アナリストとの連携が間違っていたことに気づきませんでした。正しい方法を使用したときにのみ、私のビジネスは成長しました。

アナリストとどのように協力し、どのように境界線を引けばよいのかがわからず、アナリストの仕事内容もよくわかりません。現在の混乱をどう解決すればよいのでしょうか?著者は、アナリストとうまく連携できるように、アナリストの仕事の価値と成長の道筋をまとめています。あなたもこのような混乱を抱えているなら、以下の記事があなたの疑問の答えとなることを願っています。

最近、読者がアナリストとどのように協力するか、特に製品と運用とアナリストの間で作業の境界をどのように分割するかについて混乱していることに気付きました。もちろん、上級管理職はアナリストの仕事の内容や価値を知らず、アナリストをどのように採用するかに悩んでいます。アナリストの価値と成長の道筋、そして連携方法について、読者の皆様のお役に立てればと、まとめてみました。

1. まず、データ駆動型とは何かについてお話ししましょう。

これはアナリストの定義と私たちの仕事に影響を与えるので、データ駆動型とは何かについてもう一度話しましょう。

さまざまな百科事典を調べれば、権威ある説明が見つかります。データ駆動型についての私自身の理解としては、その反対を見ることができます。データ駆動型の反対は、決して非データ駆動型ではないと思います。つまり、人類は古代から、ロープを結んで数を数えることから始まり、データ駆動型になってきたのです。ほとんどの場合、完全にデータ主導でないアプローチは存在しません。ただ、世代を超えて人々は常により多くのデータを活用して分析を行っているのです。今日私たちが伝えているデータ駆動型のアプローチは、インターネットがまだ普及していなかった 20 年前のデータ駆動型のアプローチとはまったく異なります。

私たちは、企業の観点から具体的に2つの相反するものを見つけ、何がデータ主導ではないのかについて話し合いました。

1つ目は過去の事業運営です。彼らは事実に基づいてビジネス行動をとるでしょう。悪い結果が出た場合は、それを確認して修正や訂正を行いました。この反復サイクルには数か月、または半年から 1 年かかる場合がありますが、データ駆動型開発では、問題をより早く発見することを目指しています。経営や業務にヒントが見つかったときや、業務プロセスに問題が見つかったときは、事態が起きてから修正するのではなく、迅速に意思決定を行い、業績や営業利益の向上に努めます。

このデータ主導のアプローチの反対は、長期サイクル、大きな顕著な事実がもはや私たちの意思決定の事実的根拠ではなくなったということです。

また、推測と呼ばれるものもあり、これは誰もが早い段階でいくつかの手がかりを発見し、より多様な範囲内で結論を見つけたいと考えていることを意味します。

もちろん、さまざまなレベルの情報を統合して総合的な意思決定を行う場合は、人間の総合的な判断に頼ることが多いです。さまざまな主観的概念情報が混ざり合い、経験も加わって意思決定が行われます。その関連性の判断は実際には定量的ではありません。これには実際に多くの問題があり、特にプロセスが複雑で、反復サイクルが非常に速くなり、経験が信頼できず、単にビジネス担当者の推測に頼るのは非効率的になります。

だからこそ、現代​​ではデータ駆動型が非常に重視されているのです。

2. データアナリストは業務分業にどのように協力しますか?

データ分析の大部分はデータの整理です。この分業はコミュニケーション効率志向に基づいています。つまり、私たちのチームの分業はビジネス側と一致しています。通常、大手インターネット企業では各部門にアナリストを配置します。たとえば、私のビジネス部門は 2 つの意思決定主体で構成されているため、私の部門のアナリストは 2 つのグループに割り当てられ、それぞれと連絡を取り合うことになります。

これにより、特定の問題が発生する可能性があります。つまり、全員が同じスキルを必要とする作業を実行したり、全員が同じ質問に答えたりすることがあります。最適な通信効率を確保するには、この価格を支払う必要があります。組織がどのように業務を分担したとしても、それには長所と短所があります。それを分割する完璧な方法や、両方の長所を活かす戦略は存在しません。より重要なのは、分業がビジネスをサポートし、部門の効率を最大化できるかどうかを検討することです。このような分業は、各リンクにおける各ビジネス関係者のニーズの伝達に重点を置くことに役立ちます。

3. アナリストの核となる価値は何ですか?

まず、分析能力は人の基礎能力です。したがって、分析能力を持っているのはデータ サイエンティストやビジネス アナリストだけではありません。ビジネス面でも分析力を持っています。 SQL が書けるかどうかということではありません。誰もが SQL を書けるわけではありません。しかし、分析方法を知らない人はいません。特に、どの事業部門のビジネス意思決定者もそうです。分析方法を知らない意思決定者はいません。

したがって、分析は職務責任の境界を適切に説明するものではありません。それは人の基礎的な能力であり、強い人もいれば弱い人もいます。したがって、アナリストは分析を行うと言いますが、これは確かに間違いではありませんが、ポジションを説明するためにそれを使用するには少し不十分であり、十分に明確ではありません。

今日は、データ分析を行う際に何をしているのかについてお話します。さまざまな事業部門の意思決定者に意思決定サポートを提供することを目的としています。アナリストの存在により、意思決定者はより広範囲の情報を得ることができます。すると、異なる情報を使用する場合、その方法の方がより適切かつ適したものになります。すると、いくつかの組織間の接続や調整が必要になったときに、視点がより多様になり、アナリストのサポートにより意思決定者の意思決定効率が高まります。

