意思決定モデル

この記事では、データ分析モデルにおける意思決定モデルに焦点を当て、モデルの前提、適用、制約について説明します。ぜひ見に来てください。

「意思決定の方法を分析するモデルを構築できますか？」これは職場でよく聞かれる質問であり、多くのデータアナリストにとって頭痛の種となっています。 「どうやってこの決断を下せばいいのでしょうか？モデル化することすらできるのでしょうか？占いに行ってみたらどうですか？」よくある不満です。

実際、データ駆動型の意思決定に利用できるモデルのセットは存在しますが、多くの前提条件と制限があります。今日は体系的なアプローチを皆さんと共有したいと思います。これを読めば、モデルをコーミングするプロセスをマスターするだけでも、大いに役立つことがわかります。

01 モデル構築の前提条件

企業は決まったパターンで意思決定を行います。

1. 意思決定者を特定する（収益側/生産側）
2. 事業状況（チャネル/製品/能力）を把握する
3. 明確な将来の目標（最大収益/最小コスト）
4. 明確な制約（短期的には変更できないもの）
5. 決定すべき要素（短期的に変更できるもの）を明確に理解する

このプロセスは次の図で表すことができます。

科学的な意思決定と占いの最大の違いは、科学的な意思決定はデータに基づいており、決して盲目的な推測に基づいていないことです。現状が分からない場合は、まずモデル構築の前提条件として、状況を明確にするための記述的分析を行う必要があります。

たとえば、企業がパブリック アカウントを使用して顧客を獲得する場合、過去の露出、コンバージョン データ、および利用可能な配送時間は次のように記録されます。分析モデルを構築するにはどうすればよいでしょうか? （下図参照）

答えは、建てることができないということです。多くの基本的な情報が欠落しているため:

1. 意思決定の目的は何ですか?コストを管理しますか?顧客獲得を増やしますか?

2. 制約は何ですか?弊社はどれくらいの投資をしていますか？

3. 特定のチャネルに XX 倍の投資をする必要がありますか?

これらの基本条件を知らなければ、モデル化することは不可能です。基本的な情報を補足することが最初のステップです。

02 モデル構築プロセス

情報が完全であると仮定します。

1. 目標: 最大数の顧客を獲得する。

2.制約：総投資額は30,000元。

3. 制約: 特定のチャネルの数に制限はありません。

4. 決定すべき要素: 各チャネルを配信する回数。

これでモデリングを開始できます。まず、ビジネスの説明を数学的な説明に変換してみましょう (以下を参照)。

その後、最適なソリューションを見つけるための線形計画モデルを確立できます。この問題を解決するために使用できるツールは多数あります。たとえば、Excel には独自の計画および解決機能があります。 Python では、 scipy.optimize.linprog 関数を使用してこれを解決できます。ここでは、Excel を使用して簡単な例を示します。解決すべき目標、制約条件、要因を対応するグリッドに投げ込むだけで、自動的に最適解を計算できます（下図のように、セルに自動的に表示されます。つまり、30,000 の制約条件で獲得できる最大顧客数は 4,295 です）。

ロジックを整理したら、ほんの数ステップで簡単な答えを計算できます。使い方はとても簡単です。

03 モデルの使い方

知らせ！モデルがなくても手動で処理できます。一般的に、広告を行う学生は、各チャネルの広告費用/獲得した顧客数を使用して単位顧客獲得コスト (CAC) を計算し、どのチャネルの顧客獲得コストが最も低いかを確認します。彼らはまずこのチャネルに全額投資し、その後手元にどれだけのお金が残っているかを確認し、2 番目にコストが低いチャネルに投資を続けます。全体の操作は次の図に示されています (下図参照)。

手動でできるのに、なぜモデル化する必要があるのでしょうか?回答：モデル化してから計算すると便利だからです。例えば：

1. 目標を変更する: 目標は、最低のコストで 4,000 人の顧客を獲得するという目標を達成するように変更されます。

2. 変更条件：チャネルAとBの引用と周波数が調整されます。

3. 新しいオプションを追加します。チャネル F、G、H を追加し、一緒に検討します。

…

状況が変わった場合は、モデルのパラメータを調整して結果を直接出力できるため、手動で調整するよりもはるかに効率的です。

これを見て、一部の学生はこう尋ねるかもしれません。「このモデルはとても便利なのに、なぜあまり人がこのモデルについて言及しないのか?」実際の作業では、モデル構築を制限する次のような問題が頻繁に発生します。

03 モデルの制約

制約1: 基本データの収集

例えば：

1. 当社の設備の基本的な生産能力はどれくらいですか?

2. 営業には何人の人がいて、一人当たりの平均生産量はどれくらいですか?

3. 最高と最低の違いはどれくらい大きいですか?

4. パフォーマンスは安定していますか?季節によって違いはありますか？

これらの基本的なデータ収集と分析の結論は非常に重要です。基本的なデータを習得することによってのみ、モデルを構築することができます。多くの場合、記述統計が適切に行われず、平均値だけを見て盲目的に行動するため、「妊婦が 10 人集まれば、1 か月で赤ちゃんが生まれる」といった間違いを犯しやすくなります。

制約2: 明確なビジネス目標

不明確な目標は企業にとってよくある問題です。たとえば、次のような場合です。

1. リーダーはこう言いました。「どうすれば最適化できるか考えてください」... 目標はまったくありません。

2. 分析の前に、「予算はオープンです」と言います。分析後、彼らは「投資額が大きすぎるので、実際の状況を考慮する必要がある」と言います。

3. 分析後、入力を最小限に抑え、出力を最大化し、最高の効率を達成できるほか、...

目標が存在しないか、非常にわかりにくいため、モデルを解くことはおろか、モデル式を書くこともできなくなります。多数のターゲットを積み重ねると、モデルが解決不能に陥ることになります。線形計画法の中には、二目的最適解を解くことができる二段階法がありますが、経験的には、解が存在しない確率が一般的に50%あります。このモデルはビジネス状況をシミュレーションしたもので、魔法ではないため、元々平凡だったビジネスを無敵のビジネスに変えることはできません...

一般的に、複数の目的がある状況では、1 つの主な目的に焦点を当て、他の目的を制約に変えることが推奨されます。例えば：

最適化前: 最低コストと最高収益の両方が求められます。これは典型的な二重目標です。聞いているだけでも辛いです。

最適化後: コストが XXX 千未満の場合、収益が最大化されます。

二重目的を条件に変更することで、最適なソリューションが見つかるだけでなく、テストを通じて、現在の制約下でのコストの限界を見つけることができ（限界を超えると、期待に応える最適なソリューションは見つかりません）、ビジネスの運用能力を向上させることができます。

制約3: 安定した業績

モデリングプロセス中、パラメータは固定されていると想定されます。ユーザーの応答率はしばしば形而上学的な問題であるため、マーケティング側ではこれがより困難になります。したがって、生産現場では線形計画モデルがより一般的に使用されます。これは、生産側の設備の性能には固定パラメータがあることが多く、生産側には明確な目標（与えられたコストで最大の出力/与えられた出力で最小のコスト）があるためです。マーケティング側では、分類モデルや応答モデルがよく使用されます。

要約すると、モデルを構築するプロセスは、モデル自体よりもはるかに価値があります。モデルを構築する過程で、データ収集の問題、目標の混乱、不明瞭な思考、ビジネスの規則性などが明らかになります。これらは意思決定に大いに役立ち、意思決定を客観的かつ合理的な道に戻すのに役立ちます。

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