あなたとデータ分析の専門家との最大の違いは...

データ分析の世界では、初心者と専門家を区別するのは、ツールの使用スキルではなく、ビジネスを深く理解するためのラベルの蓄積であることが多いです。この記事では、店舗分析の例を使用して、ビジネス上の意味を持つタグを構築することでデータ分析を深め、より価値のあるビジネス洞察を提供する方法を示します。

多くの学生は、専門家と比べて自分たちの仕事はあまり進歩していないと感じています。彼らはデータを見て、前年比や前月比を何度も比較していますが、2、3年取り組んでも改善は見られません。その背景には、ビジネス上重要なラベルが蓄積されていないために、データが散発的にしか見られず、ビジネス上重要な結論を導き出したり、ビジネス分析の経験を蓄積したりできないという大きな問題があります。

データ分析の専門家は、日常生活におけるラベルの蓄積に大きな注意を払っています。今日は例を使ってその違いを説明します。みなさん、しっかり座って待っていてください。すぐに出発します。

1. 問題のシナリオ

あるクラスメイトが店舗分析レポートを提出し、A店舗の業績ランキングが他店舗に比べて低いことを指摘し、改善を提案しました。しかし、こんなありふれた文章が、すぐに大騒ぎになるとは思いませんでした。事業部の同僚たちは議論を始めました。

同僚A：Aは新しくオープンした店舗なので、他の店舗と比較すべきではありません。 Aは実は非常に良いです。

同僚B：Aは新しくオープンした店舗ではありますが、標準的な店舗なのでミニストアとは比較になりません。 Aは実は良くないです。

同僚C：Aは標準店ですが、特売店なので普通の標準店とは比較になりません。 Aは実は非常に良いです。

同僚ディン：A はバーゲンセール店ですが、マーケティング力は普通の店に劣りません。 Aはまだ良くありません。

同僚 E: A はマーケティングに力を入れていますが、マーケティングへの投資はそれほど大きくないので、A は依然として非常に優れています。

…

みんなが口論していた。

最終的な結論は、「データ分析は詳細に行われておらず、数字のみで解釈がないため、ビジネスの詳細な分析と組み合わせる必要がある」というものです。データ処理のために残っていた学生たちは混乱状態に陥った。

"あなたは何について話しているのですか？？？"

「どうすれば仏法をより深く理解できるのでしょうか???」

では、詳細な分析はどのように行うのでしょうか?

2. ゲームを破る鍵: タグのビジネスへの影響

ここでの最大の問題は、ビジネス上の議論のさまざまな詳細をデータ指標として直接表現することができず、分析はおろか定量化も不可能であることです。定量的なビジネスの鍵はラベリングにあります。知らせ！多くの学生は、「ラベル」という言葉を聞くと、本能的に「性別、年齢、パッケージのサイズ、パッケージの色」など、データベースですぐに利用可能で、基本情報から直接インポートされるその他のラベルを思い浮かべます。ほとんどの場合、これらの基本タグには直接的なビジネス上の意味はなく、ビジネスを解釈する能力もほとんどなく、使用する前に二次的な処理が必要になります。

ビジネス上の意味を持つラベルは、ビジネス上の懸念事項を直接指摘し、問題の指標を区別し、ビジネス行動の指針を提供するラベルです。たとえば、「この店長は無能だ」というのはビジネス上の意味を持つラベルです。無能であることが確認された場合、次のステップは店長を変更するか、教育を行うことです。ビジネス行動に関するガイドラインは非常に明確です。この種のラベル付けには複雑な変換プロセスとデータ検証が必要であり、一夜にして実現できるものではありません。

それでどうやって戦うのでしょうか?順を追って見ていきましょう。

3. ビジネスの前提を整理することから始める

ビジネスにラベルを付けるわけですから、まずは「ビジネス指標に影響を与える前提条件」を整理することから始めなければなりません。このようにして生成されたラベルは、ビジネス上の問題を直接示します。例えば、冒頭の質問については、事業部門の意見に応じて次のようにリストアップすることができます。

1. 記述するビジネスオブジェクト

2. ビジネスオブジェクトの品質を測定する指標

3. 指標に影響を与える仮定

4. 衝突の方向の推定

このようにして、開発するタグの明確なリストが得られます (以下を参照)。

次のステップは、それらを一つずつ開発することです。

4. まずは簡単なラベルを作る

開発時には、まず基本ラベル＋既存データインジケータを使って直接計算できるラベルを作成します。このタイプのラベルは、ルール ラベルとも呼ばれます。つまり、ビジネスに計算ルールを与えた後は、基本タグ + 既存の指標に基づいて直接計算することができます。このタイプのラベルはすぐに取得でき、検証も簡単です。

たとえば、新しい店舗がオープンするかどうかなどです。理論的には、店舗の開店日に応じて分類するだけで済みます。例えば、開店後6ヶ月以内の店舗はすべて新規開店店舗と規定されています。そして、7か月以上経過したものは古い店舗、6か月以内のものは新しい店舗となります。