もちろん、意思決定者はグループである場合もありますが、それは問題ありません。そのため、このような包括的な意思決定支援を提供する必要があります。

4. データ駆動型モデルマッチングビジネスモデル

通常、従来の消費者分野では、ビジネスデータや財務データなどのデータも使用され、これはチャネル、価格、製品、ユーザーという古典的な 4P 理論です。これら 4 つの要素はこのように構成され、閉じたループを形成します。この閉ループを通じて、消費者市場への浸透が向上し、収益が増加します。 Apple のような企業は比較的新しい IT 企業ですが、どの企業もこの伝統的な消費者市場手法に従って分析方法を構築しています。反復速度は明らかに遅いです。もちろん、これは彼らのビジネス特性と大きく関係しています。

5. グロースハッカーモデル

このモデルはシリコンバレーのグロースハッカーモデルです。一般的な組織形態は、トラフィックを分割して迅速に反復する優れたビジネス フレームワークです。最大の利点はスピードであり、各事業部門が分割され統治されています。事業分割後の環境はクローズドなため、ビジネス知識や市場認識力はあまり必要としません。非常に狭い範囲で、次の反復ラウンドの方向をすぐに答えることができます。実際、人材に対する総合的な能力要件は若干緩和されているため、人材の閾値は低くなっています。

ただし、このモデルにも欠点があります。最初の欠点は、それほど普遍的に適用できないことです。実際には、トラフィックのセグメンテーションには非常に高い要件があります。たとえば、TikTok、Facebook、Instagram はこの方法に適しています。重要なのは、一方の需要が他方の変化に影響を与えるかどうかを確認することです。たとえば、Didi では注文後、供給側の車両が少なくなります。一見すると、電子商取引とビデオの供給は無限であり、需要側の影響を受けないことがわかります。複雑な二国間ビジネスではトラフィックは切り離せないため、私たちが目にするいわゆる AB テストの多くは、シリコンバレーの純粋なトラフィックベースの企業の AB テストとは実際にはビジネス上の意味合いが異なります。

2 つ目の欠点は、このパス依存性に陥り、迅速な反復を追求し、このビジネス フレームワークに依存すると、大きな市場の変化にそれほど敏感ではなくなることです。例えば、Tik Tokが米国に進出したとき、実はすでにFacebookにサンプルを見せていました。トラフィックが比較的多く、すでに誰かがデモを行っていたため、その製品をコピーする速度は比較的遅かった。

これは実際には、大きな市場の変化に関しては、迅速な反復と実験的な意思決定を行う人はそれほど敏感ではないことを意味します。このような大きな変化は実際には壊滅的ですが、グロースハッカーは通常、この種の質問に答えません。例えば、業務を運営構造から調整したい場合や、上流と下流の業務を拡張したい場合、業務の焦点と組織の流動性の観点から、十分に小さなクローズドループに分解されているため、ローカル反復型組織はこれらの問題を無視する傾向があり、またはこれらの次元を業務ハンドルとして使用して何かを行うことができません。

新たな市場機会が生まれた場合、実験だけに頼ることはできません。簡単に言えば、ラボは、ネットワーク内のユーザー、つまりすでにネットワーク内にいるユーザーに、どのような選択をするのかを尋ねています。では、潜在ユーザー、つまり競合側のユーザー、つまり今後この分野に参入してくる可能性のある関連ユーザーはどう考えているのでしょうか。実験は未知であり、それがグロースハッキングの長所と短所です。

6. 行動測定モデル

アリババや多くの新興・中小小売企業に代表される、いわゆるニューリテールは、ユーザーポートレート、つまり行動測定に代わる、行動測定、つまりトラフィック選択の使用に重点を置いています。もちろん、この方法は製品マネージャーや運用部門の間で議論を呼んでいます。私が読んだ多くの本では、依然としてプロダクトマネージャーにユーザーポートレートを作成することを推奨しています。製品マネージャーは、ユーザーにインタビューしたり、ユーザーのコメントを読んだりするときに、ユーザーのポートレートを収集します。

では心理測定とは何でしょうか?心理測定は、富のレベル、好み、男性か女性か、年齢などの基本的な属性に関するものです。個人のポートレートを通じて、あなたの行動、さまざまな製品の認識度、そしてあなたがどのような選択をするかを予測することができます。実際のところ、その反復ペースは間違いなく遅いです。

しかし、大量のトラフィック行動で重要なビジネスを計測することが可能になりました。 Alibaba からのこの新しいアプローチ。あなたの好みが何であるかはわかりませんが、各交通オプションに直面したときにあなたが何を選択するかの確率はわかっています。言い換えれば、私はあなた個人をターゲットにしているのではなく、トラフィック ソースと、このトラフィック ソースの人がこのトラフィック ステージに遭遇したときに行う選択をターゲットにしているだけです。

この方法は、ニッチ市場を研究するのに非常に適しています。例えば、口紅市場では、もともと7位から10位にランクされていたブランドは、実は過去には非効率だったのです。情報チャネルが非常に小さいため、3 つまたは 5 つのブランドで市場全体をカバーできる可能性があります。ニッチブランドの消費者を調査する場合、その効率は非常に低くなります。しかし今日では、こうした行動測定とオフライン情報およびトラフィックの相互作用により、多くの分野で小規模ブランドが活動し始めていることがわかります。

