データドリブン思考とは、単なるデータ分析スキルではなく、データに基づいた思考方法を指します。この記事では、データドリブン思考の4つの基本原則を、分かりやすいクイズ形式で分かりやすく解説し、学習に役立てていただけます。

データドリブン思考は、多くの大企業にとって面接の重要なポイントであり、多くの企業リーダーが頻繁に話題にしています。しかし、データドリブン思考とは一体何でしょうか？「思考」という言葉が示す通り、それはコードや数式を機械的に暗記することではなく、思考方法を指します。

データに基づく思考力をテストできる質問は数多くあります。

今日は、簡単な質問を通して一緒に体験してみましょう。

データ思考クイズ

例えば、ある日、あなたの知り合いが「株で100万負けたんだけど、どうしたらいい？」と暗い顔であなたに尋ねたとします。あなたはどのように答えますか？

考える

テスト

1つ

ポイント

ベル

データ思考の第一ルール

注意！「損失」はデータ指標ではなく、定性的な説明です。

さまざまな株式市場の投資家によると、「損失」は少なくとも 6 つの状況に分類できます。

• シナリオ 1: 良い株を見つけましたが、躊躇して購入しなかったため、100 万ドルの利益を逃してしまいました。
• シナリオ2：良い株を買ったのに、売るのが早すぎた！その結果、100万ドルの利益を逃してしまいました。
• シナリオ3：良い株を買ったのですが、高値で売るのを忘れてしまいました。今、株価が下落し、100万円の利益を逃してしまいました。
• シナリオ 4: 悪い株を買って、他の人の株が上がる一方で黙っていたため、100 万ドルの利益を逃しました。
• シナリオ5: 良い株を買ったのですが、買った直後に株価が下がり始め、100万円の純損失が出てしまいました。

これがデータ駆動型思考の第一原則です。データを使用して問題を定量化し、説明するのです。

これは簡単なことのように思えますが、誰もができるわけではありません。

たとえば、この問題に直面したとき、多くの人の最初の反応は次のようになります。

1. どの株を買ったんですか？この株が良いかどうか見てみましょう。
2. いくら資金が残っていますか？保有ポジションを増やしたり減らしたりする余裕はありますか？
3. 合計でいくらの資産をお持ちですか？100万ドルを失ったら、ズボンも含めてすべて失ってしまうのでしょうか？

興味深いことに、これらもまた 3 つの典型的な思考モードです。

• 株式に関する議論は通常、製品の品質、パフォーマンス、長所/短所に重点を置いた製品指向の考え方を反映しています。
• ポジションの追加について話し合うことは、典型的な営業の考え方を反映しています。重要なのは、行動することです。行動してください。行動してください。
• 議論は典型的な運用上の思考に焦点を当てています。運用上のテクニックを調べて、もう少し実験してみましょう。

これら 4 種類の人々を同じテーブルに座らせると、それぞれの特徴が非常に異なっていることがわかります (下の図を参照)。

データ思考の第二の原則

データ駆動型思考の第二の原則：データの比較に基づいて判断を下す。例えば、「私は株式市場で100万ドルを失った」とします。この100万ドルは「私」にとって何を意味するのでしょうか？様々な可能性が考えられます（下の図を参照）。

さらに、総資産だけを見るだけでは不十分な場合があります。なぜなら、総資産の大部分は、不動産、自動車、定期預金、高価な宝石など、すぐに換金できない資産で構成されている可能性があるからです。多くの人は手元にそれほど多くの現金を持っていないため、100万ドルを失うと生活費が消えてしまう可能性があります。そのため、資産構成も確認する必要があります（下の図を参照）。

これも簡単そうに見えますが、実際に行うのは非常に困難です。

人々は質問者の状況を無視して、本能的に自分の状況を質問者に投影する傾向があります。

これがデータ駆動型思考の最大の利点です。定量化された詳細なデータを使用して事実に基づいた思考をすることで、より効果的な問題解決方法を見つけることができます。

「服は体に合わせて仕立て、食事は料理に合わせて」とよく言われますが、これは本質的に同じ考え方です。

データ思考の3番目の原則

データ駆動型思考の 3 番目の原則: データの不一致に基づいて解決策を見つける。

たとえば、この人が純額 100 万ドルの損失を被ったことがすでに判明している場合でも、次のように質問できます。

• 現在の経済情勢が悪いため、投機をする人は誰でも損失を被るのでしょうか?
• この男は株取引が全くできないのか？10回中9回は損をするのだろうか？
• 株価下落の原因はたった一つの銘柄だけでしょうか？まだ挽回できるチャンスはあるのでしょうか？

注意！データによっては異なる判断をする場合があります。

• この人はトレードで10回中9回は負けているので、おそらく初心者でしょう。もうトレードすべきではありません。
• この男はたった一度のチャンスを逃した。もしかしたら実力不足かもしれないが、まだ状況を好転させることができるかもしれない。

データ駆動型の思考は 100% の正確性を保証することはできませんが、間違った方向に考えてしまう可能性を大幅に減らすことができます。

データ思考の4番目の原則

データ駆動型思考の第4原則：現実から現実へ。データ駆動型思考は「データのみ」ではありません。むしろ、データ駆動型思考を習得した人は、異常なデータパフォーマンスを通じてより多くの真実を発見することができます。

たとえば、この男性は明らかにかなり裕福ですが、少ししか損をしていないのに、なぜまだそんなに心配しているのでしょうか?

彼が悲しんだのはお金のことではなく、むしろ次のようなことだった可能性が高い。

• 自己不信が生じた
• 友人から見下されることを恐れる
• 妻に叱られるのが怖い！

この時点で、数字そのものに焦点を当てるのをやめ、より深い問題を明らかにするために彼とコミュニケーションを始めましょう。

つまり、データドリブン思考は「アバタールクラ・ヴラ」のような瞬時に効果を発揮する魔法の呪文ではありません。むしろ、慎重かつ綿密な分析を行い、手がかりから結論を導き出し、最終的に全体像を組み立てていくことが必要です。

たとえば、最初は単純に見える質問でも、すべての手がかりを分析すると、次のようなロジックが明らかになる場合があります。

データ思考を養うためのヒント

データ思考を養う最良の方法は、「Underlying Logic」や「Core Thinking」のような本を読むことではなく、日々の仕事や生活の中で、より多くの質問をし、データを見つける努力をすることです。

• データを扱う際には、次のような質問を自問自答しましょう。データはどのように収集されたのか？データ収集の期間は？計算式は何だったのか？データソースを無視して「このデータは見ていないので間違っていると思う…」とすぐに言うのではなく、
• 規模、量、スピード、品質、不公平さなどに関する判断に直面したときは、自分自身に問いかけてください。「指標は何なのか？基準は何なのか？」基準を考慮せずに「正しいと思う！」や「間違っていると思う！」とすぐに言うのではなく。
• 決断を迫られた時は、自分自身に問いかけてみましょう。「この決断を下す基準は何だろうか？ 結果はどのように測定するだろうか？ どの程度まで達成したいだろうか？ データが変化したら、決断を変えるだろうか？」と。「この業界に10年いる。自分の言うことは正しい。だから、このやり方でやろう」と安易に言うのではなく、自分自身で考えてみてください。

答えが見つからない場合でも、練習を重ねることで、問題に直面したときにデータについて考えるという良い習慣が身につきます。

判断を裏付けるデータがあれば、より良い決定を下すことができます。

もちろん、このクイズは気軽な冗談を交わすためだけのものです。