データインジケータシステムの構築方法とプロセス [テンプレート+事例]

データインジケータシステムの構築方法とプロセスは、「 テンプレート+ケース」の思考モードと切り離せないことがわかります。この記事では、優れた思考システムを構築する方法を説明します。同時に、データ操作分析に携わっている方にもこの記事はおすすめです。

学生の職場での競争力を高めるために、陳先生は特別に一連の記事を立ち上げました。データ分析の基本的な手法から具体的な問題の対処法まで体系的に解説します。

学生の本当の混乱は、「あなたが言及したレポートを見たし、毎日更新している」ということです。しかし、これはどのようにしてシステムになったのでしょうか?では、システムを構築したらどうなるでしょうか?自分がやっていることがシステムだと思わないのはなぜでしょうか?今日は体系的な答えをお伝えします。それについて話すには、まずデータ指標から始めましょう。

1.データインジケーターはなぜ必要なのでしょうか?

次のようなことをよく耳にしませんか？

• 「おそらく1万人以上いるでしょう」
• 「不満を持つ顧客は多い」
• 「店内に誰もいないような気がします。」

不確かで、具体的ではなく、正確ではない。

これは私たちが日常生活で話している方法です。それは問題ありません。なぜなら、具体的な情報には大きなコストがかかり、ほとんどの場合、私たちはそれについて何気なく話すだけだからです。しかし、企業の運営がこれに依存しているなら、それは破滅するでしょう。いくらお金が使われて、いくらお金が稼がれたのかが不明瞭になり、上司は怒り狂って死んでしまうでしょう。

データ指標は、この不確実性に対処するために設計されています。

上記の文を次のように変更します。

• 4月1日に新規登録者数が9,800人に達し、目標を1,000人上回る
• 4月1日に商品Aが100個返品され、30日間の累計返品率は2.5%でした。
• 4月1日、全国の店舗を訪れた客数は30万人で、来店率は30％と予想値の32％を下回った。

もっと爽やかじゃないですか？これはデータインジケーターの直感的な使用法です。

2.データインジケーターシステムはなぜ必要なのでしょうか?

実際の業務では、一つのことを正確に説明するのはかなり面倒です。たとえば、「製品 A は 2 月に非常によく売れました!」と言いたいとします。相手が本気であれば、多くの欠点を指摘することができます（下図参照）

問題には多くの側面があることが多く、1 つの指標だけでは問題を完全に説明することはできません。これを記述するには、データ インジケーター システムと呼ばれる一連の論理データ インジケーターが必要です。

3.データ指標システムの5つの主要構成要素

1. 主要指標（一次指標）

この問題がどのような状況であるかを評価するために使用される最も中核的な指標。たとえば、「この製品はよく売れています。」直感的に思い浮かぶ指標は「売上高」です。これは商品を販売して直接受け取るお金なので、当然、お金が多いほど良いです。

各インジケーターには次の要素が必要です。

• ビジネス上の意味: ビジネス上の意味は...
• データ ソース: 元のデータを収集するシステムはどれですか?
• 統計時間: XX時間以内に生成されたデータ
• 計算式：割合や比率がある場合、誰が誰を分けるのかを明記する必要があります。要約の場合は、誰が誰を追加したかを明確に記載する必要があります。

注: 包括的な評価には複数の主要指標が必要になる場合があります。例えば、商品の売れ行きが好調な場合、金額だけを見るのではなく、実際に稼いだお金である粗利益にも注目する必要があるかもしれません。販売量は在庫に直結しており、過剰なバックログを防ぐ必要があるため、販売量によっても左右される可能性があります。このように、売上高、販売数、売上総利益という少なくとも 3 つの主要な指標があります。

2. サブ指標（二次指標・三次指標）

メイン指標は複数のサブコンポーネントで構成される場合があります。例えば：

売上金額 = ユーザー数 * 支払率 * 平均注文額

販売額が目標に達しない場合、購入する顧客が少ないのか、販売者が足りないのか、それとも安く販売しすぎたのか、非常に気になるでしょう。詳細を理解することで、実際の問題を見つけるのに役立ちます。そのためには、サブ指標を細分化する必要があります。

3. プロセス指標

主な指標は多くの場合、最終結果です。たとえば、B2B 業界における売上高は、販売リード - 販売前フォローアップ - 需要確認 - 製品体験 - 価格交渉 - 入札 - 契約という一連のプロセスの最終結果です。最終結果だけを見てプロセスを監視して改善することは不可能です。さらに管理したい場合は、より注意深く見てサブインジケーターを追加する必要があります（以下に示すように）

