デジタル時代において、データはビジネスオペレーションの中核を担う原動力となっています。しかし、データを具体的な業務成果へと変換することは、多くの企業にとって依然として課題となっています。この記事では、業務におけるデータ分析の重要な役割と、データを活用して業務の効率性と有効性を向上させる方法について深く掘り下げます。

データアナリストはオペレーションスタッフをサポートすることが多いですが、同時にオペレーション上のジレンマにも悩まされています。これは、オペレーション業務がデータ分析と密接に絡み合っているためです。実際、オンラインのデータ分析記事の10件中6件はオペレーションスタッフによって執筆されています。

運用チームはデータ分析に深く関わっているため、分析のアプローチ、方法、結論をめぐってデータ アナリストと衝突することがよくあります。

今日は、最も大きな問題の一つについて見ていきましょう。オペレーション業務には様々な種類があり（下の図をご覧ください）、その中でもイベントオペレーションは最も戦略的で、データ分析と最も密接に関連し、同時に最も議論の多い業務です。今日はこれを例として取り上げます。

質問です。あるゲームアプリでは、5月にユーザーアクティビティがわずかに減少しました。アクティビティ運用チームは、ユーザーアクティビティを増加させるため（具体的な増加額は言及されていません）、チェックインアクティビティを開始することにしました。アクティビティ実施前後のデータは、以下の画像に示されています。

イベント運営チームは、イベントがなければ5月の有機的成長はもっと低かっただろうと主張した。

上司はこれはナンセンスだと思った。

イベント運営チームは、データアナリストは人工知能とビッグデータを活用して自然成長率を正確に分析する必要があると述べました。

Q: データアナリストであれば、何をすべきでしょうか?

01 科学の旗印の下の不条理

まず、この質問の要点は何でしょうか?

A. ユーザーアクティビティ率の低下

B. 自然成長率

C. 人工知能とビッグデータ

ちょっと考えてみてください

質問から始めましょう。ある日、誰かが弓を持ってあなたのところにやって来て、「人工知能とビッグデータを使って、私の命中率が自然な命中率と比べてどれだけ高いのかを正確に分析してください」と頼んできたとします。あなたはどうしますか？キーボードを手に取って、コードを書き始めますか？いいえ！まずは「何を狙っているのですか？」と尋ねるでしょう。

もし彼が「何を撃ったのか分からない。分析を手伝ってくれないか？」と言ったら、あなたはどうしますか？人工知能やビッグデータを使って、彼が何を撃とうとしていたのか分析しますか？もちろんしません！礼儀正しいなら、まず彼が撃った矢を見つけるように頼むでしょう。失礼な場合は、ただ罵倒を浴びせればいいのです。だって、矢を放つ前に的を定めなければならないことは、幼稚園児でも知っているでしょうから。

これは常識です。

つまり、問題の核心は、具体的な改善量が明示されていないことです。質問自体にも欠陥があります。問題はアクティブユーザーの減少に起因している点に留意してください。しかし、目標設定の際に運用チームはそれをユーザーアクティビティに変更しました。このたった一言の違いが、意味を完全に曖昧にしています。

• 「学位」とは具体的に何を意味するのでしょうか?
• それはアクティブユーザーの数を意味するので、それを直接使用しないのはなぜでしょうか?
• ユーザーのアクティビティ率のことですか？計算式はみんな同じですか？
• 総合的に計算するということですが、計算式や重み付けはどうなっているのでしょうか？

指標自体が不明確で、どの程度の改善が期待されるのか明確な指示もなかったため、活動後の分析は惨憺たる結果に終わりました。アーチェリーの大失敗と全く同じ状況でした。問題は、なぜこのような奇妙なことが起こったのかということです。

02 不条理の背後にある困難な状況

実際に企業で働いた経験のある人なら誰でも、すべての意思決定が必ずしも高度に合理的であるとは限らないことを知っています。例えば：

• これは日常的なイベントであり、運用チームはテンプレートを取得し、いくつかの小さな変更を加えて起動するだけです。
• これは上司自身が命令したことなので、私たちには理解できず、質問することもできません。
• これはビジネスにおける直感です。「何かがおかしい！」と感じても、実際にそれを観察して修正しようとすると、もう手遅れです。
• これは迷信です。人工知能もビッグデータもないのに、全部一気に手に入れられるはずがない、と。

つまり、実際の企業では、おおよそ次のようになります。

• 活動計画の30%は明確に書かれておらず、「消費を増やす/活動を増やす」と漠然と述べているだけだった。
• イベント計画の 30% では、不正確な表現が使用されており、「活動レベル」「活動価値」「活動パワー」などの空想的な概念が飛び交っていました。
• イベント計画の30％は、何の計算もなしに、完全に推測に頼って作成され、中にはキャッチーなスローガンのためだけに1億という目標を設定したものもあります。
• 明確に書かれた計画は、ユーザーアクティビティを増やし、5 月の DAU を XX レベル以上に維持するというものです。

