ビジネスデータ分析研修（統計書をコピーするだけではなく、実際のデータ分析手法です）

これは単なる統計書のコピーではなく、本当のデータ分析方法です

多くの学生は混乱しています。データ分析方法とは一体何でしょうか?インターネット上のデータ分析手法の説明の一部は、4PやPESTなどのマーケティング書籍から盗用されているため、相関分析や回帰分析など、統計学の書籍から盗用されたものもあります。しかし、実際の分析になると、私は唖然としました。目の前の問題を解決するには、P を使用するべきか、それとも回帰を使用するべきか?

データ分析手法を本当に理解し習得したいのであれば、単に「ハンマーで釘を探す」だけではだめです。職場でのデータ分析はビジネスと密接に統合され、ビジネスニーズに応える必要があります。したがって、ビジネスニーズを理解し、問題に対する答えを見つけることによってのみ、さまざまなデータ分析手法の用途とその使用方法を理解できます。

完全なビジネス活動は、現状の理解 → 目標の設定 → 計画の立案 → 傾向の監視 → 問題の診断 → 結果のレビューという6 つのステップに分かれています。各段階で企業が持つ情報や解決したい問題が異なるため、データに対する需要も異なります（下図参照）。

データアナリストが年間事業計画の策定から業務に携わる場合は、6 つのステップすべてを実行することになります。

しかし、多くの学生はキャリアの途中で仕事に就きます。最も一般的なものは次のとおりです。

（１）まずは監視から始め、日報を出力して問題点を見つける

（２）分析タスクを直接受信し、XX問題に関するレポートを出力する

（３）作業が完了し、その後レビュー報告書が作成される

この時点では、データ アナリストはビジネスに精通しておらず、急いで作業を進めており、何をすべきかまったくわかっていない可能性が非常に高くなります。この時点で、少なくともステップ 1 (現在のビジネス状況を理解し、適切な解決策を処方する) を完了する必要があります。

現状把握の段階では、データ指標がより体系的に提示され、企業が状況を明確に把握できるようになります。データ指標システム自体には、並列、プロセス、合計スコアの3 つの構造があります。これら 3 つの形式に対応する共通の分析方法がいくつかあります。例えば：

• デュポン分析法は、総合スコア指数方式に対応しています。主に、ビジネス パフォーマンスの評価、財務指標の分析、ビジネス アクションの結果の監視に使用されます。
• UJM メソッドはプロセスベースの指標システムに対応します。これは主に、ユーザーの行動経路を整理し、ユーザーがどのように変換するかを明確に把握するために使用されます (特にインターネット企業が使用)。
• RFM メソッドは並列指標システムに対応し、主にユーザーの消費行動を分類し、高、中、低消費と覚醒の緊急性を区別するために使用されます。

指標を単に表示するだけでは分析上の結論を導くことはできないことに留意する必要があります。少なくとも指標を示し、異なる個人を比較してください。

例えば：

（１）デュポン分析：同業他社との比較

（２）UJM法：２つの異なる経路の比較

（３）RFM法：２つのユーザーグループ間の比較

したがって、現状を把握する際には、指標を羅列するだけではなく、比較対象として誰を選ぶべきかを考え、事業間の違いをよりよく発見し、事業部門に考えさせる必要があります。

目標設定フェーズでは、企業は次のことを知りたいと考える可能性があります。

（１）何も変えなければ、ビジネスは自然にどう発展していくのか？

（２）ある資源への投資を増減させた場合、事業はどのように発展していくのか？

（３）ビジネス慣行が変わるとビジネスはどのように発展するでしょうか？

ここで予測の問題が出てきます。自然な発展傾向を予測するには、通常、時系列手法が使用されます。データの傾向に応じて、平滑化法、自己回帰、季節回帰、季節傾向を伴う回帰などの方法を使用できます。リソース入力の変更を検討する場合は、因果関係のある回帰を検討できます。一般に、入力と出力の間には機能的な関係があるため、入力出力曲線をデータに当てはめて調整結果をシミュレートすることができます。

業務慣行を変更したい場合は、まず他の企業が同様の対策を講じているかどうかを確認する必要があります。すでに類似の実践がある場合は、類似の実践の入出力状況に基づいて計算を行うことができます。これまでに一度も行ったことがない場合は、まずテストを行う必要があります。そうしないと、データなしで推測するだけになります。

目標設定の際には、リーダーシップの考えが反映されることが多く、データ自体は参考値に過ぎないことに留意する必要があります。そのため、自然状況予測が完了した後は、事業部門が独自の考えに基づいて意思決定を開始する可能性が高くなります。現時点では、複雑な分析方法は必要ないかもしれません。代わりに、データ インジケーター システムを使用して KPI インジケーターを細分化し、リーダーの要件に応じて関連するインジケーターを増減して、考えられる結果をシミュレートできます。

計画段階では、企業は大きな目標を細分化して具体的な実行作業に落とし込みたいと考える可能性が高くなります。このとき、定性的な目標を定量的な目標に落とし込み、定量的な目標を実行ステップに分解して実行を監視する標準的な方法である OGSM 方式を使用できます (下図を参照)。

