なぜデータ分析について何も知らないのですか?

この記事では、データ分析における一般的な誤解と問題を詳細に検討し、実用的な解決策を示します。記事は、ビジネス シナリオの組み合わせ、問題と目標の明確化、論理的推論、テストと検証、複数回のテストによる経験の蓄積の重要性を強調して結論付けています。データ分析の初心者でも、スキルをさらに伸ばしたいプロフェッショナルでも、この記事は貴重な洞察と実用的なガイダンスを提供します。

多くの学生が「データ分析をするときにアイデアが浮かばない！」と不満を言います。実際、このような結果につながる理由はたくさんあります。今日はシステムの概要を見てみましょう。

場合によっては、それはデータアナリスト自身の問題です。一般的なのは次の 3 つです。

1. 質問1: ハンマーで釘を探す

数学、統計、オペレーションズリサーチを学ぶ方法は数多くあり、本を読むこと自体が充実感をもたらします。そこで、読書に夢中になっていた生徒の何人かは、ハンマーで釘を探し始めました。たとえば、今日は統計学で正規分布を見ましたが、とても面白かったので、今では私が見る人全員が普通の人のように見えます。明日は回帰分析の章を読む予定ですが、誰もが回帰分析をやってみたいと思うでしょう...

こうするとトラブルの原因になります。たとえば、ある学生は、活動資金と全体のパフォーマンスを回帰分析して活動の有効性を計算し、R 二乗値を見て、その活動には効果がなかったと言いました。その結果、彼は営業スタッフから批判を受けた。

さらに、これをやったからといって、その本を本当に理解したということにはなりません。本当に理解していれば、少なくとも次のことを区別できるようになります。

それはサンプル統計ですか、それとも全体統計ですか?

それは予測問題ですか、それとも分類問題ですか?

マークは付いているがラベルは付いていない

手元のデータには内部ロジックがありますか?

ビジネス シナリオを詳しく調べることによってのみ、本のどの方法が適切であるかがわかります。さまざまなブックメソッドには、固定されたアプリケーションシナリオがあります。

2. 質問2: 靴を履く

これは前の質問の兄弟で、どちらもオタク的な行動ですが、本は「統計」から「管理」に変更されています。

*この本には4つのPがあるので、まず4つのPのボックスを描きます

*本にはPESTがあるので、まずは4つのボックスを描きます

※本にはRFMが載っているので、まずはRFMを計算してみましょう

それでどうする？ …すると、めまいがして、どうしていいかわからなくなって、こう非難されました。「一体何をしているんだ…」

解決策は前の問題と同じです。まずビジネスシナリオを理解し、実際の問題を見つけ、次に方法を整理します。コンドームを目にするものすべてに付ける代わりに。データ分析はビジネスに役立ちます。企業が問題についてどれだけ知っているかが分析の出発点となります (下の図を参照)。

質問3: すべてを解体する

これも非常に一般的で、問題が何であれ、まずクロステーブルをいくつか取得します。

* たとえば、DAU を分析する場合、性別や年齢などのディメンションと DAU を相互参照できます。

*たとえば、GMV を分析するには、GMV を性別、年齢、その他のディメンションと相互参照できます。

データ分析の魂は比較であり、核心は分解であるとも呼ばれる

その結果、論理と仮定がなければ、比較が増え、思考は混乱することになります。人々はリンゴとサイを比較するという恥ずかしいことをよくやります。さらに、この目的のない交差点は、歪んだビジネスアイデアにつながることがよくあります。事業部門はあなたを引き留め、一文ずつ説明するよう求めます。なぜここでは 5% の違いがあり、あそこでは 3% の違いがあるのでしょうか。結局、思考はどんどん混乱していきます...

したがって、比較を行うことはできますが、まず仮定をリスト化し、ラベルを付け、同等のものを比較することによってのみ、発見が可能になります。

場合によっては、問題はデータにあるのではなく、データが責任を負っているだけである可能性があります。以下に 4 つの一般的な例を示します。

問題4: ビジネス目標がない

例えば：

*指標モニタリングを行う場合、指標評価の要件は何ですか?分からない

*アクティビティを分析する際に、どのような指標を改善する必要がありますか?分からない

*製品分析を行います。製品改訂の目的は何ですか?分からない

では、どう分析すればいいのか分からない…

この場合、どのように分析すればよいのか本当にわかりません。アーチェリーと同じように、正確に射撃できるかどうかを知るには、まず標的が必要です。目標すらなく、ただ目を閉じて「GO!」と言うだけです。そしてランダムに撃ちます。そして、この無差別射撃が状況を変える効果があったかどうかを分析するよう私たちに求めます。ばか！デタラメな分析。

もちろん、これらの問題のほとんどはビジネスによって引き起こされます。ただし、分析を行う学生には、まず目標を明確にするよう注意する必要があります。そして、ビジネス部門に積極的に注意を促します。目標が明確でなければ、分析も当然不明確になります。そうでなければ、ここで非難されるのは簡単です。多くのビジネス部門は自ら目標を設定せず、データアナリストに「この無差別射撃により、会社の業績が大幅に向上しました!」と書くことを強制します。そして上司が彼らに質問すると、彼らは「これはすべてデータアナリストが書いたもので、私は無実です」と言います...

