はじめに
前回は、自分のデータ分析に関する失敗体験を書きました。
前回は、データ分析よりも前にやることがあると言うことを話しました。
それは、成果を出すために、データを活用するプロセスとして、以下のフェーズを順番で行うのがいいと思いました。
思い知りました。
結論、データをどう活用するかのプロセスの重要性に気づいたので、そのノウハウ本を用いて体系的に理解したく、勉強してみました。
改めてなぜこんなことをするかと言えば、
シンプルに価値とは、データ分析はビジネスにおいて、より良い決定を下すために役立つ手段だと思っています。
そして、データ分析の前に、自分はそもそもデータを活用するための思考
データ活用のプロセス
成果を出すためのデータ活用のプロセスは、以下の過程を順番に踏むのがいいらしい
問題解決の3要素
目的の設定・問題の定義 → 現状の把握やその評価 → 要因の特定 → 解決方法の提示
細かく分けると、以下のようなステップが必要です。
起こった現象（表面的な事象）
👇
- 目的の設定・問題の定義
- 結果にxxxが関係があるかはまだわからないけど、yyyが考えられる（結論を主張できる（成果につながるアクション設定ができる））原因を仮で設定すること
- 問題/要因・解決方法を切り分けて考える
- 目的の設定
- なんのために分析をしたいのか？
- 何を知りたいのか？
- という目的の設定
- 問題の定義
- 何が問題なのか？を明らかをまず明確にすること
- 何が問題で、何を解決したいのか？
- 結果にxxxが関係があるかはまだわからないけど、yyyが考えられる（結論を主張できる（成果につながるアクション設定ができる））原因を仮で設定すること
- 現状の把握と評価
- 把握
- 評価
- 要因の特定
- 要因の特定
- 指標を特定
- 仮説を検証するために必要なデータを揃える
- 解決方法
- 作業から得られた結果を考察・解釈する
- ネクストアクションをすることで、どうビジネスが改善に向かうかのストーリを描く
順番に説明します。
目的や問題を設定する際にも落とし穴がある
目的や、問題設定時の落とし穴とは何か？
結論から言うと、問題と・要因を切り分けないことで、分析方針が曖昧になるか、精度が下がることです。
例えば、「冬なので、日焼け止めクリームのLPの購入数が下がってる」場合
問題は、日焼け止めクリームのLPのCVRが低い。で冬なのは、問題に対する要因です。
「購入数が下がってる」ことは、ただの現象です。下がることは何が問題で起こっているか
- 仮説： 冬は、どんな日焼け止めクリームも売れないかもしれない
- 仮説： 他社比較すると、他社は冬でも売れているかもしれない
上記の2つの例では、示すデータも変わるし、示した結果、実は、問題とはいえないということも言えると思います。
問題の特定の時に、思いつきの要因は結構混ざりがちなので、問題、要因、方針は切り分けましょう。
定義した問題と、見るべき指標が一致していない落とし穴もある
しっかりとした目的と問題の設定ができました。次はどんなデータ（指標）が必要かの選定です。
ここも落とし穴があります。
例えば、
- 問題： 顧客からのクレームに対応できていない
- KPI（指標）： クレーム数
一見、よさそうですが、果たしてどうでしょうか？
問題に対する指標が妥当かは、まず何が問題なのかを明らかにする必要があります。
クレームの内容は以下の２パターンが考えられます
- 1.解決できないクレームが多い
- 2.解決できるクレームが多い
1の場合、実現可能性は置いておいて、解決できない問題自体を発生させないようにした後、指標をクレーム数にするのがいいと思います
つまり指標は妥当と言えます。
2の場合、解決できる問題ならば、じゃあなんで解決できていないのか？その要因はなにか？が気になるところです。
対応する時間がないならば、対応する人を用意した上で、クレームの対応数を指標に置くか、対応した割合（対応数/クレーム数）を指標とするのがいいと思います。
価値のある現状把握とその評価とは
まず、価値のある情報とは、ビジネスにおいては売り上げ、利益につながる情報と思っていいでしょう。
売り上げ、利益につながるような誰が、いつ、どうアクションするための具体的な判断材料は、価値のある情報と言えるでしょう。
先月の売り上げ：5,000万円
これは、現状把握のために必要なデータなだけで、それが高いか低いのか、ましてや、GOODなのかBADなのか、評価もできません。
価値のある情報とは、それをどう評価するかが大切です。
- ❌ 事実データをグラフや表で表す👈 誰でもできる
- ⭕️ 内容を評価し、具体的なアクションにつなげる👈 上記より売り上げ、利益につながりやすい情報と言える
データは事実や事象の一つの表現系にすぎず、何を問題として捉えて、どう解決すれば、どう成果につながる、というストーリーを描くのは機械できません。
意味付けは人にしか定義できません。
評価の具体的な方法とは
比較です。評価を客観化させるのが、他との比較です。
なにと比較するかが大切です。これにも目的を持ちましょう。
ここも、「xxと比較してyy」という主張が言えるのではないか？という発想を持ってデータに当たりましょう。
このように目的思考（逆算思考）で、データを集めないと、結論とデータに論理的な乖離が生まれるので気を付けましょう。
比較の際の注意点
- 結論につながる結果になるか
- 比較することで差が出そうか
いきなりデータを集めたり、分析する人は、「xxとyyには差があります」（結果）という主張しかできません。👈 誰でもできる
