日常的な分析に別れを告げ、心で無限の可能性を探求しましょう

データ分析プロセスは、シナリオによって大きく異なることがよくあります。固定されたシナリオ分析ルーチンに制限されることなく、さまざまなシナリオでのデータ分析のアイデアを明確にする方法はありますか?この記事では、異常分析プロセス中の分析ルーチンの各ステップの背後にある影響要因を紹介し、異常分析をより深く理解し、さまざまな対応シナリオに対応できるようにします。データ分析に興味がある方におすすめです。

データ分析にはさまざまなシナリオがありますが、その一部を以下に示します。

変更分析
製品分析
ビジネス分析
運用分析
ユーザー分析
チャネル分析
保持分析
コンバージョン分析

異なるシナリオにおけるデータ分析プロセスは異なります。

これにより問題が発生します。シナリオやプロセスが非常に多いため、基本的にすべてを覚えておくことは不可能です。

私の周りにはデータアナリストがたくさんいます。特定の問題に直面した場合、通常はまずオンラインで分析プロセスを検索し、既存のプロセスに基づいて後続の分析を開始します。

すべての分析プロセスを記憶する方法はありますか?

囲碁の世界には、決まったパターン、つまり決まりきった遊び方が数多くあります。

チェスがなぜこのようにプレイされるのかを理解していない人は、暗記によってこれらのパターンを習得することしかできませんが、これはあまり効率的ではなく、新しいチェスのパターンに直面したときに無力になってしまいます。

しかし、決まった遊び方の背景にある理由を理解できれば、覚えているのは単なる決まりきった公式ではなく、自分で決まった遊び方を推測できるようになります。

こうすることで、新しいチェスの状況に直面したときに、無力感を感じることなく、柔軟に変化に対応できるようになります。

解析処理を全て覚える、Goのパターンと同じ原理だと思います。さまざまな分析プロセスがなぜそうなっているのかを理解すれば、これまでに経験したことのないビジネス上の問題に直面しても、簡単に対処できるようになります。

データ分析思考分野の著者として、私は、定型的な数式を排除するのに役立つように、各分析プロセスの導出プロセスを分析してみることにしました。ルーチンを覚える必要はありませんが、ルーチンがあるよりはルーチンがないほうが良いです。

今日は異常動作分析の分析ルーチンを紹介します。

1. 異常動作の分析

データ指標に異常な変化があったとき、ビジネスを担当する学生以外で最も不安になるのは、データアナリストたちです。なぜなら、データアナリストは次の 3 つの自己分析の質問に直面することになるからです。

なぜ上昇しているのでしょうか?
なぜ落ちたのですか？
なぜ上昇したり下降したりしないのですか?

これらの質問にどう答えればよいでしょうか?

異常解析の参考アイデアはインターネット上にたくさんあります。一般的な手順は次のとおりです。

データが正確であることを確認してください。データベースの異常、データレポートの遅延、データ抽出の SQL エラー、データの統計的精度の不一致などの問題がないか確認します。

異常指標の種類と範囲を確認します。異常の種類が散発的/周期的/トレンド的であるかどうかを確認します。異常な動きの増加/減少が合理的であるかどうか。

分解して問題の原因を突き止めます。事前に次元を分割し、原因のおおよその範囲を特定します。電子商取引の場合は、一般的に人、商品、場所という次元で分類されます。

人物：新規・既存顧客／チャネル別／顧客獲得方法別／ユーザー価値ラベル別／ユーザー意図別／ユーザーポートレート（性別、年齢、地域、職業など）
商品: 異なるカテゴリ/異なる仕様/異なる価格
分野: トラフィックチャネル/最近のプロモーション/業界のパフォーマンス

上記の分析プロセス自体に問題はありませんが、暗記で覚えられるものではありません。

分析的思考を通じて上記の手順をどのように導き出すことができるでしょうか?

