この記事では、データアナリストが「頭の悪い」チームメイトに対処するための戦略を深く掘り下げ、基準点の発見から隠された厳格な目標の特定まで、幅広い実践的な解決策を提示します。データ分析という専門職への深い洞察を提供するだけでなく、ビジネスとデータ分析の統合に関する貴重な考察も提供します。

データを扱う人にとって、確認、要約、そしてまとめるべきレポートは山ほどあります。しかし、最近は「頭の悪い」チームメイトが現れ始めており、データアナリストたちは非常にフラストレーションを感じています。

具体的な内容については、以下の画像をご覧ください。

さて、みんなに馬を買うことについて、暗黙の了解を言わせてもらいます。ビジネス、ビジネス、何を達成すべきかさえ分かっていないなら、一体何をしているんですか？頭はどこへ行ってしまったんですか？どうしてもっと早く聞かなかったんですか？もう全てが終わってしまいました。あなたは物事をめちゃくちゃにして、私のことしか考えていません…どうすればいいのでしょう？今日はもっと詳しく見ていきましょう。

01. 頭を使っていない？それは愚かか悪意のどちらかだ。

なぜこのようなことが起こるのでしょうか? 理由の一つは、愚かさです。

多くの人は頭を使わずに働いています。

多くの企業のオペレーション、プランニング、製品マネージャーは、仕事をするときにテンプレートを探すだけで、アイデアを出したいときに競合他社を真似するだけで、他のことは何も知らないというのが実情です。

彼になぜそんなことをしたのか尋ねましたか？

彼はこう答えた。

• これは私たちが過去に行ってきた方法であり、今年も同じように行います。
• 他の人がそうしているのを見たので、私もそうしようと思います。
• 私はこれを10年間やってきた、なぜ続けないのか？
• これは上司の命令なので、私は何も知りませんし、尋ねることもできません。

それが実現可能かどうか、結果がどうなるか、うまくいかなかったらどうなるかなど、考えていません。

ビジネスが好調なら誰もが幸せです。しかし、業績が悪化すると、環境問題、競争、企業の投資不足、経営陣の判断ミスなどを責め始めます。「これはAIとビッグデータで分析する必要がある」という最後の一文は、彼らに難題を投げつけます…

もう一つのカテゴリーは「悪い」です。

自分が立てた目標を達成できないかもしれないと不安だったので、あえて目標を空白のままにして、「人工知能とビッグデータ分析」がその仕事をしてくれるのを待ちました。

入社したばかりの新人も信じてくれました！人工知能モデルならきっとできる！と本気で思ってくれて、二人はすぐに意気投合しました。

最終結果:

• 分析によって特に優れた結果が示され、上司がそれに疑問を呈した場合、上司はデータ アナリストのせいにして、「理解できない。これはすべてデータ分析の結果だ」と言います。
• 分析で良い結果が得られなかった場合、彼は立ち上がってこう言います。「分析は十分に深く掘り下げられていなかったのか？ 十分に包括的ではなかったのか？ 業界、マクロ環境、ユーザーといったより深い影響を考慮していなかったのか？」
• つまり、適切に分析しなかったために、持ち帰って修正したのです。

つまり、こういう厄介な事態は避けたいものです。しかし、事態がすでにここまで来て、チームメイトが本当に目標を設定せず、全く冷酷な人間でもなく、協力して状況を打開したいと言っている場合、私たちはどうすればいいのでしょうか？

02 行き詰まりを打破する鍵：基準点を見つけること

その後の状況を改善したい場合、最も重要なのは基準点を見つけることです。

後から評価基準を追加するのは、「先に矢を射て、それから的を引く」ようなもので、非常に非科学的です。しかし、評価基準が全くないよりはましです。なぜなら、評価基準がないと、活動中にパフォーマンス、ユーザー数、売上高などを単純に計算するだけでは、次のような一連の問題が発生するからです。

