【更新中】分析について(できればWebの)

データをみる視点（データを扱うリテラシーの最も基本となること）
・そもそもどのデータを使う（選択する）のか
・データをどう分解するか
・データをどう集約するか
・どの範囲のデータを使うか

・そもそもどのデータを使う（選択する）のか
選択の余地がない状況が多いかもだけど
できればゴールを定量化できるほど良い
定性的な課題を定量的な指標に置き換えることも
（天気→降水量　日照時間）

・データをどう分解するか
分析とは分けること　分解して中身を覗くことが分析の基本であり始まり
データとは数値の集まりであり、何かの計算結果
実績を整理して終わり　という報告も散見される
具体的な課題特定、必要なアクションへつながるのが分析

何通りもある分解の仕方から、効果的な切り口をどう見つけるか
→差が出やすい切り口を優先的に考える
分解したあとの要素になにかしらの差異があることを期待してますよね？自分の業務に関連するテーマであればある程度予想つくでしょうか　これを仮説と呼ぶ

・データをどう集約するか
このデータにはどのような分解パターンがあり、いまここにあるデータはどこまで分解されたものなのか
データの掘り下げ（ドリルダウン）だけでなく、まとめあげる（ドリルアップ）も
課題や目的に対して、どの分解度のデータで見るのが適切か

・どの範囲のデータを使うか
これをデータで知ろうとすると、どういった範囲が適切なのか一度自分の頭で考える
いくつか範囲のバリエーションを考えて、それぞれで結果を出す　それでそれらの結論がほぼ同じなら悩まなくていい　明らかな違いがあるならどうしてもそこに違いが生じているのかを探る

ーーーーーーーーーーーー

実務にて
目的や仮説も持たずに手を動かしてしまう
データ分析の目的は大きく2つ
1現場把握
状況を客観的に把握　データをいかに見やすく整理加工するか　多面的に情報を引き出すか
2課題解決
ポイントを絞って深く掘り下げ、その背景にある示唆を見つけ出す

課題解決のプロセス
→課題定義　現場把握　課題ポイント把握（what）　要因の特定（why）　方策の検討（how）

↑各ステップを前に進めるには仮説が必要
答え（ストーリー）を先に具体的にイメージすることが、データをいじる前に必要

そして仮説の検証には
どのようなデータが必要か　どう検証できるか

ーーーーーーーーーーーー
メモ

フレームワークでフラットに
仮説構築は一朝一夕にしてならず
経験、知識、勘所、センスが効率に影響する
場数を踏むことでどんどん磨かれていく

コミュニケーション図要る
サイト構造要る
↑
知らないことは仮説として出てこないから

数個の分析具体例