データ分析を行うときは、この基本的なロジックを念頭に置いてください。

「データ分析の根底にあるロジックを明らかにし、標準を設定することが鍵となる。」データ分析作業において基準を決定するのはなぜ難しいのでしょうか?さまざまなビジネスタイプに基づいて適切な基準をどのように決定するのでしょうか?

データ分析の基本的な常識: データ自体には意味がなく、データ + 基準のみが意味を持ちます。しかし、数え切れないほど多くのデータアナリストを殺したのは、まさに「標準」という言葉なのです。よくある質問:

基準がない: ビジネスパーソンは「私の活動によってパフォーマンスが向上しました。どの程度向上するかわかりません。分析してもらえますか?」と言いました。すると、どんなデータであっても、そのビジネスマンは「少なすぎる。よく考えていない」と言ったのです。

不確かな基準: 企業は「顧客の健全性」と「チャネルの品質」を改善したいと考えていますが、データ アナリストがどのような指標を使用しても、企業は「これらの指標は健全性を表すことができるのか? では、別の指標は健全ではないのか?」と疑問に思うでしょう。

基準は何度も行ったり来たりします。指標が 0.1% 低下すると、企業は非常に神経質になり、詳細な分析を要求します。指標が 30% 低下すると、企業は「これは正常です。分析は無意味です」と言います。

標準を見つけることはデータ分析の中心的な課題です。基準が不明確ですが、データは問題を反映していますか?それはどのくらい大きな問題ですか?それは誰の問題ですか?確信が持てない場合、どのようにして詳細な分析を実施できるのでしょうか?では、基準はどのように設定されているのでしょうか?今日は体系的にお話ししたいと思います。

01なぜ基準を設定するのが難しいのでしょうか?

本質的に、ビジネス自体の評価の難しさはさまざまであるため、基準を設定することは困難です。

一部のビジネスはレンガを動かすようなもので、一度に一つのことだけを行います。最も基準を設定しやすく、出来高制賃金も採用できます。

一部のビジネスは BUFF タイプであり、業務の効率が向上します。こうした基準は、「バフなしでどれくらいか」を切り分けるのが難しいため、設定が容易ではなく、ここから無数の議論が生まれます。

n 野菜市場の売り手が「私のトマトは大きくて赤いです」と叫んでいるように、いくつかのビジネスはケーキにアイシングを添えています。これをやらなくても死ぬことはないし、やったほうがよくなるように思えるかもしれないが、効果を検証するのは非常に難しい。

さらに悪いことに、一部のデータアナリストは上記の違いを明確に理解しておらず、すべてを混在させることができると考えています。

さらに悪いことに、一部の企業は上記の区別を非常に明確にしているため、業績が悪くなると、基準を曖昧にして間違いを隠そうと、わざと問題につけこもうとするのです。

区別の仕方を知らないデータアナリストが、不正行為で逃げようとする企業に遭遇すると、それは盲人が盲目の馬に乗るようなものです。これが、最初にこのような苦情が寄せられる理由です。さらに面白いのは、無知なデータ分析者たちがまだこの問題に気付いておらず、オンラインで「中国におけるインターネットデータ分析の統一標準定義はどこで見つけられますか？」と質問していることです。

したがって、解決策は、ビジネス部門の心変わりを期待するのではなく、データ アナリスト自身が鋭い目を養うことです。正しいことと悪いことを区別し、種類別に分類し、基準がどのように設定されているかを確認します。

02第一のカテゴリー：レンガを動かしてお金を稼ぐ

例えば、インターネット産業の推進や投資、伝統的な企業の販売や店舗などです。このような評価は個人の評価にも使用でき、各人が会社にどれだけの収益と新規ユーザーをもたらしているかが一目でわかります。この種の仕事は会社の収益や事業の成長に関係するため、通常は厳しい評価指標があり、上司によって課せられることが多いです。

この場合、話さないことの3つの原則を覚えておいてください

n 「自然成長率」については話さないでください。やるべきことをできるだけやり、満足できないなら上司と口論しない

n 「合理的かどうか」について話さないでください。上司は一定の金額を設定しました。満足できないなら上司と議論しなさい*2

n 「その他の広範囲にわたる影響」については話さないでください。上司が決断を下さない場合は無視し、納得できないなら上司と議論しましょう*3

データアナリストが行う必要があるのは、上司の目標を事業分野/時間ごとに細分化することです。年間目​​標を各期間に細分化し、追跡して完了させます (以下を参照)。

03 第2カテゴリー：レンガ移動の供給

たとえば、製品の在庫と供給などです。このタイプの作業は、販売状況に基づいて準備する必要がありますが、販売目標が達成されない場合や期限を過ぎて達成される場合があるため、販売目標から完全にコピーすることはできません。目標が達成できず在庫が多すぎると、在庫が蓄積され、損失につながります。期限を過ぎて在庫が不足すると、販売機会を逃してしまいます。そのため、目標を設定する際には、供給適正率と在庫損失率の二重の評価が行われることが多いです。

