分析フレームワーク（2-2）メッセージボードを作る

 

データ分析をする前にメッセージボードを作ります。

大事です。

大事だから考えます。考えなければならないので面倒です。でも、あるとないとでは分析結果の良し悪しに大きく影響します。

作ってみると分かります。面倒ですが時間はそれほどかかりません。

メッセージボード

以下は、メッセージボードのイメージです

できれば、「誰？」に対してはプロファイリングシートも作ります。

いきなりすべてを完璧に作るのは無理です。出来る範囲で十分です。

その中で、次の２つは必ず明確にしておきます。

• 誰？
• 目的

漠然としていても問題ないです。

データ分析を通して具体化します。どんどん具体的になります。そのときに作り変えれば良いです。

「目的」です

準備段階の「目的」はかなり漠然としていることでしょう。

問題ないです。

例えば、「売上アップ」だけでも十分です。データを集め分析していく中で具体的になります。重要なことは方向性がぶれないことです。同じ方向性でどんどん具体的にします。

次に「誰？」です

「誰？」に関しても準備段階では漠然としています。

でも、プロファイリングシートを作ると具体化します。しかし、プロファイリングシート自体も最初は漠然としています。

いきなり具体的なプロファイリングシートを作ろうとするのは無理です。重要なのはプロファイリングシートを作ろう！という意識です。意識すると色々と見えてきます。注意が向きます。どのような人か？何を期待しているのか？何を知っているのか？何をしたいのか？何が得意なのか？などを観察します。

プロファイリングシートがあれば、少なくともピザ屋に新メニューとしてラーメンを勧めるようなことはしなくなります。

可能であれば、、、

可能であれば残りの、

• 何？　…　そのアクションとは何か？
• 具体的には？　…　より具体的には？
• 最初の第一歩　…　一番最初にすべきこと

も埋めましょう。

データ分析前に作るのは至難の業です。

想像します。妄想します。かっこ良く仮説と呼んでも良いでしょう。準備段階で作っておくと安心できます。最終形がイメージできるからです。

この試みは無謀です。

たぶん内容は変わります。でも、不思議と半分くらいは何となく合っています。

そもそも、データ分析で驚くべき新発見を得ることは少ないでしょう。勘の良い人はデータ分析結果をほぼ当てられます。現場に近い人ほど当てられます。薄々気づいています。

感覚に合わない分析結果は間違っていることが多い

あり得ない結果はほぼありえません。あり得ない結果が出たら慎重に調べるべきです。本当だろうか？と調べます。

よくあるのが、

• 集計ミス
• 稀な現象の過大評価
• データの前提の認識不足

などです。

「集計ミス」は論外です。「稀な現象の過大評価」と「データの前提の認識不足」はデータ分析結果の読み取り方の問題です。

稀な現象とはほぼ起こりえない現象

例えば、分析結果からビールと紙おむつが一緒に購入されることが分かった。店舗の人も気づかなかった。これは新発見だ！さらに、驚くべきことに店のレイアウトを変更することでビールと紙おむつを一緒に購入する人が３倍に増えることも分かった。

でも、よくよくデータを調べたら来店客１０、０００人あたり１人の稀な現象だった。売上が３倍になるとは１０，０００人あたり３人になるということ。９９９７人を無視してたった３人のために店のレイアウトを変える。

果たして意味があるのか？

稀な現象を過大評価すると、間違っていないけど効果が薄い。そんなことが起こります。

データの前提

データの前提とは「データをいつ・どこで・誰が・何のために取得したのか？」ということです。

データの素性です。データの分析結果を読み解くうえで非常に重要になります。

例えば、各新聞社の世論調査の結果。ピッタリ一致することはありません。データの前提が異なるからです。少なくとも「誰が集めたデータか？」という前提は異なります。

データの前提が異なれば分析結果が異なることはよくあります。ほぼ同じデータでも異なることがあります。各新聞社の世論調査のように異なります。

つまり、データを読み解く際に、データの前提を意識しないと読み間違います。詳細は「２章　データを集める」で説明します。

夢の無い話をします

データ分析で新たな発見は少ないです。

新たな発見を過剰に期待するのは止めましょう。データ分析を買い被りすぎです。当たり前のことが当たり前にデータで確認されるだけです。

例えば、あなたが気温の高い日にアイスクリームがよく売れると感じていれば、データもそのままに出てきます。

データ分析は意味があるのか？

データの良いところは裏付けてくれることです。

例えば、何となく思っていることを裏付けてくれます。感覚的なことを確信に変えます。後押ししてくれます。勇気を与えてくれます。

データ分析は選択に迷っているときに決断を促します。

例えば、どちらの製品にセールスリソースを注力すべきか？どちらも捨てがたい。でもセールスリソースは限られている。数年後を見据えて決断したい。

データ分析は問題を浮き彫りにしてくれます。

例えば、新規顧客が増加しているのに売り上げが上がらない。お得意客も減っていない。客単価も落ちていない。いったい何が起こっているのか？

そこで出てくる結果は「なんとなく分かっていたこと」。分析結果を見て「やっぱり！」という感じになります。

もちろん、新たな発見をもたらしてくれることもあります。とは言っても「言われてみれば確かにそうだ！」という感じになることが多いです。感覚に理解できない。そのようなことは稀です。

まとめます

メッセージボードを準備段階で埋めましょう。

「誰？」「目的」は埋まるはずです。

漠然としていても埋まるはずです。絶対に埋めておきましょう。データ分析を進めていくと具体化します。ドンドン具体的にしましょう。

「何？」「具体的には？」「最初の第一歩」も埋めてみましょう。

勇気をもって埋めましょう。データ分析を進めながらどんどん更新していきます。その時点の結論で十分です。記入したことの半分ぐらいは何となく合っています。半分ぐらいは微修正や新たな発見で書き換わります。