4. 分類次元

一つの物事が長い期間をかけて多くの人によって完成される可能性もあります。総売上高の構成や、各地域および各チームが達成した売上高を知りたい場合は、分類ディメンションを追加できます。

分類ディメンションを使用すると、メイン指標をいくつかの部分に分割することができ、平均トラップを回避し、全体と詳細を一緒に見ることができます（下図を参照）。

5. 判断基準

上記の 4 つのポイントを考慮しても、製品 A はよく売れるとは言えません。なぜなら、good は bad の反対を表す形容詞だからです。そのため、比較するための基準が必要になります。参照オブジェクトの選択自体は、詳細な分析を必要とする複雑な分析プロセスです。

指標システムを構築する際には、これらの判断基準が現在のデータとともに提示されることが多いです。このように、データを見るときに直感的に判断できるので、とても便利に使えます。

IV.データインジケーターシステムはどのように機能しますか?

要約すると、指標システムの 5 つの部分は次のとおりです。

1. 主な指標
2. サブ指標
3. プロセス指標
4. 分類ディメンション
5. 判断基準

これら 5 つの部分を使用すると、問題の診断は非常に簡単になります。

まずは主な指標＋判断基準を見てみましょう。たとえば、主な指標が売上高である場合、まず今月の目標が達成されたかどうかを確認し、達成されていない場合は目標達成までどのくらい離れているかを確認します。次に、年間累積目標が達成されているかどうか、また赤字/黒字がいくらであるかを確認します。これにより、問題が何であるか、そしてそれがどの程度大きいかを簡単に把握できます。

分類次元を見てみましょう。どの領域がうまく行われていないか、一貫して不十分に行われているか?どの分野がうまくいっているのか、ほとんど完了していないのか、それとも継続的に向上しているのか?こうすることで、誰が保証を提供できるのか、誰が遅れているのかが明確になります。

サブ指標/プロセス指標を見てみましょう。どのリンクがうまくできていないのでしょうか?リードが少なすぎるかもしれないので、プロモーション活動を強化する必要があります。またはフォローアップの成功率が低いため、営業力を向上させる必要がある。または、見積もりが常に漏れてしまうため、割引を追加する必要があります。問題にどう対処すればよいかは一目瞭然です。

優れたデータインジケーターシステムがあれば、基本的にデータアナリストの仕事の 60% を実行できると言えます。優れたデータ インジケーター システムを使用すると、ビジネス担当者はどこでどの方向に向かって作業すればよいかを一目で把握できます。とても便利です。

注: 指標システムに基づく診断では、戦術的な問題のみが解決され、戦闘レベルの詳細な問題は解決されません。

たとえば、次の質問:

• 全く分かりません。どのようにメソッドを設計すればよいのでしょうか?
• 3 つのアプローチがありますが、現在の問題にはどれがより適しているでしょうか?
• 方法 1 を使用したいのですが、成功する可能性はどれくらいでしょうか?

これらは、テーマ分析を使用するとより簡単に対処できます。結局のところ、財務諸表は状況を報告する単なる表です。今後どうするかについては、より的を絞った分析が必要だ。

5.データインジケーターシステムの構築方法

1. 仕事の目的と主な指標を明確にする

これが最も重要な第一歩です。まず、これらの指標を設定する目的は何なのかを理解する必要があります。判断を行う際に誰に焦点を当てるべきか、サブ指標がどのプロセスに対応しているかがわかるように、メイン指標ツリーを明確にします。企業内で活動する部門であれば、独自のKPIを持っているため、必ず主となる指標が見つかります。

2. 明確な判断基準

このステップも非常に重要です。これは、これが「有用なレポート」であるか、「カラフルな数字の集まり」であるかに関係するからです。何が「良い」とみなされるかは非常に重要な問題です。

主要な指標が見つかったので、それに対応する判断基準を確立する必要があります。この方法でのみ、データの意味を解釈し、分類の次元をどのように見るかを知ることができます。一般的な標準は 4 つあります (以下を参照)。

もちろん、基準を設定すること自体が非常に複雑な分析であり、非常に複雑になる可能性があります。しかし、最終的には、どれが良いのか、どれが良くないのかを明確に区別する必要があります。

3. ビジネス管理手法を理解し、適切なサブ指標を見つける

主要指標と主要指標を判断する基準が決まったら、さらにサブ指標を分類することができます。サブ指標は、ビジネスの管理方法に直接関係しています。

たとえば、売上金額を支店別またはユーザー別に分類できます。具体的にどのように見るかは、企業がこの問題をどのように処理できるかによって決まります。例えば、一般的には地域別に営業が管理されるため、支店に分割することができます。市場は一般的にユーザー別に運営されているので、ユーザー別に解体されます。つまり、ビジネスの利便性が最も重要です。

