このアナリストはどのようにして、直感に基づいた意思決定からデータによるサポートに移行したのでしょうか?

アナリストがデータに基づいた意思決定を行えるのはなぜでしょうか?この記事は、その理由を探るのに役立ち、データアナリストにもおすすめです。

データに基づく意思決定は、誰もが毎日話題にする流行語です。しかし、データはどのように駆動されるのでしょうか?実際にプロセス全体を見た学生はほとんどいません。生徒の中には、「自分は他の人に追いかけられているのに、追いかけられているように感じる」といつも思っている生徒もいます。今日は体系的な説明をし、流行に従うことを拒否します。

1. 最も独創的な意思決定プロセス

まず第一に、何かを行うために本当にデータが必要でしょうか?答えは「絶対にそうではない」です。理論上、物事を成し遂げるには、2 本の水平線と 1 本の垂直線だけが必要です。実行すれば完了です。最も簡単で頭を使わずに物事を行う方法は（以下に示すように）

しかし、そのような空虚なスローガンは、従業員を死に追いやる以外には何の役にも立たないことは誰もが知っています。だって、すごく愚かだから。何をすればいいのか、どうやってすればいいのか、結果がどうなるのか、わかりません。

2. 科学的意思決定の萌芽的形態

したがって、この最初の決定はすぐに第2段階、つまり3ショット段階に入ります（以下に示すように）。

この 3 段階の意思決定にはすでに科学的管理の基礎があり、1980 年代後半から 1990 年代前半にかけての契約制度の普及とともに普及しました。その結果、1950 年代、1960 年代生まれのリーダーや、彼らの影響を受けた 1970 年代、1980 年代生まれのリーダーの多くは、今でも「何をするか」「どのようにするか」「どんな種類の仕事か」という 3 つの部分から成る表現を好んで使っています。記事や書籍でもよく使われます。

しかし、これは本当の意味での科学的管理ではありません。あまりにも荒すぎるから。特に、何をすべきかはリーダーが独断で決めることが多いです。彼らのお気に入りのキャッチフレーズは、「まずは小さな目標を達成して1億元を稼ぐべきだ」だ。なぜ1億元なのか、なぜ市場を占有するのではなく金儲けをしなければならないのかについては、これまで詳細な分析や説明がなされたことはない。頭をパチンと鳴らして決断を下すと、何か問題が起きたときには他人の前で胸を叩いたり、太ももを叩いたりすることになります。それが「スリービート」というニックネームの由来です。

3. 大規模から微細へ

意思決定の高度化を図りたい場合には、データ計測とデータ分析を導入する必要があります。データ分析は本質的に科学的な管理に役立つように設計されていると言えます。データのサポートにより、より洗練された管理が可能になります。

意思決定の前に:

• 現在の運営状況、収入、支出、利益を定量的に評価します。
• 市場、競合他社、消費者データに基づいて機会と脅威を評価します。
• 過去のパフォーマンスの傾向に基づいて、自然な変化の法則を発見し、より合理的な目標を設定できます。

意思決定において:

• 代替ソリューションを評価するために必要な時間、人員、および物的リソースを定量化します。
• 過去の実績に基づいて、計画の実現可能性を定量的に評価し、予想される完了率を評価します。
• 過去のパフォーマンスの傾向に基づいて、自然な変化の法則を発見し、より合理的な目標を設定できます。

決定後:

• 実行プロセスを定量的に監視し、実行上の問題を特定します。
• 実装方法を分析し、最適化と調整策を評価します。
• 実行結果をレビューし、目標の実際の達成状況を確認し、経験をまとめます。

この段階では、データ駆動型の意思決定とデータに基づく管理が実現されています。この段階で最も古典的な理論はPDCA理論です。意思決定プロセスを4つの段階に分けます: PDCA:

• プラン
• する
• チェック
• 行為処理

反復サイクルを通じて、目標が達成され、品質が徐々に向上していくことを保証します (下の図を参照)。

データに基づく意思決定はここで限界に達したようです。これは原則的には真実であり、多くの古典的な経営理論はこの段階に基づいています。その後の大きな進化はテクノロジーに反映されています。データの取得は非常に難しい作業であり、多くの技術的サポートが必要になるからです。したがって、技術的手段のレベルは、経営理論を実行できるかどうか、そして革新できるかどうかを直接決定します。

AIDMA、PSM、二重盲検テスト (AB テスト) など、多くの古典的な管理モデルは、調査アンケートに基づいています。理論的には調査アンケートですべてのデータを収集できますが、調査には固有の制限があります。

• 人間の記憶には限界があり、データの精度は高くない
• 人間のエネルギーには限りがあるため、質問が多すぎたり、選択肢が複雑すぎたりすることはできません。
• 人々は怠惰なので、オプション A が常に最も多く選択され、3 ポイントと 5 ポイントの割合が常に最も高くなります。

上記の制限により、優れたアンケートはコストがかかり、サイクルが長く、データを取得する速度が非常に遅くなります。

そのため、その後の管理方法の改善にはデータ収集方法の改善が伴い、データ収集方法はますます高度化していきます。

4. より洗練されたデータ駆動型プロセス

より洗練されたデータ駆動型の方法はすべてテクノロジー主導です。

• OMS/CRMシステムを使用すると、トランザクション+ユーザーデータをより迅速に収集できます
• APP/ミニプログラム+データ埋め込みにより、ユーザーの行動データを収集できます
• 豊富なデータがあれば、ユーザーポートレートを改善し、予測モデルを作成できます
• CDP/ECRMなどのツールを通じて、データを直接ビジネス実行にプッシュできます。