ほら、全然不明瞭なんです。

これは依然としてパフォーマンスベースの活動です。ユーザー数の増加や在庫処分といったタスクベースの活動となると、さらに混乱を招きます。何人のユーザーが満足とみなされるのか？成長の上限は？このキャンペーンにすべての資金が費やされたらどうなるのか？いずれにしても在庫処分が必要なのに、なぜキャンペーンが成功と見なされるのか？これらの点はどれも明確に説明されていません。

ですから、覚えておいてください。まず、正しいか間違っているか、良いか悪いかを判断する基準を見つけ、それからなぜそれが良いか悪いか、そしてどれだけ改善の余地があるかを分析します。これが最も明確で効率的な方法であり、多くの無意味な議論を減らすことができます。

03 隠された固定ターゲット

これはプロモーション活動の例です。論理的に考えると、プロモーション活動は実際に資金を投入するため、売上を間違いなく伸ばすはずです。重要な問題は、売上増加がコストに見合うかどうかです。

これは、すべてのプロモーション活動が暗黙的に厳格な目的を持っていることも意味します。

1. プロモーションなしと比較して売上が増加
2. 活動収益と活動コストの合計が、活動期間中の売上高の増加を上回りました。

具体的な例については、下の画像を参照してください。

イベントを開催する方が、全く開催しないより悪いなんて！ほとんど誰も参加しない！時間の無駄！これは明らかな問題です。

しかし、大抵の場合、この時点で事業部門が立ち上がり、会社を弁護しようとします。「プロモーションをしなかったら状況はもっと悪かったのに、プロモーションをやったことで事態は悪化した」と。このような言い訳は恥知らずです。これは、何かひどい間違いを犯した後で、間違いを認めようとしない典型的な例です。「プロモーションをやらなかったら地球が爆発する」と言えばいいのではないでしょうか。

この時点では 2 つのシナリオがあります。

上図1のような傾向であれば、パフォーマンスは引き続き低下しているものの、低下幅は緩やかであり、まだ浄化の余地が残っています。

傾向が通常の周期的変動である上記図 2 のようであり、イベントの実施後に企業の業績が実際に低下した場合、イベントの実行が不適切であったことになり、それを弁護する方法はありません。

この時点で、ビジネス パートナーに対する最善のアドバイスは、ひざまずいて自分の間違いを認め、頭を下げて罰を受けることです。

04 事後に目標を達成するための他の方法

もちろん、多くのプロモーション活動は、多額の投資を行ったとしても、売上やユーザー数といった指標が増加するなど、ある程度の成果を生み出します。そのような場合は、その後、他の手法を用いて追加の目標を達成することも可能です。

具体的には、これまでの活動とその形式を見直すことが必要である。

シナリオ1: 過去の活動なし

これは、キャンペーンを初めて開始した場合や、長期間キャンペーンを実施していなかった場合によく発生します。このような場合、キャンペーン期間と同じ期間を基準として選択することで、キャンペーンが全体的なパフォーマンスをどの程度向上させたかを確認できます。その後、キャンペーンに参加している地域やユーザーグループごとにパフォーマンスの違いを分析できます。

これを実行することの根本的なビジネス上の意味は、全体的なレベルをベンチマークとして使用し、どのように改善して全体的なレベルよりも低いレベルを達成するかを確認することです。

この比較により、アクティビティ内の最適化の領域が明らかになります。

同時に、今回が初めてなので、この作品の全体的なレベルを今後のベンチマークとして残しておけば、次回はあまり心配する必要がなくなります。

シナリオ 2: 過去のアクティビティはなく、定期的に変動します。

シナリオ1に基づくと、活動自体の影響を受ける事業に周期的な変動がある場合（上図参照）、その活動は波及効果をもたらす可能性があります。この場合、自然成長は前サイクルの成長量に基づいて計算でき、評価を行う前にこの部分を差し引く必要があります。

