データサイエンティストのひよこ成長日記 Vol.5 —納得してもらえる分析が増えた新卒2年目がやっているたった3つのこと—

みなさん、こんにちは!デジタルテクノロジー統括部に入社して2年目の長谷川智彦です。データサイエンス未経験の新卒がどのように成長していくのかをつづっている「データサイエンティストのひよこ日記」。そろそろひよこも卒業ということで2年目の最終回は僕が最近思うことを自由に書いて締め括ろうかなと思います。

さて、3月ですね。来期からは新しい後輩たちも入社するので僕もいよいよ先輩になります。これから入社する未来の後輩たちのことを念頭におきながらこれまで記事を書いてきましたが、2年目最後の記事は何も考えず自由に書いてみようと思います(とはいえ、これまでもなかなか自由に書いてはいましたがw)。
ですので、読まれて色々意見を持たれる方も出るかと思いますが、長谷川の一人語りだと思って受け止めてください。


分析の3STEP

僕はデータ分析をやってます。業務の半分は企画やプロジェクト推進もやっていますが、それでもデータ分析は切り離せない仕事を担当しています。
結果的に意味の為さなかった分析も経験しながらも最近は段々と分析結果に納得してもらえることも多くなってきました。
そんな納得いってもらえる分析結果を出すために僕個人がこだわっていることをつらつらと書こうと思います。最後の方は随筆チックになってます。


分析をする際、僕は大きく次の3ステップをよく踏みます。


【分析3STEP】
STEP1:相手から背景や目的をヒアリングし、できるだけ深ぼる
STEP2:得た情報を整理して、本当の課題や相手が本当に知りたいことを検討する
STEP3:適切な分析手法を選ぶ


どうして、この3STEPを踏むのか。頑張って書いていきます。


STEP1:相手から背景や目的をヒアリングし、できるだけ深ぼる

まずは”STEP1:相手から背景や目的をヒアリングし、できるだけ深ぼる”
個人的には結構ヒアリングを重視します。理由としてはこれから分析する内容が課題の解決に直結しているかを確認したいからです。
意外とデータ分析をしていると分析をしても次の判断につながらないことはあります。
例えば、狙うべきターゲットの数を知りたいと言われ数をカウントしても、いざ結果持っていくとじゃあここからどうしようとなったりします。
これだとここから深掘りすればいいのでまだいいのですが、ときにはその課題に対してそれを分析しても裏付けできないのでは?と思えることも会議の中では上がったりします。
他にもこれが課題だと思うのでこういったことを分析したいんですよねと話を受け、よくよく聞いてみると本当の課題は違うのではないかということがあったりだとか。


ただ、愚痴を書きたいわけではなく、どんなに優秀な人であっても忙しくて考えを詰め切れてなかったりとか、分析するとどんな結果が得れるのかのイメージがつかなくてその状態になっていたりとか色々要因はあったりするものです。


とはいえ、課題や仮説がずれると分析をしても立ち戻りが発生して工数のロスが発生するので、それを防ぐためにもヒアリングをしてできるだけいろんな情報をインプットしてから自分の頭でも考えることを大事にしています(これが甘くて痛い目にあったケースは多々あります。寝たら忘れますが)。


余談ですが、ヒアリングの際に思うのが、相手にはまとまってなくても、つらつらとでもいいのでできるだけ情報をありのままで話して欲しいと感じます。
要点をかいつまんで話すことの大切さはわかっています。ただ、情報があればあるほど判断材料は増えますし、逆に無理にまとめることでバイアスがかかったり、本当は必要な情報が省かれてしまって間違った意思決定をこちらとしてもすることがあるのでできるだけ一次情報に近いものを教えて欲しいと思ったりします。


STEP2:得た情報を整理して、本当の課題や相手が本当に知りたいことを検討する

さて、次に”STEP2:得た情報を整理して、本当の課題や相手が本当に知りたいことを検討する”です。
個人的にはここが一番重要です。ヒアリングで得た情報を整理する際にいつも”ある問いかけ”をします。
それは「どうして〜」「もしも私が〜なら意思決定できるか」の2つです。


1つ目の「どうして〜」に関しては、どうしてそれが課題なのか、どうしてその仮説を確かめたいのかと「どうして〜」を繰り返してストーリーやロジックにズレがないかを確かめる作業です。正直これがスッキリいかないのであれば施策を動かしても苦しい戦いが生じるので大事な作業です(なぜなぜ法と言われたり、ソクラテスが使ったやり方だったりしますね)。


「どうして〜」を繰り返すことで課題が見えてきたら(とはいえここがかなり難しいのですが)、段々と確かめるべき仮説が見えてきます。
仮説が見えてきたら、裏付けるための分析手法を考えるのですが、その前にもう1つの問いを考えます。