技術サポートにより、管理の詳細がより充実します（下図参照）

前の段階で提出された主な追加内容は次のとおりです。

• 全体目標を各部門、各リンクのサブ目標に分解し、段階的に実行する
• 指標と判断基準を明確に区別し、総合的な評価方法を導入する
• CDP（古い方法を選択）とABtest（新しい方法をテスト）を追加し、適切な方法を選択しやすくしました。

全体的なプロセスの詳細は次の図に示されています。

この段階で最も人気のある方法は、指標を段階的に分解/定量化することで意思決定を促進するOSM法です（下図参照）。

注: 推進効果を達成するには、意思決定プロセスの各リンクに適切なデータ ツールを構成し、それぞれの役割を果たす必要があります。超強力な結果を計算できるのは、超強力なモデルや数式ではなく、ツールの組み合わせです。

作業プロセス全体を通して、最大の技術的困難はデータ収集にあります。プロジェクト全体の進行を遅らせることなく、高品質で多次元のデータ収集を確実に行うことは非常に面倒な作業です。ビジネスにおける最大の難しさは合意を得ることです。喧嘩を避けるには、認識を得ることが鍵です（下図参照）

今のところはこれですべてです。しかし、学生の中には、「この経営理論は複雑ではないようだが、なぜ現実にはそれが見えないのか？」と疑問に思う人もいるはずです。それは理論と現実の間に常にギャップがあるからです。企業になると、次から次へと不思議な人や物が登場します。

5. データに基づいた意思決定ができ​​ないと感じる理由

問題 1: 後進的な人々/システム/制度。

• データ構築、特にデータ収集とプロセス標準化を重視していない企業がかなりあります。
• 企業システムの多くはまだ初期段階にあり、迅速かつ積極的に稼働しています。
• かなりの数のビジネスリーダーが、いまだに野蛮な経営手法を採用しています。

時代は変わったが、人/制度/システムは変わらず、何も変わらない。

質問 2: あまりにも利己的になり、データを故意に歪曲する。

多くのリーダーはデジタル主導の開発についてのみ語りますが、実際にはデータを見せかけとして使い、見栄えの良い数字を書き、醜い数字をさまざまな方法で見栄え良く見せているだけです。うまくいかなければ、「当社には人工知能とビッグデータ分析の能力が欠けている」と責めるでしょう。これではデータ駆動型の開発は達成されず、むしろ数字のゲームをすることになります。

質問3: 人工知能とビッグデータを盲目的に信じている。

注：データ駆動の進化プロセスから、データ駆動を実現するために必要なのは、初期、中期、後期の各段階での分業と、レポート、管理モデル、アルゴリズムモデル、テストプラットフォーム、および特別な分析の相互調整であり、「超素晴らしいインテリジェントモデル」のDuangではないことがわかります。一音一音真似できます。しかし、それを信じない人も常に存在します。コンピューターの中には、世界の結末を一目で判断できる全知全能の「モデル」が宿っていると考える人が常にいるが、それは当然悲劇に終わる。

質問4: 指標を重視しすぎて、標準の確立が軽視されています。

これはデータアナリストがよく犯す間違いです。分析となると、何十ものデータ指標が挙げられますが、どれがメイン指標で、どれがサブ指標で、どれが参照指標なのでしょうか。どの値が良好とみなされ、どの値が不良とみなされるかを判断するために、どの指標を組み合わせる必要があるか。明確な基準はなく、企業との合意もありません。結局、データを列挙することしかできず、結論を導き出すことはできません。

質問 5: ビジネスとのつながりがなく、ビジネス プロセスのデータが蓄積されていません。

これはデータアナリストがよく犯す間違いです。彼らは毎日、GMV、トラフィック、DAU、MAU、コンバージョン率などのいくつかの指標に注目しています。彼らはビジネス プロセスについて何も知らず、さまざまなビジネス メソッドの効果を観察したり蓄積したりしていません。結局、いくつかの指標を何度も繰り返す以外に、彼らにできるのは、指標を増やし、維持しなければならないということだけだ。それはすべてナンセンスであり、意思決定を促進することはできません。

VI.まとめ

データ主導の意思決定には、ビジネス プロセスとデータの緊密な調整、およびリーダーシップの参加と促進が必要です。データに基づく意思決定は、データを取得して「マミーマミーブーム」と呪文を唱えて衝撃的な結論を導き出せる謎の隠者の仕事ではありません。これは基本的な常識です。

後進的な人々、後進的なシステム、後進的なプロセスにより、データは表面的なものに留まります。したがって、短期間で結果が出なくても自信を失わないでください。これらの後進的な人々や物は、最終的には歴史の中で排除されるでしょう。実践者として、私たちは自分の能力をさらに発揮して、より良いプラットフォームに参加し、より良いプロジェクトを作成する機会を得る必要があります。皆さんにも同じことを願います。

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)