反対に、目的思考（逆算思考）の人は「xxとyyには差があります。つまりzzと言えます」（結論）👈 上よりかは、売り上げ、利益につながりやすい情報を付加できてます
比較対象は1つとは限りません。複数あって、それが成果につながるアクション設定ができる結論を支えるデータ。根拠になるなら比較対象は複数でも構いません。
注意
差が見出せなかったら、最初の仮説が間違っていた。と言うことになります。
- 「差がない」と言うことが、成果につながるアクション設定につながるなら、結論を主張すればいいでしょう
- できないのなら、また分析する目的の再定義（仮説の再定義）に戻りましょう
比較に使える尺度と指標
| データの尺度 | 主な指標 |
|---|---|
| 値の大きさ | 平均値、合計 |
| 推移 | 折れ線グラフ、棒グラフ、変化率 |
| ばらつき | 標準偏差、ヒストグラム |
| 比率 | % |
- 選択に正解はない
- 目的に対して、一番クリアに主張できる比較を用いればOK
- だが、1つである必要はない
- 組み合わせて使って、より納得感が出る、成果につながるアクション設定ができる結論であればOK
有意な差を見つけたら「終わり」ではない。
有意な差はただの結果です。
- 商品Aの売り上げはBの売り上げより低かった
- 今月売り上げは先月より5%下がった
- ABテストによって、チャレンジャーが有意にCVRが高かったから勝ち統合
これらは、ただの結果です。👈 誰でも言うる
大事なのは、これをもとに、成果につながるアクション設定ができることです。
例：
- 商品Aの売り上げはBの売り上げより低かった
- BをA以上にどうやったらできるか
- 今月売り上げは先月より5%下がった
- 翌月に上昇回復できる最善の方法はなにか？
- ABテストによって、チャレンジャーが有意にCVRが高かったから勝ち統合
- なぜ勝ったのか？次に活かせる抽象的な要因はなにか？
これを、結論で主張するのが大切です。
アクション設定は「要因の解決」と繋がっているか？
先ほどの例に挙げた「今月売り上げは先月より5%下がった」。これに対するアクションが
- Amazonギフト配ってCV数上げよう
- デザインをリニューアルしよう
- 広告を打とう
どれも売り上げは上がるかもしれませんが、データに基づいたものとは呼べません。
データに基づいていなければ、精度は保証されません。脳死で選択できるから楽だけど、再現性はありません。
これをもとに生まれた次の施策の成功確率も未定です。なので、何度もTRYしないといけません。
それを避けたいなら、データに基づきましょう。
前の段階で、特定された要因を解決する方法であるべきです。
問題に対して、要因を特定せずに、解決方法は提案できてしまうので注意が必要です。
要因の特定方法
結論から言うと
- 要因候補を挙げる
- 指標を特定する
- 関係性の確認
先ほどの例に挙げた「今月売り上げは先月より5%下がった」この要因は1つ。ということは稀です。
きっと、要因はいくつかあるはずです。要因の候補を出す際は、客観的なデータを出す前ですから、良し悪しの判断をせずに上げていきましょう。
指標が決まれば、関係性の確認です。代表的な方法は以下のような感じです。
グラフ（散布図）を書いてみる
- 傾向があるか確認
- グルーピング
- 外れ値を捉える
- 外れ値の存在理由がわかれば、結果の違いを生む要因がみつけられるかもしれません
- 変化点を捉える
- 分岐点から要因特定の足がかりができるかもしれません
相関関係を明らかにする
具体的な分析方法は省きますが、因果関係との区別はしっかりしておきましょう。
現状把握できたら、次についやってしまいがちなこと
現状把握できたら、（評価、要因とくていをスルーして）**すぐ解決方法に飛びつく*ことです。
目的と問題と定義して、現状把握したら、
その後の、現状の評価、要因の特定をせずに
対応策をたくさん出してして、経験と勘で解決方法（施策とカタマリ）として出してしまうケースです。
順番が違います。まず、現状を評価し、要因を特定することです。
現状把握して、裏付けがなく現状をBADと設定して、問題解決っぽい手段を提案してはいけません。
問題に働きかけるよりも、原因に働きかける方がいいと思います。
対処療法で問題に蓋をしても、同じ原因によって、また問題の対策に工数をさかなければならなくなるからです。
やってしまいがち「解決方法に飛びつく」解決法
問題は何か、要因は何か、解決方法はこれでいいか？
全て、の流れが論理がつながっていることを検証することが解決方法かと思います。
特に要因は枝分かれしたり、多階層になっています。その都度、「なぜ？」を繰り返すことが大事です。
画像参考
結果だけを述べず、結論を述べる
結果だけを述べるなら誰でもできます。
結果から成果につながるアクション設定ができる結論を述べることが大事です。
結果から、必要以上に自分の解釈を入れずに、あくまでも事実の範囲で述べるといいです。
例えば、なるべくグラフや表に語らせることが大事です。
バイアスがかかっていないかを検証する方法もありますが、これは別のアウトプットで述べます。
問題点を網羅する際のテクニック
- ロジックツリー
- 得られるメリットは、網羅できるだけではなくて、問題を構造化して捉えられるので、別の仮説を立てる際にも有効なデータになります
- 今のテーマの反対のことを考えてみる
- 今の意見を否定してみる
などがあります。
アウトプット100本ノック実施中