データ分析能力を迅速に向上させる方法

データチームの分析能力を向上させるにはどうすればよいでしょうか?著者は分析ロジック＋ビジネス理解を5つのステップに分解し、体系的な方法を共有しています。

クラスメイトから「現状、データチームの分析能力は弱い。分析能力を高め、会社の業務と融合させて、早く成果を出したい」という質問がありました。データ実行マシンの状態は個人にとって満足できないだけでなく、リーダーにとっても耐えられないことがわかります。しかし、どうすれば改善できるのでしょうか?今日はそのシステムを共有したいと思います。

1. 能力を向上させる方法

データ分析機能の本質は、分析ロジック + ビジネス理解 + コード記述です。すでに社会に出た学生にとって、最も難しいのは分析ロジック＋ビジネス理解の部分です。ビジネスニーズを正確に理解できず、ビジネス思考を積極的に導くことができないため、奇妙なロジックを持つ大量の散在するデータ取得要件を受動的に受け入れることしかできません。仕事の効率が低いだけでなく、ビジネス側からも「洞察力がない、価値がない、データを求めたのにそれすらできない…」と批判されることになります。

しかし、この部分を改善するのが最も難しいです。まず、誰もが優れた論理を持って生まれるわけではありません。第二に、企業ごとに業務は異なるため、テンプレートを強制的に適用すると必ず問題が発生します。したがって、能力を向上させるための考え方は、「ワンショットモデル」を世界中から探すことではなく、基本的な分析テンプレートから始めて、能力を徐々に反復することです。

1. ステップ1: 部門ごとに要件を分類し、監視テンプレートを作成する

一般的なデータ分析の要件は 4 つあります。

1. ビジネス状況の監視
2. 問題の原因を分析する
3. ビジネストレンドを予測する
4. ビジネスアイデアのテスト

これら 4 つのカテゴリの中で、最も優先されるのは監視テンプレートを作成することです。ビジネスプロセスは頻繁に変更されないため、監視指標と分類ディメンションは一定期間内に固定されます。これは、データ指標の変化のその後の詳細な解釈に役立ち、不規則で一時的なデータ収集の数を大幅に削減し、チームの時間を節約できます。

部門によって、販売、業務、製品、供給などの業務プロセスが異なる場合があります。サービス業務の精度を高めるために、各プロセスの監視指標を個別に設計することをお勧めします。チームの経験豊富な上級メンバーは、新しいメンバーを指導して、各部門のプロセスや散在する要求を整理し、定期的なデータ監視レポートに統合できるものを特定できます。これにより、新入社員はビジネスに精通できるだけでなく、分析力や論理的思考力も向上します。

2. ステップ2: 指標の傾向を理解し、サイクルパターンを発見する

監視指標を設定した後、多くの人は新人に指標/ディメンションを直接渡して、「データ分析は比較に関するものであり、比較方法は自分で考えればよい」と言います。これは非常に無責任で間違ったアプローチです。分析的な論理がなければ、比較をすればするほど、思考は混乱することになります。ナスをリンゴと比較することは混乱の原因になります。

したがって、監視指標を取得した後は、急がないでください。まず、指標の基本的な傾向とルールを理解します。特に、売上、利益、新規ユーザー数、アクティブユーザー数など、ビジネス評価に関わる重要指標（KPI指標）には、注目すべき3種類のルールがあります。

1. 自然周期: 指標が季節の変化や休日と関連しているかどうか
2. ライフサイクル: 発売から廃止までの主要なビジネス指標の傾向
3. コホートの変化: ユーザー登録後のN期間にわたる傾向

このプロセスは、新人が「通常の傾向」と「定期的な変更」が何を意味するかを理解するのに役立ちます。これにより、新人が常識的な間違いを犯す可能性が大幅に減少し、同時に、新人が実際の異常な変動に対してより敏感になります。さらに、指標の傾向の観察を KPI 指標から他の指標に、浅いものから深いものまで拡張できるため、新規参入者がデータの海に溺れるのを防ぐことができます。効果はとても良いです。

3. ステップ3: 内部構造を分解して分布パターンを発見する

大まかな傾向を理解した後は、新規参入者に無作為な分割・比較を行わせるのではなく、まずは事業の内部構造を理解するのが良いでしょう。社内ビジネス構造には 2 つのタイプがあります。

1. 全体はどのような部分で構成されていますか?
2. 結果の構成要素は何ですか?