目標を設定する方法はたくさんありますが、やり方が分からないと言ってはいけません（以下を参照）。

問題5: 目標の混乱と自己欺瞞

この問題は、「目標がない」の逆で、つまり、事業部門は少しの作業を行ったが、その結果が巨大な絵に膨らんでしまったというものです。たとえば、彼らは 10 元のクーポンを提供して、次のように自慢し始めました。「この 10 元のクーポンは GMV を増加させ、古いユーザーを目覚めさせ、新しいユーザーを引き付けることができます。」とにかく効果は素晴らしいので、それぞれがどの程度効果があるのか​​を調べて、実現可能な提案をするためにはデータ分析が必要です...

多くの学生が混乱しています。これは一体何ですか？どのように分析すればよいでしょうか?これはまったくナンセンスなので、どうしたらいいのか分かりません。それぞれのビジネス慣行には決まった形式があります。 「一つの技で世界を征服する」方法はそれほど多くありません。したがって、アイデアを形成したいのであれば、ビジネスの一般的なルーチンと固定形式を理解し、そのようなナンセンスに直面したときに状況を明確に区別できるようにする必要があります。

6. 問題6: 不適切なビジネス手法

最も一般的なプロジェクトは、ユーザープロファイリング、解約予測、製品の推奨などです。データは豊富ですが、ビジネス上のトリックはありません。

さまざまなユーザーの解約確率を予測するために一生懸命努力しましたが、結果はどうでしたか?営業側からテキストメッセージのリコールが送信されました...はい、テキストメッセージですが、応答率は 1% 未満です。モデルを構築するかどうかの違いは何ですか?そして結局、その企業は「あなたの分析は役に立たない」と文句を言いました。

製品の推奨についても同様です。多くの企業は、いくつかの強力な製品を思いつくことができません。彼らは単に推奨するためだけに製品を推奨し、その後あなたのところに来て「あなたの分析はなぜ役に立たないのですか?」と尋ねます。

このような疑問は、データを扱う学生に深い自信喪失を招き、「自分の考え方は間違っているのだろうか？」と疑問を抱かせます。しかし、これはアイデアの問題ではなく、ビジネス手段の不足によりそれを実行できないという問題であることは間違いありません。

この状況を打破するには、基本的な分析を適切に行い、製品、ユーザー、ビジネス手法について基本的な理解を持ち、会社の現在の能力を把握する必要があります。こうすれば、簡単に識別できます。私の考え方が間違っているのか、それともこの人たちはこれが得意なだけなのか。

7. 問題7: 反復と蓄積の欠如

優れたデータ分析モデルは、ただ空から降ってくるものではなく、反復を通じて開発されます。正しい方法は、目標を定義し、複数回のテストを実施し、各ビジネス方法の上限と下限を見つけることです。これにより、どの方法が有用であるかを確認し、内部ロジックを発見し、分析経験を積むことができます。

しかし、次のような企業は、曲がった道を進むことを好むのです。

1. 事業計画を立てる際には、「XX、XX、XXが必要で、XXを調整し、協力してXXを実現する」など、多くの目標があります。どの方向を測定すればよいか不明です。

2. 毎日分析、分析、そしてまた分析するが、テストは行わない

3. 毎日分析、分析、そしてまた分析を繰り返す。分析後、企業は全く異なるアイデアを使ってテストを行う。

4. 目標を達成できない場合は、目標を変更して問題を隠そうとします。

これをやるのは、頭なしで飛ぶようなものです。有効な経験を積む必要はなく、当然最終的には何も得られません。しかし、それに深く関わっている学生は、頭が混乱し、自分の考えが明確でないせいだろうかと疑問に思うだけです...これは実際にはそうではなく、ランダムな自傷行為の典型的なケースです。

まとめ

データ分析はビジネスと密接に統合される必要があり、分析的思考も同様に統合される必要があります。

特定のビジネスシナリオと組み合わせる

明確な問題と目標を持つ

論理的に議論する

テストを通じて結果を検証する

複数回のテストを通じて経験を積む

これは、分析的思考をより明確にするための正しい方法です。

もちろん、一部の企業の環境は良くなく、その結果、学生は常に職場でPUAになり、「明確な考えがない」と言われることになります。現時点では、全員が自分の仕事をきちんとこなし、特定の問題に関してより実践的な経験を積んでいけば、この愚かな会社を辞めて、より自分に合った仕事を見つける機会が得られるでしょう。したがって、詳細について話し合うことが非常に重要です。細かい点を考慮せず、理論や表面的なことばかりにこだわると、冒頭のように恥をかくことになってしまいます。