これは、新しいブランドの運営者が新たな道を模索していることを示しています。この道は非常に普遍的であり、非常に多くのニッチな分野に参入することができます。さらに、オフライン情報とトラフィック選択を組み合わせるプロセスも非常に効率的です。

7. ビジネス測定モデル

このモデルは特に普遍的です。その中核は、ビジネスを指標と測定可能なデータパラメータに変換し、定量的な方法を通じて企業のビジネスと運用戦略を管理し、企業データの変化を予測し、オペレーターの各主要な運用アクションの影響を測定することです。これは最も一般的に使用されるタイプのモデルであり、ビジネス測定モデルと呼ばれます。

これら 3 つのモードは独立しておらず、相互に使用できますが、一部のビジネスでは使いにくい場合があります。たとえば、ビジネス ユーザーのオンラインでのインタラクティブな行動が比較的少ない場合、ユーザーからより多くのトラフィック表現を取得したい場合、私たちの選択は本質的に不十分です。

第二に、ユーザー側と供給側が相互に影響し合うビジネスの場合、ユーザー側で立てた戦略が供給側にも影響を与えるため、その使用はさらに制限されます。市場調査と製品の革新を切り離す方法すらありません。

市場がまず何を求めているかを答えるのは私にとって難しいことです。たとえば、市場は高い確実性と短いサービス応答時間を求めています。しかし、これを行うにはコストが非常に高くなります。手数料や実際の認識を犠牲にしなければならないかもしれません。システム全体が相互接続されています。トップレベルのアーキテクチャレベルでさまざまな領域に細分化して、それぞれの設定された目標を達成することは困難です。実験中、すべての目標は他のリソースに依存する可能性があります。

まさにこの不純さのせいで、私は最終的に自分の運用モデルを純粋に実験主導のモデルに変換することができず、消費者からのフィードバックに大きく依存して、さまざまな市場セグメントを研究するために繰り返し反復することもできませんでした。

供給側で何をすべきか、需要側で何をすべきか、今年は取引マッチングを何点改善すべきか、価格設定やスマート補助金の効率を今年はどの程度改善すべきか、早期の分業ができるとは到底言えません。年初に分業が完了したら、年末にこの目標を確認することができます。すべてが絡み合っているため、これは不可能です。これらのことから、業務効率化を実現し、ビジネスモデルの変革を推進したい場合、このような包括的な意思決定支援を提供することが唯一の選択肢であることがわかります。

これには私たちのチームの能力が必要であり、実際には包括的な視点が必要です。市場を理解し、競合他社を理解し、さらにソリューション プロセスの重要なポイントも理解できなければなりません。

8. アナリストの責任

アナリストは包括的な意思決定サポートを提供する必要がありますが、多くのチームにはこの能力が本質的に備わっていません。つまり、いくつか大きな変化があるということです。これはアナリストが通常持つ価値でもあります。

最初の変化は目標の整合です。チーム全体がビジネス プロセスに責任を持ち、その後ビジネスに責任を負う必要があります。つまり、組織内では、ビジネス側にデータを取得するように指示したり、ビジネス側がダッシュボードを確認するように指示したり、データが正確でなければならないと指示したり、2 つのデータを今すぐ接続する必要があると指示したりするのではなく、ビジネスの結果に集中することができます。これは、最終的なビジネスに責任があるのではなく、エンジニアリング プロセスに責任があるためです。

その場合は。アナリストの価値における最大の変化は、意思決定に実際に関与していないことです。まず、あなたは意思決定アシスタント、意思決定アナリスト、そしてデータアナリストになります。データは、意思決定をサポートするために私が使用する多くの方法とツールの 1 つです。ニーズの受け入れから意思決定の支援までの役割について説明した後、アナリストの 3 つの主要な責任について説明します。

1. まず、ビジネス側が観察を確立するのを支援する

アナリストは、上流と下流、競合他社、市場、そして自社の進化プロセスを包括的に理解する必要があります。オンラインまたはオフラインから、あるいは友好チームのユーザーから、あるいは他の運用チームから収集された情報から、必要なすべての情報を入手する必要があります。これは観察を確立する責任です。

例えば、100 社を超えるサプライヤーのグループには、サプライヤーの世論が潜んでいます。私たちはサプライヤーの言うことに耳を傾け、重要と思われる情報を見つけ出します。次に、それがイントラネット上または社内システム上で真実であるかどうかを確認します。もしそれが事実であれば、私たちはすぐに手を挙げて、この問題に注意を払う必要があることをビジネス側に伝えます。一部のサプライヤーは、当社を競合他社と比較し、当社がどこで失敗しているのかを尋ねてきます。次に、内部データが正しいかどうかを確認します。これは現場データから得られるものではなく、複雑なエンジニアリング プロセスを伴うものではありません。しかし、観察を確立する必要があるため、これは私たちの責任です。

