データ分析の価値は何？
データ分析の価値とは何でしょうか？
一つに「今まで知らなかった新しい情報を知ることができる」ということがあげられます。特にこれまであまりデータ分析をしてこなかった組織や個人がデータ分析を実施すると、得ることができる情報量の多さには驚くことでしょう。しかしただ単に新しい情報を得るだけではデータ分析の価値を享受していることになりません。「今まで知らなかった情報で『これまでと違うアクションを起こす』」ことにつながって初めて分析の価値が十分に発揮されることになります。
では、そのアクションにつながる分析を実施するために必要なことはどのようなことでしょうか。大きく以下の4つ分析のコツを意識すると、効率的に分析を行いやすくなります。
①ゴールから逆算で考える
②的確なデータソースからデータをとる
③適切にデータ統合と集計を行う
④必要な情報を過不足なく見せる
これらの4つの分析のコツについて詳細を説明していきます。
①ゴールから逆算で考える
データ分析はデータ収集→クレンジング→データ加工→（機械学習などの場合はモデリング→）ビジュアライズ→アクションというプロセスで進みますが、どういう分析をするのかデザインする際はプロセスの前から考えてはいけません。必ず後ろから考えてください。どういうアクションでどのように現在の業務を改善したいか、そのためにはどんな情報が必要か、それはどんなデータを加工すれば実現できるのか、というように先の矢印とは反対向きに、プロセスの後ろから順に考えるのが王道です。
では分析のデザインもプロセスの前から進めてしまうとどういうことが起こるでしょうか。実施できる分析の選択肢が木の枝葉のようにどんどん広がっていきます。アウトプットの幅は広がるのですが、それらがほしい答えに向かっているとは限りません。情報としてはなんとなく面白いけど、アクションには全くつながらない分析結果を量産する羽目になります。
効率的に分析をデザインするにはゴールから逆算でということが何にも増してまず大切ですので、これは徹底的に意識してください。
②的確なデータソースからデータをとる
データ分析における結果を制限する一番大きな要素は何だと思いますか。
一番大きなものはどのデータを使うかということです。いくらいけてるというアルゴリズムを適用しようにもデータが検討違いのものであれば良い結果はでません。至極当たり前のことではありますが自分が検証したいことを証明できるのに一番適切なデータをとることにはぜひ執着してください。ほしいアクションにダイレクトにつながるデータをとれると分析もシンプルになりますし、見える世界、取れるアクションが一気に変わることがあります。
こちらの記事にもありまように、ビューカード様との取組では、当初受け取る予定であったデータに入会チャネルが紐づいていなかったため、先方に入会チャネルのデータを新たに付与することをお願いしました。データ加工の手間が増え、ビューカード様にはお手数をかけてしまったのですが、このひと手間が後々の分析や戦略の方向性を決めるのに非常に大きく役立ち、結果的に得られたリターンは莫大になりました。どのデータを使うかでのちの戦略が大きな変わる可能性があることを示す事例と言えます。
もちろんどうしてもほしい結果にぴったりと結びつきそうなデータは取れないということは多々ありますが、最初からあきらめるのではなく、より直接的なデータをとるということにはしっかりとこだわってください。
③適切にデータ統合と集計を行う
データ統合と集計に関しては、知識とスキルが必要です。試行錯誤しながらよりよい方法を学んでいくしかありません。テクノロジーが進んでいろんなツールが使えるようになっていますので、ぜひご自身での試行錯誤を進めてみてください。より複雑なことをしようとするとデータベースが必要になりSQLの知識も必要となりますが、その前のとっかかりとしてTableauやPower BIなどでもデータ統合や集計ができますのでまずそれらのツールでデータ統合や集計にトライしてみるというのも一手です。
我々ギックスは分析プロセスにおいて、このデータ統合と集計を効率化することを非常に重要視しています。先に挙げたビューカード様との取組のほかにも、名古屋鉄道様やクイーンズ伊勢丹様、ヤンマー様との取組、またその他ここでは公開はできない多くのクライアント様との取組みを通じて、データ統合と集計のメソッドを蓄積してまいりました。そのメソッドを体系化し、効率的でありながら、同時に柔軟な分析を実現する仕組み「GATE（ゲート）」を特許申請し、特許を獲得しています。
このようにデータ統合・集計のノウハウで特許獲得していることからも我々が如何にデータ統合と集計に注力しているかがご理解いただけるかと思いますし、特許獲得内容であるデータ統合と集計、および集計結果をさらに既存データに統合するというループプロセスが、われわれが効率的に分析を進めクライアント様に貢献する源となっています。
④必要な情報を過不足なく見せる（見せすぎない）
データ分析をデータクレンジングから地道に苦労を重ねて実施し、アクションにつながりそうな分析結果も出て、さあその分析結果を伝えるという段になった時に、得てして陥ってしまうやっていけないパターンがあります。苦労した分析した結果を「すべて伝えきりたい」という思いにも引っ張られ、実施した一連の分析結果をすべて見せてしまうということです。
これは本当に陥りがちなパターンなので十分気を付けてほしいのですが、聞く側はどんな分析をしてきたかということを聞きたいわけではありません。その結果を使ってどういうアクションをするのがよいかを考えたいのです。アウトプットが情報過多で、それが原因でアクションにつながらなくなるということは本当によく起きるパターンです。不必要な情報は悪です。
せっかく筋の良い分析結果にたどり着いたのですから、必ず一度落ち着いて分析結果を吟味して、どの分析結果を伝えるのが今後のアクションにつながるのかをしっかり考える癖をつけましょう。定型レポートをデザインするときにもアクションに必要な情報は何なのかをしっかりと考える癖をつけていきましょう。
