Googleデータアナリティックス - 6週目：データアナリストの課題とSMART フレームワーク
Googleデータアナリティックスという、データ分析を仕事にしたい人向けの講座を受講してます。全6か月分、計30週分のコースで優秀なデータアナリストになろうという内容です。
今回はデータアナリストの課題とSMARTフレームワークを使った構造化思考について学びました。
データ主導の意思決定
データ主導の意思決定の演習として、まずデータ分析サイクル（問いかけ、準備、処理、分析、共有、行動）の使い方を復習する。
次に、データの種類・スプレッドシートの使い方・構造化思考について学習する。
データ分析が役立った例として、まず日常生活の改善があります。
私はGoogleデータアナリティックスの他にもソフト開発・CG制作について学んでいるのでバランスよく時間配分をしなくてはいけないのですが、StudyPlusというアプリを使って学習内容を記録するようにしたところ自分が最も時間を割けているものは何か・逆にこれから時間配分を増やすべきものかは何かというインサイトを得られるようになりました。
「今日はこの勉強をした方が良い」という直感ではなく、データ主導にすることで意思決定が明確にしやすくなった良い例だと思います。
データの活用例
データ主導の意思決定を応用した例。
ゲーム機の修理を請け負う会社が利用者を増やすためには、どのようなことに取り組むべきか？
問いかけ ー 会社はターゲット層が好む広告のタイプを把握できていない
準備 － ターゲット層であるゲーム機の所有者の傾向を調査する（ターゲット層が好む広告）
処理 － データをクリーニング・前処理する
分析 － ゲーム機を所有している可能性が高い人、それらの人々が見る可能性の高い広告を分析して特定する。ゲーム機を所有している可能性が高い人は18~34歳の年齢層、見る可能性の高い広告はポッドキャスト番組であることが判明した。
共有 － 広告を出すべき層・広告の手法に関して関係者に共有する（可視化資料と簡潔な説明）
行動 － 広告を出稿する。30秒間の広告を1か月間、地元のポッドキャスト番組で配信した。
これら 6 つのステップを踏むことで、データ分析プロセスをより小さいタスクに分割することができる。これを構造化思考(Structured Thinking)と呼ぶ。構造化思考を行うことで、データ分析を行う際の以下の問題に対処できるようになる。
１、現在起きている問題や状況を認識する
２、活用できる情報を整理する
３、生じているギャップや機会を明らかにする
４、考えうる選択肢を特定する
データアナリストが直面する課題のタイプ
データアナリストが直面する課題のタイプには、以下の6つが考えられる。
1, 予測を立てる
2, 物事を分類する
3, 異常を見つける
4, テーマを特定する
5, つながりを発見する
6, パターンを見つける
SMART フレームワークについて
重要なインサイトにつながる効果的な問いをするには、SMARTフレームワークを用いる。
データアナリストが避けるべきなのは、YesかNoかで完結してしまうクローズドクエスチョン。二択のみの問いかけは漠然としすぎていて、有益な情報や文脈が得られないことの方が多い。効果的な問いかけは、SMARTフレームワークという以下の5要件を満たすものにする。
１、具体性(Specific)
２、測定可能(Mesurable)
３、行動指向(Action-Oriented)
４、関連性(Relevant)
５、時間的制約(Time-Bound)
例えば「最近の子供はちゃんと運動をしているのか？」という問いをSMARTにするには、「国が推奨している、１週間に5日の60分間以上の運動をしている子供の割合は幾らか？」という問いかけに変えると良い。
また、効果的な問いかけはデータアナリストの職業倫理に則って公平性(Fairness)を満たすものとする。
例えば、「博物館の展示内容で、最も気に入ったものは何ですか？」という問いかけは「来場者は展示物が気に入ったはずだ」というバイアスが働いていて、公平性のある問いではない。
SMARTフレームワークをビジネスにおけるデータ分析に応用すれば、以下のインサイトを得るのに役立てることができる。
目的：データを深堀りをする目的
ターゲットオーディエンス：データを深堀りした結果、興味や関心を持つのは誰か
時間：データ分析と意思決定をやり遂げるまでの期間
リソース： どのようなリソース・人材や資本が活用できるか
セキュリティ： どこまでの範囲の人に情報・意思決定を公開するか
SMART フレームワークをビジネスに役立てる
ヒアリングなどをしていて課題をSMARTにしたい場合は、以下の点をメモしておく。
事実：日時や名前など
背景： 必要かつ関連するあらゆる情報
不明な点：後で質問・確認し明確化する
ビジネス全体の目標：データを活用して、成し遂げたいことは何か
データソース：分析に使うデータは、どのようにして入手しているか
プロジェクト期間：データ分析をおこなうリミットはいつか
やるべきこと：データを収集・分析するためにデータアナリストがするべき事は何か
この記事が気に入ったらサポートをしてみませんか？