2. 2番目の責任は、限られたリソースをどのように配分するかを評価することです

各ビジネス チームは、誰がうまくいっていて、誰がうまくいっていないかを判断し、これまでの進化と反復の方向が正しいかどうか、方向転換すべきか、この方向で止まるかを判断する必要があります。この決定は必ず行う必要があり、そのプロセスは科学的でなければなりません。これらの質問には、比較的集中的な環境で答える必要があります。この数量はどこにありますか?これは観察を確立することとは異なります。観察を確立するということは、外に目を向け、ビジネスを複数のレベルと角度から見ることを意味します。リソースを評価して割り当てる際に重要なことは何ですか?それは限られたリソースをどのように分割するかによって決まります。

3. 3番目のカテゴリーは、オープンエンドの意思決定問題です。

私たちの分析テーマであるこのような自由回答を提供することは、アナリストの責任です。アナリストの責任はビジネス上の責任になりました。ある程度は私のビジネス側の諜報システムですが、もちろん彼の諜報システムのすべてではありません。それはある程度、私のビジネス側のスタッフシステムですが、それが彼のスタッフシステムのすべてではありません。しかし、今日のグローバル化とインターネットによってもたらされた近代化により、私たちの諜報システムとスタッフシステムのこの部分は、以前よりもはるかに重要になっています。

9. 分析は責任であるという誤解

アナリストは判断だけでなく方法についても話す必要があります。これまで業界では、データアナリストとしてビジネスをすべきかどうか、チャンスが大きいかどうか、市場価値を判断できるかどうかが重要だと考える議論がよくありました。

このような判断をすると、あなたはプロ意識に欠け、運用業務を行っていると批判する人もいるでしょう。私はこの見解にはあまり同意しません。アナリストはビジネス上の意思決定を支援するために存在します。分析は、意思決定のシナリオと特定のビジネス上の決定に基づいて行う必要があります。それをビジネス判断と組み合わせなければ、意思決定プロセスにおいてビジネス側と連携をとることはできません。これは、リソースとして、意思決定をサポートするリソースも非常に限られているためです。ビジネスの方向性、市場の動向、競合製品のトレンドは多種多様です。

実際、それは語られるべき無数の物語へと広がる可能性があります。良い物語、面白い物語を語ろうとすれば、無数の物語を語ることができます。

分解するということですよね？細分化して主な影響要因と大きな異常を探す場合、細分化の方法は何千通りもあるため、無数の異常を見つけることができますが、何に焦点を当てるべきか、何を目標と一致させるべきか、そして可能な対処法に近づく必要があります。これらの分析は、実行するためのリソースを考慮して優先順位を付けるべきです。それには判断力が必要です。

10. アナリストの長期分析タイプ

最も重要なことは、開発すべき新しい市場や新しいスペースがあるかどうかに答えることです。たとえば、新しい市場をどのように開発するか、または新しい市場セグメントをどのように開発するかは、アナリストが答える必要のある長期的な問題です。

2 番目に答える必要があるのは、現在の競争環境、自分の立場、現在のビジネスが健全かどうか、私たちは最良の状態にあるかどうか、そして調整が必要かどうかです。共通の問題に関しては、私の競争相手の現状はあまり良くないことがわかりましたが、それは単一点の問題によって引き起こされている可能性があり、または取引市場全体に原因がある可能性があります。

たとえば、今日、供給側での新規顧客のコンバージョン率が十分でないことがわかったなど、単一点の問題が原因である場合は、新規顧客獲得チームに解決を任せるだけです。しかし、競合他社の取引の確実性と価格設定のバランスポイントが当社と異なることが問題である場合、このバランスポイントの違いにより、当社は競争で損失を被ることになります。しかし、この問題は単一のチームでは解決できません。この時点で、意思決定サポート チームはこの問題をエスカレートし、上位組織が調整して解決する必要があります。

3つ目は、業務効率の向上、つまり産業の発展とブランド精神の強化を通じて、いかにして粗利益の余地を増やすかということです。これが2番目のポイントであり、方法について話し合い、判断を下す必要があります。アナリストが運用的な視点で考えることができないという意見には同意しません。 3 番目のカテゴリは、すべての決定が既存の情報空間内で行われ、すべての実験の反復とその反復結果も既存の情報空間内で完了することです。

11. アナリストはビジネス提案に関する定性分析を実施する必要がある

先ほど、ビジネスアナリストはビジネスを観察するシステムを確立する必要があると述べました。これについてもう少し詳しく説明しましょう。アナリストの責任を変える必要がある。観察は評価と動的分析能力の守護者となる必要があります。もうひとつ必要なのは、方法論レベルで観察システムと評価システムを分離することです。観察システムと評価システムを分離するというのはどういう意味ですか?

週ごとの OKR の進捗状況を毎週同期したり、電子メールで同期したりするデータ レポートをよく見かけます。実は、OKRの進捗状況を毎週更新して、現在の業務状況を全員に知らせることが目的です。いくつか新しい変更点がありますが、問題があります。

これは、観察を達成するために評価方法を使用することと同等です。評価を行う際には、OKR に焦点を当て、その後チーム間の違いに焦点を当てることができるからです。しかし、観察する場合、方法とアプローチは実際には多段階かつ多角度でなければなりません。たとえば、アップストリームはビジネス チームとそのビジネス トレンドに影響を与えます。市場の変化、各市場セグメントの変化を把握し、競合他社の動向を把握する必要があります。これが観察を確立する方法です。

