ビジネス指標が変動し始めると、人々は常に次のような疑問を抱きます。 なぜ5%増加したのでしょうか? なぜさらに1%下落したのでしょうか? なぜ2日間上昇し、その後再び下降したのでしょうか? 「なぜ3日間も変わらないのか？」 さまざまな部門から常に無数の「なぜ」が寄せられ、データ アナリストは一日中数字の計算に追われ、目が回って混乱し、「なぜ先見の明がないのか」や「十分に深く掘り下げていない」といった不満を訴えることになります。 どうすればいいでしょうか？今日は体系的に説明しましょう。 I. よくある間違い最も一般的なアプローチは、指標が変化するたびにそれを細分化することです。様々な側面を分析し、相互参照することで、最も大きな差があるものが指標の変動を引き起こしている要因として特定されます（下図参照）。 そうすることは無思慮であり非効率的です。 これが「頭の悪い」と見なされる理由は、ビジネス関係者が特定の問題に関心を持っているためです。例えば、
... これらのビジネス上の理由は、データベース内の「性別、年齢、地域、商品名」といった単純なディメンションでは要約できません。そのため、クロス集計を生成したとしても、これらのより深い疑問に答えることはできません。 非効率性は、データアナリストの時間の大幅な浪費に起因しています。多くの変動は、単に自然な変動、あるいはビジネス自体が引き起こした問題です。また、開発者がフィードバックを提供せずにデータトラッキングを変更したことが、かなりの数の変動の原因となっています。これらの問題には、クロスタブを繰り返し作成する必要はありません。データアナリストにクロスタブの作成を強制することは、時間の浪費につながるだけでなく、パターンを要約し、詳細な分析を行う機会を逃すことにもなります。 では、このアプローチをどのように最適化できるでしょうか? II. 診断モデルの3つの重要な側面ソースを見て、3つの基本的な質問をしてみましょう。
答えは「いいえ、いいえ、いいえ」です。 変動の少なくとも4分の3は計画的かつ予測可能であり、心配するほどのものではありません。したがって、慌てて行動するよりも、事前の準備作業の方がはるかに有益です。指標を明確に特定し、事前に原因を収集し、結果を予測することが、体系的な問題解決の鍵となります。これを実現するには、謎めいたコードの羅列ではなく、ワークフロー全体のサポートが不可欠です。 III. 中核指標、補助指標、周辺指標の区別収益、費用、利益に関わる指標はいずれもコア指標であり、これらの変動には特に注意を払う必要があります。 補助指標とは、収益、コスト、利益を構成するプロセス指標またはサブ指標です。例としては、ユーザー数、コンバージョン率、平均注文額などが挙げられます。補助指標の変動は必ずしも問題ではありません。単にビジネスが新しい形態に進化しただけかもしれません。したがって、毎日変化を確認する必要はなく、むしろ発展の傾向に注目するべきです（下図参照）。 これらは周辺的な指標であり、直接関連する指標ではないだけでなく、満足度やNPSのように正確に定量化できない指標でもあります。これらの指標については、長期的な傾向をモニタリングするだけで十分です。さらに、口コミや世論における極端な事例（特に不満を持つ顧客や悪意のある攻撃）に焦点を当てることは、統計的な指標を見るよりも価値があります。 もちろん、コア事業、副次事業、周辺事業の定義は業種によって異なります。しかし、差別化は不可欠です。そうでなければ、「分析はたくさんしているのに、業績には全く影響がない」という困った事態に陥る可能性が高くなります。 IV. 肯定的原因と否定的原因を明らかにする一般的な肯定的な理由:
よくある否定的な理由:
これらのことは事前に知ることができるだけでなく、その大部分を事前に分析して許容範囲を決定することもできます。 繁忙期と閑散期には、周期分析を使用して過去のデータから周期的な変動パターンを抽出できます (下の図を参照)。 プロモーション活動の場合、まず活動の種類にタグを付け、過去のデータに基づいて活動の種類ごとに投資収益率を計算できます。 新製品を発売する際には、まず製品タイプにタグを付け、過去のデータに基づいて製品の LTV 曲線を計算できます。 新しい店舗をオープンする際には、まず店舗の種類をタグ付けし、過去のデータに基づいて店舗の LTV 曲線を計算できます (原理は商品分類と同じです)。 タグ付けと事後分析を用いることで、自然要因や人的要因による変動の大部分を一定の範囲内で定量化できます。これらの要因を事前に収集することで、指標の変動による不安を大幅に軽減し、真に重要な課題に集中できるようになります。 事前に準備するのが難しい質問が 2 種類あることに注意してください。
