データを扱う人は、多くの困難な状況に遭遇するかもしれません。では、どのように対処すればよいのでしょうか？

データを扱う皆さん、仕事で難しい課題を任されたことはありませんか？ 歯を食いしばってイライラしてしまうような、よくある質問にはどんなものがありますか？ 学生からの過去の苦情を参考に、今日はよく聞かれる質問を8つ選びました。注意！ これから激しい内容になりますので、血圧の薬をご用意ください！

質問 1: 「ただの数字なのに、なぜこんなに時間がかかるのですか?」

これはよくある問題です。ほとんどの人は「数字」が実際に何を意味するのかを知らず、幼稚園で最初に習うのが数え方なので、「数字を求める」ことは数えるのと同じくらい簡単だと勘違いしてしまいます。

この問題を解決するには、まず、データがどこから来ているのかを事業部門に説明する必要があります。データは空から降ってきたものではありません。さらに、一連の基準を策定し、それを事業部門に一貫して浸透させる必要があります。

1. 再収集する必要があるデータはどれですか?

2. 収集されたがクリーンアップされずに使用できないデータはどれですか?

3. 利用できるオプションのうち、クエリ条件が非常に複雑なものはどれですか。

4. どれが利用可能で、簡単にクエリできますか?

5. クエリを必要とせず、レポート出力が固定されている関数はどれですか。

プロモーション活動においては、迅速な対応のために、じっくりとお客様のニーズを話し合い、それをレポートにまとめるという考え方を同時に推進してください。これは、ビジネス理解を深めるだけでなく、BIシステムの普及を促進し、利用率の向上にもつながります。断片的で場当たり的なリクエストを排除することが、長期的な解決策となります。

注意！製品のプロモーションを行う際は、「Tencent/ByteDance/Huaweiのビッグデータ活用法」といった、ビッグデータの威力を謳う記事は避けましょう。こうした記事は、読者の興味を掻き立てるだけです。代わりに、ビッグデータ、データウェアハウス、データガバナンス、データ分析に関する書籍リストやスキルツリーを共有し、この技術の複雑さを実際に体験してもらうようにしましょう。

質問 2: 「大量のデータがあり、すべて揃っているのに、なぜ分析できないのですか?」

この問題は前の問題と関連しており、どちらもリーダーがデータを理解しておらず、数字が少数であれば「ビッグデータ」であると誤って信じていることに起因しています。

この問題には別の側面もあります。採用担当者は、採用活動の際、「大量のデータがあります。すべて揃っています。分析をお待ちしています」と真剣に言うかもしれません。しかし、そのデータは整理されていない可能性があり、製品コードや注文番号がめちゃくちゃになっている可能性があるので、注意が必要です。

「データチームなし」または「データチームから隔離される」という条件が追加された場合は、採用時に注意してください。自分の存在を疑われるほどの心理的操作を受けることになります。

質問3：「データ分析はデータ分析の仕事ではないのですか？なぜ私が関与する必要があるのですか？」

これは修辞的な質問ではなく、単なる質問であることに注意してください。ビジネスユーザーは、それがデータとどのように関連しているかを全く認識していない可能性があります。そのような場合は、辛抱強く説明する必要があります。

1. データを取得するには、まずデータを収集する必要があります。

2. データ収集にはビジネス プロセスが必要です。

3. 基本的なユーザー情報を収集する必要があります。

4. ユーザーの行動データは、ページ上のデータを追跡することによってのみ取得できます。

5. 製品情報は標準化された方法で維持する必要があります。そうしないと、製品情報を理解することができません。

6. 仕入先情報、資材情報、活動情報、クーポン情報は上記と同様です。

7. 業務活動においてデータが無計画に適用されると、どのデータが正しいのかを判別できなくなります。

...

つまり、ビジネス面での支持を最大限得るためには、メリットとデメリットを明確に伝えることが重要です。もし言葉が枯れ果ててもビジネス側の反応がない場合は、議事録を作成することを忘れないでください。議事録を作成した後、データは完全に混乱し、誰かがその責任を負わなければならなくなります…

この文が修辞疑問文である場合、処理方法については次の点を参照してください。

質問 4: 「自分で調べてみなさい。なぜそんなにたくさんの質問をするのですか?」

この問題には2つのシナリオが考えられます。シナリオ1は、企業側がデータを求めて問い合わせてきたものの、データ取得の基準を明確にできない場合です。この場合、相手がどれほど積極的であっても、事前に明確にしておく必要があります。事前に明確にしておかないと、後から「データが不正確だ！あなたのやり方は間違っていた！」と責め立てられるでしょう。相手が積極的かつ無能な場合は、データディクショナリを使用し、どの指標をどのくらいの期間確認すべきかを正確に選択してもらう必要があります。

