データ分析とは何か

ある意思決定や行動を、数字や文字などに変換したものが、データであると考えています。データ分析とは、「データ(客観的な情報)を集めて、欲しい情報の形に整理をして、意味づけを行うこと」と弊社では定義しています。

このページには、統計的な考え方やデータの読み方など、いわゆるデータ分析のテキストに出てくるような内容は一切掲載していません。データをビジネスにどう活かすか、という視点から、弊社がこれまでに向かい合ってきた、生のビジネスの課題解決の経験をもとに、その一部を公開する形で執筆しています。

そもそも、データとは

データの背後には、なんらかの意思決定や行動があります。たとえば、1000サンプルのアンケートデータであれば、その背景には1000人の消費者の考え方があり、自動車のセンサーデータ3時間分であれば、その背景には3時間の自動車の運転という行動があります。

また、定性的な情報も重要なデータです。例えば、ある消費者のご家庭に訪問をして、実際に商品を使うところを見せていただくなど、誰かの行動を数時間記録をしたり、インタビューをしたりした結果も、重要なデータです。

このように、ある意思決定や行動を、数字や文字などに変換したものが、データであると考えており、弊社が扱うデータ分析は、このようなあらゆる種類のデータを想定しています。

データ分析とは

こうして収集した情報を集めて、整理をして、意味づけを行うこととをデータ分析であると、弊社では定義をしています。

データ分析で重要なポイントは、以下の5つです。

①問いを立てる:「何を明らかにしたいか」を明確化します。
②仮説を考える:問いに対する仮説を構築します。
③分析をする:実際にデータを収集・加工し、仮説が検証できるか(仮説が正しそうかどうか)を考えます。
④打ち手を考える:どんな分析も打ち手につながらなければ無意味です。分析の結果から、とるべき打ち手を考えます。
⑤結果をまとめる:以上の結果を、自分以外にもわかりやすいかたちで整理し、一連の流れを、資料としてまとめます。
⑥打ち手を行う:分析の結果、得られた打ち手について、実際にアクションを行います。

それぞれについて、順番に見ていきたいと思います。

①問いを立てる

実際にデータを把握する前に、「課題は何か」「いま明らかにしたいことは何か」を明確にします。

一般的なデータ分析の文献などではあまり触れられないポイントですが、データ分析でもっとも重要であり、ここを見誤るとその後の分析が無駄になりかねないものです。

このとき、いまあるデータで分析できない課題も含まれることがよく起こりますが、まずは一旦、データのことを忘れて、課題を洗い出します。データの役割は課題解決をサポートすることです。いま貴社で所有しているデータで課題解決をサポートできていない場合は、新たに課題解決のためのデータを収集する必要があるからです。

②仮説を考える

問いに対して、その答えを仮説ベースで考えます。実際に分析を行う際は、手を動かす前に、仮説をしっかりと考え、その仮説を検証する形で分析を行っていくことで、その後の打ち手につながりやすい分析を得ることができます。

データ分析というのは、得てして発散しがちです。特に貴社が有しているデータ数が多ければ多いほど、分析内容が発散しがちになります。これまでにも、ひたすら集計をした結果の羅列のような、数百ページに渡る報告書を見てきましたが、こうした報告書は、内容のほとんどが使われないことも多いです。

また、仮説を考える際に、フレームワークを使うとその後の分析がやりやすいことも多いです。例えば、「自社商品の売上があがらないが、認知〜購買までのなかでどこで止まっているのか把握して、打ち手をあげたい」という問いの場合、AIDMAやファンネルのような、どこで漏れているのかを把握するためのフレームワークを用いることで、把握すべきデータや分析の方法などが明確になり、その後の分析〜行動までの流れがスムーズになりやすいです。

③分析をする

仮説を考えたら、実際にデータに手を加えます。定量データであれば集計を、定性データであればその意味をじっくり考えます。その上で、仮説が本当に正しそうかどうか、考えていきます。

データを見ていった結果、仮説が全く違う場合は、②に戻って仮説を再度考え直します。
この部分は、②との行ったり来たりが多くなります。仮説を考えてデータをみて、もう一度仮説を深くして、という作業の繰り返しになります。

データを見て、仮説が十分に正しそうと言える、つまり裏付けがとれた場合は、それらをまとめる作業に入ります。この段階では、分析結果は数枚のグラフだったり、ホワイトボードに書かれたメモ書きであったりすることもあります。

④打ち手を考える

結果をまとめながら、実際の打ち手につながるかどうかをチェックします。

どんな分析も、実際の打ち手につながらなければ、ただのコストであり時間の無駄になってしまいます。分析結果が打ち手につながりそうにない場合は、問いの立て方や仮説、分析方法が間違っている可能生があるので、再度やり直しをします。

実際は、データを集めたり集計したりする前に、「この情報が得られれば打ち手につながるか?とるべき打ち手が変わるか?」を常にチェックしながら、分析方法の設計をすることになります。データを収集した後で、打ち手につながらなかった場合は、データ収集にかけたコストが無駄になってしまいます。

⑤結果をまとめる

①〜④までの分析結果を、資料としてまとめます。どんなに優れた分析結果でも、相手に伝わらなければ意味がないので、伝えたい相手に合わせて資料を作成します。

①〜④で明らかになった項目を使いながら、以下の点を明確に伝えます。
・分析を実施するに至った課題背景
・分析の目的
・分析の結果
・アクションプラン

大企業の場合は、分析結果を役員・上司や他部署に対して説明をすることが必要になります。せっかく分析結果から良い示唆が得られても、伝え方が下手だと、その価値が正しく伝えられずに無駄になってしまうこともあるので、資料化は大事なポイントのひとつになります。

分析結果のまとめ方は、企業によって様々です。資料の体裁ひとつをとっても様々なパターンがあります。ただし、どのような場合でも共通することは、「結果をストーリーでみせる」ことで、理解されやすい分析結果になるということです。分析結果も、単純にファクトの羅列にするのではなく、全体像から少しずつブレークダウンしていくなどが方法として考えられます。

人数が少ないスタートアップ企業の場合でも、重要な意思決定の場合は、最低限議事録やメモ書き・グラフなど「なぜその意思決定をしたのか」が最低限わかる程度に資料を残しておくと、後々振り返ることができるので便利です。

⑥打ち手を行う

⑤で合意が得られたら、データ分析結果に基づく打ち手を実行します。

繰り返しになりますが、どんな分析も、実際の打ち手につながらなければ、ただのコストであり時間の無駄になってしまいます。さらには、打ち手は当然考えただけでは意味がなく、実際の行動につながらないと意味がありません。

大企業でよくあることですが、打ち手を行うには他の部署を巻き込む必要があり、説明・説得に時間がかかる、という状況もありえます。このような場合も、データで客観的に示されている証拠などを用いて、時間をかけて説得することが必要になります。

データ分析について、実際のビジネスにどう活用するか、という視点から整理されたテキストやノウハウは、まだまだ少ないのが現状です。数字の読み方や統計のマジック、機械学習や人工知能などの技術的な知識のみではなく、「実際にビジネスにどう活用するか」という視点がないと、いくらデータ分析官(データサイエンティスト)を雇っても、実際の売上にはつながりません。

弊社では、こうしたデータ分析・データ活用に関するコンサルティングも承っております。詳細は右側のメニュー欄から、ご覧ください。



弊社では、データ分析や人工知能の活用に関するお問合せを随時受付けております。
弊社へのお問合せは info _at_ datastrategy.jp までお願いいたします。

Comments are closed.