データを分析するとは

データ分析 データ分析編

データを分析することは、非常に重要なことです。

事象(売り上げが下がったこと、お客様がアクセスしなくなったこと、あるいは売り上げが上がったこと等)には必ずその原因や要因があります。

その原因や要因を紐解くためにはデータを分析し、改善や修正などを行う必要があるからです。

では、「データを分析する」とはどういうことでしょうか。
難しそうな手法を用いることでしょうか。

一緒に考えていきましょう。

PDCAサイクル

データ分析を考える前に、データ分析とセットで考えられるPDCAサイクルがあります。


これは聞いたことある方がほとんどだと思います。
「計画」を立て、「行動」し、「評価」し、「改善」する。

このPDCAの中でデータ分析を用いる場面は、「P」と「C」です。

計画をする土台としてデータ分析をし、また行動した結果に対して分析し、評価し、改善点を紐解く為などに使用します。

データ分析で重要なこと


インターネット販売を行っていると、よくこんな場面に出くわすことはないでしょうか? 

売り上げが減少しているが、原因がわからない・・・・。


売り上げは間違いなく下がっているのに、その原因がわからない。

このようなケースは非常に多いように感じます。

また逆にこんなケースもよく耳にします。

売り上げが上がってるけど、なんでだろう?


人は「成功」や「たまたま上手くいく」とすると、振り返りをすることをしなくなってしまいがちです。

失敗には失敗する原因があるように、成功するにも成功する要因があるのです。

重要なことは、しっかりとデータ分析を行うということです。

常日頃からデータ分析を行っておくと、
例えば売り上げが何故下がったのか、何故アクセスが減ったのかに
いち早く気づき、対処が取れます。

どうしてもデータ分析といえば、こんなイメージを持っている方がいます。

データ分析って難しそう・・・。


一概にデータ分析といっても様々ですし、何を分析したいのかによって手法も異なります。

ですが、データ分析において重要なことは、手法ではありません。

「●●分析法」を用いているからデータ分析ができるや、難しい手法を用いたからデータが分析できたと勘違いしがちですが、これは大きな間違いです。


データ分析とは、「どう分析するのか」ではなく、「データから何を読み解くのか」です。

データから読み解く力

繰り返しになりますが、データ分析において重要なことは、「集計したデータをどのように読み解くのか」にあります。


ここで1つ例を出したいと思います。

椅子を販売しているECクラフト店の店長ダイさん。

昨年から今年にかけて、メイン商材である1客5,000円のお手頃な椅子に加え、
高級志向のお客様もターゲットにしようと1客1万円の椅子を販売し始めたところ、
昨年4月と比べて今年の4月は下のような数字になりました。
(あくまで例ですのでデータは非常に簡単なものとしております)

  売り上げ(円) アクセス人数(人) 転換率(%) 客単価(円)
2019年4月 100,00010002%5000
2020年4月150,00012002%6250

要素としては少ないですが、このデータを見て何を読み解いていくのでしょうか。

クラフト店に働くアルバイトの「かんた君」はこんな読み取り方をしました。

かんた君
かんた君

アクセス人数が上がったのが、売り上げ増加の原因だ!

また、同じくクラフト店に働く社員の「ゆいかさん」はこう答えました。

ゆいかさん
ゆいかさん

アクセスだけでなく客単価も上がっているから、売り上げ増加には客単価も影響していそう。高級志向のお客様を少しでも取り込めたのかな?

こういった意見は多くの方が思う理由だと思いますし、答えとしては間違っていません。

ですが、「かんた君」と「ゆいかさん」の発言には大きく違う点があります。

そしてそれがデータ分析には非常に重要な要素となります。

「説明」と「推論」

データを分析することにおいて重要なことは、

「データから何を読み解くのか」とお伝えしました。

そのことを踏まえて、かんた君とゆいかさんの発言を見ていきましょう。

まずかんた君の発言はこうです。

かんた君
かんた君

アクセス人数が上がったのが、売り上げ増加の原因だ!

かんた君は「アクセスが増えたから売り上げが上がった」と言っていますね。

もちろん、これも売り上げが上がった一つの要因です。
ですが、この発言は表面上の数値の説明しかしておらず、
これではデータ分析とはなかなか言えません。

なぜならば、次のアクション(PDCAサイクルのCからAに行く段階)に繋がりにくいからです。

かんた君の「アクセスが増えた」から「売り上げが上がった」という結果を基に、
次の行動を決めると「アクセスを増やそう」しかならないのです。

データを「説明」するだけに留まると、結果、次の行動の幅が狭くなり、
次のアクションの質が低下します。

対して、ゆいかさんの発言を見ていきましょう。
ゆいかさんはこう発言しております。

ゆいかさん
ゆいかさん

アクセスだけでなく客単価も上がっているから、売り上げ増加には客単価も影響していそう。高級志向のお客様を少しでも取り込めたのかな?

ゆいかさんは「アクセスと客単価が増えたこと」から、「高級志向のお客様をターゲットにできた」ことが売り上げ増加の要因とと発言していますね。

これは、データ(アクセスと客単価が増えたこと)に対して自分の推論(高級志向のお客様をターゲットにできた)を述べ、それが売り上げ増加に繋がったと発言しております。

この例題は少しデータも簡素的で、内容も端的にしておりますが、
データを分析するということは、集計したデータを説明するのではなく、
データを基に自分なりの推論を出すことなのです。

この「推論」に関しては、100%完璧でなくも大丈夫です。

重要なことは、ここでしっかりと「説明」でなく「推論」を出すことで、PDCAの「C」の部分の精度が上がり、次の「A」の部分の繋がっていくということです。

かんた君の次のアクションが「アクセスを増やそう」だったのに対し、
ゆいかさんの次のアクションは「高級志向の商品の横展開をし、
商品数を増やしてリーチを伸ばそう」や、「高級志向品の値段幅の上限を上げて、もっと高い単価の椅子を販売してみては?」など次のアクションの幅が大きく広がります。


例えば、他にも「客単価が上がった」にもかかわらず「転換率」が変わらず推移していることから、「利益率の高い高級志向品の商品は、広告をかけてアクセスを集めても良いのではないか?」というような推論もできます。

繰り返しになりますが、データを分析することは、「データに対し推論をする」ことなのです。

もちろんですが、データを分析する手法は色々とあります。

ですが、如何に難しく高等な手法を使用しようが、推論の材料が増えるだけで、
そのから何を推論するのかが一番の肝になってきます。

ぜひデータを「説明」ではなく、「推論」をし、分析していきましょう。

まとめ

いかがでしたでしょうか。
最後にまとめさせて頂きますと、

データを分析するということは、集計したデータを「説明すること」ではなく、「推論する」ことだということです。

意外と「説明」だけで終わっていた方も少なからずいらっしゃったのではないでしょうか。

次回以降は、実際に「推論」するために必要なデータ分析の手法について書いていきたいと思います。

最後まで読んでいただきまして、有難う御座いました。

タイトルとURLをコピーしました