これから始める人のための分析作業の一般的な進め方を解説

 2020.08.18  マーケティング インテリジェンス チャンネル

「データを制するものがビジネスを制する」。このような言葉を聞いたことはありますか?しかし、データ自体に深い意味はなくデータを分析・解析してこそ大きな意味を持ちます。多くの人々はビジネスにとってデータ分析がいかに重要なものであるかを理解していても、簡単に始められないものです。統計学、分析モデル、プログラミング、AIなどなど、データ分析と聞くと高度な知識・技術を要するものを想像されることが多いためではないかと思います。

しかし実際は、いくつかのポイントを抑えてツールを活用すれば、誰もがデータサイエンティストとして活躍できます。なぜなら、データ分析において最も大切なことは「データを通して得た情報をビジネスにどう活用するか?」を考え、実行することだからです。

統計学や分析モデルなど専門的な知識・技術を要するエリアは、Datoramaなどデータ分析に特化したツールがそれを補足してくれるため、ビジネスで情報をどう活用するかという部分に集中して考えることができるのです。

では、データ分析を進めるにあたってのポイントとは何か?本記事では、分析作業の一般的な進め方とそのポイントを解説します。

分析作業の一般的な進め方

データ分析の進め方に決まったルールはありません。データサイエンティストの多くは独自のやりやすい形で分析作業を進め、ビジネス上でのインサイト(洞察)を獲得しています。ただし、初めてデータ分析に取り組む方にとっては一定の型があると分析作業が幾分か進めやすくなると思います。それでは、その進め方をご紹介します。

① データ分析に関わるステークホルダを整理

データ分析に関わるのはデータサイエンティストだけではありません。そもそもデータ分析とは、ビジネス上の意思決定を迅速にするための手段です。では、ビジネスをコントロールしているのはデータサイエンティストなのか?違いますね。それは経営者であったり、事業部門の社員だったりします。このためデータ分析に関わるステークホルダ(利害関係者)は思っている以上に幅広く、これを明瞭にするのがデータ分析の初歩になります。

データにアクセスできるのは誰か?意思決定を下すのは誰か?コミュニケーションを必要としているのは誰か?と言った具体に、データの持ち主やステークホルダを明瞭にし、整理することで全員が密に連携を取ってデータ分析を1つのプロジェクトのように捉えることができます。

 

②分析に必要なデータの定義と統合

分析作業に必要な材料といえば当然「データ」です。ところが、どんなデータでも構わないわけではありません。ここで大切なのは「データ分析を通じて実現したいことは何か?」を明確にして、その上で必要なデータを定義することです。例えばデータ分析の目的が「新しい顧客インサイトを獲得するため」だとして、「誰の、何に対する感情なのか?」を知ることで分析に必要なデータを定義していきます。

導入事例:KDDI株式会社
導入事例:ダイキン工業株式会社

分析に必要なデータが定義されたら、次はそのデータを統合的に収集します。しかしこの作業、手動では恐ろしいほどの時間を消費するでしょう。ここではBI(ビジネス・インテリジェンス)ツールなど、あらゆるデータソースに接続可能な分析プラットフォームが必要になるでしょう。

 

③KPIを設定して分析作業のモニタリングを行う

データ分析においてKPI(重要業績評価指標)の設定は欠かせません。先程のようにデータ分析の目的を「新しい顧客インサイトを獲得するため」に設定したとすると、分析作業を通じて顧客インサイトを獲得できればそれで終了なのでしょうか?問題はその先、獲得した顧客インサイトをビジネスにどう活かすかが肝要ですね。

そして新しい顧客インサイトを活用して新しいビジネスや業務プロセスを実行した際に、それが成果を発揮したかどうかを確認しなければ次のサイクルへ繋げられません。このため、KPIはデータ分析の成果を測定する上で絶対に欠かせない要素なのです。

 

④インテリジェンスを形成する

インテリジェンス(Intelligence)という言葉は、AI(Artificial Intelligence/人工知能)から「知能、知性」を意味するものと理解している型が多いでしょう。ところがネイティブはインテリジェンスという言葉を、「意思決定に必要な情報体系」という意味として会話しています。データ分析ではこのインテリジェンスの形成がとても重要です。

データ分析を通じて得られた情報を単純に並べ立てるのではなく、それを体系的に整理すると直感的に理解しやすい情報へと変換し、ビジネスへの活用度がアップすることが多々あります。また、体系立てて整理された情報は後々になっても有効に働くことが多いので、インテリジェンスを意識するか否かでデータ分析の成果に差が出るのです。

 

⑤データガバナンスの維持について考える

データ分析では「データを分析して新しい情報を得る」ことばかりに注力するのではなく、日々取り扱われるデータのガバナンス(統制)についても十二分に検討しなければなりません。例として、2018年5月よりGDPR(General Data Protection Regulation/一般データ保護規則)が欧州で適用されたことで、EU域内に在住する人のデータを扱う際の要件に強く規制がかけられるようになりました。

日本においても個人・プライバシーに関わるデータ規制が年々変化しており、気づかない間に重大なコンプライアンス違反を起こしている可能性もあるわけです。だからこそ目の前のデータをただ分析するのではなく、そのデータの分析と分析方法は、コンプライアンス的に問題がないのかを意識しながらデータガバナンスの維持に務める必要があります。

データ分析で絶対に意識してほしいポイント

上記にご紹介した分析作業の一般的な進め方に加えて、データ分析へ取り組むにあたり絶対的に意識すべきポイントもご紹介します。

ポイント①データ分析の課題を明確に

データ分析の専門家のほとんどが、データ分析前の「課題の明確化が何よりも重要」だと考えています。データ分析はあくまでビジネスゴールを達成するための手段であり、データ分析ありきのビジネス改善は高い確率で失敗します。意外と見落としがちなポイントなので、データ分析へ取り組む前に一度立ち止まり、「そもそもなぜデータ分析が必要なのか?」を再確認しましょう。

ポイント②データの背景を明らかにする

データの背景とは、「データがどのような理由で集められたのか」「今回の課題を解決するのに最適なデータなのか」を意味します。噛み砕いて言えば、データに対する理解を深めることが大切なのです。集まったデータをすぐさま分析するのではなく、データへの理解度を高めることでより深いインサイトを獲得できるようになります。

ポイント③データを整理する

3つ目のポイントは、データを分析にかける前にクリーニングやクレンジング等の整理を行いうことです。収集したデータには必ずと言って良いほどノイズや欠損値が含まれています。そのままデータ分析を実行しても、正確なインサイトは獲得できません。このためデータを一旦整理して、データを整えることも非常に重要なポイントなのです。

データ分析は、一般的な手順とポイントを押さえ、さらにデータ分析に特化したツールを活用すれば誰もが取り組めるものです。むしろ、事業部門等が主体となってデータ分析に取り組む方がビジネス上の意思決定サイクルを高速化し、ビジネスのより素早い成長が期待できます。マーケティング分析であれば、上記で述べたような機能が全て兼ね備えたDatoramaなどをご検討いただければ幸いです。

皆さんもこの機会に、データ分析に取り組んでみてはいかがでしょうか?

統合的マーケティング・アナリティクス戦略に必要な7つのステップ

RECENT POST「マーケティング分析」の最新記事


これから始める人のための分析作業の一般的な進め方を解説
統合的マーケティング・アナリティクス戦略に 必要な7つのステップ

RANKING人気資料ランキング

RECENT POST 最新記事

ブログ購読のお申込み

RANKING人気記事ランキング