データ分析の古典的な方法：構造分析

私たちのような一般人にとって、日々のデータは役に立たないと感じますか?見たいけど理解できない。それは、データはあるがそれを解釈する方法がないからです。この記事では、データを理解するのに役立つ古典的な方法を紹介します。必要であれば、ご覧ください。

あなたが作成している日次、週次、月次、四半期、年次レポートは役に立たないと感じていますか?

毎日無意味にデータを更新しているのですが、誰も読んでくれません。必要なときに一時的に番号を取得する必要がありますか?

データはあるが、そのデータを解釈する方法がないからです。

数字は、その意味が理解されて初めて価値があります。構造分析は、データを解釈するためのシンプルで迅速な方法であり、データアナリストの伝統的なスキルでもあります。

1. 誰もが嫌う平均数から始めましょう

人間は平均を嫌うために生まれてくる。彼らはいつも、「私の身長はヤオミンと同じですが、何の意味があるのですか？」のように、平均値を使うのはナンセンスだと感じています。しかし、自分自身に問いかけてみましょう。なぜ平均値は使いにくいのに、誰もがそれを使いたがるのでしょうか?

理由：便利だから。

最も簡単な例を見てみましょう。

既知1: 顧客は50,000個の製品を必要としている

既知2：生産ラインは1日平均5,000個を生産する

Q: 制作には何日かかりますか？

答え: 10日

実際の数は1日あたり4,879個かもしれませんが、それは問題ではありません。この逸脱は全体的な決定には影響しません。平均を使用すると、数量を計算したり、人員や物的資源を配置したり、リソースを割り当てたり、進捗状況を見積もったりするのに非常に便利です。特にサプライチェーン側では、生産能力、材料消費量、納期などは比較的固定されており、あまり変動しません。とても便利です。

しかし、マーケティングの面では状況は変化しました。

80/20 ルールはマーケティングの分野でより人気があります。

顧客の20%が収益の80%を占める
20%の製品が80%の利益を生み出す
売上の20%が注文の80%を獲得

この状況は非常に一般的です。

したがって、ビジネスデータが非常にバランスが取れていて安定している場合は、平均値を直接使用できます。ビジネスデータの分布が大きく異なる場合は、分布構造を確認する必要があります。これが構造解析手法の起源です。平均化を解除して内部の問題を発見します（下図参照）。

2. 構造解析のやり方

構造解析アプローチ:

ステップ 1: ターゲットを特定します。構造の目標は、ユーザー、商品、チャネル、製品など、適切なターゲットを選択することです。

ステップ 2: インジケーターを見つけます。たとえば、観察するユーザーを選択した場合は、ユーザーの支払い、アクティビティ、登録時間、地域分析など、どの指標を観察したいかを明確にします。ここでは、すべてを網羅しようとすることは特に避けなければなりません。複雑すぎます。データの抽出が難しいだけでなく、データを見たい人はそれを読むことに興味がありません。コア指標に焦点を当てることが最善です。

ステップ 3: 階層化された観察。観察に関して言えば、データを扱う学生はボックスプロットを考える傾向があります。はい、ボックスプロットは構造を観察する方法ですが、ビジネス部門はそれを理解できません。人的資源を解放したいのであれば、より直感的な方法のほうが良いでしょう。そこで、一目でわかるように、次の2つの分類方法を使うのがおすすめです。フォームを要約します。ユーザー構造を例にとると、ユーザーは大規模 R タイプでしょうか、それとも大規模 DAU タイプでしょうか?

ステップ 4: 大量の砂を採取するために砂抜きを続けるか、大多数の人に提供するために弱火で煮込むか、後続の操作の方向性を直接決定します。同時に、すでにビジネスベンチマークが存在する場合は、そのベンチマークの構造を判断基準として使用することができます。

ハイエンドユーザーを育成したいので、クラスAユーザーの割合を20％にする必要があります。
弊社のベンチマーク店舗ではクラスAユーザーが20%を占めているので、他の店舗も20%を達成する必要があります。
当社のビジネスモデルは、強者で弱者を排除することであるため、新規ユーザーの各バッチにおけるクラス A ユーザーの割合は 20% である必要があります。

このシンプルでダイレクトな判断は日報の利用率向上にとても役立ちます！

3. 構造解析法の使い方

使用シナリオ 1: 馴染みのないユーザー/製品/チャネルをすぐに理解します。

例えば、実店舗を持つ企業は、特定の場所にある店舗を訪問して、顧客構成や陳列されている商品の割合を確認することができます。
たとえば、インターネット企業は、チャネルトラフィックの時間分布とコンバージョン数を調べます。

わずかな指標のみを使用して全体の状況を素早く推測し、問題を特定できるため、作業効率が非常に高くなります。

使用シナリオ 2: ユーザー/製品/チャネルの健全性の変化を監視する

安定したビジネスにとって、何も起こらないことは良いことであり、安定した構造は多くの問題がないことを意味します。
新規事業においては、理想の構造に早く近づくほど、発展は良くなります。

明確な基準があれば、短期的な変動に悩まされることもなく、大きなことに集中することができます。

使用シナリオ3: 主要な政策の導入による効果の監視

内部観察: 政策は肯定的な役割を果たしていますか?
外部観察：主要グループの変動を引き起こすかどうか

このように、定期的なレポートを使用して問題点をすばやく特定することができ、無関係なディメンションを大量に引き出して何度もクロスクロスする必要がなくなります。これにより、緊急時に迅速に対応できるようになります。

上記の作業は、一時的なデータ収集を必要とせず、データアナリストの余分な時間を費やすことなく、定期的なレポートで完全に実行できます。とても使いやすいです。

IV.まとめ

同様の方法には、マトリックス分析、トレンド分析、ファネル分析などがあります。これらの方法に共通するのは、一連の論理的指標を使用して明確なベンチマークを確立し、長期にわたってビジネスの変化を監視し、迅速に結論を導き出すことです。これらの方法をレポートと組み合わせると、作業効率が大幅に向上します。ビジネス部門は問題を特定でき、データアナリストは作業負荷を軽減して、より詳細な分析を行うことができます。

興味深いことに、現在市場で人気のある方法は次のとおりです。

Q: DAU が 30% 減少した場合、どのように分析しますか?

回答: 基本特性、ソースチャネル、DOU/DNU などの次元から分解すると、2 つの列の間に大きな違いがあることがわかります。それだけです。

このアプローチは非常に問題があります。