「もしも私が〜なら意思決定できるか」


もしも私が〇〇さんであればその分析結果を見たら次の意思決定できるか。そういったことを分析を始める前にかなり検討します。そして僕にとってはこれが最大のポイントでもあります。


例えば、ここ半年で売り上げへの貢献が伸びているターゲットがどこなのかを知りたい事業部長さんがいたとします。この方に、単純に既定のセグメントごとの人数をカウントして、ここが人数多いのでここを狙うべきですと分析結果を示した場合どうでしょうか。
おそらく、事業部長さんとしてはそこのボリュームが多いのはわかったが昨年と人数があまり変わらないがそれでいいのかと感じるかもしれません。
しかしこれに加えて、セグメントごとの昨年度との人数の伸び率やどうして伸びているのか、伸びていないのかのアンケート結果を合わせて出せれば、これだけ増えているのであればこれだけ売り上げへの貢献ができるぞ、そのためにこれをしてみたいといった次の意思決定をしやすくなるかもしれません。


例としてはかなり状況が綺麗なものですが、結構こういったケースで売り上げと訪問回数で散布図をとりあえず出したといったケースはいろんなところで聞きます。
分析してもいいけど、それがわかると本当に次取るべき行動が取れるのかが曖昧なケースは多かったりしますし、僕自身、分析して出したけれど結局よく考えると使えないなとなった経験があります。


ただ、どうしてこんな状況が生じるかを考えてみると、分析結果を出すと相手がどう意思決定できるかの視点が弱かったり、相手が何を求めているかを掴み切れていなかったりすることが多いのだと感じています。
ですので、”本当に次につながる意味を持った分析かを一回立ち止まり考えること”、これを大事にしていますし、相手が本当に何を求めているのかを知るためにもSTEP1のヒアリングが大事になってきます(ものによっては相手はこう話していたがこうしたほうがいい判断ができると思えば、依頼されたものと別に分析を行ってしまいます)。


すごくあっさりと書いてしまっていますが、これを意識しながら分析できるようになるには意外と練習が必要です。
分析する方でこれから納得してもらえる分析を出していきたい方はよければこの2つの問いかけを意識してみてください。おそらく分析の質が上がると思います。


STEP3:適切な分析手法を選ぶ

最後に”STEP3:適切な分析手法を選ぶ”です。
解決すべき課題と仮説がみえ、分析するべき内容が見えました。そこから初めて分析の手法やどんなデータを組み合わせるかを考えます。
個人的には分析の手法から入ることはやめました。新しい分析手法や難しい手法を覚えるとついつい試してみたくなるんですよね。もちろん課題とあっていれば問題ないですし、逆にそれに合うような課題を見つけてくることもありだとは思います。


ですが、ビジネスアナリストにとって大事なことはビジネスを進めるために次の行動を促すことです(そうだと思っています)。
基本的には判断を迷わせないように必要な分析だけに留めます。
”適切なときに適切な手法を選ぶ”、これにつきます。


とはいえ、手段を学ぶことは大事です。本質をつこうと書いておりますが、僕自身手段に魅了されてデータ分析を学ぶことは多々ありますし、手段を学ぶことは新しいおもちゃを開封するときの高揚感を感じます。
それに手段を増やして引き出しを増やせれば、示せる結果の解像度も高くすることができます
HowよりもWhyが大事、確かにそうではありますが、正直これらは相乗効果な気がするのでHowを増やして、取り掛かる際にはWhyを意識するくらいの温度感で良いのだろうと感じます。


つらつらと書いて最後は随筆っぽくなりましたが、今回書いたことは正直どの仕事でも大事なことなんだろうと感じますし、最近こういったことを書いてくれている書籍も増えましたね。本質はあまり変わらないんだろうと思います。よければ参考にしてください。


最後に

さて、2年目はこれで最後の記事になります。3年目も引き続き書いていくかは正直わかりませんが、気が向いたら書きます。
これまで、陰ながら読んでいてくれた方々もいらっしゃるとは伺っておりました、ありがとうございます。
書きづらいことコンプライアンス上書けないことなど色々ありましたが、少しでも学生の皆さんの知りたいことが届けられていたなら幸いです。
ひよこは今後もバリバリ働きますので引き続き応援よろしくお願いいたします!



alt


長谷川 智彦 Tomohiko Hasegawa


デジタルテクノロジー統括部 デジタルビジネス部 ビジネスグループ

大学時代の専攻は植物学・分子生物学。最近趣味でデザインをかじり出した社会人2年目。植物の実験データを正しく解釈するために統計を勉強し始め、データ分析に興味をもつ。データサイエンスはただいま必死に勉強中。

※2022年3月現在の情報です。

▶パーソルキャリアの求人ページはこちらから