佐藤舞先生によるデータ活用講座 Lesson2「データ分析ってどうやってやるの？」

講師：佐藤舞さん

▼プロフィール
佐藤舞（さとうまい）。データ活用コンサルタント。合同会社デルタクリエイトの代表社員であり、マーケティング・サイエンス学会に所属。データ活用や統計学の入門書籍として出版した『はじめての統計学レジの行列が早く進むのは、どっち!?』（総合法令出版）は、多くの書店ランキングで１位を獲得。
※役職や所属は取材時のものです。

佐藤舞先生によるLESSON1 解説動画

データを分析するってどうやるの？

前回のレッスンでは、データ活用のメリット、成功のポイント、データ活用ができている状態について解説しました。今回のレッスンでは、実際にデータを分析する際の課題やゴール設定について解説していきます。今回のレッスンのゴールは、

データ分析の全体像と流れが分かる
データ分析に取り組む際に、最低限必要な準備が分かる

の2つです。

1. データ分析を依頼される際に困ること

まず、私がお客様からデータ分析の依頼をいただく際によく遭遇する「困ること」についてお話します。それは「データはあるんだけど、それを活用できていなくてもったいないんだよね。データ渡すから、そこから何か分析してくれないかな？」というご相談。データ分析は一つのプロセスに過ぎないので、このようにただ「データを分析してほしい」といわれても、データを有効活用することはできません。前回のレッスンでもお話した通り、データ分析は「より良い意思決定」をするために行うものなので、例えば、

Aを選ぶか、Bを選ぶか。どちらが良いか迷っている
なかなか数値が伸びないが、何が原因か分からない。
好調だった一番の要因を知りたい

といったように、何かしら知りたいことがあって初めて行う価値があるのです。データがもったいないから行うものではないという点にご注意ください。このことについて、私はよく「データ分析とはリアル謎解きである」というふうに例えています。

「なぜこうなるんだろう？」
「この数値ずれてない？」
「何と比較すればいいんだ？」

といったように、解き明かしたい謎があればデータ分析を行う意味があります。逆に言えば、そうした謎がないままデータ分析だけを行なっても意味がありません。謎なき分析は盲目である、と言ってもいいかもしれませんね。こうした謎があれば、Excelだけでも十分なデータ分析を行うことができます。例えば、「長年の勘や経験で発注数を決めていたけど、もっと仕組み化して、誰でも発注数を正確に予測できるようにならないだろうか？」という謎をデータ分析で解決して、発注を自動化することができます。他にも、「株の予算配分をなんとなく決めていたけど、リスクを分散しながら、費用対効果を最大限にできるような運用を、システマチックにできないだろうか？」という謎を解決して、最適な配分を計算することもできます。ただ、Excelには機能上の限界があります。

一万桁（目安）を超えるデータ分析
データを自動取得する
他のツールと連携させて使う

こうした少し高度なことをしたい場合は、BIツールの検討が必要です。また、BIツールでのデータ分析で必要なデータを取得する手段として「DataSpider」や「HULFT Square」などのデータ連携ツールをBIツールと組み合わせて使用していくことで、より詳しいデータ分析を行うことができます。

2. データ分析に必要なスキルセット

では次に、データ分析を行う上で必要なスキルセットを紹介します。この図は、データサイエンティスト協会が公表している、データサイエンティストになるための3つの分野のスキルセットの図です。

左の「データサイエンス」という部分は、統計学などのロジックの知識を持っていることを表しています。そして右の「データエンジニアリング」は、データベースを操作したり、ITツールとして実装したりできるスキルを表しています。一方で上の「ビジネス力」は、業界や業種の知識を持ち、ビジネス課題を整理して解決していく力を表しています。

データサイエンティストといわれるようなプロフェッショナルを目指す場合は、かなり幅広い知識とスキルが必要になりますが、実際にはチームで協力して行うことがほとんどです。
社内のデータ活用を推進する担当者・責任者の方は、データサイエンティストやエンジニアと対話をしながら課題解決を一緒に進めていきます。そうした時に、データ活用の責任者が一番持っておくべき能力やすべき準備は、ビジネス力＝ビジネス課題の設定力です。

データサイエンティストやエンジニアは、設定した課題を解く力には長けていますが、解くべき課題を設定するのは、あくまでクライアント自身ということを忘れないでください。（一緒に設定していくこともありますが、筋の良い仮説はクライアントが握っていることが多いです。）

ここの認識にずれがあると、

分析者「分かりました！それでは、ビジネス課題を整理していただき、改善したいKPIの指示をください！それと必要なデータも！」
クライアント「それが分かっていれば、あなたに相談していないんですけど……」

というようなやり取りが生じてしまうのです。主たる3分野のスキルセットの図から、データ分析には幅広いスキルや知識が必要だということが分かりますが、必要な能力を全てオールマイティに身につけることはとても大変です。だからこそクライアントと分析者は、課題設定から課題解決まで対話を重ねて進めていくことが大切なのです。それぞれの役割を切り離すのではなく、ワンチームで取り組んで初めて、データ分析は可能になると言えるのです。チームで協力してデータ分析を行なっていくことは非常に多いので、全てのスキルを身につけようとせず、まずは、コアになるビジネス課題の設定力を磨くことから始めてみましょう。ここが適切にできないと、技術者とのコミュニケーションがとれないばかりか、あまりやる意味のない分析になってしまうことも少なくありません。

