多くの新人は、実際に分析を行う機会が十分にないと不満を漏らしますが、レポートの作成とプレゼンテーションは必ずしも同じではありません。異なる聴衆に対して、どのようにプレゼンテーションしますか？ 人々にレポートを注意深く聞いてもらうための秘訣は何ですか？

レポートを書くのは大変だけど、それをプレゼンテーションするのは大変、そんな悩みを抱えたことはありませんか？多くの新人は、日次、週次、月次といった定型的なレポートしか作成できず、本格的な分析を行う機会がないと嘆きます。

しかし、プレゼンテーションの機会が与えられると、聴衆は開始5分以内にスマートフォンを取り出し、楽しそうにスクロールし始めることがよくあります。どうすればいいのでしょうか？今日は簡単な例を見てみましょう。

ある企業が5つの事業ラインを持ち、その業績が次の図のようになっているとします。経済環境全体の影響を受け、2月と3月の業績は非常に低調でした。業績を改善するため、マーケティング部門は4月に全品20%割引のプロモーションを開始しました。最低購入金額の制限はなく、全従業員が参加できました。プロモーション開始から15日までの業績データは、次の図のとおりです（業績は月末のプッシュ通知なしで、月を通して均等に生成されました）。

この会社の各部門間の分担は次のとおりです。

• 営業部：全事業ラインにわたる営業業務を担当します。
• マーケティング部門：イベントの企画、組織、実行を担当します。
• サプライチェーン：製品の供給と在庫管理を担当。現在、全部門のリーダーや同僚がイベント分析レポートを聞きたいと考えています。

Q: これらの人々にどのように報告するのでしょうか？さらに質問ですが、ここにはたくさんの数字が載っていますが、各部署やグループに繰り返し報告する必要があるのでしょうか？

01 報道を注意深く聞いてもらうための秘訣

学生時代を思い出してみてください。午前4時間目、お腹が空いてゴロゴロ鳴っていました。一番聞きたかったのは、何だったでしょうか？二変数の一次方程式の解き方など、決して聞きたくありませんでした。きっと時計を見つめ、時間を刻みながら、先生が「授業終了！」と言うのを待っていたことでしょう。

誰もがそうなのです。自分が関心のあることだけを聞きたがり、他のことは気にしません。ですから、効果的なレポートを作るには、人々が何に関心を持っているかを知る必要があります。

明らかに、異なる部門や異なるレベルの人々はそれぞれ異なる焦点を持っています。彼らの関係性を理解するには、まず各部門の責任と仕事のやり方を理解する必要があります。例えば、このイベントでは、3つの部門は全く異なる焦点を持っていました。

既存のデータは豊富にあるように見えますが、ニーズによってはそれだけでは不十分で、より多くのデータが必要となる一方、いくつかの数値だけで十分な場合もあります。さらに、リーダーと従業員の間にも違いがあります（下の図を参照）。

そのため、プレゼンテーションを行う前に聴衆を理解することが非常に重要です。私たちは通常、次のような質問をします。

• レポートにはどれくらい時間がかかりますか?
• 報告を聞いていた人たちはどの部署から来たのですか?
• リーダーは来ますか？どのレベルのリーダーですか？

これらの点を明確に理解すると、よりターゲットを絞ったレポートを作成できます。

02 症状に合わせた報告方法

1. 営業部へ

まず第一に、営業部門は主に販売実績を重視しており、販促活動はその実績のほんの一部に過ぎないことを理解することが重要です。

したがって、営業部門に報告する場合は、メインタイトルを「4 月の業績報告」とし、最初のページでは 4 月の実績/見込み業績を記載する必要があります (下の画像を参照)。

第二に、パフォーマンスの詳細に注意を払うことで、リーダーが戦略を立ててリソースを配置するための基盤が提供されます。

最後に、部下と話す際には、AラインとBラインの成果を認め、努力を継続するよう促しましょう。DラインとEラインの従業員は、共有したい不満を抱えている可能性が高いため、報告書を機会としてAラインとBラインとコミュニケーションを取り、問題点を特定することで、より詳細な分析のための手がかりを残しましょう。

2. マーケティング部門へ

まず第一に、マーケティング部門は活動そのものに関心があり、売上高はそれらの活動の結果にすぎないことを理解することが重要です。

したがって、マーケティング部門への報告書のメインタイトルは「4月の活動報告」とし、最初のページでは活動の有無による差異について論じる必要があります。これは、活動がない場合の売上高はどの程度であるべきか、あるいは自然成長率はどの程度であるべきかといった問題に関係する点に留意してください。