4. 業務プロセスを整理し、プロセス指標を設定する

理論的には、プロセス指標が多ければ多いほど良いです。プロセスインジケーターの数が多いほど、プロセスをより詳細に追跡でき、問題を発見できるようになります。しかし、ビジネスにおいては、必ずしもあらゆるアクションでデータ収集が必要なわけではなく、特定のビジネスプロセスを組み合わせて、重要なノードで制御する必要があります。

5. 分類ディメンションを追加する

分類ディメンションとして使用できるディメンションは多数あります。どれを選択するかは、問題を管理できるビジネス観点によって完全に異なります。経営にとって意味のあるディメンションを追加します。 （下図参照）

このように、データインジケーターシステムを確立しましたが、プロセスはまったく複雑ではありません。ほとんどの場合、実際の問題は、データ収集が行われておらず、指標を作成するためのデータ記録が存在しないことです。これが一番面倒なことなんです。しかし、疑問は、単純に見えるプロセスが、実行されたときに体系的な感覚を持たないのはなぜかということです。

6.私が指標システムに取り組んでいない理由

1. 主な指標がなく、何をすべきか分からない

これは最もよくある質問です。多くの学生のレポートは、辞職した同僚から引き継がれたものでした。なぜそうするのですか?誰のためにやっているんですか？それで私がそれを見たとしてもどうなりますか？彼は何についても何も知らない。とにかく、毎日指示に従い、定期的に更新してください。

学生の中には理解しようと努力する人もいましたが、ビジネス側は混乱していました。あなたは彼に尋ねます: あなたの目標は何ですか?彼はこう答えました: GMV を増やすためです~~ 親愛なる、GMV は非常にマクロ的なものなので、彼はどの部分を管理しているのですか?増加する場合、いくらからいくらまでですか?どの程度の改善が満足できるものと考えられますか?自分で計画を立てたとき、データアナリストに明確に説明するどころか、明確な決定を下すことなく、他の人のアイデアをコピーしただけでした。

2. 判断基準がなく、自分が何を言ったのかわからない。

これはもう一つのよくある、そして致命的な問題です。多くの学生は、何が「良い」と考えられ、何が「悪い」と考えられるかを知らずに、大量のデータをリストアップして、盲目的にレポートを更新します。あるいは、上昇は良いことであり、下降は悪いことだと単純に考えているだけかもしれません。その結果、多くのジョークが生まれました（以下を参照）

3. サブ指標を分解せず、メイン指標を見つめる

この問題は、部門間の分業の結果であることが多いです。

4. 業務プロセスに応じたサブ指標を構築せず、単にデータを積み上げる

多くの学生はデータインジケーターシステムを構築し、データを蓄積することを好みます。リッチに見えるようにインジケーターをたくさん配置します。しかし実際には、ビジネス プロセスに応じてサブ指標を見つけないと、指標間のロジックが非常に貧弱になり、説明がつかないように見えることがよくあります。言うまでもなく、「幸せですか？」のような奇妙な質問をするのは簡単です。

5. 事業に応じて分類次元を選択せず​​、ランダムに細分化している

ユーザーの性別、年齢、地域、VIP レベル、ソース チャネル、端末モデルなどの側面を考慮すると、レポートは非​​常に充実しているように見えますが、実際のビジネス上の重要性は不明です。

なぜ男女を分けるのかと聞かれたのですが、彼は「分けた後に大きな差が出るから」と答えました。差が大きすぎる場合はどうするのか、性別に応じて物事を行える業務能力があるのか​​はわかりません。

上記の問題は、本質的にはビジネスに有益な観点から考慮されていません。単に指標を設定するためだけに指標を設定する。

これは仕事の習慣に直接関係しています。多くの学生は、ビジネス プロセスやビジネス目標を独力で理解しようとはせず、代わりに「権威のある」、「正式な」、「完璧な」、「普遍的な」指標システムを求めています。その結果、どこにでもコピーして貼り付けるだけになります。多くのことが行われているようですが、結局のところ、データを見る人はほとんどいません。

変化したいなら、もちろん基礎から始めなければなりません。 「データXX」という肩書きがあるからといって、役に立つためにはあらゆる高度なアルゴリズム理論を読まなければならないとは思わないでください。理論に取り組むのは科学者の仕事ですが、企業で働く場合は実用的で有用なことをしなければなりません。ビジネスに貢献したいのであれば、もちろん、最前線のビジネスについて真剣に調査することから始めなければなりません。

著者: 地に足のついた教師チェン

ソース公開アカウント: Down-to-earth Teacher Chen (ID: 773891)