すべての分析出力は、明示的に書き留めているかどうかに関係なく、どのようなビジネス上の質問に答えているかを明確に示す必要があります。たとえば、意思決定の週次レポート、電子メールの週次レポート、および営業日のレポートを読みます。共通点は、レポートがどれだけ単純または複雑であっても、どのような質問に答えるのかが非常に明確でなければならず、その質問に定性的なレベルで答えなければならないということです。

例えば、日報を読むときに、今日は問題がなかったとしても、調査の結果問題はなく、すべての指標が安定しており、今日は問題がないことを明記しなければなりません。これは判決です。この判断により、異常な観測も含め、このデータに基づいて今日私たちが行うすべての決定は、実際に有効な範囲内で完了します。

もちろん、問題がある場合は、どこに問題があるのか​​を明確に特定することも重要です。ビジネス上の問題であろうと、データの変更であろうと、明確に記述する必要があります。

実際のところ、私はすべての分析が把握に基づいていなければならないという考えにはあまり同意しません。なぜなら、これは非常に難しいからです。優れた分析はハンドルに実装できる場合が多いですが、一方で、ハンドルに実装できない分析は悪い分析なのでしょうか?必ずしもそうとは限りません。特に、より複雑な問題やより高レベルの意思決定支援プロセスの場合、分析が当面は実装アクションをサポートできないのはごく普通のことです。

私がより厳しく要求しているのは、アナリストが常に自分が答えている内容を理解していなければならないということです。大量のデータを列挙しただけで、何の質問に答えているのかわからないと言うことはできません。ただ、これは非常に重要なことなので、誰もが見るべきだと思います。掲示しないのは不適切だと思います。これは受け入れられません。何の質問に答えているのかわからない場合は、投稿しないでください。

本当に重要だと思うなら、なぜそれが重要なのか、どんな質問に答えるのかを理解し、定性的なビジネス問題のコンテキストに従って提示するデータを整理する必要があります。こういった偏った判断をそのまま書き記すのがベストです。仮に現時点で最終的な結論を出せなかったとしても、これも判断であり、定性的な事業提案に基づいた回答となるはずです。

終わりを念頭に置いて始める必要があります。私のシナリオの定義は、シナリオで問題を解決することではありません。シナリオによって、人々のレベルがどの程度異なるのか、消費レベルがどの程度異なるのか、また、どのシナリオで特定の体験に対する要求が異なるのかがわかるようになることを願っています。

たとえば、アナリストは、このシナリオでは、ユーザーはコスト効率に対する要件が高いか、安価さに対する要件が高いかを私に伝える必要があります。つまり、このシナリオがこの傾向に答えられず、消費者の階層化に答えられなければ、このシーンは私にとって意味がありません。収集して定義する必要があるシナリオをリスト化する最も早い段階で、すでにそれを行っています。私はこの予測を立て、私が望むシナリオはこれら 3 つの質問に答えられるものでなければならないと信じています。

12. 上級アナリストへの道

特定の統計スキルや特定のプロセス、あるいは中立的な監督者のアイデンティティに頼るだけでは、適切な意思決定のサポートを提供するには不十分であることがわかりました。中核となる戦略的キャリアは、スキルプロセスや、評価または監督の対象となる独立したアイデンティティであってはなりません。コア戦略は、優秀な人材の獲得と育成によって支えられています。課題解決プロセス全体を把握し、ある程度の判断力を持ち、目標や市場を理解し、ある程度の判断力を持つ総合的な人材が必要です。

特にアナリストを選考する場合、ビジネスに関する理解はさらに希少なスキルとなります。もちろん、これはデータ取得機能が重要ではないという意味ではありませんが、ビジネス理解ほど重要ではありません。ただし、データ アナリストは依然としてデータを取得できる必要があります。

専門的な分業について言えば、アナリストはプロフェッショナルではないように思えますが、実際には、アナリストが担当するビジネス側と比較すると、アナリストの最大の専門性は、提供する情報の幅広さにあります。多様化と幅広さは、ビジネス面におけるアナリストの最大の専門的責任です。アナリストが提供する幅広い知識のおかげで、私がサービスを提供するビジネス側は、意思決定を行う際に、一部の情報が欠落していたり​​、一部の情報が誤っていたりすることで意思決定レベルが低下することはありません。

なぜなら、ビジネスをこのように包括的に理解するには、実は非常に高度な概念と能力が求められるからです。採用段階でこれらの要件が満たされていない場合、後でそれらを解決するためのコストは非常に大きくなります。したがって、採用は非常に重要です。ビジネスにおける資質と可能性、そして解決プロセスに対する理解と制御の両方を備えた人材は希少です。これこそが最も必要なことでもあります。

13. アナリストの一般的な昇進ルート

1. ジュニアアナリスト

分析を行うときは、データを読み上げるのではなく、現象を説明することに集中できます。現在は需要と供給がバランスしており、取引率は 80% であると言わなければなりません。取引率が 80% だと簡単に言うことはできません。大きな違いがあるからです。具体的な判断があるかどうかが関係します。つまり、需要と供給に異常がないと言っているのですが、これには実は多くの情報が含まれています。次に、取引率が 80% であるという文を続けます。実際のところ、バランスポイントがどこにあるかを教えてくれる補助スケールをくれるだけです。

