データ分析業務（データ分析をどのように行うのか？）

データ分析を実行するにはどうすればいいですか?

データ分析はデータ統計ではありません。データを詳細に分析したい場合は、データ現象の背後にある理由を解釈する必要があります。

データ分析の核心は、正確性（間違いがないこと）と簡潔さ（データレポートの提示では、多いよりも少ないほうがよく、問題を明確かつ簡潔に記述する必要がある）です。

視覚化（テキストは表ほど良くなく、表は画像ほど良くありません）、比較性（比較なしではデータは無意味です）。

データ分析の基本的なプロセスには、主に 6 つのステップがあります。まず最初のステップである数字を見つけることから見てみましょう。

1. 番号を見つける

指標構築/データ分析の全プロセスにおいて、第一に構造化された思考、第二に段階的な分解、そして第三に指標の分解です。

たとえば、人はどのような状況で泣くのでしょうか? 「網羅的列挙」と呼ばれる概念があります。悲しいことに遭遇すると泣きますが、悲しみや悲嘆は繰り返されます。

問題を解決する際には、網羅的かつ反復的なアプローチでは問題を明確に分解することはできないため、問題を構造的に分類することが問題解決の前提となります。

別の分け方としては、例えば、人はなぜ泣くのか？身体的刺激（能動的および受動的）/精神的刺激（肯定的刺激および非肯定的刺激）によるもの。

全体的な方向性と枠組みを明確にすることによってのみ、問題を解決する方法がわかります。構造化された分類を必要とする職場で遭遇するあらゆる問題にも同じことが当てはまります。

全体的な構造化の最も重要なポイントは、それらが独立しており、重複していないことです。指標システムは 2 つのカテゴリに分かれています。

最初の「コア指標」は、最終的に未完成のものを指します。問題にコア指標が 1 つだけある場合、それが優先事項です。 2 番目の「プロセス指標」は、コア指標に影響を与えるすべての主要指標を指します。

2. 指標を設定する

数字を見つけたら、インジケーターを設定する必要があります。問題に直面したときは、まずコア指標を整理し、次にコア指標に影響を与えるすべてのプロセスを見つけ出します。

指標を分解する方法には、ツリー分解とファネル分解の 2 つがあります。まずはツリー分解を見てみましょう。

1) ツリー分解法

多因子の組み合わせの形で使用されることが多く、データを定式化することができます。最初の要件は最も細かい粒度、2 番目は同じ緯度、3 番目は繰り返しがないことです。

たとえば、Meituan で 200 元を費やして注文した場合、Meituan はいくらのお金を引き出すことができますか?まず、粗利益率は3%なので、200×3% = 6となります。

そのため、Meituanは、取引収入となる加盟店へのサービス提供や情報コンテンツの提供、情報の表示に対して6元のサービス料を請求している。

売上総利益率は一般的に取引量によって影響を受けます。取引量が大きくなれば（粗利益率が変わらない場合）、収益は大きくなります。

B エンド GMV + C エンド GMV = 合計 GMV。供給側と需要側の関係だけなので、総取引額とB側、C側の取引額は等しくなります。

例えば、コンビニエンスストアでは、その日の売上（取引金額）を毎日精算します。まず、商品の観点から見ると、合計50アイテムあり、そのうち40アイテムが販売されており、商品回転率は90％です。

販売された各商品の平均GMVは50元で、1日の総取引額は50×90%×50で計算されます。

2つ目は、人の視点から見ることです。商品の量を考えるのではなく、どれだけの人が来るかだけを見てください。たとえば、1,000 人が来場し、そのうち 500 人が商品を購入し、1 人あたり 20 元を費やした場合、その日にいくら売り上げたかを計算できます。

BエンドとCエンドに分ける理由は、商品やその商品を購入・選択する人の視点に関係するからです。商品の選定がしっかりしているか、販売量が多いか、単価がどうなっているかなどを考慮する必要があります。

人間の視点から見ると、人々が購入に来るかどうか、地理的な場所、製品のディスプレイ、マーケティングパッケージ、そして赤い封筒の活動があるかどうかが含まれます。

人と物は異なる概念です。全体的な GMV を最適化/向上したい場合は、商品とそれに対応するパッケージを適切に作成する必要があります。したがって、供給側と需要側から、すべての問題をより明確に発見する必要があります。

2) ファンネル分解方法

一般的には、下図の JD.com 上のチャネルのように、ユーザー操作に基づいたプロセス分析や分解に使用されます。

製品ルートを見ると、各部品にどれくらいのロスがあるかがわかり、平均と比較して低い部品の原因を把握し、問題が発見された場合は修正することができます。

分解のポイントは、まずプロセスを決める→各リンクの順番を明確にする→コンバージョン率を観察してデータを見る→似たものと比較して最適化できるポイントを見つける、ということになります。

