データ分析を行う際にビジネスに実現可能な提案を行う方法

この記事では、製品の価格を引き上げたいと考えているインターネット電子商取引会社の実際のケーススタディを使用して、データアナリストが事実の確認から始めて、詳細な分析プロセスを通じて実用的な提案を行う方法を示します。この記事では、売上の信頼性の確認、履歴データの分析、データ実験の設計、一般的な意思決定の落とし穴を回避する方法など、このプロセスについて詳しく説明します。

多くの学生は道具にされることを嫌いますが、提案を求められるたびに臆病になってしまいます。 「目標が引き下げられたので、引き上げる必要がある」ということ以外、彼らは何を言えばいいのか分からない。今日は、データから実現可能な提案を引き出す方法という具体的な質問を取り上げ、詳しく紹介します。

問題のシナリオ: インターネット垂直型電子商取引会社の社長は、製品 A が最近よく売れているので、この製品の全体的な利益を増やすために価格を上げたいと述べました。さて、データ アナリストとして、この要件を受け取り、「どうすればよいでしょうか?」と尋ねます。

00問題分析

まず、学生は注意を払う必要があります。ここにはいくつか質問がありますか?

ちょっと考えてみてください。

営業部門がこのような指示を聞くと、本能的に「これは問題だ。上司は価格を上げたいようだ。どうやって価格を上げればいいのか？」と反応するでしょう。しかし、データアナリストはこの需要をそのように解釈しません。データ アナリストは、まずリーダーシップの決定が正しい事実に基づいていることを確認し、次に決定の推奨事項の実現可能性を確認する必要があるためです。

データ アナリストにとって、ここでは 2 つの質問があります。

質問1: 上司が言った「最近売上が好調だ」というのは本当でしょうか?

質問2：質問1が成立しているという前提で、それをどのように実現するかを考えます

01問題解決の第一歩：事実を確認する

現実には、ビジネスセンスの多くは事実に基づいていません。現時点では、販売量が本当に良いのかどうかは、さらに検証する必要があります。

さらに、このタスクはデータ分析に最適です。事業部門がビジネスチャンスを捉える際には、自らの経験、判断、嗅覚に頼るかもしれませんが、データ分析でビジネスチャンスを捉える際には、データに頼らなければなりません。

質問 1 を確認するために除外する必要がある仮定は次のとおりです。

1. あまり良くない（他のカテゴリーより少しだけ良い）
2. 本当に良いですが、今は良くありません（この情報は古いです）
3. 今は良いですが、一時的/季節的/時々のものです（長く続くとは予想されません）
4. 今は安定していて良いですが、リソースが投入されています（値上げの余地はありません）

全体のロジックは、MECE メソッドを使用して次のように要約されます。

多くの初心者データアナリストはこのステップを無視します。実際、このステップはデータアナリストの価値を大きく反映しています。上司は何気なくそう言っただけで、データアナリストはさまざまな可能性を一つずつ排除していきました。それは上司にとって非常に良い経験でした。データ分析作業が徹底的に行われているようです。

実際、価格を上げるタイミングには決まったパターンがあり、それは一般的に製品のライフサイクルに基づいています (以下に示すように)。

• n カテゴリー A のライフサイクル傾向が過去の同じカテゴリーの傾向よりも大幅に優れている場合は、価格を上げることができます。
• nライフサイクルの初期段階（上場段階、成長段階）であれば、増加できる
• n カテゴリーAが不足している場合（在庫回転率が高く、売上が良い場合）、増やすことができます。

逆に、A がライフサイクルの後期段階にあり、まだ余剰在庫があり、パフォーマンスが平凡な場合は、価格の引き上げを検討する必要はありません。まとめ買いセールや一定額以上の購入での割引などを検討できます。

02 問題解決のステップ2: 経験とテストを区別する

最初のステップが確認されたら、2 番目のステップである分析方向の決定を実行できます。

2 番目のステップでは、1 つのことを確認する必要があります。過去に同様の価格調整が行われたことがあるかどうかです。

そうであれば、前回の同様の価格調整シナリオに基づいて、この価格調整の予想される影響と実現可能性を分析します。

そうでない場合は、履歴データの参照がないため、ソリューションの実現可能性を確認するためにデータ実験を設計する必要があります。

この点は、データ分析とビジネスにおける考え方の違いをよく反映していると言えます。ビジネスを変えると、顧客とのコミュニケーション、ユーザーへの洞察、製品への理解を通じて、直接的な判断ができるようになるかもしれません。しかし、データ分析を通じて問題を考えるときは、データから始めなければなりません。履歴データがある場合は、履歴データに基づいて分析します。そうでない場合は、まずテストを実行し、データを収集してから分析します。