取引率がいくらであるかを教えて、それから分析をさせてください。私がビジネス側にいて、現在の取引率が 80% かどうかという質問を受けたら、それは良いことでしょうか?バランスは取れていますか？現在の競争環境においてそれは良いことでしょうか?ビジネスマンとしては苦痛でしょう。それはあなたがビジネスを理解していないことを意味します。

2. 中級アナリスト

要件は、ビジネス面での目標を総合的に評価できることであり、意思決定のプロセスと手段を理解している必要があります。したがって、分析する場合、何千もの選択肢と何千もの次元を細分化することができます。どの分析が目標を達成できるか、どの分析に実装計画があるかを選択する必要があります。これらの分析は優先されるべきです。十分なエネルギー、またはその他の入力がない限り、すべては無駄です。その場合、投資を減らして選択を行う必要があります。プロセスを理解し、目標を理解し、選択を行えることが中級アナリストの要件だからです。

3. 中級から上級レベルのアナリスト

ビジネス側と商業レベルで合意でき、ビジネス側と同じ深さのビジネス理解を持っていることが求められます。この種のビジネス知識は、市場、競合他社、成長、財務の基本的な概念をカバーするのに十分でなければなりません。また、重点トレンドに関して当社の事業と完全にずれることを避けるために、どの問題が重要で、どの問題が実現不可能であるかについての基本的な判断も行っています。

4. シニアアナリスト

特定の重要な決定を下す際に、主要なビジネス関係者があなたに相談せざるを得ないような深い洞察力が必要です。あなたは深い洞察力をお持ちなので、この件についてあなたと話し合わなければ私は安心できないでしょう。あなたは、20 人のアナリストの管理を手伝うだけではなく、真に第一チームのメンバーにならなければなりません。

ビジネス分析チームを結成することはできますが、それはあなたが私の第一チームのメンバーであり、私の中核的な意思決定にはあなたの存在が必要であることを意味します。理解できない統計上の問題があるから、確認を手伝ってほしいとお願いしているわけではありません。この場合、トップチームのメンバーであることの価値は十分に高くなく、ある程度の深さが必要です。

私は概念と認知能力を使用してすべての人を導いているので、体系的な思考と実行の管理能力をある程度軽視しています。もちろん、これらの2つの側面も非常に重要です。特に多くの仕事にとって非常に重要です。体系的に考える能力を持つことは、基本的に人のランクを決定するための基礎です。

ある程度まで、私はこれらの2つの側面に焦点を軽減しました。もちろん、会社の職務レベルの要件は、範囲、つまり、あなたの責任の境界とあなたが奉仕するビジネスパーティーが重要か、複数の分野を接続できるかどうかについて話します。しかし、それは結果かもしれません。十分に高いキーレベルを達成し、実際にチームをうまく実行できる場合、意思決定の知識が自然に獲得されます。

私は実際にトレードオフをしました。認知のレベルでのこの種の整合性は達成が最も困難であり、適切な分析を行うことも決定的である可能性があります。これが私たちが人々を導き、訓練する方法であり、重要なレベルの改善に焦点を当てています。

14。さまざまなデータ駆動型モデルのアナリストの要件

あなたが会社のプロダクトマネージャーまたはビジネス担当者であり、データアナリストとより良く仕事をしたい場合、あなたは何に注意を払うべきですか？実際、最も重要なことは、データ駆動型の成功したプラクティスが持っていること、そしてどのような状況でどのようなリソースを割り当てるべきかということです。実際、明確に定義されたいくつかのモデルがあります。また、上記のデータ駆動型モデルについても説明しました。以下のこれらのモデルに対応するアナリストのポートレートを見てみましょう。

1。シリコンバレーモデルアナリスト

あなたの製品が実験的な反復を通じて迅速な結果を追求するのに非常に適している場合、あなたのビジネスフレームワークは比較的完全で信頼性があります。この時点で、採用する必要があるモデルは、シリコンバレーの成長ハッカーモデルかもしれません。この場合、データチームが提供できるサポートは、より専門的な方法を通じて達成されます。

つまり、小さなサンプルは反復方向に正確に答えることができます。データはあまり必要ありません。非常に地元の空間で、非常に短い時間で答えることができます。どのソリューションが優れているか、または修正する必要があるかに答えることができます。実際には速いです。

現時点では、データチームの要件は、いくつかの実験設計を見つけ、ポイント配置の標準化されたプロセス制御に豊富な経験を持ち、統計的方法を包括的に把握しているアナリストを持つことです。別のことは、彼が個人的な誠実さと中立性を持っているので、彼はそれをすることができるということです。必要なアナリストはこのタイプです。実際、このタイプには業界にはかなりのリソースがあります。まず第一に、この選択をする場合、比較的熟練した専門的で、固有のプロセスを十分に把握している人が必要です。

2。行動指標アナリスト

このモデルは、ユーザー調査とトラフィック調査を行うことです。私が言ったように、私がニッチフィールドに入りたいとき、私は今、禁じられた都市の口紅であるパレス・ウォール・レッドと呼ばれる口紅を持っています。この口紅はニッチなブランドかもしれませんが、私はそれをうまく実行したいので、私はどんな種類のスローガンと私のユーザーが一番好きな色を試してみて、それをオフラインの判断と組み合わせる必要があります。

このモデルは、トラフィック選択の解釈であり、実際に業界の専門家によって大部分が完成されています。インターネット会社に配置されている場合、この種の機能交換またはビジネス調整は、ビジネス側または製品マネージャーによって完了する可能性が高くなります。

