ANALYSIS FLOW
find the problem
解くべき問題・本質的な問題を きっちりと見極め目的の明確化
問題発見力は「統計知識」や「分析方法の知識」ではなく、まさにデータ分析手法や統計よりも重要な必須のスキルです。問題解決の本質は、目の前の問題を解決するのではなく、現状を理想の状態に近づけることです。また問題を発見したとしても、真の理想の状態を突き詰めることと、何が本質的な問題かをきっちり見極めることが大切です。
test the hypothesis
仮説を検証するために
問題の構造化を論理的に行います
問題の構造が現実と合っているかどうかは、後ほどデータで確認すればよいことであって、まずは自分なりの合理性や論理性を持って説明できるような仮説が最初に描けているかが、この後の分析に大きく寄与します。分析というのはあくまで、やりたいことを見つけるものではなく、やりたいことを実現させるために立てた仮説を検証するためのツールということを忘れないでください。
data collection
必要なデータの選定や
データの加工を行います
仮説なくデータ収集するということは地図のない状態で海に放り出されたようなものです。データを分析する前に、そもそも「どういう問題を解決したいのか」「問題解決につながるデータは入手可能なのか」また「今あるデータを加工する事によって、その後の分析に活用できるか」を考える必要があります。闇雲に数字やグラフを見ているだけではやりたいことは見えてこないことを肝に銘じておきましょう。
required analysis
問題解決に必要な分析を
行なっていきます
ここでいう分析とは、統計の確率や精度を少しでも向上させることではなく、実務的な問題解決に必要な成果や、関係者が理解、納得をして具体的なアクションや判断につながる結論を導き出すことに尽きます。
make a story
データで検証、裏付けされた
結論をもとにストーリーを構築
緻密な分析結果、非の打ちどころのないロジックフロー（結論）にも関わらず、提案を受け入れられない「ロジック優先の人」、夢は語れるけど実現に向けたロジックフローがない「ストーリー優先の人」。人はロジックだけでは理解できても納得ができず、行動できないといったことがよく起こります。データ分析で裏付けされた結論をもとに今後どのようなアクションや判断につなげられるかをストーリー化するステップが必要となります。
action
ストーリーをもとに、アクションや 判断につなげていきます
あくまで分析とは意思決定に役立てる仮説の検証であって、実際にはリスクをとってAを選択することもありますし、あえてリスクを取らずしてBを選択することもあります。このようにアクションには正解がないということを忘れないで下さい。
ABOUT ANALYSIS
「正しく分かる」ために「正しく分ける」
分類基準を理解し分析する
地図はその境にある輪郭線で分かれているからこそ、人は物を認識できます。アレとコレを分けた境界線を人が認識できることで、人に意味の違いを分かるようにすることが「分析の基本」となります。分析は分けるための分類基準(何を基準に分類するか)と抽象水準を合わせることを理解しておくことが必要です。例えば地図を見ても分かる通り国別で見るのか都道府県別に見るのか、はたまた市区町村別に見るのかで比較する対象が違ってきます。この国別や都道府県別といった分類する基準のことを「分類基準」と呼びます。問題解決につながる正しい分類基準とは、解決したい問題によって様々な切り口があることを忘れないで下さい。また比較する対象が東京都と大阪府なら都道府県という水準で比較しても問題ありませんが、東京都と大阪市を比較する場合、抽象水準が違うことを理解しておくことが大切です。この比較は、2つの対象の抽象水準が揃っておらず、抽象水準が異なるものを比較しても、それは適切な比較ではなく、正しく「分かる」ことには繋がりません。
データ分析（統計解析）による情報整理
統計解析では多変量解析という一般化された総称が使われていますが、実際には①比較、②関係、③分類と大きく3つの型に分けられます。あくまで多変量解析とは問題解決の糸口を見つける手法であって、問題発見、仮説構築が出来ている状態であれば、あとは「どのデータを使って」「どの分析手法を組み合わせるか」で問題の糸口を見つけていくことができます。統計解析では以下のような問題を解決していくことができます。
FINALLY
昨今、データが増えたため分析が容易に出来るようになったといえますが、結局のところ、 問題解決には1問題発見力、2仮説構築力、3データ収集力、 4分析力、5構想・物語力、6意思決定力の 6 つのスキルが求められます。 統計知識や分析力がついたからといって問題の解決に繋がらないといった事象はこの手の ものです。(分析力以外のスキルがないために問題解決ができない) ただし、情報の収集は以前よりも遥かに収集しやすい環境になったのは事実であり、昨今確 実に求められるスキルは分析力にあるといっても過言ではありません。 この流れを、料理を提供する飲食店に例えると、「データ」は”食材”であり、「分析」は” 調理”と同じです。ストーリーは味以外の要素であり、”盛り付け や、お店の空間、接客サービス”といったところでしょうか。 つまり、どのような商品やサービスが、消費者にとって価値あるものかをデータを使って考 えることが分析となります。 また、その新商品や新しいサービスの提供の際の判断が、意思決定(アクション)となるので はないでしょうか。 データ分析も調理(煮る、焼く、蒸す)と同様に、比較、関係、分類といった分析をデータ (材料)で使い分けます。 また、データ分析はアートと言われるように、調理同様にデータをどう加工して、どの分析 を組み合わせるかはデータサイエンティスト次第です。
我々も皆さまと共に、今後様々な食材を一緒に調理しながら、クリエイティブな新しいサー ビスを提供できる存在となれるよう、努めてまいります。