蓄積したデータから自動で施策を展開したり課題を抽出したりする仕組みが、少しずつ整いはじめています。そういった仕組みには純粋に未来を感じてワクワクします。
その一方で、オーソドックスな分析からの課題発見という仮説検証的な進め方も、私は大好きです。

業務として後者の取り組みの方が多いというのもありますが、「課題を発見するチカラ」「仮説を立てるチカラ」は、仮説を元に自分でデータをアレンジして深掘りしていく中で成長するように思います。その探求の繰り返しの中で、仮説検証の再現性を高めたりバリエーションを増やしたりして「経験値」を積んでいきます。

・グルーピングする
・クロス集計する
・セグメントする

この3つは、私が思うオーソドックスな分析の主な手法です。粒度の細かなデータは適切にグルーピングし、分析軸を掛け合わせて比較し、仮説を持ってセグメントする。この3つで、多くの事象は何かの課題を見つけられると思っています。

自動で課題が挙がってきたり、その課題改善のための施策も自動化されたりすると、極論を言えば人がわざわざ仮説を立てなくても良くなってしまいますよね。もちろん、組織のサイズやプロジェクトの成長フェーズによって自動化の仕組みは必要ですし、お金や技術でカバーすべきところも多いです。その一方で、いまのリソースの中でやりくりしなければならないときだってあります。そういったときに、分析の経験値を持つ人がいれば、必ず重宝します。

機械学習の時代ですが、オーソドックスな分析はきっとなくならないですよ。

先日、オーソドックスな分析を丁寧に行い、まとまった課題を挙げて、クライアント様から評価をいただいたプロジェクトがありました。試行錯誤はもちろんありましたが、手法はいたってシンプルなものでした。多くの人がエクセルなどでそのレベルまで取り組めるようになると、企業はもっと前進できると思っています。

★メールマガジンのバックナンバーはこちら