また、企業がまず自ら解体するのではなく、現在の入出力レベルにおける理論上の最適解が何であるかを確認したいと考える可能性もあります。この時点で、入力コスト関数を構築し、コスト・ボリューム・利益分析/線形計画法を使用して、ビジネス参照の理論的な最適ソリューションを計算できます (以下を参照)。

目標を設定するのと同じように、計画を立てる際も、完全に経験を頼りに数字を見積もって作業を開始する可能性が非常に高くなります。計画が大まかすぎると、無理な実行手配、一時的な調整、バックアップ計画の欠如につながり、実行プロセスで問題が発生します。

データアナリストが事前に状況を把握できれば、次のステップで傾向を監視するのがはるかに簡単になります。

トレンド監視段階では、ビジネスが期待どおりに展開しているかどうか、異常な変動がないかどうかを観察することが主なタスクです。そのため、業務が正常かどうかを判断するためのデータ分析手法が必要になります。

現在、循環分析、投入産出分析、構造分析、階層分析、マトリックス分析の 5 つの手法が利用可能です。

• • 循環分析手法は、季節変化/ライフサイクル変化/入出力変化に伴って発生する事業展開のパターンを事業特性に基づいて分析する手法です。通常の傾向と比較して問題を特定します。
  • 投入産出分析は、ビジネスアクションの投資強度と過去のデータ経験に基づいて、起こり得る効果を予測することです。確認したいこと：データの異常はこの業務の実行不良によって発生したものでしょうか？
  • 構造分析、階層分析、マトリックス分析では、複数のビジネスを比較して、平均値に隠れた問題を発見します。 ABC分類や80/20分類などの一般的な用語もありますが、これらは実際には層別分析の特殊な形式です（以下を参照）。

傾向を監視する場合、これらの従来の方法を監視指標と組み合わせて、同じ監視データ ダッシュボードを形成できます。主要指標の異常を観察後、全体から特定までのデータを直接閲覧し、どの部分に問題があるかを確認できるため、問題発見の効率が大幅に向上します。

問題を診断するプロセスでは、ビジネス仮説があるかどうかが最も重要です。

（１）ビジネスに何もない場合は、分析ロジックツリーを構築し、問題を階層ごとにトラブルシューティングするしかありません。

（２）ビジネスに明確な仮説がある場合は、消去法を直接使用して仮説が有効かどうかを検証することができます。

（３）すでに対応計画がある場合は、その計画の実現可能性をテストするための実験を直接実施することができる。

しかし、問題の診断となると、人々は本能的にロジックツリーの構築を思い浮かべるでしょう。ただし、完全なロジック ツリーを構築するには時間がかかり、手間がかかり、多くの仮定を検証するには外部データの収集が必要になります。実際の作業では、必ずしも十分なデータが供給されるとは限りません。したがって、問題を診断するときは、まずビジネス上の前提を見つけて、すぐに結論を出すようにしてください。

ビジネス仮説を検証する場合、実験を実施するかどうかが最も重要な違いとなります。

（１）実験を行うことが絶対に不可能である場合、分析結論を出力する唯一の方法は、ベンチマーク分析（良い個体と悪い個体の比較）とプロセス診断（ビジネスプロセスの中で最も遅れているリンクの分析）を通じてです。

（２）実験はできるがサンプリングテストができない場合は、改善前と改善後の比較分析しかできない。

（３）実験を実施し、サンプリングテストを実行することができれば、統計的手法を使用して実験結果をテストすることができます。

最初の 5 つのステップが適切に実行されていれば、結果を確認するのは非常に簡単になります。

（１）目標と実際のギャップを比較し、パフォーマンスは良好かを判断する。

（２）プロセス監視データを取得し、実行中に問題がないか確認する

（３）問題診断データを取得して問題の原因と治療結果を確認する

このような結果の包括的なレビューは、結果の説明と経験の要約の両方を含む、非常に包括的なものになります。

多くの学生は、プロセス全体に参加せず、アクティビティの終了後にのみ復習のタスクを割り当てられたため、復習を非常に面倒だと感じています。この時点では、目標もプロセスも理解していないので、当然、結果を得るには最初から最後まで整理する必要があります。企業自体が明確な目標を設定しておらず、プロセスデータを監視していない場合、完全に暗闇に陥ることになります。

コラムニスト

堅実な陳先生、WeChat公開アカウント：『誰もがプロダクトマネージャー』のコラムニスト、堅実な陳先生。インターネット、金融、日用消費財、小売、耐久財、美容など 15 の業界でデータ関連の豊富な経験を持つ上級コンサルティング コンサルタント。

この記事はもともと「Everyone is a Product Manager」に掲載されました。無断転載は禁止です。

タイトル画像は、CC0 プロトコルに基づいて Unsplash から取得したものです。

この記事で述べられている意見は著者自身の意見のみを表しており、人人士品夢家プラットフォームは情報保存スペースサービスのみを提供します。