2. 問題を明確にする

問題を分析するには、少なくとも 3 つの基本的なステップがあります。

問題を特定する
問題を分析する
問題を解決する

したがって、異常分析の最初のステップは、問題を明らかにすることです。

問題は、何が問題なのかということです。

この質問は少し奇妙だと思うかもしれませんが、質問は単なる質問であり、それはまさに...質問なのです。

そうですね、確かに、あなたの言う通りかもしれません。問題は確かに...問題なのです。

「問題」の概念のより正確な定義は次のとおりです。

問題は現実と期待のギャップです。

重要なことは3回言うべきです。

この概念から、問題は現実、期待、ギャップという 3 つの要素で構成されていることがわかります。

したがって、問題が発生する理由は 3 つだけです。

1 つ目は、現状に何か問題があるということです。見た目と実際の状況には違いがあります。たとえば、統計的な精度の違い、データ転送エラーなどの問題により、表示される数値が実際の数値と一致しない場合があります。

2つ目は、期待に問題があるということです。期待と実際の状況が一致しません。例えば、取引量は毎年末に大幅に減少するため、実際の環境に合わせて期待値を下方調整する必要があります。

3 つ目のタイプは、確かに表示と期待の間にギャップがあるが、その理由が不明であるというものです。この種の問題の場合、ギャップの原因を突き止める必要があります。

日常的な分析プロセスと比較すると、上記の 3 種類のエラーのうち、最初のタイプは実際にはデータの精度の問題であり、2 番目のタイプはビジネス周期の変動の問題であり、3 番目のタイプは原因の詳細な調査が実際に必要な問題です。

詳細な調査を必要とする 3 番目のカテゴリの問題についても、問題をさらに明確にする必要があります。このギャップはいつ発生したのでしょうか?どれくらい生産されているのですか？ギャップはどれくらい大きいのかなど。

上記の問題は、実は 5W2H 法によってより明確に説明されます。 5W2Hの説明を通じて、このギャップが突然のものか継続的なものなのかを知ることができます。

これまでのところ、分析の第一段階である問題の解明は基本的に完了しています。

異常動作分析の手順を知らなくても、自分で手順を推測することは可能です。

3. 分解寸法の選び方

さらに調査が必要な問題には、突発的なものと継続的なものの 2 種類があります。

1. 突然の異常な動き

データの変動が突然発生する場合、その原因は多くの場合、大きなビジネスの変化、ポリシーの変更、市場の意見などです。

このような突然の異常事態に対処する最善の方法は、ビジネス上の同僚に直接相談することです。

場合によっては、分析に何時間も費やしても、ビジネス上の同僚に 1 分かけて質問するほど早く結果が得られないことがあります。あなたのビジネス同僚は昨日新しい配達口を追加したばかりか、配達予算を増やしたばかりかもしれませんので、あなたの質問を解決するには 1 文言うだけで十分です。

さらに、ビジネス上の同僚は通常、業界情報に敏感であり、トラブルシューティングの時間を短縮するのに役立つ貴重な情報を提供することができます。

2. 永続的な問題

問題が解決しない場合は、根本的な原因を見つけるために、通常は分解アプローチが必要になります。

分解には通常 2 つの方法があります。1つは水平方向の分解寸法であり、もう 1 つは垂直方向の分解プロセスです。

電子商取引会社のGMV収益の継続的な減少を例にとると、上記の2つの分析方法を使用できます。水平分解ディメンションについては、製品カテゴリ、排水チャネル、製品価格レベル、ユーザー地域などのディメンションに従って分解できます。垂直分解プロセスは、トラフィックファネル分析を通じて実行できます。

ここで疑問が生じます。水平分解法と垂直分解法のどちらの分解方法を最初に使用すべきでしょうか?

