データ分析職における業界の違い

データアナリストにとって、自分のスキルとキャリアパスに合った業界や業種を選ぶことは非常に重要です。詳しくは、以下をお読みください。

データ分析の役割は、業種によって大きく異なります。しかし、このテーマを論じる講座や論文はほとんどなく、多くの学生は就職活動や転職活動において、業種間の重要な違いを明確に理解していないため、業種選択を真剣に考えていません。

データアナリストにとって、データドリブンな業界に身を置くと、たとえ優れたスキルを持っていても、その価値を実感することは難しいでしょう。コア事業への関与や事業成長の推進が難しく、キャリアアップが遅れることになります。そのため、そのような業界に参入することは非常に大きなストレスとなり、将来のキャリアに悪影響を及ぼす可能性があります。

したがって、業界を選択する際には、どのような業界に進むべきかをある程度理解しておく必要があります。

I. 3つの異なるビジネスの種類

データ分析におけるビジネスの種類にはどのようなものがありますか?

ビジネスや業界におけるデータ分析の需要を強いものから弱いものの順にランク付けすると、最も強い需要は強い需要、最も弱い需要は弱い需要、中間の需要は中程度の需要という 3 つのカテゴリに分けることができます。

1. 需要の高い事業

まずは需要の高い事業から始めましょう。まず需要の高い事業は…

強い需要とは、ビジネスに明らかな増分利益をもたらすことができるデータ分析を指します。

配車プラットフォーム、自転車シェアリング、サプライチェーン事業など、そのようなビジネスの例をいくつか挙げてみましょう。これらのビジネスでは、データと業務の関係が非常に明確です。例えば、サプライチェーンでは、ある倉庫の在庫額が増加し、別の倉庫の在庫額が減少したことが分かります。必要なのは、在庫額をある倉庫から別の倉庫に移動させるだけです。

全体的な在庫準備の効率性を向上させることができ、これは非常に明確で、数値式を使用して完全に導き出すこともできます。

例えば、配車プラットフォームを考えてみましょう。朝のラッシュアワー時には、特定のエリアでキャパシティが不足することがよくあります。そこで、朝のラッシュアワー時にそのエリアにキャパシティを追加割り当てすると、新たな注文が生まれます。この関係は比較的明確です。朝のラッシュアワーにおけるユーザーの移動需要は一定であるため、キャパシティがあれば取引は成立します。したがって、この種の業界やビジネスにおけるデータ分析の必要性は非常に明確です。

2. 需要が弱い事業

強い需要について議論したところで、今度は弱い需要について話しましょう。

需要が弱いということは、業界またはビジネスにおけるデータ分析の需要が非常に弱く、売上や製品によって左右される可能性が高いことを意味します。

例えば、大企業顧客への営業重視のB2Bビジネスでは、営業担当者が顧客と良好な関係を築いていれば、通常は数回の訪問で成約に至ることができます。しかし、データ分析の観点から見ると、成約に至るプロセスにおける意思決定プロセスが長すぎるため、取引の背景にある理由を分析することが困難です。

この種のビジネスは売上に大きく依存しています。データ分析でできることはほとんどありません。どんなにデータ分析を行って成果を上げても、営業担当者が数回余分に訪問するよりも効果は劣ります。

プロダクトドリブンなプロダクトにも同じことが当てはまります。ChatGPTのように、他社にはないプロダクト体験を提供できる場合、現段階ではデータ分析はあまり役に立ちません。他社はChatGPTと同等のサービス体験を提供することに苦労しています。したがって、現段階ではプロダクトを継続的に改善していくだけで、ユーザーベースは着実に拡大していくでしょう。これは高度な運用を必要としないため、データ分析は必要ありません。

