企業のビジネスデータ分析（企業におけるデータアナリストの3つの主な役割）

企業におけるデータアナリストの3つの主要な役割

近年、データ分析に関わる職種の人気が高まってきており、大手企業ではデータ分析能力を持つデータアナリストの人気が高まっています。この記事では、企業におけるデータアナリストの役割について考察し、議論して皆さんと共有します。

この記事の内容:

中国は個人的な関係に基づいた社会です。人生でも仕事でも、ほとんどの人は主観的な感情に基づいて人を評価します。そのため、古代の皇帝が官吏を雇用したい場合、その官吏が気に入るかどうかでその官吏の能力を判断することが多かった。これにより、おべっか使いで、重要人物の支持を得ることだけを必要とする人々が多数誕生しました。

今日の時代、特に職場では、データアナリストがこの傾向を徐々に変えつつあります。データ分析者の統計と変換を通じて、売上高、顧客数、転換率、再購入率、商品在庫、回転率など、会社の人、商品、場所の具体的な運営指標と数字を変換できます。事業者は、さまざまな部門の指標の達成状況を通じて、会社全体と各部門の運営状況を把握できます。

ビジネスオペレーションにおいて、データアナリストはさまざまなデータ分析手法や考え方を通じて、ビジネスオペレーション上の問題を発見することができます。これをデータ分析方法と組み合わせることができます。ここでは、「DuPont Analysis - Simple Edition」分析方法を例として使用します。なぜ「シンプルエディション」という名前なのですか? 「デュポン分析法」は厳密に言えば、企業の収益性と株主資本利益率を評価するための非常に複雑な方法だからです。特定のコンテンツをBaiduで検索できます。

ここでは主にその形式を参考にして、企業向けのシンプルな指標システムを構築します。このシステムは基本的な分析のアイデアを提供し、2つの観点から検討できます。

アイデア 1: 指標構成のロジックから理由を分析する。

アイデア 2: チャネル構成の観点から理由を分析する。

アイデア 3: カテゴリ構成の観点から理由を分析する。

最初のアイデアによれば、データアナリストは、全体の売上高が前月比で減少していることが分かります。これは主に注文数の減少によるものです。すると、主に顧客数の減少が原因であることが分かります。もちろん、これを基に、指標を細分化して理由をさらに調査することができます。次に、2 番目のアイデアを組み合わせて、チャネル構成の方向から分析します。主な問題チャネルはチャネル A であることがわかります。3 番目のアイデアと組み合わせると、カテゴリの構成から分解して分析できます。カテゴリー A の全体的な減少が大きいことが簡単にわかります。したがって、「デュポン分析法 - 簡易版」を使用して指標を層ごとに分解し、パフォーマンス低下の根本的な原因を見つけることができます。

データ アナリストは、デジタル指標を使用して製品や従業員の現在のレベルを定量化し、2 次元の 4 象限法に従って製品や売上を分類して、適者生存を確実にすることができます。

たとえば、営業スタッフの場合、「顧客満足度」と従業員の「売上」という 2 つの指標を使用して、営業スタッフを 2 次元の 4 象限で分類できます。

タイプ A 従業員: 顧客満足度が高く、会社の売上も高い、会社の典型的な優秀な従業員。

タイプ B 従業員: 特定の分野に偏愛する典型的な従業員。短期間で会社にさらなる売上をもたらすことはできますが、顧客との長期的な協力や発展にはつながりません。顧客満足度を向上させる方法についてトレーニングを受ける必要があります。

カテゴリー C の従業員: 販売スキルが不足しており、時間を適切に割り当てることができない可能性が高い従業員です。これは、1 人の顧客に多くの時間を費やすためである可能性があります。個々の顧客は非常に満足していますが、売上高は比較的低く、入出力比率が低いため、キーサポートが必要です。

カテゴリー D 従業員: 解雇される予定の従業員です。企業や会社において、このような従業員が適切なタイミングで排除されなければ、その企業は倒産の危機に瀕することになる。

データアナリストは、このロジックを使用して企業内の製品を分割し、適者生存に基づいて製品を評価することもできます。これにより、会社全体の製品の影響力が強化されます。

ビジネス運営において、ビジネスに戦略と方向性を提供するために、データアナリストは、チャネル分析、AARRR モデル、ファネル モデル、相関分析など、ビジネスの意思決定に役立つ多くのビジネス成長理論と方法を開発してきました。

チャネル分析:通常、企業のビジネスは、Tmall、JD.com、Pinduoduo、オフラインストアなど、複数のチャネルから行われます。さまざまなチャネルのデータを比較して分析することで、開発の機会を見つけることができます。

