はじめに
今回は、「新米データサイエンティストの日常」シリーズの第３弾になります。
新米データサイエンティストが躓きがちなテーマについて、先輩データサイエンティストと会話しているシーンをChatGPTに生成してもらいました。
第２弾はこちら↓
登場人物（架空）
- 佐藤：入社１年目の新米データサイエンティスト。
- 田中：入社５年目の先輩データサイエンティスト。
- 山本：クライアント企業のマーケティング部長であり、今回のプロジェクトの意思決定者。
- 鈴木：クライアント企業のデータ担当。
📍 クライアントのオフィス or オンライン会議
佐藤：「本日は、弊社で実施した顧客離反予測の分析結果についてご報告いたします。」
山本：「よろしくお願いします。」
佐藤：「まず、過去2年間の購買データをもとに、ランダムフォレストを用いた離反予測モデルを構築しました。その結果、モデルの精度は85%となり、主要な特徴量として『購入頻度』と『最終購入日』が特に影響を与えていることが分かりました。」
山本：「ええと、つまり？」
佐藤：「つまり、このモデルを使えば、どの顧客が離反しやすいかを事前に予測できます。」
鈴木：「85%の精度というのは、高いのでしょうか？ それとも普通？」
佐藤：「業界の一般的な水準と比べると、比較的高い精度が出ていると思います。」
山本：「うーん、正直、私たちとしては数値の良し悪しよりも、この結果をどうビジネスに活かせるのかが知りたいんですが…。」
佐藤：「あっ…そうですよね…。えっと…この結果をもとに、離反しそうな顧客に対してアプローチが可能になります。」
山本：「例えば？」
佐藤：「えっと…例えば…、えーと…」
（沈黙が流れる）
山本：「正直、この結果をどう活用すればいいのか、今のところピンとこないですね。具体的に、どんな施策につなげればいいのか提案できますか？」
佐藤：「……すみません、そこまでは考えられていませんでした。」
山本：「分かりました。では、このデータを活用するための具体的なアクションプランも含めて、再度ご提案いただけますか？」
佐藤：「はい…申し訳ありません…。持ち帰って、検討いたします。」
（報告終了後、佐藤は落ち込んだ様子でオフィスに戻る）
【シーン2：オフィスでの振り返り（先輩データサイエンティスト・田中とのやり取り）】
佐藤：「田中先輩、ちょっといいですか？ さっきクライアントの意思決定者の方に分析結果を報告したんですけど、なんか思ったより反応が悪くて……。ちゃんとモデルの精度とか特徴量の重要度も説明したのに、微妙な感じでした。」
田中：「なるほど。具体的にどんな説明をしたの？」
佐藤：「はい。まず、過去の購買データを使って顧客の離反を予測するモデルを作ったので、その精度が85%あることを伝えました。それから、ランダムフォレストを使って重要な特徴量を分析した結果、『購入頻度』と『最終購入日』が特に影響していることを示しました。」
田中：「うん、それ自体は悪くないね。でも、クライアントはどんな反応だった？」
佐藤：「『それで結局、どうすればいいの？』って言われました…。せっかく高精度なモデルができたのに、なんか納得してもらえなかったんですよね。」
田中：「あー、よくあるやつだね。佐藤の説明は“データサイエンス的には”正しいんだけど、“ビジネス的には”まだ足りないんだよ。」
佐藤：「えっ、どういうことでしょうか？」
田中：「クライアントが知りたいのは、“高精度なモデルができた”って話じゃなくて、“このモデルをどう活用すればビジネスが良くなるのか”ってこと。たとえば、離反しそうな顧客がわかるなら、どういう施策を打てばいいのかまで提案した？」
佐藤：「えっと…そこまでは考えてなかったです。分析結果を報告すれば、あとはクライアントが判断するのかなと思っていました。」
田中：「うん、それがデータサイエンティストが陥りがちな落とし穴なんだよね。データ分析はあくまで手段であって、目的はクライアントの課題解決でしょ？」
佐藤：「確かに…。でも、どうやってそこまで踏み込めばいいんでしょうか？」
田中：「まずは、クライアントのビジネスゴールをもっと深く理解すること。今回のケースなら、“離反を防ぎたい”っていうのが目的だよね？」
佐藤：「はい、そうですね。」
田中：「じゃあ、“離反しそうな顧客が分かったら、どういうアクションができるか”って考える。例えば、『クーポンを配る』とか、『個別フォローをする』とか、具体的な施策を提案できたら、クライアントも『それなら活用できそうだ』って納得しやすくなるよ。」
佐藤：「なるほど…！ただ分析結果を報告するだけじゃなくて、それをどうビジネスに活かせるかまで考えないとダメなんですね。」
田中：「そうそう。それと、報告のときは技術的な話をしすぎないことも大事。クライアントの意思決定者はデータサイエンスに詳しくないことが多いから、例えば『モデルの精度が85%です』って言われても、それが良いのか悪いのかピンとこない場合がある。」
佐藤：「あ、それも言われました！『85%って十分なの？』って。」
田中：「でしょ？ だから、ビジネス的な視点で意味を補足してあげる。たとえば、『このモデルを使うと、100人のうち85人は正しく離反を予測できるので、優先的にフォローするべき顧客を見極められます』みたいに伝えると、もっと納得感が出るよ。」
佐藤：「確かに、それならイメージしやすいですね…！」
田中：「うん。それに、クライアントと話すときは“分析結果の提示”じゃなくて“意思決定のサポート”を意識すること。データの裏付けを持った“次のアクション”を示せるようになると、一気に信頼されるようになるよ。」
佐藤：「なるほど…！今日の報告は“データを見せる”だけになってたので、次は“ビジネスに活かす”ところまで考えて話してみます！」
田中：「いいね！ せっかくの分析結果を最大限に活かすためにも、クライアントの視点を持つことを忘れないようにしよう！」