプの人はデータを理解し、データについて直接議論することができます。しかし、以下の3つのタイプの人はデータを全く理解しておらず、中にはデータが役に立たないと思っている人もいます。データを理解していない人に直面したときは、アドバイスをすることでトラブルを回避できますし、沈黙を守ることも良い戦略です。

ビジネスマンの中には、データの品質が低く、複雑なレポートを理解できないという理由だけで、データに敏感でない人もいます。この時点で、より多くのデータを投げかけるほど、彼らはそれを理解できなくなります。この時点で必要なのは、主要な KPI 監視データを提供し、KPI に問題がある場合には「KPI の傾向の変化に注意することをお勧めします。問題がある可能性があります」とリマインドすることです。興味があれば、さらに詳しく調べてください。

一部の企業は、KPI 指標のパフォーマンスが非常に優れているため、満足しており、他に何も考慮する必要がないと感じており、データに鈍感です。このときあなたが何を言っても、彼は「ああ、それは聞いたよ」とか「あなたの分析は十分に深くないので、もう一度見てください」と言うでしょう。こういった人たちには、毎回たくさんの提案をする必要はなく、KPI の裏に隠れた問題を把握することが大切です。問題を指摘できれば、彼らの注目を集めるだけでなく、リーダーに私たちの能力を認めてもらうこともできます（下の図を参照）。

一部の企業は経験主義のためデータに鈍感です。 「データは役に立たない！」と心から信じています。そして彼の経験は最も役に立ちます。たとえパフォーマンスが悪かったとしても、彼らは自信を持ってこう言うでしょう。「私の経験上、クーポンを発行するだけで十分です。」 「私の経験から言えば、私たちがすべきことは新製品を発売することだけです。」 「私の経験では、何も効果はありません。それは全体的な環境の問題です。」

この種の人は非常に傲慢なので、困惑させられることはよくあることです。ですから、準備せずに簡単に彼を刺激しないでください。一時的に辛抱して、適切な機会を待つこともできます。以前の経験が役に立たず、上司が彼に我慢できなくなったら、次のように厳しく叱責することができます。「この方法は 3 回実行されましたが、ROI は毎回悪化しています。対策を変更することをお勧めします。」 「誰でもできるわけではない。できる業態もある。参考におすすめ。」

七。まとめ

「分析の提案が単純すぎる」と批判された後、多くの学生は常に「ハイエンド」の提案を見つけようと努力します。特に、標準的な提案テンプレートや大企業からの金メダル級の提案を期待しています。彼らが金メダルを獲得する限り、企業は彼らに屈服するだろう。

実際、人によってレベルが異なるため、職場では「ある人にとっての好物は、別の人にとっては毒物」という状況がよく見られます。したがって、慎重なコミュニケーション、ビジネスニーズの理解、さまざまな状況に基づいた提案を提供することが、より良い解決策となります。ご参考までに、この記事の内容を上記のように分類しました。

もちろん、データ分析がビジネスをサポートするより具体的な事例を見たい学生は、私の Knowledge Planet をチェックしてみてください。