データアナリストは、トラフィックの存在を監視します。アナリストは熟練した仕事を完了することができますが、トラフィックの各変更の解釈には、業界の知識を持つ人が解釈と次の反復を完了する必要があります。現時点では、要件は、両当事者間の協力が特に近くなければならず、トラフィックを利用するイニシアチブは実際に業界の専門家にあることです。アナリストが行う必要があることは、特に優れた自動化されたトラフィックダッシュボードを作成し、その後、業界の専門家がヒューリスティック分析のためにデータを使用し、ビジネス戦略を調整してユーザーと対話できるようにすることです。

3。3番目のモデルアナリスト

これは、Meituanのビジネス分析と呼ばれるものであり、シニアリーダーがさまざまなビジネスチームの目標を調整し、進捗を追跡するのに役立ちます。目標をある程度予測するのに役立つことがあります。

現時点では、アナリストは実際に強力なビジネス知識、コミュニケーション、いわゆる経済モデル、つまり単位経済モデルではなくビジネス経済モデルを持つ必要があります。これらの側面の要件は非常に高くなります。 MBAまたはビジネス関連の専攻を学んだ学生を持つことが最善です。彼は、大きなボスが目標を合理的に推定し、これらの目標を伝え、会社のビジネスと運営戦略を理解するのを支援することができます。

現時点では、あなたが望む才能は実際にはよりビジネス志向であり、コミュニケーションに向かって比較的傾向があるかもしれません。アルゴリズムを使用することもありますが、現時点でアルゴリズムを使用しても、スキル自体に高い要件があることを意味しません。必要なのは、すべての人を説得し、科学の名の下に紛争を排除するための中立政党です。このタイプの意思決定には、より包括的なサポートが必要です。実際、ある程度まで、意思決定者自身が逃げることはできません。

3番目のモデルには、アナリストのタイプもあります。または、彼をアナリストと呼ぶことはできません。アナリストは、ビジネスデータを使用してデータを明確に見て、会社が公開されるのを支援します。

もちろん、このグループの人々はまず会社の運営データとビジネスデータを明確に理解する必要がありますが、最も重要なことは、何らかのロジックまたはビジネス相関を見つけ、現在のデータを通じて独自の意見をサポートできることです。それらとビジネスアナリストの違いは、ビジネスアナリストがデータに基づいているか、ビジネスビューに関する結論を推測することです。

このタイプのアナリストは、結果の目標に基づいています。彼は特定の評価をしたいので、私はそのような議論をする必要があります。したがって、彼の肖像画は、コンサルティング会社、投資会社、または業界の研究会社を探す傾向があります。彼は評価論理を深く理解する必要があり、同時にビジネスを理解し、ビジネスのバックグラウンドを持ち、現在のビジネスデータとターゲット評価の間の議論関係を確立するためにデータを解釈することができます。

まず第一に、データアナリストをうまく使用したい場合は、モデルを分割する必要があります。どのビジネスモデルを使用してチームを実行しますか、どのビジネスモデル、どのビジネスモデルを効率的にしたいですか？効率が最も重要なことです。

15。アナリストのランキングの観点から協力する方法

実際、アナリストは一般にいくつかのレベルに分割することができ、下から上へのさまざまな明らかな欠点があり、協力の方法も異なります。

最初のタイプは、強力なデータ収集能力があるが、ビジネス分析能力が弱く、包括的なスキルを持っていることです。ビジネスパーティーとして、あなたはあなたが非常によく望む情報を伝えることができ、それからあなたはスキルレベルから情報を取得することができます。

しかし、その欠点は、ビジネスレベルからあなたの問題を理解できないかもしれないということです。あなたはそれを私が望むものを非常に明確に説明する必要があり、私がそれをどのような観点から見たいか、誰と比較して良い兆候は、あなたはこの方向、参照システム、この測定、およびこの判断の基礎を非常に明確に説明しなければなりません。それは、より後輩または特に熟練した学生であるかもしれない一種の協力です。

次に、次のレベルまで、あなたはそのような幅広い理解を得るでしょう。彼はビジネス上の問題を感じる能力を持っています。同時に、参照に使用できる他の方法と方法もあります。この時点では、目標レベル、トレンドロジックレベル、ソリューションレベルでさらにコミュニケーションをとる必要があります。これにより、コミュニケーションと効率の改善の機会が提供されます。

より良いのは、意思決定プロセスに参加できるアナリストは、目標の議論とこの計画の議論の過程で、方向性の決定に影響を与える可能性のある情報源がある可能性があるため、初期段階で紹介できることです。

したがって、モデル、能力レベル、および協力方法によって特定の問題を見ることが最も重要なことです。一般的に言えば、人々はどのモデルにいるかを明確に理解していますが、一般的に、特に高レベルのアナリストから直接的なサービスを受けていないため、適切な人を見つけて、比較的高い協力効率を持つためには、特に明確な基準と測定基準を説明する必要があります。ここでわずかな違いがある場合、それぞれが独立して出力しているが、意思決定の知識効果が貧弱であるということです。

