bnr_toranomaki



データ分析のベースとなる部分(分析する前の考え方など)は、ロジカルシンキングの世界そのものだなと強く思います。



ロジカルに考えられた仮説や課題設定ができていないと、いかにその後の分析手法が優れていても、有効な答えにたどり着かないからです。



 



このプロセスは「適切な課題設定」から始まりますが、そのポイントの一つが



「明確、具体的な言葉の定義」です。



 



例えば「売上に対する販促が“効いていない”」という課題に対して、



「そうか!それは問題だ!」と突っ走るのではなく、



「効いていない」と判断した根拠を定量的に確認、共有しておくことは重要です。



 



“半年前はXXX円の販促で来店者が5%増えたが、現在では1~2%に留まる。”



 



を課題だと具体化できれば「それはまだ課題と呼べない」とか、「5%増はそもそも



標準的だったのか」といった確認や議論ができます。



ここを蔑ろにしたまま突っ走ると、何のために分析し、その結果をどう評価するかが曖昧なまま作業に突入します。



 



これを避けるのが、「適切な課題設定」なのです。



データから価値ある情報を引き出すには、どのような視点が必要なのか、の第3弾です。



多くの企業などでは、「お客様アンケート」を取りそこから有効な対策を取ろうとします。



でも多くのケースでは、どの項目の点数が高く、どこが低い、といったことで終わってしまいます。



そこを脱するには、これを追加するだけで良かった!という内容を動画で紹介しています。是非ご覧ください。



 



https://youtu.be/hk_RSU86TIc



 



英語版はこちらです(English version is here)



https://youtu.be/RWA3PMl4nuo



 



 



bnr_toranomaki



『データから情報を絞り出すには』と題して、Youtubeに簡単な動画をアップしました。



音声とスライドを使って紹介することで、より手軽に分かり易さを実現できるかと考えた次第です。



 



今回は、「”反対の軸”に着目」することで、データから見える情報を引き出します。



昨今話題になっている、外国人訪問者数の事例を使っています。



 





私の研修では、分析手法の説明だけでなく、このような視点や考え方の持ち方を重視しています。これが無いといくら方法を知っても使えないからです。



 



英語版はこちらです(英語でのプログラムご希望の場合もご相談ください)





 



是非、お楽しみください。



商品軸、顧客セグメント軸、地域軸など、データはある軸を決めて分解することで



初めて深掘りを開始することができます。



「どの軸が良いのか」はケースによりますが、実務でうまく成果を出すためには、



考えておくべき点があります。



今回はその一つ目『目的へのインパクトを考える』です。



 



理論的には仮説としていくつもの軸が思いつくかもしれません。



 



例えば、地域軸で売上データを分解して、地域ごとのバラつきが分かったとしても、



そのビジネスがネット販売であれば(地域に左右されないので)どうでしょう。



論文としては良いかもしれませんが、実務への活用という点からは”使えない“情報に



なってしまいます。



 



「その軸は目的に影響(違い)を与える要素か?」という視点が必要といったことは、



いわゆるデータ分析本には書いていないと思います。



 



でも目的を意識しながら分析の範囲を絞っていかないと、非効率だけでなく絵に



描いた餅にしかなりません。 分析の早い段階で押さえておきたいところですね。



bnr_toranomaki



 



 



ゴールを見据えたデータ集め



せっかくやり方を覚えたデータ分析の威力を、職場で十分に発揮するにはどうすれば良いのでしょうか。



「Garbage-in, Garbage-out」という言葉があります。
「ゴミのようなデータを使えば、どんなに分析手法が素晴らしくても、ごみのような結果しか得られない」といった意味です。



では、「ゴミではないデータ」とは何でしょうか。一般論で言えば、そのデータは仕事のゴールにどの位のインパクトを持つものなのか、を考えてみると分かります。



自分の職場だけで何となくモニターし自己最適だけに留まっている分析結果と、関係者がみなその分析結果がどのように自分達の最終ゴールに影響するものなのか把握できている場合とでは、成果が全く異なります。にも関わらず、前者のケースも少なくありません。



「このデータは何のため?」「これを知ると何ができる?」という問いに明確な回答ができるか否か、が確認する術の一つではないでしょうか。


PAGE TOP