優れたデータ分析プロジェクトを実行するにはどうすればよいでしょうか?

優れたデータ分析プロジェクトを完了するには、単に「データを実行する」のではなく、それよりも説得力のある出力が必要です。では、最初のステップは何でしょうか?この記事の要約を見てみましょう。

まず第一に、すべてのプロジェクトで、何万人もの人が集まり、横断幕が掲げられ、会長とゼネラルマネージャーが交代でステージに上がり、ベルを鳴らしてプロジェクトを開始するような大講堂が必要なわけではないことを、誰もが理解する必要があります。 「特定の時間と特定の条件下で特定の出力がある」という要件を満たしている限り、それはプロジェクトです。

したがって、プロジェクトを実行する上で重要なのは、名前を求めることではなく、具体的な成果を得ることです。特定の製品を出力すると、KPI/OKR ドキュメントの提出が容易になります。あなたに対するリーダーの満足度が高まります。昇進評価に関してはより多くの資本が得られます。転職するときには履歴書に書くべきことが増えます。これが私たちが目指していることです。いわゆる「優れた」プロジェクトとは、「データを実行する」よりも説得力のある出力を持つプロジェクトを指します。

では、どこから始めればよいでしょうか?

1. サービスターゲットを理解する

プロジェクトを実行するときに最も重要なことは、もちろん目標を把握することです。目標を決めた後の最初のステップは、もちろん、誰にサービスを提供するのかを決めることです。これがデータ分析における初心者とベテランの最大の違いです。

まだ業界に入っていない新人は、頭の中が「テンプレート、モデル、公式」でいっぱいになっていることがよくあります。テンプレートをコピーすれば作業は完了だと思っていました。業界に入ったばかりの新人は、業界について「ビジネス」という一般的な言葉で話すのが好きです。しかし、ビジネスは孤独で独立した個人が行うものではありません。 「ビジネス」という言葉の背後には、非常に具体的で複雑な意味が隠されています (下の図を参照)。

特定の問題を特定の方法で分析することは、データ分析の最も基本的な要件であり、プロジェクトを完了するための最初のステップです。なぜなら、これら 5 つの要素とその特定の形式によって、データ分析がどの程度達成できるか、どのようなものであるべきか、そしてニーズを満たすためにどのようなものであるべきかが決まるからです。具体的な関係は以下の図に示されています。

具体的な問題を明確にすることが非常に重要です。これまで、私たちは伝統的な企業とインターネット企業がどのようなものかについてよく話してきました。しかし、今日のチャネル統合の発展により、両者の境界は実際にはますます曖昧になりつつあります。細かく分析しないと、冗談ばかり言ってしまうことが多いです。

例えば：

以前はtoCのインターネット企業でしたが、現在はtoBに注力したいと考えており、顧客対応の仕方がわかりません。

これはインターネット製品と呼ばれていますが、サービス対象は物理的な所有者であり、販売は依然として最も原始的な発信電話を通じて行われています。

インターネット業界と呼ばれていますが、運営できる商品はやはり物理的な商品であり、仕入れ、販売、在庫、利益はすべて良好です。

これはニューリテールと呼ばれていますが、データ収集は従来のチェーン店よりもさらにひどい混乱状態です。

伝統的な企業は、流通と分裂に焦点を当ててデジタル変革を進めることができます。

上記の複雑なシナリオは、「私はインターネット AARRR の考え方を持っています」と叫ぶだけでは解決できません。テンプレートに従おうとすると死に至ります。さらに、数年の経験を経て、多くのオペレーション、製品マネージャー、プランナーが基本的なデータ分析の概念を習得しています。現時点では、「SOWT、PEST、5w2h」などの空虚なスローガンでいっぱいの PPT テンプレートにしがみついているデータ アナリストは、解雇されるのを待つしかありません。特定の問題には特定の分析が必要であることは強調しすぎることはありません。

さらに、次のステップでチャンスを掴むためには、状況を明確に理解することが非常に重要です。何もせずにビジネスがやって来るのを待っているのであれば、あなたはフリスビーをキャッチする犬と何ら変わりません (ビジネスは仮説を提示し、データはその仮説を検証します。犬がフリスビーをキャッチするのと同じです)。自分自身で状況を判断して初めて、積極的に機会を発見することができます。

2. 力を発揮する適切なタイミングを見つける

データ分析プロジェクトの最大の敵は、日々の作業です。したがって、すべてがプロジェクトの設定に適しているわけではありません。タイミングはとても重要です。

多くの場合、ビジネス部門では次のような機会から始める必要があります。

• 革新したい
• 現在の状況を改善したい
• 新しい仕事について全く分からない
• 問題に直面したとき
• 3つの軸が使用されたが効果はなかった

このような機会があれば、システム ソリューションを捨てて、問題を一度に独立して解決します (下の図を参照)。

3. プロジェクト要件を確認する

適切な時期を見極めてから、具体的な取引先と交渉し、業務開始の準備をします。作業を開始する前に、プロジェクトの要件、具体的にはプロジェクトの鉄の三角形を確認する必要があります。

ここで注目すべき点が 3 つあります。

1. 数字、モデル、レポートは出力ではない

ビジネスは、状況を理解していない状態から理解する状態へ、解決策がない状態から解決策がある状態へ、選択方法がわからない状態から選択方法がわかる状態へ、準備がない状態から第 1 レベル、第 2 レベル、第 3 レベルの計画がある状態へ移行します。これが出力です。したがって、問題を考慮せずに数字だけを話さないでください。数字から結論を導き出します。

2. 時間を忘れない

時間が限られている場合は、できるだけ早く結論を出すようにしてください。時間が広い場合は、段階的に出力する必要があります。会社は、論文をゆっくり仕上げるために半年の猶予を与えてくれる学校のようなものではありません。

3. 鍋にどのくらいの量の米を入れればよいですか?