この調査では、3月と2月の成長率をオーガニック成長率として用い、4月のキャンペーンは売上を大幅に押し上げなかったと結論付けています。この結論はマーケティング部門から異議を唱えられる可能性が非常に高いでしょう。彼らはこう反論するかもしれません。「キャンペーンを実施していなかったらオーガニック成長率がマイナスになっていたらどうなっていたでしょう？そんな方法では評価できないでしょう！」これは、オーガニック成長率がキャンペーン評価において最も複雑な問題の一つであることを示しています。

自然成長率に関して、陳教授はいくつかの洞察を共有しました。彼の自然成長率に関する論文のタイトルは「データ分析における究極の問い：自然成長率をいかに合理的に計算するか？」です。次に、陳教授は活動の詳細に焦点を当て、リーダーたちが下す以下の意思決定の根拠を示しました。

• 今月は投資額が増加しますか？
• 来月もまたやるんですか？

最後に、部下と接する際には、まずは活動の成果を肯定することで、あなたが彼らの味方であることを伝えましょう。そして、この機会を利用してフォローアップ計画について話し合い、次のステップを模索することで、より深い分析のための手がかりを残しましょう。

3. サプライチェーンへ

まず、サプライチェーンは業績数値そのものよりも、在庫や生産への影響を懸念しています。特に2月と3月に既に大きな受注残が発生していることを考えると、その影響はさらに深刻です。4月は改善したように見えますが、サプライチェーンにとって最大の懸念は、この改善によって在庫が解消されるのか、それとも新たな不足を引き起こすのかということです。そのため、同じ業績データであっても、サプライチェーンには全く異なる状況を示す可能性があります。

大まかに言えば、4月は増加したものの、1月と2月の供給不足を補うには至りませんでした。これは、在庫状況が改善していない可能性を示唆しており、サプライチェーンについては過度に楽観視すべきではないことを示しています。しかしながら、このデータだけではより正確な分析を行うには不十分です。

正確な分析には、A、B、C、D、Eの各カテゴリーの在庫／生産状況に細分化された、正確な在庫消費／生産サイクルデータが必要です。これは当社の能力を超えています。

さらに詳細な分析が必要な場合は、要件を記録して、後でより詳細な分析を行うことができます。

03 初心者ドライバーによくあるトラブル

現実はこの例よりもはるかに複雑ですが、この単純な例から、同じデータであっても、誰が提示するかによって解釈やデータレポートの形式がまったく異なる可能性があることがわかります。

そのためには、様々な状況に適応し、ビジネスの状況と部門の責任を明確に理解し、ビジネス上の課題について自ら判断を下す能力が求められます。まさにこれが新入社員に最も欠けている点であり、彼らはしばしばこれを意図的に無視してしまいます。

ほとんどの初心者は固定データセットを見つけ、レポート テンプレートとサンプル データ テーブルに従ってデータを入力します。

さらに、このテンプレートでは、初心者に「分析の背景 - 分析の目的 - データソース - データクリーニング - 指標の解釈 - モデリングプロセス - 分析の結論 - 分析の提案」という手順に沿って内容をリストアップするように指示することがよくあります。一見包括的に見えますが、実際には冗長で役に立たないものです。

この単純な例からでも、次のことがわかります。

1. 企業では、すべての問題を明確に分析できる単一のデータセットは存在しません。多くの場合、一部のデータを監視することで問題が発見され、議論を重ねた上で他のデータを用いて検証するため、複数のデータセットを連携させる必要があります。

2. 企業においては、決まった分析アプローチというものは存在しません。あらゆる問題は、ビジネスコンテキストを考慮して対処する必要があります。コンテキストがわずかに変化するだけで、データの整理方法も変わってきます。

3. 企業には決まった報告書のテンプレートはありません。誰も中身のない話を聞きたくありません。データレポートは、対象者にとって最も重要な問題に対処して初めて効果を発揮します。

これらはテンプレート、データセット、あるいは例だけでは解決できない問題です。優れたデータアナリストは、具体的なビジネス上の課題を念頭に置き、データを用いてそれらの課題を解釈し、そこから新たなデータを発見します。

組立ラインでは、作業員がテンプレートに従ってネジを締めており、すべての作業はまったく同じです。

これを皆への警告として役立ててください。

おそらく多くの学生は、この例は理想主義的すぎるし、実際の作業では非常に複雑だと言うでしょう。

興味深いことに、複雑で具体的な問題を小さなモジュールに分解することによってのみ、データを使用して問題を明確かつ正確に説明することができます。