04第3のカテゴリー: 一般バフ

人気のBUFFには、さまざまな共通の大きなプロモーション、新規会員向けギフトパッケージ、500元以上の購入で100元割引、3つの商品を購入すると1つ無料、10,000元の購入でプラチナカード会員になるなどが含まれます。これらは通常、運用、マーケティング、成長の各部門によって編成されます。このアクティビティのルールと参加者はオープンかつ透明であり、ユーザーは要件を満たせば賞品を受け取ることができます。

人気のBUFFは、製品運用など目的が明確で、段階によって目的・手法が異なります（下図参照）。

例えば、ユーザー操作の場合、段階によって目標や方法が異なります（下図参照）。

知らせ！バフを追加する部門は、「自然な成長」、「広範囲にわたる影響」、「追加収益」について話すのが好きです。これらの BUFF は他の人の作業に重ね合わされるため、イベントを主催する部門は、自らの貢献を反映できないことを恐れ、自然成長率をマイナスにして、すべての成長を自らのものにしたいと考えています。これもまた多くの争いを引き起こしました。

紛争を解決する方法は、「詳細な影響分析」と「目標評価」を区別することです。まずは自分の目標を達成し、目標を達成した後に結果を見直しましょう。同社は目標すら達成しておらず、全体的な業績は依然として低下しており、製品は依然として売れず、ユーザーを引き付けることもできていない。 「その他の広範囲にわたる影響」とはどのようなものなのでしょうか?それはすべて自己欺瞞です。

05第4カテゴリ：精密バフ

精密バフの最も一般的な形式は、精密マーケティングです。電話、テキストメッセージ、アプリ内プッシュなどを通じて、さまざまなマーケティング プランがさまざまなユーザーに提供されますが、他のユーザーはそれを認識せず、参加することもできません。

注: プレシジョンマーケティングは、クローズド情報方式により活動グループと参照グループを設定することで、比較的正確に自然成長率を測定できます。したがって、精密 BUFF は、自然成長と比較した変換/消費効果 XXX の追加改善という目標を直接設定できます。

懸念されるのは、私たちが行っている活動は精密な活動であるにもかかわらず、グループ化も参照グループも事前の AB テストも行われていないことです。彼は何の準備もせずに、後からこう尋ねました。「正確に測定するにはどうすればいいですか?」確かにそれには答えられません。

06カテゴリー5: ケーキの上のアイシング

内部データに記録できないすべてのタスクは、付加的なタスクです。一般的な指標としては、ブランド、コミュニケーション、サービスなどが挙げられ、対応する指標は、ユーザー認知度、ユーザー満足度、ユーザーロイヤルティです。

これらのデータ ソースは、市場調査または外部プラットフォームからのデータ レコード (公開アカウントでの記事の閲覧数、ビデオの視聴回数など) に依存します。

この標準の最大の問題は、データが簡単に操作できることです。市場調査アンケートの質が低すぎ、サンプル数が少なすぎる。外部プラットフォームからのデータは、手動でインフレートすることで簡単に生成できます。したがって、このような基準を設定する最も簡単な方法は、担当部門に事前に数値を設定させて、それを達成できるかどうかを確認することです。

このアイシングが売上やユーザー数、その他の実際の効果をもたらすかどうかについては、データ分析では、リンクのみが認識されます。コンバージョンリンクと内部データ記録により、コンバージョン効率を評価するための一般的なバフスタイルの作業に変換されます。リンクもコンバージョンパスも内部データもなく、何も認識されないため、状況を利用しようという思考は遮断されます。

07 まとめ

本質的に、基準の問題は業績評価に関係するため、ビジネス側は困難な状況に陥ろうとする動機がある。これはデータの問題を装った社内政治の問題です。したがって、問題を解決したい場合、「問題を解決する完璧な数学的アルゴリズムがある」ということに頼ってはいけません。人間の貪欲の問題を解決できる数学的アルゴリズムはありません。

したがって、データでできることは、測定可能な部分を実装し、全員が本来の意図に戻り、無意味なことを減らし、全体的な目標をよりよく達成できるようにすることです。