ここで重要な疑問は、「6 か月」という基準をどのように設定するかということです。ここでは 2 つのアプローチがあります。

1 つ目は、ビジネス部門で合意が得られれば、ビジネス標準を直接使用できることです。たとえば、全員が 6 か月であることに同意した場合、それは 6 か月です。

2 番目のタイプは、企業が特定の価値について合意しているわけではないが、次のような概念を持っている場合です。

1. 新規店舗開店段階では、店舗閉鎖の可能性が非常に高い

2. 新規出店段階では店舗回転数・受注量が増加傾向にある

現時点では明確な基準はないものの、事業者は基準を見つけるための方法を提供しています。全店舗のライフサイクルデータを収集し、閉店確率・売上・受注量の転換点がどこにあるかを把握することで、基準を明確にすることができます（下図参照）。

原則として、企業が口頭で最初の基準を示した場合でも、企業が 2 番目の基準を作成するように指導することをお勧めします。 2 番目はビジネス ロジックの標準であるためです。ある日、異なる事業部門が争いを起こしたり、事業リーダーが変わって最初の基準が認められなくなったりした場合、2 番目の基準が調整の原則になります。

同様に、店舗エリアのラベルもこの方法で入力できます。まず、ビジネス上の前提をリストします。

1. 店舗面積が広いほど、それに応じたコストも高くなる

2. 事業領域が広ければ、収入も高くなるはずです。

その後、既存の店舗エリアのリストを作成し、パラメータ範囲を確認し、ラベルを作成できます (以下を参照)。

ここで特に注意すべき点は、多くの学生が企業とコミュニケーションを取らずにラベル付けを行っているということです。自分の感覚やデータの分布に基づいて判断します。例えば、新しい店舗を区別する方法に3か月を費やす...このような非公開の仕事は、ビジネスによって簡単に挑戦され、ビジネスシナリオと組み合わせることができず、最終的にラベル付け作業が自己娯楽になります。

シンプルなラベルを基盤として、複雑なラベルの状況に対処できるようになります。

5. 一般的な複合タグ

一般的な複雑な状況 1: ビジネス上の問題を複数のタグで記述する必要があります。たとえば、「プロモーション」というラベルの場合、プロモーションの形式と強度を個別に説明する必要がある場合があります。例えば：

1. プロモーションの範囲: プロモーションに参加するSKUの数

2. プロモーションの強度: ユーザーは元の価格に基づいて割引率を得ることができます。

3. プロモーション形式: 1 つ買うと 1 つ無料、一定額の割引、ギフト、もう 1 つ追加...

（下図参照）

おそらく、ビジネス シナリオでは、複数のタグを組み合わせて明確に記述する必要があります。

一般的な複雑な状況 2: 2 つ以上の基本ラベルから結合されたラベル (総合計算ラベルとも呼ばれます)。例えば、「掘り出し物を見つけたお店」は、このお店はとても大きいですが、家賃は通常より安く、客足も通常とそれほど変わらないので、掘り出し物を見つけた、という含意があります。現時点では、バーゲンハンティングショップは 3 つの基本ラベルで構成されています (下図参照)。

同様に、例えば「この店長は無能だ」など。彼の無能さを証明するには、パフォーマンス、仕事量、個人の経歴など、いくつかの側面からの議論が必要になる可能性があります。調査する次元が増えると、重みをどのように割り当てるかという問題が絡んできます。重みを支払うための一連の方法論があります。ご興味がございましたら、後ほど別途シェアさせていただきます。

一般的な複雑なシナリオ 3: ラベルは、すでに発生した状況ではなく、将来の状況を予測するために使用されます。たとえば、この店舗は「潜在能力の高い店舗」であると予測し、平均よりも優れたパフォーマンスが求められます。知らせ！予測自体は複雑な作業です。ルールベースの判断またはモデリングに基づくことができます。モデリングの方法がいくつかあるため、扱いが少し複雑です。ご興味がございましたら、後ほど別途シェアさせていただきます。

つまり、一連の複雑な計算を終えると、ラベルの準備が整い、分析に使用できるようになります。

6. ラベルの総合的な活用

タグを直接適用すると、複雑なビジネス上の問題を定量化し、分析してテストすることができます。たとえば、この記事の冒頭で述べた一連の複雑なビジネス上の理由により、ラベルを使用して単一次元の比較を直接行い、ステートメントを検証することができます。

複数のラベルを重ね合わせると、複雑な分析ロジックを構築し、レイヤーごとに推論することができます。この複雑な分析ロジックは、よく「詳細分析」と呼ばれます。一般的に、多くの状況を考慮することを「総合分析」、推論の階層数を「詳細分析」と呼びます（下図参照）。

もちろん、ラベルは複数の方法で使用できます。たとえば、ラベルは、さらなるモデリングのための特徴値として使用したり、包括的な評価/予測のためのモデルへの入力として使用したりできます。多くの学生の評価モデル/予測モデルは、ラベルの蓄積が欠如しており、いくつかの単純な生データをモデルに直接入力するため、不正確です。

たとえば、タグはビジネスアクションを推測するためにも使用できます。 「店長が無能だ」「マーケティング努力が不十分だ」といった疑問は、「店長を教育したい」「マーケティング投資を増やしたい」といった結論に直結します。

要約すると、ラベリングは、詳細な分析、モデリング、およびビジネス提案の非常に重要な部分です。学生は、オンライン広告、オフライン販売フォローアップ、製品選択など、特に「ブラインド ボックス」ステータスに関連するビジネス上の意味を持つラベルをさらに作成してみることができます。ラベルはより便利です。