もちろん、実際の実装では、この 2 つを組み合わせることができます。たとえば、企業が値上げ計画を提案する場合、データ分析は次の 2 つのステップに分けられます。

1. 事前の実証：この計画には致命的な欠陥はない

2. イベント後のデモンストレーション: このソリューションはXX実験を通じて検証できます

これにより計画が前進します。

03 問題解決の第3ステップ：事前の議論

事前の議論には 2 つの種類があります。

1. 過去の経験を要約し、価格調整が行われた場合の提案を行う

2. 価格調整がない場合、落とし穴を避けるために価格調整の範囲を示します。

計画を実行するには、時間、場所、人、原因、プロセス、結果の 6 つの要素が揃っている必要があります。したがって、過去の経験を振り返る際には、より詳細に、最後の価格調整の 6 つの要因を全体的に分析することが重要です (下の図を参照)。

存在する

間違いを避けるには、データを使用して明らかに不合理な仮定を排除することが重要です。理論上、消費者は愚かではありません。価格調整により売上は減少します。売上の減少は在庫の増加と回転時間の延長につながります。回転時間が長くなると商品が古くなるリスクが高まり、さらに売上に影響を与える可能性があります。これを証明するデータはありませんが、事業側は計画を立てる際にこれらの点を考慮する必要があります。

典型的な不合理な仮定は、次のようなものです。

1. 値上げ幅が高すぎて、高級品の価格にまで達している

2. 販売量は調整されておらず、デフォルト価格の上昇は販売量に影響を与えない

3. 売上減少による在庫増加を考慮せず、売上見積が高すぎる

これらの明らかなバグのほとんどは、経験不足によるビジネス側の過度に楽観的な推測から生じます。データアナリストとして、私たちはそのような楽観的な仮定に対して警告するか、少なくとも問題を認識させる必要があります。

04 問題解決のステップ4: 事後的な議論

履歴データの蓄積がない場合は、結果を検証するためのデータ実験を設計する必要があります。注: データ実験の設計にはビジネス側が関与する必要があります。値上げ自体はビジネス行為であるため、基本的に「表向きの値上げ」と「隠れた値上げ」の 2 つの方法があります。

明確な価格上昇：直接的な価格調整

隠れた値上げ：アップグレード版やプラス版の発売、クーポンの削減などにより、密かに価格を調整する。

これらの対策がもたらす効果はそれぞれ異なります。明らかな価格上昇があった場合、すべてのユーザーの価格感度を直接テストできます。隠れた値上げであれば、値上げに反応するのは一部のユーザーのみということになります。ユーザーをセグメント化し、一部のユーザーの反応を観察する必要があります (以下を参照)。

理論的に言えば、隠れた値上げはユーザーにとって感情的に受け入れやすいものです。結局のところ、明らかな値上げは詐欺行為のように思われ、人々に買いだめの感覚を与えてしまう。しかし、実際の運用では、隠れた価格上昇には新たなマーケティング計画が必要になります。新しい計画が失敗し、値上げ戦略が失敗し、事業者側が責任を負う可能性が非常に高い。

したがって、ビジネス側は明確な値上がりを予想し、ROI を最大化するために価格がどの程度上昇するかをデータ アナリストに予測するよう依頼する傾向があります。

ここでビジネス側に明確にしておくことが重要です。履歴データがなければ分析は不可能であり、テストが必要です。推測やその他の回りくどい方法で質問を回避しようとしないでください。価格弾力性をテストする必要があります。テストを行わずに結論を導き出すと、戦略失敗のリスクはデータアナリスト自身が負うことになります...

05 まとめ

上記から、単純な価格上昇には、さまざまなシナリオに特化した詳細な分析が多数必要になることがわかります。多くの初心者はそれほど多くのシナリオを考慮しません。彼らは過去 1 週間または 1 か月の販売量を調べて、「価格が上昇すると販売量は減少するかもしれない...」と推測し始めます。

こんなに乱暴に仕事をしていると、リーダーが私をさまざまな方法で批判するのは簡単です。たとえば、

「他のカテゴリーとの違いは考慮しましたか？」

「それは単なる短期的な影響でしょうか？」

「価格を本当に引き上げることができるという証拠はあるのでしょうか？」

データアナリストは憤慨してこう言うでしょう。「あなたもそのことには触れていませんでしたね。」

この瞬間、リーダーは再びこう言いました。「もっと考えてみたらどうですか！」

こうしたやり取りの末、信頼は失われてしまいました。

データアナリストは企業の軍事顧問であるとよく言われます。小説では、領主が軍師に助言を求めると、軍師は最善、中間、最悪の3つの戦略を提示します。最善の戦略は、さらに最善の戦略、最善の中間の戦略、最悪と最悪の戦略に分けられます。作業は非常に細心の注意を払って行われ、シナリオは非常に包括的に考えられています。これは有能な軍事顧問が達成すべき基準です。あなたの人生に幸あれ。