どちらの分解方法でも最終的には同じ結果になるので、特定の順序はないと思います。

最初に水平分解ディメンションを使用して、特定のカテゴリの GMV が減少していることがわかったら、次に、このカテゴリのトラフィック変換プロセスを分解し、問題がどのステップにあるかを調べる必要があります。

最初に垂直分解プロセスを使用してトラフィックの問題を見つけたら、次に水平分解ディメンションを再度使用して、どのカテゴリでトラフィックが減少しているかを調べる必要があります。

したがって、最初に任意の分解方法を使用して、最終的に同じ効果を達成できます。

分解の順序に間違いはないが、水平分解の寸法選択は強迫性障害の人を狂わせるだろう。

電子商取引ビジネスを例にとると、一般的な分割ディメンションとしては「人、商品、場所」の 3 つのディメンションが一般的に使用されます。

人の次元については、新規ユーザーと既存ユーザー、価値の高いユーザーと低いユーザー、異なる地域のユーザーなどによって分類できます。
商品の次元は、カテゴリ、異なる価格帯の商品などに分類できます。
会場ディメンションは、イベント会場、トラフィックチャネルなどに分けられます。

しかし、すべての次元に細分化すると、時間がかかり、労力もかかりすぎて、現実的ではありません。

したがって、最初に分解する次元を選択する必要があります。

具体的な手順には立ち入らずに、自分で推測してみましょう。

異常なデータを分解して分析する目的は、問題の原因を突き止め、最適化と改善の責任者を見つけることです。

したがって、解体の第一の優先順位は、チームの現在の分業に従って解体することです。

たとえば、eコマース企業が事業をカテゴリーごとに複数の独立運営チームに分割している場合、データの変更に直面したときの最優先事項は、カテゴリーごとに分類することです。

カテゴリを細分化した後、対応する担当者を直接見つけることができるからです。

それ以外の場合は、まず新規ユーザーと既存ユーザーを分離し、新規ユーザーに問題があることをビジネス側に伝えます。では、この新しいユーザーの責任者は誰でしょうか?ちょっとした問題があったからといって、組織全体を解体して業務を再分割することは不可能です。

分業によれば、問題が特定のカテゴリに位置付けられた後、そのカテゴリの担当者はそれが自分の問題であると認識します。交通量が減少すれば、投資を増やすだろう。コンバージョン率が低くなったらプロモーションを実施する。問題が特に深刻でない場合は、通常、異常分析は終了します。

場合によっては、分析がさらに進むこともあります。カテゴリーの担当者が自分のカテゴリーで何が悪かったのかをより深く理解したい場合は、カテゴリーを細分化した後でより深い分析を行う必要があります。

このステップの分解は、依然として分業に従って実行できます。カテゴリチーム内にも、ユーザー操作、カテゴリ操作、トラフィック操作など、さまざまな分業があります。会社によって仕事の設定が異なるため、実際の分業に基づいて分解の次元を選択する必要があります。チーム内でユーザー操作がない場合、ユーザーを詳細に分析する必要はありません。

チーム内でユーザー運用を行っている場合は、現状のユーザー運用の階層化モデルがどのようなものか、ユーザー階層化やユーザーグルーピングなどの既成の運用プランがあるかどうかも業務とコミュニケーションをとる必要があります。本来のユーザーの操作方法に基づいて問題を分解することで、最も正確な問題の原因を見つけることはできないかもしれませんが、実装することは非常に実現可能です。既存のユーザー操作プラットフォームを利用することで、運用担当者は操作するユーザーグループを直接選択できます。

このステップでは、まだルーチンを覚えておく必要はなく、人、商品、会場をそれぞれどの次元に分割するかを覚えておく必要もありません。実際の分析では、チームの分業状況や既存の戦略などの情報を知る必要があります。この情報を基に、何を分解すればよいかが自然にわかるようになります。

面接でこのように答えると、かなりの加点がもらえます。なぜなら、他の人はどの次元を分解するかを知っていますが、あなたは何を分解するかを知っているだけでなく、推測した原則が最終的に実装される必要があることも知っているからです。あなたは他の人よりも実践的です。