2つ目のシナリオは、後から積極的に業務を理解しようとしたにもかかわらず、冷たくあしらわれてしまう場合です。注意！事業部によっては、どうしても協力しにくい場合もあるので、すべての事業部と協力を強制してはいけません。もし本当にコミュニケーションを取りたくない場合は、業務内容を明確にし、他の部署とコミュニケーションを取るようにしてください。一般的に、1つか2つの部署とは良好な協力関係を築くことができ、他の部署とのやり取りも比較的スムーズに進むでしょう。

質問5：「あなたの行動については既に知っていました。詳細な分析は行いましたか？」

この問題は前の問題と関連しており、どちらもビジネスにおける協力姿勢の悪さに起因しています。あなたが知っていることを教えてくれないのに、私があなたが何か知っているかどうか、どうしてわかるというのでしょうか？もし私たちが積極的にコミュニケーションを取っているのであれば、責任は私たちにはありません。もしコミュニケーションを取っていないのであれば、そのことを反省し、拒否されるまで積極的にコミュニケーションを取るように努めるべきです。

実は、ここにはWin-Winの解決策があります。ビジネスチームが事前に分析仮説を提示し、データ分析チームがその仮説を検証するのです。これは、ビジネス部門の最も切迫した懸念事項に直接対処するだけでなく、データチームがビジネスの思考プロセスを理解するのにも役立ち、最終的にはWin-Winの状況につながります。ただし、そのためにはビジネス部門内で協力的な姿勢が求められ、全員が誰と協力するかを選択する必要があります。

質問6：「あなたの予測はどれくらい正確ですか？」

これは必ず聞かれる質問です。警告！80%、90%、95%のどれがより正確か、と議論してはいけません。それは罠です。後になってビジネスで問題が発生するたびに、彼らはあなたを責め立てます。「あなたの予測は不正確でした！私の製品の粗利益はわずか5%です。95%の予測精度が何の役に立つというのですか？全部あなたのせいです！」

問題の核心は、企業が予測をどう扱うかということです。

• まず自然な傾向を予測し、それに基づいてビジネス上の判断を下すと、最終結果はビジネス上の行動に左右され、予測とは確実に異なるものになります。
• まずビジネスアクションを検討し、次に結果を予測する場合、ビジネス側はまず何をするかを私たちに伝える必要があります。そうしないと、予測は間違いなく不正確なものになります。
• 予測された指標がビジネスとは無関係である場合、ビジネス パフォーマンスの低下を予測のせいにすべきではありません (既に無関係であると述べていますが、まだ責任を転嫁しようとしています)。

もちろん、理想的な状況はこうです。予測には問題がつきものですが、ビジネス側の努力によって解決され、ビジネス側はデータ分析が問題をタイムリーに発見したことを称賛し、データ分析側はビジネス側が問題を効果的に阻止したことを称賛します。お互いを称賛し合う方がより良いのではないでしょうか。なぜお互いを傷つけ合う必要があるのでしょうか？

質問 7: 「物事を 100% 正確に予測できれば、ビジネスで良い仕事ができると確信しています。」

この問題には、「データ分析で問題を100%正確に特定できないから、自分の仕事がうまくいかなかった」といった反論もあります。つまり、ビジネスのパフォーマンスが悪ければ、その責任はデータに押し付けられ、ビジネス自体には責任がないということです。

多くの学生は「私の分析のどこが間違っていたのですか？」と反論するでしょう。それは彼らが罠に陥った時です。こういう人と議論しないでください。

結局、分析が議論の段階になると、彼はいつもあなたを責め、「ユーザーが何日の何秒にアプリを開くかをなぜ 100% の精度で分析できないのか」などと言います。魔法の水晶玉でもない限り、そんなことは不可能です。

最善のアプローチは、既存の強みを活用することです。注意！経営者は、経営者が責任を回避しようとすることを嫌います。そのため、より良いアプローチは、段階的な分析を行い、成功事例をまとめることです。同じデータ分析を用いて、なぜ他社は成功しているのに自社は失敗しているのかを分析します。「なぜ他社ほど優れていないのか」と「ビジネスをどのように進めるべきか」に焦点を移しましょう。これにより、責任転嫁を避けるだけでなく、より実践的な問題解決アプローチが可能になります。

質問 8: 「分析が会社の業績向上に関連していることをどのように証明できますか?」

この質問は、たいてい業績評価の時にしか出てきません。聞くと歯を食いしばって怒り、「データを求めていた時は下品だったのに、データを見て私を醜い人間だと思っているのか！」と叫びたくなります。しかし、この質問をするのはたいてい上司です。怒って辞職する以外に、もっと良い対処法はあるのでしょうか？

実際、サポート役は多かれ少なかれこうした問題に直面することがよくあります。彼らは本質的に「道具」のように扱われ、必要な時にのみ評価され、必要でない時には忘れ去られてしまいます。この問題を解決するには、業績評価の源泉から始める必要があります。合理的な評価基準だけでなく、リーダーが見て記憶に残る「ポジティブな瞬間」を巧みに作り出す必要があります。

著者：地道な陳先生；出典：WeChat公式アカウント：地道な陳先生（ID：773891）