3. 需要が中程度の事業

強い需要と弱い需要について説明しましたが、その中間にあるのが中需要ビジネスです。

この事業分野は、大まかな方向性は比較的明確ですが、細かい点が不明確です。これらの細かい点については、データツールや分析手法を用いて結論を導き出す必要があります。これにより、より確実な方向性への突破口をより容易に特定し、試行錯誤にかかるコストを削減することができます。

需要が中程度のこの種のビジネスは、データ分析に明確な方向性がなく、漠然とした一般的な方向性しか示さないため、実際にはデータアナリストにとって最も厳しい要件となります。そのため、優秀なデータアナリストとそうでないデータアナリストが導き出す結論は大きく異なる可能性があります。優秀なデータアナリストはビジネスの成長を加速させることができますが、そうでないデータアナリストはそうではありません。したがって、この種のビジネスにおいて、データアナリストは真の差別化を図ることができます。

これには多くの創造性が求められます。ビジネス、ビジネスロジック、ユーザー心理、そして取引プロセス全体を深く理解する必要があります。需要が中程度のこの種のビジネスは、一般的にデータアナリストにとって最も一般的であると考えられています。

II. それぞれの特徴

次に、3つのタイプの特徴についてお話しします。

1 つ目は、需要が強く、各種指標の関係が比較的明確な業態です。

これは会計や数学の問題を解くことに似ています。ある指標が変化すると、それが他のどの指標に影響を与えるかを明確に推測できるからです。そのため、このビジネスにおける様々な指標間の関係性を非常に深く理解している必要があります。

2つ目のタイプは、需要の低いビジネスです。データ分析の必要性は非常に低いです。そのため、これらのビジネスのほとんどにおいて、あなたの役割は単にデータを取得することだけです。上司の視点から見ると、これは営業主導のビジネスであり、あなたの中核的な価値は営業の業務効率化を支援することです。このようなビジネスでは、データアナリストの地位は比較的低く、彼らは基本的にデータを取得するツールでしかありません。たとえ、この仕事に非常に優秀で有能な人材が見つかったとしても、その価値を最大化することは困難です。これは、彼らの能力ではなく、ビジネスモデルが成長機会の発見にデータ分析を必要としないという事実によって決まるのです。

3 番目のタイプは、データ分析が多少混在する可能性がある、中程度の需要があるビジネス向けです。

ビジネスには良いものと悪いものがあり、これらの種類のビジネスではアナリストのスキルレベルに大きな差が生じます。上限は非常に高いですが、下限も非常に低いのです。

このようなビジネスに携わる人の中には、データ検索業務も行っている人もいるかもしれません。しかし、彼らは適切なビジネス戦略を持たず、分析結果を体系的にまとめることができないため、実際には需要の低い企業が提供するサービスと似通っており、単にデータ検索コンテンツを提供しているだけです。

しかし、中堅企業のこの環境において、非常に有能な人材は、非常に多くの貴重な情報を発見することができます。自分の価値を証明できれば、給与は大幅に上昇する可能性があります。

III. 成長の道筋

次に、これら3つの異なる事業形態とその成長経路について考察してみましょう。これら3つの事業形態の関係性は、ピラミッド図で表すことができます。

ピラミッドの底辺は、需要の低い業種を表します。これらの業種は主にデータ取得を中心としており、レポート作成において分析はほとんど行われません。したがって、間違いなくピラミッドの底辺に位置します。

ピラミッドの頂点には、需要が強い企業と中程度の企業があり、これらは同じレベルにあるため、同等であるとして左側と右側に配置しました。

どちらのタイプも良好な成長軌道を描けます。サプライチェーン分析の専門家、キャパシティ分析の専門家になることができます。同様に、中規模需要のビジネスでは、ビジネス分析の専門家、ユーザー成長分析の専門家、製品分析の専門家などになることができます。

私たちが望む成長の道筋は、間違いなく下から上への道です。しかし、上に向かう際には、左に行くのか右に行くのかを慎重に考える必要があります。なぜなら、左と右の間で切り替えようとすると、より困難になるからです。

