はじめに
わたしが Google プロジェクト管理:プロフェッショナル認定証で得られた素晴らしい体験を、要点をまとめ小さく分割して、わかりやすく簡潔に紹介していきます。
興味があれば、ぜひ "Google プロジェクト管理:プロフェッショナル認定証" を受講してみてください。
データ分析プロセスの重要性
プロジェクトマネージャーは、望ましい結果を得るために調整された予算を作成するのと同じように、意思決定に役立つ適切なデータを選択する役割を担っています。そのためには、「データ分析」と呼ばれるプロセスが必要です。データ分析とは、結論を導き出すために情報を収集し、整理するプロスです。
データ分析は、問題の解決、十分な情報に基づく意思決定、目標の達成を支援するために行われます。企業はデータ分析によって、データの中にある重要な洞察やパターンを明らかにし、行動に反映させ、成果を上げることができます。
プロジェクトマネージャーは、データ分析を適用して、繰り返される行動を探し、データ予測に基づく解決策を見つけることがよくあります。
ユースケース
例えば、あるライドシェア企業が、ライダーの行動パターンを利用してカスタマーサポートを改善しようと取り組んでいるデータアナリストのグループを想像してみましょう。
彼らは、ある特定の都市で、週の半ばのラッシュアワーにドライバーへの需要が高いことに気づきました。その結果、ライダーはピーク時にドライバーに迎えに来てもらうのに苦労しています。
あなたはプロジェクトマネージャーとして、ドライバーの需要増に対応するための解決策を考えるよう依頼されました。あなたはチームと協力して、どのデータポイントをレビューするのが最も適切かを決定します。
例えば、
- 交通量の多い時間帯
- 1日の平均乗車要請数
- 利用可能なドライバーの数
などを追跡することになるかもしれません。
データを分析した後、あなたのチームは、ピーク時に市内でライダーをピックアップするために、ドライバーにインセンティブを提供することが解決策の1つであることに気づきました。新しいインセンティブはドライバーに感謝され、ドライバーが増えることで顧客満足度も上がります。そして、この解決策を導き出したのは、データ分析から得た洞察です。
この例では、定性的データと定量的データを収集しました。
定量データ
ライダーのリクエスト数に関する統計的・数値的な事実が挙げられます。この都市では、ある期間、特定のポイントでリクエストが増加しています。
定性データ
サービスや製品に対するユーザーの感想など、主観的な性質や数値データでは測れないものを記述したものです。
プロジェクト管理では、定性データと定量データの両方を用いて、意思決定や改善、洞察の共有などを行うことになります。
6つのデータ分析プロセス
1.質問
質問する段階では、分析の枠組みを作るために、以下のような重要な質問を投げかけます。
- 問題点は何か？
問題を定義する際には、ビジネスの現状を見て、それが理想とする状態とどのように異なっているかを特定します。通常、邪魔なものがあったり、直さなければならない問題があったりします。
この段階では、できる限り具体的に説明することが大切です。また、症状だけでなく、問題そのものに焦点を当てたいものです。
例えば、会員数が減少しているスポーツジムでデータ分析をしているとします。
- なぜ会員が減り続けているのでしょうか？
という質問もできますが、より具体的な質問としては、次のようなものが考えられます。
- 会員体験に悪影響を及ぼしているのはどのような要因なのか？
そうすれば、調査に取り掛かる際に、何を探せばいいのかが明確になります。
ステークホルダーの期待を理解する
質問の段階では、ステークホルダーを特定し、彼らの期待を理解することも重要です。プロジェクトには多くのステークホルダーが存在し、それぞれが意思決定を行い、行動に影響を与え、戦略について意見を述べることができます。
また、それぞれのステークホルダーには、達成したい具体的な目標があるはずです。ステークホルダーが、解決すべき問題を持って、あなたのところにやってくることは、よくあることです。しかし、分析を始める前に、彼らがあなたに何を求めているのかを明確にする必要があります。
例えば、上司からジムのビジネスリスクの分析に関するプロジェクトを任された場合、ジムに影響を与える可能性のあるあらゆる種類のリスクを分析してほしいのか、それとも天候や季節のトレンドに関するリスクだけを分析してほしいのかを確認しておくとよいでしょう。
２．準備
明確な方向性が決まったら、いよいよ準備の段階へ。ここでは、これから行う分析プロセスに使用するデータを収集し、保存します。
ジムの会員制の例に戻りましょう。会員の体験に関するデータを収集するために、ジムの会員にアンケートを送り、体験に関するフィードバックを求めることにしました。具体的な回答が得られるように、
- 施設の維持管理
- カスタマーサービス
- 会員費
の3つのカテゴリーに分けてフィードバックをもらうことにしました。また、アンケートに回答する欄も設けます。会員アンケートを回収したら、それを追跡し、ファイリングするための組織的なシステムを持つことが重要です。
3．処理
この段階は、データを処理するときです。このステップでは、データを「洗浄」します。つまり、データをスプレッドシートやその他の好みのツールに入力し、結果の妨げとなる矛盾や不正確さを排除します。 データを収集する際には、重複した回答や偏ったデータを排除するようにします。こうすることで、分析から得られたすべての決定が事実に基づいており、公正で偏りのないものであることを確認できます。
例えば、アンケートを分類したときに、一人のジム会員から重複した回答があった場合、データセットが正確であることを確認するために、そのコピーを取り除く必要があります。
この段階では、作成したデータが完全で正しいか、誤字脱字がないかを確認することも重要です。
4.分析
この段階では、データをよく見て、結論を出し、予測し、次のステップを決めます。ここでは、結果の全容を明らかにするために、データを変換して整理し、それが何を意味するのかを理解できるようにします。
チャートとグラフを使用してビジュアライゼーションを作成し、データの中に傾向やパターンがあるかどうか、さらに調査が必要であるかどうかを判断することができます。
例えば、ジムの会員の例で、
- 50%の会員がアンケートに「設備が古い」と追加回答していることに気づいたとします。
- また、75％の会員が「会費が高い」と回答していることも分かりました。
50％の「設備が古い」と75％の「会費が高い」をグラフで並べてみると、これらの回答は互いに影響し合っていることが推測できます。会員たちは、「料金に見合った体験ができない」と感じているのです。会員を維持し、会費に付加価値をつけたいのであれば、ジムは新しい設備に投資すべきだと結論づけることができるかもしれません。
5.共有
この段階では、データの可視化を使って、データを聴衆にとって明確で消化しやすい形式に整理します。共有する際には、分析中に得た洞察を提供することで、ステークホルダーが問題解決のためにデータに基づいた効果的な意思決定を行えるようにします。
６．行動
提供された全ての洞察を、ビジネス上の問題を解決するために実行に移します。