たとえば、営業では次のことを理解できます。

• 販売プロセスにはいくつのステップがあり、どのようなデータが記録されますか?
• 販売チャネルにはいくつの種類があり、それぞれのパフォーマンスはどうですか?
• 販売されている商品の数と各商品の割合はどれくらいですか?

例えば、供給は理解できます

1. 原材料から完成品までにはいくつかのステップがあります
2. 各ステップで消費されるリソース
3. 各ステップでどのような結果が得られますか?

企業によってデジタル化のレベルが異なるため、このプロセスは長くなる可能性があります。高度なデジタル化により、データを直接確認することができます。デジタル化の度合いが低いため、まずはビジネス行動を理解し、その後ゆっくりとデータを収集したり、全体的な指標の影響を調べたりすることしかできません。

しかし、そうする価値はあります。なぜなら、これが新人がビジネスをより深く理解するための唯一の方法だからです。さらに、データの異常を発見した後、その異常を追跡するための基本的なロジックは、インジケーターの内部構造に沿って追跡することです。これは論理的な分割です。さらに、このステップには技術的なスキルは必要なく、初心者でも自分で行うことができます。

4. ステップ4: ビジネスアクションを収集し、積極的な行動を定量化する

内部構造を理解した後は、初心者にランダムな分割/比較を行わせない方がよいでしょう。代わりに、ビジネスが何をしているかを収集し、定量化できる部分を取り出して定量的な効果を確認します。定量化できないアクションの場合は、アクションが発生した後の全体的な指標の変化を観察します。

例えば、販売実績の向上

• マーケティング部門がプロモーションを実施している場合、データを使用してどの注文がプロモーション注文であるかを記録し、プロモーション注文の増加を観察し、アクティビティの収益を計算できます。
• 営業部門が営業能力研修会を開催した場合、各人がどの程度向上したかを記録するデータがない場合があります。この時点で、次善策として、どの個人/企業がトレーニングに参加したかを記録し、指標が変化するかどうかを確認することしかできません。

そうすることで、一方では新人のビジネスに対する理解を深めることができ、他方では、まず結果からさまざまなビジネスアクションの効果を理解するのに役立ちます。これにより、データの変化を解釈する際により多くのアイデアが得られるだけでなく、結果に基づいてビジネスに直接提案できるようになり、データ分析を解釈からビジネス開発のガイドまで促進できます。

5. ステップ5: ビジネス上の問題を分解し、分析仮説を立てる

ビジネスアクションを定量化した後は、ランダムな分割や比較を避けてください。代わりに、まず仮定を立て、それから証拠を見つけることを学びましょう。正しい仮説を提案することで、アイデアをより早く形成できるだけでなく、さまざまな干渉要因を除去し、繰り返しデータを取得する負担を軽減できます。分析上の仮定は、データ テストの設計にも関連しています。明確な仮定があれば、テスト サンプリングに根拠が生まれ、テスト データの解釈が容易になります。

分析の仮定は、次の 3 つのソースから得られます。

1. 過去のルール、経験、傾向に基づいて仮定を立てる
2. ビジネス上の懸念に基づいて仮定を立てる
3. 構造的/階層的分析で発見された主要な問題に基づいて、仮説が提案される。

これら 3 つの方法はすべて、前の手順からの蓄積を必要とするため、仮定は最後に配置されます。多くの仮定が存在する可能性があり、アナリストは仮定の論理を整理する必要があります。これは、チーム内の経験豊富な学生がチームを率いることを必要とする、もう 1 つの高度な仕事です。複雑な問題の場合、新人に引き渡す前に、仮定と論理を整理しておくのが最善です。初心者にとっては、一次元仮説を検証できれば合格とみなされます。 （下図参照）

2. まとめ

上記から、分析能力を向上させるためのあらゆるステップは、ビジネスをより深く理解し、より論理的になることを中心に展開していることがわかります。これが、無作為に分解したりテストしたりしないことを繰り返し強調する理由です。論理がない。分解してみると、こちらが高く、あちらが低いことがわかります。さまざまな影響要因が相互に絡み合っており、問題を分析することはまったく不可能です。論理性がなく、テストプロセスはランダムで、テスト結果に影響を与える要因は 100 個あり、その後の分割は面倒で、これらすべてが初心者をさらに混乱させるだけです。

著者: 地に足のついた教師 陳; WeChat公式アカウント：地に足のついた陳先生