AARRR モデル:ユーザー獲得、ユーザー アクティビティ、ユーザー維持、ユーザー収益、ユーザー コミュニケーションの 5 つのユーザー ライフ サイクルが含まれます。さまざまなライフサイクルを分析し、ビジネス開発戦略を調整できます。

ファネル モデル:ファネル モデルは線形の考え方として考えることができ、あらゆるイベントやユーザー行動の変換における問題を特定するために使用できます。もちろん、ファネル モデルを AARRR モデルと組み合わせて使用​​し、AARRR モデルの各ライフサイクルの変換を分析することもできます。

相関分析：ビジネスで頻繁に使用される分析手法の 1 つです。主にさまざまな機能とデータの関係を分析して、ビジネス運営における主要な影響要因と推進要因を発見し、ビジネスの発展を予測することができます。たとえば、広告露出とマーケティング費用の相関関係など。売上高とユーザー数の増加の関係など

ほとんどの産業では、初期段階では土地の収奪や急速な拡大に重点が置かれるのが一般的です。しかし、業界が発展と成熟の時期に入ると、成長を追求し、各ユーザーの商業的価値を最大限に引き出すために、既存のユーザーに対して洗練された運用を開始する時期になります。

データアナリストは、ビジネスの洗練された運用をサポートする過程で、企業がユーザーポートレートを徐々に構築し、ユーザーセグメンテーション操作などのツールを使用し、A/B テストなどの方法を使用して、企業が洗練された運用を実行できるように支援できます。

• ユーザーポートレート:ユーザーの社会的属性、消費行動、その他の情報から抽象化されたラベル付きユーザーモデルです。このモデルを通じて、運営者は自社の主な顧客基盤が誰であるかを知ることができます。
• ユーザーグループ化操作ツール:オペレーターがさまざまなユーザー タグに基づいてさまざまな顧客グループをフィルターし、ターゲットを絞ったマーケティングや顧客プロモーション アクションを実行するのに役立つ主要なユーザー操作ツールです。
• A/B テスト:新製品や新機能をテストするために使用されるテスト方法。通常、実験グループとコントロール グループの 2 つのユーザー グループが選択されます。新製品や新機能が期待に応えるかどうかを判断するために、さまざまなルールが設定されています。

企業がユーザー向けであれ製品の改善向けであれ、洗練された業務を遂行するには、データの収集と分析を通じて企業の業務改善を支援するデータアナリストが必要です。

事業者が事業を営む上で最も重要な目的は、実は金儲けであり、その上で初めて公共の福祉の価値を実践したり促進したりするのです。企業が利益を上げるためには、利益が投資額を上回ることを認識しなければなりません。ビッグデータ時代の発展において、精密マーケティング、売上予測、パーソナライズされた製品推奨（推奨アルゴリズム）、インテリジェントな製品補充や価格設定などのアプリケーションが徐々に登場してきました。データアナリストは、さまざまなビッグデータ ツールを使用して、企業が投資額を上回る利益を達成できるように支援できます。

精密マーケティング:潜在的または特定のユーザーをターゲットにして収益の増加を実現します。データアナリストは、マーケティング後の分析を通じてマーケティングの精度をさらに最適化し、収益/投資率の大幅な向上を実現できます。

売上予測:データ アナリストはビッグ データ テクノロジーを使用して、過去の売上データに基づく予測モデルを構築し、将来の売上傾向を予測できます。事業者は予測結果に基づいて生産を調整することで、製品のバックログを回避し、製品在庫を効率的に管理できます。この点では、製品投資の無駄を削減し、投資以上の利益を達成することができます。

推奨アルゴリズム:データ アナリストは履歴データを使用して、記事のコンテンツ、歌のビデオ、Taobao 製品など、ユーザーが好む可能性のあるものを推測できます。現在、市場で最も優れたアプリケーションには、Toutiao、Douyin、NetEase Cloud Music、Taobao などがあります。これらのアプリケーションは、ユーザー満足度を向上させ、ユーザーの定着率を高めるために、技術者を頼りに推奨システムを構築しています。本質的には、これは企業の利益を増やし、投資よりも多くのお金を稼ぐという目標を達成する方法でもあります。

企業では、業務指導から従業員や製品の評価まで、データアナリストがますます重要な役割を果たしています。大手企業では欠かせない存在となっています。データ分析能力も、さまざまな職種の面接において重要な評価項目であることに、皆さんもだんだん気づいているのではないでしょうか。

そのため、データ分析は今後企業においてさらに大きな役割を果たすようになると考えています。

この記事はもともと @天真一皮狼 によって Everyone is a Product Manager に掲載されました。無断転載禁止

タイトル画像はCC0ライセンスに基づいてUnsplashから引用しています