もちろん、経営が行き届いている大企業では、このような不規則性ははるかに少ないでしょう。しかし、多くの企業で同様の問題が存在します。事前に明確な目標を設定せず、後からビッグデータ分析に頼ってしまうのです。中には、人為的に非常に低いマイナスの自然成長率を作り出し、顧客を欺こうとする企業さえあります。このような状況に遭遇した場合、どうすれば良いでしょうか？

まず、「自然成長率」という言葉は絶対に避けるべきです。特に短期的な活動が集中している企業ではなおさらです。どうしてもこの言葉を使う必要がある場合は、「バイ・アンド・ホールド」方式を採用しましょう。つまり、自然成長率について事前に合意し、その後は調整することなくその数値を維持するのです。これは、チェスで手を取り消さないのと似ています。

1. 目標は何ですか？X%からy%に増やすなど、事前に明確に定義してください。
2. 明確で直感的な目標を見つけ、空想的/複雑な概念を避けます。
3. コア KPI に関連する目標を特定し、集中力を妨げないようにします。

これらが問題を徹底的に解決するための3つの原則です。

もちろん、そうすると 2 つの課題に直面することになります。

課題1：オペレーションスタッフの中には、目標設定の方法がわからない人がいます。サポートしていただけますか？

課題2：一部のアクティビティに事前に定義された目標がない場合はどうすればよいでしょうか？どうすれば改善できるでしょうか？

03 目標設定の基本的な方法

目標を設定する基本的な方法は 3 つあります。

1. KPI分解法
2. KPI逆算法
3. KPIシナリオ方式

これらはそれぞれ次の 3 つのシナリオに対応します。

1. 活動目標はKPI指標である
2. 活動目標はKPIプロセス指標である
3. 活動目標はKPI関連の指標です。

学生の中には、「なぜすべてが KPI にリンクされているのですか?」と疑問に思う人もいるかもしれません。

A: 実行しているタスクが KPI とほとんど関係がない場合は、そのタスクがいかに重要で緊急であるかをすでに把握していることになります。

KPI とは関係のない大規模な活動を行うこと自体が、KPI に影響を与える原因となる可能性があります。

KPI分解方法の例:

KPI逆算法の例：

KPIシナリオ方式の例:

オペレーション部門との良好なコミュニケーションを維持することは不可欠であり、データアナリストが計画段階の早い段階から関与できるようにします。これにより、オペレーション部門は考えを明確にし、目標を策定し、リリース後のモニタリングとレビューの準備を整えることができます。これは、Win-Win-Winの関係を築く上で不可欠です。事前の徹底的な準備は、リリース後の議論を回避し、協力的で相互に有益なパートナーシップを育みます。

04 事後修復の基本的な方法

事前に目標が設定されておらず、事後的に改善策が必要になった場合、根本的な問題は自然な成長率ではなく、「指標の観点からビジネスが実際に達成する必要があるもの」であることを忘れないでください。これは、冒頭で説明したような状況において特に当てはまります。

全体的な目標がすでに達成されていない場合、その後の自然成長率について考えると、責任のなすり合いに陥ることがよくあります。

これは次の 3 つのステップで実行できます。

ステップ1：方向を決定する

ステップ2：方法を見つける

ステップ3：詳細を確認する

このプロセスにより、少なくとも混乱は解消され、曲線をどのような形状にしたいかが明確になります。これにより、今回の反復でどの手法を使用するかを決定するのに役立ちます。細部に焦点を当てることで、次の反復における最適化の方向性を見出すことができます。

このアプローチは、キャ​​ンペーンが既に失敗しているという前提に基づいている点に注意してください。キャンペーンの効果を評価するための科学的な方法ではありません。キャンペーンを科学的に評価するには、事前に実験を設計し、テストグループとコントロールグループを明確に定義し、ユーザーの反応をテストする必要があります。繰り返しますが、重要なのは、事前に準備しておけば、後で心配する必要が減ることです。

多くの生徒はこう言うかもしれません。「たとえそうしても、会社のリーダーたちは相変わらず迷信深く、業務も相変わらず無神経で、問題が起きると責任転嫁ばかりする。どうすればいいんだ？」それでも、陳先生はまず全員がその方法を理解するべきだと提案しています。

こうすることで、問題が発生したとしても、少なくとも全員が自分の問題なのか、それとも誰かの問題なのかを判断できます。少なくとも、どの方向に進むべきかは分かっています。これは、現実のビジネスシナリオと科学研究室の違いでもあります。限られたデータ、多様な同僚、そして過度に高い期待や低い期待の間で綱渡りをしながら、常に束縛の中で踊らなければなりません。

学生の中には、「え？なぜ戦闘は半分しか終わっていないの？残りの半分は？」と疑問に思う人もいるかもしれません。答えは、イベント後の分析で常に生じるもう一つのジレンマです。「これを実行したらどうなるの？なぜアクティブユーザーの数がもっと増えないの？仮に増えたとしても、どうなるの？ある指標が高くても、他の指標が低い場合、どうするの？」

これは私たちがよく「総合評価質問」と呼んでいるものです（陳先生はよく「他に何かありますか？」と略します）。ご興味のある方は、後ほど詳しくお伝えします。