これらの問題を解決するには、コミュニケーションと問題解決のメカニズムを組み合わせる必要があります。 V. 日常的なコミュニケーションと問題のトラブルシューティング日常的なコミュニケーション:
トラブルシューティング：基本データの品質、日報データの検証。 すべての情報がタイムラインにまとめられると、それは市場変動を解釈するための基礎資料となります。その後、データから得られる結果を待ち、その結果に基づいてさらに深く掘り下げるかどうかを判断します。 VI. アウトカム後の診断カテゴリーA：原因を把握 + 予想内 + プラスの変化。予想値を超えない限り、トレンドを監視するだけです。変動の理由を知りたい場合は、「通常の変動」という4つの単語に要約されます。 カテゴリーB：原因を把握 + 予想内 + マイナスの変化。予想値を超えない限り、トレンドを監視するだけです。変動の理由を知りたい場合は、「通常の変動」という4つの言葉に要約できます。 カテゴリーC：理由の把握 + 想定外の状況 + ポジティブな変化。例えば、下の画像のように、プロモーション後に大幅な増加が見込まれていたにもかかわらず、反応が乏しかった場合。なぜでしょうか？プロモーションが失敗だったのでしょうか…。このようなケースでは、プロモーション分析の詳細を直接掘り下げ、ビジネスチームが直接調査を行い、解決策を導き出す方が確実です。 カテゴリーD：既知の原因 + 予期せぬ事態 + マイナスの変化。例えば、下の画像に示すように、当初予想されていた悪天候が長引いたため、もともと脆弱だった店舗の一部が倒産寸前まで追い込まれました。このような場合、対策を2つのグループに分ける必要があります。 一つのアプローチ: 不正行為を助長する可能性のある他の重複する要因があるかどうかを分析します。 別のアプローチ: ベンチマーク分析を実施して、過酷な環境に対する緊急時対応計画があるかどうかを確認します。 カテゴリーE：原因不明＋プラスの変化。期待を上回ることは良いことなのでしょうか？必ずしもそうではありません。例えば、一見すると一時的な売上増のように見える場合でも、営業チームがそれを信じて在庫を補充すれば、在庫がさらに積み上がる可能性があります。したがって、プラスの変化が期待を上回る場合は、売れ筋商品の在庫切れ、売れ行きの悪い商品の買いだめ、マーケティング費用の高騰（バーゲンハンターに利益をもたらさないように）、苦情の急増など、関連する要因に細心の注意を払う必要があります。 タイプF：原因不明＋マイナスの変化。これは注意すべき点です。この場合、まず「3つの点に着目する」必要があります。 まず、地域の問題か地球規模の問題かを考えてみましょう。 2 番目の考慮事項: 突然の問題か、継続的な問題か? 3 番目の観察: 改善の兆候は見られますか、それとも症状は悪化していますか? （簡単な例については、下の画像をご覧ください） 原則として、局所的で突発的な問題の場合は、内部で原因を特定する方が早いです。一方、グローバルで持続的な問題の場合は、外部からの深刻な影響が考えられます。以前のプレゼンテーション「データ分析でDAUを向上させる方法」でより詳細な説明をしましたので、ぜひご参照ください。 つまり、十分な基本的準備をしておけば、軽微な問題、中程度の問題、重大な問題を素早く区別し、分析上の結論を導き出し、その後の分析の土台を築くことができ、目的のない相互参照を避けることができます。 VII. 要約データ分析には実際の数字が必要ですが、その数字を解釈するには豊富な事実が必要であり、データを使用して定量化可能な部分を定量化して評価し、継続的に変化する部分を監視し、曖昧な部分を分析することで、真実にどんどん近づいていきます。 これらのタスクはデータアナリストだけでは完了できないことに注意することが重要です。
... 分析？私のお尻を分析して！分析の結論はこうだ。この会社にはバカが多すぎる。もう救いようがない。 |