3. ビジネス課題の設定

ビジネス課題の設定は、ふわっとした課題感を、詳細に言語化していくプロセスです。言語化の最終ゴールは数字に落とし込むこと。数字に落とし込んだ課題のことを、データ分析では「アウトカム変数」といいます。

少し難しい言葉ですが、簡単に言えば、最大化/最小化したい一番の目標（計測可能なもの）は何かということです。このゴールが決まらないと、その後の分析設計ができず意味のない結果しか得られないため、アウトカムをなんとなくで決めてしまわないように気をつけてください。間違ったアウトカムの例として「統計的には正しくても、無価値なもの」が挙げられます。例えば、「一度の来店における購買単価」という指標をアウトカムにした場合「セール期間中にまとめ買いをする顧客を重視すべきである」という分析結果が得られることがあります。しかし、実際のビジネスで考えてみると、値引きをするセール期間だけに来店されても利益になりません。
このアウトカム変数を設定するポイントは後述しますが、ふわっとした課題感から適切なアウトカム変数を設定するまでを「ビジネス課題の設定」として覚えておいてください。

ビジネス課題設定の仕方について、例を挙げながら簡単に説明していきます。例えばBtoCのテレフォンアポインター会社なら、「商品の成約率を高めたいが、架電をする時間帯や架電担当者、顧客属性、スクリプトのどの要素が一番成約率に影響しているかが分からない。改善の優先順位をつけたい」といった悩みがあるとします。これをデータ分析のためのビジネス課題として設定するためには、次の3つの流れで考える必要があります。

どうなりたいのか？を言語化する
何を調査したらヒントが得られそうか
どの数値を目標にするか

この順序は、課題を設定する上で最も大切なポイントです。しかし、この3つに取り組めていない企業は非常に多いのが現状です。課題を設定するために、まずはここから丁寧に取り組んでみてください。ではこれを、先ほどのテレフォンアポインター会社の例に当てはめて考えてみましょう。

このように、言語化して課題の整理をすることができます。他にも、働き方改革に取り組む企業の課題例を紹介すると、

といった課題を設定することができます。ここまで課題が明確になっていれば、あとはスムーズにいきます。しかし、ここまで読んでくださった方の中には、「理解はできたけど、その3つをどう設定すればいいのかイメージできない」と思った方もいるかもしれません。とくに「①どうなりたいのか？を言語化する」は、ビジネス課題の設定の第一歩を意味していますが、この段階で「そもそも課題を見つけられないことが課題なんだ」ということをよくお聞きします。私の経験上でも「課題の設定や解きたい問題といわれてもよく分からない」という方は非常に多いです。でも安心してください。あのパブロ・ピカソが「描こうとするものを知るには描きはじめねばならない」と言ったように、あまり完璧主義にならず、まずは着手しやすく効果が上がりそうなことからスタートして成功体験を積んでいくことが大切です。そうすることでその後の社内の協力も得やすくなるため、スモールスタートで始めてみましょう。

「ビジネス課題を見つけられない」という方は、まず以下の指標に改善ポイントがないか？を分析してみるといいでしょう。

・解約率
・成約率
・広告費用対効果（ROAS）

これらは、取り組みやすく成果が出やすいマーケティング指標です。逆に、クリック単価（CPC）やPV数を指標にしても利益には直接結びつきません。なるべく利益へのインパクトがあるところを最初にアウトカム変数にして分析してみましょう。

また、注意点としては、アウトカム変数をいきなり統計解析にかけたり、データサイエンティストに渡したりする前に、ダッシュボード等の機能を使って、データを可視化してみることをお勧めします。

数字というのは、人間にとって直感的に理解しにくいので、グラフ等の直感的に理解しやすい形に変換して眺めてみてください。

その時に、例えば時系列グラフであれば、山や谷になっているポイントを探ってみてください。「この曜日のこの時間帯だけ、やたら解約が多いな、なんでだろう？」といった謎が浮かんで来たらチャンスです。そこに何らかの改善ポイントが隠れているかもしれません。

またプロジェクト責任者の方におさえておいていただきたいのは、ビジネス課題は一度決めたものをずっと使い続けていくわけではなく、ブラッシュアップしていくものだということです。ですので、まずは自分がデータに興味を持って、眺めたりいじってみたりすることが大切です。最初は仮決めでも全く問題ないので、スモールスタートから始めてみてください。このレッスンではデータ分析の大切さや方法についてお話をしていますが、ビジネス課題の解決方法はデータ分析だけではありません。課題に対する解決手段は、AIやRPAなど多種多様ですので、解決したい課題に沿って柔軟に手段を選んだり組み合わせたりすることが大切だということも覚えておいていただけると嬉しいです。