データの品質が悪かったり、人材が不足していたり​​、分析経験が不足していたり​​する場合は、落ち着いて段階的に実行してください。一度にすべての問題を解決できるとは思わないでください。

これら 3 つのポイントはプロジェクトの結果にとって非常に重要です。これまで、あまりにも多くのデータアナリストが「科学的手法」にこだわり、プロジェクト管理や時間の投資を無視してきました。その結果、大きなパイを描いたのに、小さなパイを揚げてしまい、不名誉な結果に終わりました。

ここでも作業方法に注意を払う必要があります。ニーズを確認するということは、企業に「何を分析したいのですか?」と直接尋ねることを意味するものではありません。この質問の仕方は受動的すぎるし、フリスビーをキャッチする昔のやり方に戻っているだけだ。そして多くの場合、企業はあなたを困惑させるような答えを返すでしょう。

例: 解決策を見つけるのを手伝ってください（実装計画をお願いします）

それは相手/天気/運のせいでしょう...（責任転嫁しようとしている）

ユーザーのメンタルリソースを分析したい（データが全くない）

人工知能がある限り、ユーザーはそれにお金を払うだろう（非現実的な方法）

そのため、ニーズを段階的に整理し、データ分析で解決できる問題に導き、問題の根本に迫り、客観的に問題を解決するというアプローチが確実です（下図参照）。具体的な指導方法については、詳しくお話しする点が多々あります。具体的な事例を参考にしながら、後ほど詳しくご説明します。

4. 分析を実施する

要件を完了したら、次のステップは正式な作業です。具体的な内容は分析トピックに関連しているため、ここでは詳細には説明しません。早い段階で物事が明確に整理されていれば、途中のプロセスは自然にスムーズに進みます。ここで 1 つ強調したいのは、データ分析を行うときは、大きな動きを控えることを忘れないでください。我慢する時間が長ければ長いほど、人々の期待は高まり、最終的には失望も大きくなります。

したがって、プロジェクト期間が 1 週間を超える場合は、進捗状況を全員に知らせるための週次レポートが必要です。期間が 1 か月を超える場合は、全員で進捗状況を話し合うための月次概要を作成する必要があります。

特にアルゴリズムを使用するプロジェクトの場合、ビジネス部門がアルゴリズムについて聞くと、どこへ行っても無敵の神器であると考えることが多いです。そのため、ビジネス上の期待が高すぎるためにアルゴリズム プロジェクトが失敗する例は数多くあります。プロセス中、特定のアルゴリズム プロセスをビジネスに報告する必要はありませんが、遭遇した困難と予想される出力の結論を頻繁に伝えて、ビジネスの期待を適切に管理し、最後の瞬間に商品が期待したものと異なることが判明して最終的にビジネスを台無しにすることを回避する必要があります。

V. 作業報告

ここでは詳細には触れません。陳先生が一連のデータ分析レポートを更新しました。公式アカウントをフォローしてメニューバーから読むことができます。つまり、レポートを作成するときは、対象読者のアイデンティティと目的を考慮し、プロジェクトの目標に基づいてパーソナライズされたレポートを作成する必要があります。これが良い結果を達成する唯一の方法です (以下に示すように)。

聴衆の考え方に基づいて、同じデータや同じ結論であっても異なる形式で表現することができ、最終的には聴衆の注目を集め、全員の興味を引き、プロジェクトを完璧な結論に導きます。

VI.まとめ

全体のプロセスを見ると、プロジェクトを完了するプロセスは、データ手法を企業の実践に適用するプロセスであることがわかります。データ自体には、統計、数学、プログラミング、データベースなどの専門知識が必要ですが、そのかなりの部分（データ ウェアハウスや ETL など）は、データ自体の正常な動作を保証するためのものです。意味判断や画像認識など、かなりの部分がビジネス理解や連携を考慮せずに産業用途に利用されている。かなりの部分（統計など）は科学実験や農林畜産漁業の研究に適しています。

ビジネス上の問題の多くは科学的な問題ではなく、実践的な問題です。 O2O プラットフォームがマーチャントを管理する方法、新しいメディア プラットフォームが地元の顧客を開拓する方法、ライブ ストリーミング e コマースが製品を選択する方法など、結論を出力するには、データ知識と実践的な作業を組み合わせる必要があります。

言うまでもなく、職場の誰もが社内政治に関与しており、出世して非難を受けたくないという願望を抱いています。だからこそ、今日は議論を行い、プロジェクトを推進するためのさまざまな方法を検討しているのです。これは、データを扱うすべての学生がキャンパスから職場へ移行するために必要なステップです。

著者: 地道な陳先生 WeChat 公開アカウント: 地道な陳先生