![データ分析](https://assets.st-note.com/production/uploads/images/13577053/rectangle_large_type_2_ecf912517859e733072d991e175c43e9.jpeg?width=1200)
【テーマ別おすすめ書籍】データを分析して何かを提案する必要がある人向け
▽こんな人向けのnote
・実績データなどの分析を任される機会が増えてきた
・分析→課題抽出→打ち手の提案の期待に対し、だから何?というアウトプットを出している状態だと認識している
・スナップショット、時間軸を意識したデータをグラフ化するにとどまっている。
上記を自分自身でも微妙だと思いつつも、
後回しにしている状態だったので、
お盆休みの余裕があるときに数冊インプットしたので学びを整理しました。
もし誰かの役に立てば、、と思います。
※データ分析の細かいHOWの話ではなく、データを分析する上での標準的な流れをまとめているイメージなので、RやPythonが〜などの話は出てこないので悪しからず。。
参考書籍は、最下部に記載しています。
▽データ整理ではなく、分析をするために気をつけること
まず、とりあえず、、という形でデータをまず触らないこと。
目的のないデータ収集や編集は無限にできてしまうため、注意が必要。
わかってはいつつも、やりがち。エクセルを2時間でいじってアウトプットをなしなどは本当に徒労であり生産性がないです。
※一つのデータ分析のフローをサンプルとして整理してみました。
①スナップショット(ある地点のデータ)、トレンド(データの推移)にて概観を把握
例)輪切りのデータ、週次のデータなど。
②計画/作対比となる目標値と実績を比較し、問題となる部分を抽出
例)計画の80%達成で未達成など。
③問題となる部分がどのような要素で成り立っているか、四則演算ベースで要員分解を行う。
例)受注数 = アポ訪問数*契約率
アポ訪問数 = アポ獲得数*アポ実施率
アポ獲得数 = 荷電件数*アポ獲得率
④その上で、事象が発生している仮説を複数あげる
例)〇〇を〇〇すれば、〇〇が〇〇となる。
アポ訪問数が多ければ多いほど、契約数も上がる
荷電件数が少ない人は、アポ獲得数も少なくなる。
リスト作成が工夫されている人は、リストからのアポ獲得率が高い。
など。
⑤仮説をペイオフマトリクスなどで優先づけする
例)仮説が実証された時のインパクト*仮の打ち手の実現可能性
⑥検証したい仮説が、どのようなことを検証すれば正しいと言えるか整理
例)リスト作成時の観点とリスト総件数に対するアポ獲得率の関係を検証
⑦検証に必要なデータ、かつ入手可能なデータを明示
⑧データを収集し、分析する。検証された仮説をもとに、打ち手を提示する。
※ただし、分析した結果が相関関係か、因果関係なのかは注視が必要。
・原因と結果の時系列が正しいか
・第三の因子が影響している可能性がないか
・状況に応じて、Nをランダム抽出し、一つの因子の影響を正しく検証する必要がある。
▽参考図書
上記のデータ分析に関する大まかなステップを明示している書籍
細かいデータ分析手法に入らず、大まかなステップを明示している本なので、初学者にオススメ。著者も日産社内での実績がある方なので、
理想論と現実論(限りある時間の中での判断)のバランスが良かったです。
・因果関係ではなく、相関関係か
・原因と結果の因果がわからない
というような指摘をされたことがある人にオススメ。
具体的な事例を用いながら、複雑な数式なしで因果の考え方を学べる一冊。
因果関係をどうすれば証明できるのかについても示唆している。
原因と結果の時系列、因果以外の因子の影響を踏まえながら、
ケースに応じてグループピングし、ランダム抽出を行い、一つの因子の影響を正しく検証することを示唆している。
※自分もまだまだ勉強中なので、お勧めの書籍や勉強法などを共有いただけるととても助かります。
少しでもキャリアの参考になった、転職活動に参考になりましたら、ポチっといただくと励みになります。