まず、コア指標が何であるかを知る必要があります。次に、コア指標を分解する必要があります。対応する分解方法は、ファンネルまたはツリーです。これら 2 つを一緒に使用して段階的に分解し、最終的にインジケーター システム全体を完成させます。

3. データを抽出する

たとえば、週次/月次データを見るとき、最初に尋ねるべきことは、なぜそのデータがこのようになっているのかということです。

その主な理由は、第一にビジネスを理解すること、第二にデータに対して非常に敏感であることです。では、データ感度をどのように高めるのでしょうか?基礎トレーニングは認知条件を深めることです。

オペレーターとしては、データ テーブルが提示されていても、一部の数字が明らかに間違っているため、使用できない場合があります。これを基本データ機密性と呼びます。検証方法は、業務の理解度と常識的な判断力をみることです。

4. 真正性を確認する

全体的なパフォーマンスが異常なのはなぜですか?理由はシステム障害か人為的ミスの2つだけです。

一般的に言えば、データシートの信頼性を検証するには、まずデータをスキャンし、常識に基づいて判断する必要があります。

いくつかのエラーを削除し、変異点/矛盾を特定し、慎重な分析を実施し、結論に影響するデータを削除し、問題が発見されたらすぐに修正します。

システムの問題であることが判明した場合は、タイムリーに解決するために必要なアラームと監視メカニズムを設定する必要があります。

5. 分析を行う

データ分析では、比較と相関の 2 つの方法が一般的に使用されます。比較分析には 4 つの共通の次元があります。

1) 比較分析

まず、時間の側面

これには前月比および前年比の変化が含まれます。前月比の変化は、日、週、月、四半期を指します。前年比の変化は、月、四半期、年を指します。

たとえば、2022 年は前年比ですが、2022 年 5 月と 2022 年 6 月は前月比です。

2番目はユーザーの側面

社会的属性には、性別、年齢、地域、職業、収入が含まれます。ユーザー属性には、新規ユーザーと既存ユーザー、無料と有料、高レベルと低レベルが含まれます。

第三に、運用面

操作前と操作後、操作Aと操作B、主に操作プロセス、プロモーション、機能、シナリオが含まれます。

第4に、競争の側面

データの状態、機能の使用状況、経験とプロセス、マーケティングとプロモーションなど。

2) 関連性分析

これは、単一の度合いによって影響を受ける問題ではなく、データ全体の関係性を指します。

たとえば、ある製品のユーザー数が減少していることに気付いたとしても、それはアクティビティがないからだとすぐに結論付けることはできません。

まず、分析する際には、データを見るためにすべてのパスを接続する必要があることを知っておく必要があります。補助金が減った、チャネル投資が減った、品質が低下したなどの可能性があります。つまり、1 つの要素だけで直接判断しないでください。収入についても同様です。

まず、すべてのコア指標とプロセス指標を見つけ、次にすべてのパスを統合し、データを順番に見て、それらがどのように相互に関連しているのかを調べます。

コア指標が変化すると、単一の要因によって影響を受けるわけではありません。すべてのプロセス指標を確認して問題を特定する必要があります。データによって表現される情報は複数の要因に関連しています。

6. 結論を書く

データ分析レポートを書くとき、記述される現象は、データが特定の期間にどのようになっているかということです。

データの変更の原因は何か、といった 2 つの質問を覚えておくことができます。データの変更を改善/促進する方法はありますか?

同様の状況が再び発生しないように、経験を要約し、事前に計画を立てます。

日次レポートと週次レポートは簡潔なもので、明らかなデータ変動を述べ、データ変更の理由を示すだけで十分です。
月次レポートは可能な限り詳細に記述する必要があります。重要なのは、運用戦略の成功または失敗をまとめ、その後の運用戦略への提案を提供することです。

まず、結論はデータに基づいており、恣意的な推測は避けることに注意してください。第二に、結論とレトリックが矛盾している。 3番目は、説明が少なくなり、データが増えることです。 4 番目に、テキストは画像ほど優れておらず、画像は表ほど優れていないことを覚えておいてください。

まとめ

以上がデータ分析のプロセスです。まずデータを収集し、次に問題の原因を分析します。トレンドについて考え、説明することによってのみ、意味のあるものになります。

最初のステップはデータの表示（正確な統計）、2番目は帰属、3番目は反復（実装）、4番目は反復効果の観察、5番目は次のステップの解釈です。

データは統計ではなく分析です。データ分析の前提条件は、ビジネス ロジックの深い理解です。

運用を行う際には、データを潜在意識の行動にまで浸透させることが重要です。業務プロセスにおけるあらゆる手段をデジタル化し、データドリブンな思考で業務の改善・推進が可能になります。