ログイン

データ分析 始めの一歩の踏み出し方とデータ収集のコツ

 2019.3.29 お役立ち情報 ブログ

『データ分析 始めの一歩の踏み出し方とデータ収集のコツ』

・必要性は認められつつも中々進まない、データ分析

データ分析の目的は業務改善に活かすことです。
業務フローの中には必ず改善できるポイントがあります。
そして、改善するためのヒントはデータの中に隠れています。
けれど、分かってはいるのに着手できないでいるデータ分析。
今回はデータを活用するために、データ分析を知るところから始めたいと思います。

目次

  1. データ分析の役割
  2. データが活用できない3つの理由
  3. なぜデータは活かせない?
  4. データ分析の手法について
  5. データ分析、何から始めたらいい?
  6. データ活用の順番は『目的⇒方法⇒分析⇒判断⇒実行』
  7. データ分析の3つの方法について
  8. データ分析のための第一歩とは

データ分析の役割

データ分析の役割は、膨大なデータを整理して意味のある数字を抽出することです。
雑多なデータを意味のある情報へと転化させるのがデータ分析だと言えます。
それでは、どうやってデータを分析し、活用できるようになるのかを見ていきましょう。

データが活用できない3つの理由

日々の仕事は膨大なデータを生んでいます。
しかし、活用できているデータはそのうちの何分の1でしょうか。
業務改善を考えるときに「データの活用」が方策として上がることは多いのですが
実践される率は低いのが現実です。

・データが活かしきれない多くの原因は以下の3点です

1)データ分析の人材が不足している
2)データの活用方法がわからない
3)必要な情報がない

なぜデータは活かせない?

1)の人材不足は、担当者や専門の人材を設けないことにあります。
片手間に追加業務として開始する場合には、時間の確保が必要です。
そうでなければ担当者の負担が増えるばかりで、失敗に終わりかねません。

2)の活用方法がわからない理由は、データ分析の結果が何を示すのかの理解不足が原因です。多くの分析ツールがあふれる中で、焦りから陥りがちな失敗です。
ただ分析を実行するだけでは意味のある情報にはなりません。

3)の「必要な情報がない」という失敗はなぜ起こるのでしょうか。
膨大なデータの蓄積があるはずなのに、どうして不足するのでしょう。
それは「データの収集方法が適切でないために、そのまま活用できない」からです。つまり、何に活かすのかを考えたうえでデータを集積する必要があると言い換えられます。データには使えるデータと使えないデータがあることを覚えておいてください。

データを有効に使うためには、人材確保と基本的なルールが必須です。
そして、ルール作りのためには、活用目的が必須だと言えるでしょう。

データ分析の手法について

データ分析には様々な種類があります。

・アソシエーション分析
・バスケット分析
・決定木分析(ディシジョン・ツリー)
・クラスター分析

♦データ分析で何が見えてくるか

それぞれデータ分析の特性を見ていきましょう。

・アソシエーション分析
アソシエーション分析は、関連性を見つけ出すためのデータ分析です。マーケティングや経営戦略についてを考える時に有用です。
「営業活動と売上げに相関性があるかどうか」といった分析に強みのある分析手法です。
精密な分析ではありませんが、方向性を決めるためには一定の効果を発揮する分析手法です。

・バスケット分析
アソシエーション分析の手法を用いた後に、より細かい関係性を分析したい場合にオススメなのがバスケット分析です。
バスケット分析は商品やサービスを起点に考えます。商品Aを購入した人が商品Bに興味を持つのか、商品Cは多く購入するのか、など、ユーザーの行動や関連性を分析する時に役立ちます。

・定木分析(ディシジョン・ツリー)
アソシエーション分析やバスケット分析は、現状を把握するために使うことが多い分析ですが、決定木分析は仮設に基づく行動を決定するときに用います。
分析結果の解釈が、感覚的に行いやすい形で表示されるのが特徴です。そのため、プレゼンテーションの「総論」に使いやすいと言えます。

・クラスター分析
クラスター分析は似たような性質を持つデータに着目して集合を作っていく分析手法です。
似て非なる既存顧客やステークホルダーを分析するときにも用いられます。
ただその性質から、客観性を保つのが難しい分析手法と言われています。

データ分析、何から始めたらいい?

まずは何のためのデータ分析なのか、目的を決めるところが第一歩です。
一番してはいけないのがゴールを決めずに分析を始めてしまうこと。
データが欲しい理由は、売上を上げるためなのか、作業効率を上げるためなのか。
必要なデータの内容もそれによって変化します。
目的を定めてこそ、必要なデータが判断できるのです。

データ活用の順番は『目的⇒方法⇒分析⇒判断⇒実行』

解決したい問題点が明確になったなら、次はどんな情報があれば判断材料になるかを考えます。
そして、その後に分析方法や集積方法が決まります。
ここでは、何をどの程度まで分析するのかを決める必要があります。
分析の手法とデータ活用の仕方によって使えるデータが異なるからです。
データの蓄積に必要な期間は、内容により異なるでしょう。
無事データが集まったところで分析、そして理解して判断する段階へと移行します。
そのあとに、問題解決の一手として実行へと着手することになります。

データの活用方法については別の記事で紹介予定です。

データ分析の3つの方法について

データ分析の方法は、大きく分けて3つあります。
エクセルを用いたもの・紙を用いたアナログなもの・システムを利用したものです。
それぞれに特徴が異なるため、以下で説明いたします。

♦データ分析の方法 それぞれの違い

・Excelを使ったデータの分析
データ分析と聞くと、専門家へ外注するイメージを持つ方もおられます。
ですが、エクセルを用いた簡単なデータ分析でも業務改善に活かせます。
回帰分析・ピボットテーブル・ヒストグラムの3つを覚えるだけで有効なデータ分析が行えるでしょう。

・紙を用いたデータ分析
紙は簡易にデータを残す事には向いていますが、データの集積となると手入力作業を要すことが殆どです。
この場合の一番のデメリットは、誤読や誤入力により誤ったデータが集積される可能性が高いということです。
閲覧性は高いのですが、検索性と集積性に欠けると言えるでしょう。
可能であれば二度手間をかけずに、正確なデータを集める方法に移行することをお勧めします。

・システムによるデータの集積と分析
システムを用いたデータ集めの一番のメリットは、データ分析までを一気通貫で行えることです。
データの分析方法まで設定しておけば、意味のある数字に落とし込んでくれます。
スタートするためには目的・分析手法・データの集め方の3つを明確にしておく必要があるためハードルが高く思いがちです。
けれど、意味のある分析のために必ず必要な道なので、練り上げてしまえば後が楽になる方法だと言えるでしょう。
機械学習を用いれば、複雑な予測分析も任せられます。

データ分析のための第一歩とは

データ分析とはなにか、何から始めたらいいかが見えてきたでしょうか。
まずは、何のためデータを必要とするかを決めることが第一歩です。
その後にそのデータの収集方法を決定しましょう。

IoT(Internet of Things:モノのインターネット化)の広まりやビッグデータ処理技術の発展により、収集するデータの精密度や量は飛躍的に向上しています。
精度が高いからこそ、初期設定の小さな差が出てくる情報に大きな差を与えます。

コツはデータ分析のゴール設定を明確にすることです。
良質なデータ分析が行えると、すぐに経営判断に活かせます。
限られた労力を活かして、より豊かな施策へと活用していきましょう。

システム化ならプロマネがオススメ!!

© 2019 Mountain Gorilla Co., Ltd.