シナリオ 3: 過去にイベントが発生しましたが、イベントは 1 つだけです。

この時点で、前回のイベントをベンチマークとして、投資収益率と全体的な効果を計算できます。この2つの指標を組み合わせることで、イベントを継続することが収益性が高いかどうか、そしてイベントの最大効果はどの程度になるかを判断することができます。これにより、イベントは改善しているのか、悪化しているのかといった定性的な評価が可能になります。この評価により、基準点に基づいて改善すべき具体的な内容を検討し、詳細な分析が可能になります。

シナリオ4: 過去にもイベントが発生しており、複数のイベントが重複しています。

この時点では、各活動の貢献度を正確に計算することは困難です（そのため、多くの事業部門は目標設定を諦め、後になって個別に評価しなければならなくなり、フラストレーションを感じています）。最善のアプローチは、まず全体的な投資収益率（ROI）を確認し、この期間における活動の総合的な効果は高い／低いという大まかな方向性を定めることです。この方向性が定まった後、構造分析を実施して、各小規模活動の個別的な影響を検証し、多数のサブ活動からサブ活動を追加するか削除するかを判断できます。（下図参照）

05. 事後修復を防ぐための根本的な方法

不満はさておき、一部の事業部では本当に目標設定能力が欠如しているかもしれません…その時こそ、真剣に指導する必要があります。

本質的に、パフォーマンスは計算ではなく行動によって達成されます。事前に目標を設定することは、モチベーションを高め、より良い結果を達成するための手段に過ぎません。真に複雑な分析が必要なのは事後レビューであり、事業部門はここで過度の心理的プレッシャーを感じる必要はありません。

一方、本当にうまくパフォーマンスできないなら、やはり非難されることになるので、なぜわざわざそうするのでしょうか?

06 特に注意が必要な質問

特別な注意を必要とする目標が 1 つあります。それは「満足度」です。

一般的に、ユーザー数、課金ユーザー数、売上高、売上収益といった指標はシステムによって記録され、明確な意味を持つため、目標値として設定しても問題ありません。しかし、「満足度」のように直接記録できず、意味が不明瞭な指標については、特に注意が必要です。

まず第一に、満足とは何かを定義するのは難しいです。

5つ星のレビューは満足度としてカウントされますか？10元のクーポンを支払って得たレビューは満足度としてカウントされますか？5つ星のレビューを投稿した後に不満を言うのは満足度としてカウントされますか？コメントを残さないのは満足度としてカウントされますか？

第二に、システムデータを使って満足度を定量化することは困難です。ほとんどの問題が記録されないため、システムは苦情や否定的なレビューといった極端なケースしか記録できず、ほとんどのユーザーにとって信頼できるデータは得られません。また、サンプリングアンケートを使うと…データの質はご存じの通りです。

さらに、顧客満足度は、売上高やユーザー数といった最終目標と直接的な相関関係はほとんどありません。批判されるほど人気が​​高まるという現象は、多くの業界でよく見られます。

NPS、ブランド影響力、ブランド評判、市場シェア（業界データは第三者から提供されることが多く、その第三者の実態も把握しているため）など、定義が曖昧でデータ品質が不安定、そして操作されやすい指標は数多く存在します。事前に基準を明確に定義しておかないと、後々議論が絶えません。それなのに、特にビジネス関係者は「新規ユーザー登録の促進とブランド影響力の向上」といった表現を好んで使います…。これは単なる空論です。同じようなニーズをお持ちの方は、市場調査担当者や第三者機関に相談することをお勧めします。私たちはこの混乱に巻き込まれるつもりはありません。

07 究極の解決策

もちろん、究極の解決策は、データアナリストを計画プロセスに巻き込み、最初から専門的なガイダンスを提供することで、全員の思考を明確化することです。また、過去の失敗したプロジェクトのデータを共有することで、計画の質を向上させることもできます。

参加する機会がある場合は、次のスクリプトを使用してイベント情報を確認できます。

ビジネス側から「参照グループや参照期間が設定されていません。どのように設定すればよいですか?」と聞かれた場合は、データアナリストに問い合わせるのが最善の方法です。

実際の状況に基づいた専門的なアドバイスを提供し、お客様のトラブルを回避します。