ピラミッドの左側は需要の高い業種で、ビジネスロジックは比較的固定されています。一方、右側は需要が中程度の業種で、ビジネスの複雑性が高く、分析の方向性が明確でないために多くの問題に直面します。そのため、この2つの業種は異なるビジネスロジックを必要とするため、変革が困難です。

さあ、あなたはどちらを選びますか？左を選びますか、それとも右を選びますか？

それぞれの利点と欠点について話しましょう。

まず、左側の需要の高い業態を見てみましょう。これらの業態は安定していますが、柔軟性は低いです。需要の高い業態の分析ロジックは比較的固定されているため、安定しています。さらに、多くの業務の詳細が絡んでいます。例えば、サプライチェーンを構成する各企業は、倉庫、物流、配送方法がそれぞれ異なります。そのため、長く企業に勤めることで、こうした業務の詳細を多く習得できるでしょう。

デメリットは、適応力が限られていることです。会社自体が倒産し、別の仕事を探さなければならない場合、あなたの経験はその会社でしか通用しないため、適切な仕事を見つけるのは困難です。その経験を別の会社で活かしたい場合、その会社の業務の詳細を多く改めて学ぶ必要があり、選択肢が限られてしまいます。

例えば、シェアサイクルのキャパシティを分析する場合、どのような選択肢があるでしょうか？おそらくキャパシティに関連する業界の仕事しか探せないでしょうし、これらの仕事は求人全体の比較的小さな割合を占めることは間違いありません。

もう一つのポイントは、需要の高いビジネスは会計に似ているため、この種の仕事は几帳面な人に適しているということです。彼らは様々なデータ間の関係性を計算するのが好きで、その成長曲線は比較的直線的です。今日は在庫について、明日は回転率についての概念を学べば、その知識を具体的な問題の解決に活用できるからです。

次に、中需要型ビジネスについてお話しましょう。このタイプのビジネスは安定性は低いですが、適応性は高いと言えます。

データアナリストはビジネスの成長機会を見極める能力に優れているため、安定性は比較的低いと言えます。業界全体が成長している時は、データアナリストは新たな成長機会を容易に見つけることができます。しかし、業界が低迷すると、データアナリストの価値が疑問視され、解雇される可能性が高くなります。そのため、安定性は比較的低いと言えるでしょう。しかし、その一方で、彼らは非常に適応力に優れています。

このタイプのビジネス分析は、様々な企業に共通するビジネスロジックに大きく依存しています。そのため、たとえ解雇されたとしても、需要の高い業種に比べて、転職先の企業を選ぶ際の選択肢が広くなります。

さらに、中規模需要のビジネスタイプについてはどうでしょうか？これらのビジネスタイプの成長曲線は比較的指数関数的であり、初期の成長は非常に緩やかで、その成長は不確実です。これは、ビジネスロジックを用いてビジネス上の問題を解決する場合、今日はビジネスコンセプトを理解していても、明日は理解できない可能性があるからです。

これらのビジネス概念は、まとまりのある知識体系を形成しておらず、特定の問題を解決することが困難です。一つの問題を解決すると、別の問題が発生する可能性があります。十分な経験を積み、理論的な知識と組み合わせ、自身の理解を深めた後、ようやくひらめきを得て、高度なデータアナリストへと転身できるかもしれません。そのため、このキャリアパスは比較的不明確であり、ビジネスに関心のある人に適しています。

給与分布に関しては、パレートの法則にさらに忠実に従います。最も優秀なアナリストは、他のアナリストよりも大幅に高い給与を得ます。需要の高い業種では、給与の高低は依然として存在しますが、その差はそれほど大きくありません。

IV. 結論

さて、今回のエピソードはこれで終わりです。この内容が、業界ごとのデータ分析の違いを理解し、今後の方向性をより適切に決める一助になれば幸いです。

著者: Jason;

出典：WeChat公式アカウント：三次元差異（ID：686668）

Haozao