16.どのコミュニケーションとタスクのアナリストが価値があると考えています

最初のものは、あなたが私の概念的な目標について話し続けるときです。これが私の定性的な目標は何ですか？

たとえば、今日ビジネスをしている場合、ホテルの予約に電話します。私の定性的な目標は何ですか？このセグメントのパスを開きたいのですか、それとも次の市場レベルが何であるかを見たいのですか？元の高速ホテルのユーザーは私の製品を使い始めました。私は元の市場とは独立していることと同等であり、元のセグメントにいない一部のユーザーが入ってきました。

それとも、ビジネス旅行ホテルを通じて元のユーザーにサービスを提供したいと考えています。そうすれば、全体の平均価格が10％下落し、競合他社と比較して競争力を構築したいと考えていますか、それともこの出張のピーク期間に特に焦点を当てることです。私は十分なホテルを持っていないので、供給を増やすことでピークエクスペリエンスを改善します。

もちろん、それは両方とも3つかもしれません。つまり、定性的レベルでのビジネス目標について話すことを意味します。これは、アナリストが最も耳を傾けることを好むものです。なぜなら、彼が分析プロセスでどのように選択するか、相手が上流の観察を確立するのをどのように支援すべきか、そして彼が他者の評価をどのように支援するかを判断することは非常に意味のあるインプットであるからです。

同時に、この情報の境界を共同で確認することを意味します。この目標の中で、この目標を達成する方法についてどれだけ話すことができますか？たとえば、今すぐビジネスホテルを予約したいと思います。ピーク時に運用効率を向上させることにしました。それで、道は何ですか？

エンジニアリングの観点からプロジェクトの効率を継続的に改善するか、ピーク時にホテルのサプライチェーンや切り替えと協力する必要があります。探索することができるパスは何ですか？これらのパスは、まさに彼らが聞くのが大好きなものです。

2番目の記事は、意思決定のアイデアに関するものです。これは、優先順位を区別する方法です。実際、すべてのチームには優先順位があります。このルーチンは異なり、その背後にある意思決定のアイデアは異なります。

一部のチームが決定を下すと、実際には実行不可能なことに非常に偏っています。どんなに私と話し合っても、それは役に立たない。私たちが製品を作るときに最も迷惑なものは絶対に実行不可能です。あなたは彼に私に商業的な重要性を伝え続けます、つまり、私はあなたにそれがどれだけあるかを伝えます、または私はこれに特定の困難があることをあなたに伝えています。あなたは、このプロジェクトが上級管理職によって決定されたことを繰り返し強調し、さまざまなレベルで議論されています。

各チームには、優先順位の独自の方法があります。通常、それは実現可能性の観点、実現可能性の観点からの優先度、既存のリソースの観点からの優先度、ビジネス目標の重要性の観点からの優先順位、および意思決定のアイデアに関する調整と協力の観点からの優先事項に基づいています。私たちのビジネス方法の優先順位は、アナリストにとっても非常に意味があります。

17.価値がないと思って、彼らの話を聞きたくないと思うアナリストのニーズは何ですか

アナリストが最も聞きたくないのは、私が気にしないということです。私が欲しいのは正確なデータです。つまり、これらの問題に関するデータを意味します。正確なデータをどのように取得しても、正確でなければなりません。

これは場合によっては問題ありませんが、場合によっては対処するのは本当に難しいです。境界が大きすぎると、データを正しく正しく取得することは非常に困難です。無制限のリソースを持つことは不可能であり、明らかなリスクなしにオンラインデータソースのすべてのリスクを収束することは不可能です。これは、アナリストがより恐れており、聞きたくないものです。

私が聞きたくない2番目のことは、あなたがそれをもう一度探すことができるかどうかです。なぜ私の新機能が有益でないのですか？他の方向を観察できますか？当初、これら2つの結果インジケーターを評価することを計画していましたが、見ませんでした。それで、あなたは他の指標を見ることができますか？もう一度探してみましょう。たぶん私の反復は貴重です。実験を行うと、実際にこれに遭遇します。これは、観測指標が良くないためです。より広い範囲内で利益を見つけたいです。私はこれを聞くのが好きではありません。

目標の予測を行うとき、いくつかのことには歴史的な法律があり、予測することができますが、いくつかの問題には歴史的な法律がなく、予測することは困難です。アナリストは何を聞きたくないのですか？統計から正確な評価を推定できるかどうかを確認する方法を見つけることができますか？

それは少し不正確です。それは確かに不正確です。統計方法を最適化することで干渉を排除し、歴史がないものも歴史的なサンプルもないものの推定を行うことができるという意味ではありません。これを解決するのは比較的困難です。物事がモデルを超越すると、意思決定を行う能力が提供される場合があります。実際、私は詳細な研究を実施したり、時間を費やしたり、他の方法を見つけたりすることは、解決するのが難しいと言うことで解決することは不可能です。

3番目のタイプは、データだけでは不十分だと思うことです。あなたは私にとってより多くの観測の側面を確立する必要があります。つまり、ビジネスや定性的な目標から完全に分離されたデータについて話すことを意味します。現在のデータがどの程度までだと思うか、私は決定を下すことができない、またはあなたがビジネスから分離されていると言うのではなく、あなたが判断を下すことはできないと言うべきであり、常に分析の次元を与えるようにアナリストに常に依頼する。これは、アナリストが好まないものでもあります。

著者: Arun's Growth Research Institute

出典：WeChatの公式アカウント「Arun's Growth Study Society（ID：Arungrowth365）」