データ分析を始めるために抑えておきたい基本とポイント

これからデータ分析を始める方に向けて、伝えたいことが山ほどあります。しかし、1つの記事に詰め込める情報が限られているので、今回は数ある情報の中でも特に押さえておきたい基本とポイントをご紹介します。

「手段」よりも重要な「目的」

皆さんがデータ分析に対してどういったイメージを持たれているかはわかりませんが、傾向的に「手段」を重視する方が多いように見受けられます。つまり、「どのような手法を使ってデータ分析をしようか？」と考えることのに固執してしまう、ということです。

もちろん、データ分析の「手段」を考えることは悪いことではありませんし、正しい手法でデータ分析を実施することはとても大切です。しかし、何よりも重要であり見失ってはならないこと。それがデータ分析を実施する「目的」です。

なぜデータ分析をするのか？分析を通じて何を明らかにしたいのか？という「目的」が最初に定まっていないと、正しい手法でデータ分析でないばかりか、そもそも必要となるデータが何なのかも曖昧になってしまいます。

つまり、データがあるから分析するのではなく、目的に沿ってデータを選別することから重要になります。「目的の明確化」こそ、データ分析を始める上で最も重要な作業と言えます。

「なんとなく」で始めない

データ分析がビジネスのトレンドとして様々なメディアに取り上げられるようになってから久しく、今では大企業から中小企業まで、いたるところでデータ分析に取り組む企業が増えています。データ分析を通じて得られる知見はビジネスに大いに活用できますし、業務や品質の改善、顧客満足度の向上など、直接的に売り上げに貢献することだけでなく、企業としての競争力を高めることも可能になります。

しかし、残念なことにデータ分析を正しく行えている企業ばかりではないのが実情です。その多くは「目的」や「ルール」などを設けずに、「なんとなく」データ分析に取り組んでしまっている点が挙げられます。

新たに導入したツールがデータ分析機能を持っているため試してみた、競合他社がデータ分析で成果を上げている事例をみたから、上長からレポート結果について根拠の提示を求められた。など、さまざまな理由でその場の必要性から「なんとなく」データ分析に取り組んでいないでしょうか。

成功するデータ分析というのは、課題意識から始まります。課題があってこそのデータ分析なので、正しく「目的」を設定し、課題意識の中から「仮説」や「疑い」「疑問」などを元に、データを追っていく必要があります。

データ分析作業はビジネスにとって有用ではありますが、果たして自分にとって必要なものなのか？なぜデータ分析がしたいのか？分析を通じて解決したい課題は何か？と自問自答して、課題意識を生むことから始めなければ、どこまで作業を続ければ良いのかも分からなくなってしまいます。

「手段」と「目的」をはき違えないこと

データ分析に限った話ではなく、ビジネスでは「手段と目的をはき違える」という状況がしばしば発生します。データ分析はあるビジネス課題を解決するにあたり、正しく意思決定を下すための情報を得る「手段」です。あくまで「手段」なのです。ところは、データ分析を続けていくうちに、分析すること自体が「目的」になってしまうことがあります。

よく起こりがちなデータ分析時の失敗は、データの取り回しが煩雑になってしまい、分析を行うための集計作業が、正しく集計結果が出ることが目的に変わってしまう点です。必要と思われるデータをかき集めた結果、どうしても数字が合わなくなっているように感じてしまい、検証に時間を取られてしまったり、そもそも使用しているデータの信憑性が疑わしくなり、データの正規化に多くの時間を割いてしまうなど、データの取り回し自体が目的となってしまい、肝心な分析により考察を得ることが疎かになってしまいます。

また、多くの種類や量のデータや高度な計算ロジックを駆使して分析を行ったため、どのようなプロセスを経て今回の考察が導き出されたのか曖昧になってしまい、正しくチームメンバーや上長に説明することができなくなってしまうなど、分析する行為そのものが目的となってしまい、肝心な結果を導き次のアクションにつなげる事がおろそなになってしまうケースです。

どうしても詳細な分析を続けると、目先の関心や疑問点に向いてしまいます。常に「目的」に立ち返り、そもそもなぜこの分析作業を実施しているのか、客観視しながら作業を進めることが大切です。

分析の基本「トレンド」、「ベンチマーク」、「セグメント」

それでは、ここで実際にデータ分析へ取り組む際のポイントをご紹介します。非常にわかりやすくデータ分析の基本と言えるのが、「トレンド」「ベンチマーク」「セグメント」の3点です。

1. トレンド

データを時系列に比較して分析することをトレンドといいます。たとえば、当月売上が300万円、訪問者数が3万人、コンバージョン率が3％のショッピングサイトがあります。トレンドは、前月と比較してどうか、前年同月と比較してどうか、といったように時系列でデータを比較します。さらに、当月内で売上が大きく上下している日はないか、なども比較します。

たとえば前月売上が200万円ならば短期的に売上増ですが、前年同月が500万円なら長期的には売上減となっています。長期的に売上が下がっている中で、なぜ前月より売り上げられたのか？と考えることができます。

2. ベンチマーク

何か別のデータと比較して違いを見つけることをベンチマークといいます。たとえば、今月は訪問者数2万人、コンバージョン率5％を目標に設定しているとしたら、先ほどの数字と比べると訪問者数は達成していても、コンバージョン率が達成していません。

訪問者数が想定の1.5倍も達成したのは、SNS上でのマーケティングが功を奏したのかもしれません。一方でコンバージョン率が低かった理由は、人気商品が品切れになっていた、サイトのレイアウトを変更してからかもしれません。

このように、目標をベンチマークとしてデータ分析を行うことで、何が良くて何が悪かったのか、なぜ良くてなぜ悪かったのかを見つけることができます。

3. セグメント

データを分割して分析することをセグメントといいます。たとえば、サイト訪問者の利用端末をスマートフォンとパソコンで分けてみたり、新規とリピーターで分けてみたり、流入先や年齢層なで分けてみるのもよいでしょう。

いろいろなセグメントに分けて分析すると、コンバージョン率が達成できなかったことに対して、新規は増えたけれどリピーターが減ったなどの理由を見つけられるかもしれません。

[RELATED_POSTS]

データ分析は計画的に取り組もう！

いかがでしょうか？本稿では、これからデータ分析に取り組む方向けに、抑えておくと便利な4つの基本とポイントをご紹介しました。

データ分析はどうしても、内向きな作業になりがちで、より細かな点を突き詰めることに時間が取られがちになります。ある程度どこまで傾向分析や根拠となる情報を収集すべきかを決めてかからないといつまでも終わらなくなってしまいます。

また、使用するデータの種類や量についても条件を設定して、いきなり過去10年分のデータを使うようなことをせず、簡単に取り回しできる量からサンプリングして、段階的にデータ量や種類を増やしていくことで手法も確立され、分析作業自体も効率化していきます。

つまり、データ分析は闇雲にデータと睨めっこするのではなく、計画的に取り組むことが重要です。そのためには、仮説や想定・前提条件など、分析シナリオをきちんとイメージしてから取り掛かると良いでしょう。また、得られた結果は自分だけが理解できるものではなく、第三者に正しく伝えることができるように、内容を整理してわかりやすく簡潔にまとめることも大切です。

電算システムでは、お客様のデータ分析を支援するためのデータ分析サービスをご用意しています。データ収集から実際に分析するための環境構築、データサイエンティストによるデータ分析のご支援まで幅広いサービスラインナップで、お客様のデータ分析業務をご支援します。

お気軽にご相談ください。