データ分析の限界(アンチ・データ分析向け)

こんなコンテンツを書きたいと思います。

  • データ分析は万能じゃないらしい
  • なびなびの職場ではどうか
  • データ分析とどう向き合うのがいいのか

こんな人に読んで欲しいです。

  • A. データ活用やデータ分析の価値が分からず不要だと思う人(アンチな人)
  • B. データ活用に携わっていてデータ分析の限界が見えてきた人(絶望している人)
  • C. データ活用に携わりたいと思っているが戦い方が分からない人(分からない人)

私が言いたいのはこんなことです。

  • なびなびの実感としてもデータ分析は万能じゃないと思う
  • 有効なケースもあるので、できる限り先入観は取り払って欲しい(A. アンチ向け)
  • データ分析を武器に闘う人が価値を出す方法として、
     1. データ分析(定量分析)と定性分析の両方を操る「事業コミット型」と、
     2. データ分析が確実にハマりそうな案件をピンポイントに企画する「企画型」
    がありそう(B. 絶望、C. 分からない向け)

データ分析は万能じゃないらしい

現職では、元バリバリ現場にいたプロパー社員も分析案件に携わっています。しかも、彼らはデータ分析が本当に役に立つのか懐疑的です。そんな彼らに、メリカリの樫田さん(元分析マネジャー)と、タベリーの矢本さん(CEO)の対談動画をシェアしたら、めちゃくちゃウケました。

※動画の内容を記事にメモっておきました。さくっと確認したい方はご活用ください。
→ 【参考資料】Free Agenda #63 Issue Analysisについて(メモ)

対談の中では、1. イシューアナリシス(なぜなぜ分析)とは何か、2. 良い意思決定とは何か、という2点がトピックに上がっていました。
同僚が共感したのは、「良い意思決定をデータ分析だけでカバーするのは難しい」という主張が、メルカリやタベリーの事例をもとに生々しく語られていたことでした。
詳細は、動画に譲りますが、良い意思決定をデータ分析だけでカバーすることが難しい理由は以下の通りです。

  • 良い意思決定は、X. 正しい(効果がある)、Y. 早い、Z. 納得できる、を兼ね備えたもの
  • データ分析で解決できるのは、Y. 早い、Z. 納得できるだけ

なぜ、万能ではないデータ分析にニーズがあるかというと、

  • 企業規模や顧客規模が大きくなると意思決定が複雑になるのでデータ分析による「早く」「納得感のある」意思決定が重宝される傾向がある

ということでした。

なびなびの職場ではどうか

本当にデータ分析は万能じゃないのか

なびなびもデータ分析は万能ではないと感じます。
なびなびは、顧客分析を担当することが多いので、顧客分析の事例を挙げてみます。

「顧客の利用頻度を上げる」、というお題に対して分析するとした場合、「どんな」顧客が利用頻度が高い・低いかまでは分かりますが、「なぜ」そうなのかまでは分かりません。
「なぜ」が分からない限り、正しい意思決定はできません。
この「なぜ」を解消するのは、顧客の心理にまで遡る必要がありますが、現状弊社にはそんなデータはありません。
この問題は、顧客心理に関するアンケートをとって定量データ化すればクリアできますが、そのためには、「どんな項目について、どんな選択肢を用意したアンケートすれば良いか」という別の問題に直面します。

これが重要で、「どんな項目・選択肢であれば、顧客の利用頻度との因果関係が言えるのか」、ということはデータ分析では導けないのです。
ここで、ユーザーインタビューなどに基づく定性分析が必要になります。
これがデータ分析の限界だと思います。

「早い」、「納得感がある」というのは本当か

データ分析の強みとして挙げられていた「早い」、「納得感」については、お恥ずかしながら現職では「データ分析を活用しきれておらずメリットを享受できていない」という状況です。(ただ、肌感として、活用できれば、強みになると感じます。)

活用できていない理由として、個人的には以下3点の問題が大きいと思います。

  • 分析者のスキル・経験不足で意思決定に必要な情報を特定ていない
  • 意思決定者がデータを信用しない
  • 現場がデータ分析に懐疑的で必要な情報を現場が開示しない

データ分析とどう向き合うのがいいか

A. アンチな人

ニワトリタマゴ問題ですが、あなた方の協力がなければ、「早い」、「納得感」の強みすら発揮することができません。必ずや結果としてお返ししますので、ご協力お願いします!!

B. 絶望している人、C. 分からない人

この動画を見て、なびなびみたいなエセ・データサイエンティスト(もちろん本物目指してますよ!)がデータ分析を武器に戦うには、大きく以下2つの方向性がありそうだと思いました。
「B. 絶望している人」、「C. 分からない人」も、データ分析を軸にして戦いたいことは共通していると思うので、下記が当てはまる方が多いのではないかと思いました。

  • 定性分析も定量分析も使いこなせる「事業コミット型」
  • 定量分析が確実に刺さる企画を立ち上げられる「企画型」

定性分析も定量分析も使いこなせる「事業コミット型」

特定の事業で必ず成果を出せる人です。データ分析に加え、ユーザー・インタビューやUX設計などの領域にも知見があり、正しい意思決定に必要な定性・定量分析を使いこなすことができます。

定量分析が確実に刺さる企画を立ち上げられる「企画型」

データ分析の中でも、「予測分析」、「処方分析」と呼ばれる領域は、人の介在する領域が少ないため、属人的判断による非効率を正す効果が大きいため、絶大な効果を発揮する場合があると考えています。

※予測分析、処方分析については、「O2Oイノベーションラボ」の記事が詳しいと思います。
→ ビジネスパーソン必見!やさしくわかるビッグデータ分析

ただし、これを実現するためには、以下2点が課題になります。

  • インパクトが大きい意思決定を特定すること
  • 意思決定のためのデータが揃っていること

1点目は、データサイエンティストのスキルに依存するところです。なびなびは、一応は戦略コンサルをかじっていた人間ですが、予測・処方分析で効果を出すための意思決定の特定は、具体的に行わねばならず、前職で培ったと思っていた課題整理力では不十分だと感じました。

2点目は、データ活用成熟度の次第ですが、少なくとも弊社では相当ハードルが高いです。

データ活用成熟度が低く、かつ、速やかな成果を求められている弊社の場合は、「いかに少ないデータ収集コストで、いかに大きな意思決定を自動化するか」が重要となります。
ですので、見込みが薄い事業は捨てるといった、冷酷な判断が必要が必要な点が、「事業コミット型」と大きく異なります。

(おまけ)なんで同僚は共感したのか

僕らの部署は、どちらかというと「企画型」として動いています。
担当していた部門を見捨てるということは、元現場にいたプロパー社員にとって非常に辛いものです。

定量分析の限界がクリアになり、「事業コミット型」の可能性が示唆されたことが、同僚にとっては非常に腹落ちしたポイントだと思います。

最後に

最後までご覧いただきありがとうございました。
「事業コミット型」も「企画型」も対立しているようで、スキルとしては両立するものだと思うので、なびなびとしては両方を伸ばして行きたいと思った次第でした!

以上!

コメントを残す