正しいデータ分析の手順とは?成果につながる5つのステップ
この記事では、データマーケティングで大きな成果を上げるうえで最も重要な「正しいデータ分析」の具体的な取り組み方を解説していきます。
目次
この記事を読んだ人がよくダウンロードしている資料
正しいデータ分析 5つのステップ
最もよくないデータ分析の取り組み方は「膨大な数値データをとりあえず分析して、そこからわかったことをもとに次の施策を立てたい」といって、目的を決めずにデータ分析に入り、結局は何もわからず、迷路に迷い込んでしまうというパターンです。
そうならないためにも、具体的な課題を見つけ、現時点での仮説とその根拠は何か、仮説を確かめるにはどんな情報を集めてデータ分析する必要があるのかを検討する、以下のような正しいデータ分析の手順を踏むことが大切です。
❶ 目的の明確化
「目的」を明確にしておかなければ、データ分析の進め方を間違えてしまい、大幅に遠回りをしてしまう可能性が大いにあり得ます。
逆にいえば、ゴールを定めて、そのゴールに向かって最適なデータ分析をすることができれば、より速く的確な戦略や打ち手を導き出せることになります。
特に、時間の流れの速い現代のビジネスにおいては、いち早く自社の問題となっている原因を探り、問題を解決するための解答を導き出すことが、売上を伸ばすため、あるいは競合他社に勝つためには欠かせないのです。
データ分析に対して資金や人を投入しているのであれば、コストに見合う成果を得たいものです。そのためにも、目的の明確化が必要なのです。
もし最初から明確化することがちょっと難しいのであれば、はじめは「売上減少」などの漠然とした問題でもかまいません(あるいは売上増加といった目的でもかまいません)。徐々に目的を明確にしていけばよいのです。
目的を明確にすればするほど、そのあとの分析もスムーズに進みます。また、目的は具体化したほうが、それに対する打ち手もシンプルでわかりやすいものになります。
❷ 仮説の洗い出し
仮説とは、その言葉の通り「仮の答え」になります。真偽はともかくとして、「ある論点に対する仮の答え」や「わかっていないことに関する仮の答え」です。
たとえば「この事業は儲かるはずだ」や「この問題の原因はここにあるに違いない」といったことになります。
データ分析において、どのような場面でも必要になるのが、「仮説を構築すること」です。仮説は、データ分析や数字で検証するための拠り所となるのです。
しかし、仮説をすべて洗い出したら、その数は膨大なものになるでしょう。それらすべてを実行に移すことは、現実的ではありません。そのため、優先順位をつけて絞り込んでいく必要があります。
経験がある人であれば、統計的に過去の実績や勘によって打ち手を想定して、自然に優先順位づけをすることができるでしょう。とはいえ、実際はそうしたスキルを持っていない人が多いと思います。
そのような方にぜひおすすめしたいアプローチがあります。それは、「データ分析をしていくことで、複数の仮説の中から優先順位をつけていき、確度の高い打ち手を絞り込む」という手法です。
この方法を使えば、複数出てきた仮説の中から最も問題解決に貢献しそうな仮説を選択することができ、経験や勘に頼ることなく確度の高い打ち手を絞り込んでいくことができます。
こう書くと、いかにも難しそうなのですが、例で考えてみれば簡単です。
たとえば、原因が何かはわからないのですが、「売上減少」という状況が起こり、社員がそれぞれの立場で売上減少の要因を考えた結果、10個の課題仮説が出たとします。
本来はこの10個の課題仮説すべてに対して改善していきたいのですが、実際にはすべての仮説に対して人的リソースや時間的リソースをかけることはできません。しかし、少なくとも2~3個に絞り込まなければ現実的に難しいという場合、どうしても今までの経験や勘で絞り込まれることが多いのではないでしょうか。
そこで威力を発揮するのが、問題解決の考え方とデータ分析です。問題解決の考え方をすることで、課題とそれに対する解決策の仮説を洗い出すことができ、その仮説を証明するのは、データ分析になります。
では、具体的にどのように絞り込むかですが、図に示したように、データ分析を行うことで、たくさんの仮説の中から優先順位をつけることができます。
図 複数の仮説の中から優先順位をつける
たとえば「客数が減少しているのか、それとも客単価が減少しているのか」がわかれば、10個ある仮説はさらに絞り込めるでしょう。さらに、「客数の減少」が顕著であれば、「新規顧客の減少」「既存顧客のリピート率の減少」など原因と仮説と打ち手を絞り込むことができます。
このように、洗い出した仮説に対してより適切に「当たり」をつけていくことができるのがデータ分析なのです。
「経験や勘」と「複数の仮説の中から優先順位をつけていく」方法の2つのアプローチ、どちらが絶対にいいということはありませんが、この記事をお読みの方には、後者のプロセスを実行することを強くおすすめします。
この仮説の立て方や絞り込み次第で、データ分析の精度は大きく異なるものになることを覚えておいてください。
❸ 分析方法の定義
ここでは、仮説を検証するために、どんな数値データが必要なのか、どのような分析方法を行えばよいのかを整理していきます。
具体的には、現在、自社が持っているデータのほか、あらゆるデータの中から、どのデータを使って分析を行うのかを検討します。
分析方法の定義については、課題や出てきた仮説によってやり方が大きく変わってくるため、❷で洗い出した仮説を検証するために何を分析していく必要があるのかを、抜け漏れなく整理することが、とても重要になります。
❹ 情報(データ)の収集
❸で定義したデータ分析方法に基づいて、必要な情報(使用するデータ)を探していきます。情報収集の方法や集めるデータについては非常に多岐にわたりますが、❸で定義した分析方法を実現させるためのデータを、いかにして集めて整理するかが、大きな鍵になってきます。
❺ 分析
集めた数値データを使った分析を進めていきます。データ分析は、経験の数によってスピードや精度は上がっていきますが、ポイントさえ押さえてしまえば、初心者でも一定の成果を出すことができるのもデータ分析です。
以上の一連の流れでデータ分析を進めていきます。
打ち手の決定
ここまでのデータ分析で自社の現状が明確になったら、その現状を踏まえて、自社のビジネスを成長させるための打ち手を決定していきます。データを分析して終わりではなく、データに基づく打ち手を決定し実行していくことが、本当に成果につながるデータマーケティングです。
例えば、十分な新規顧客が取れていないという分析結果が出たのであれば、「認知・集客不足」が解決すべきポイントとなりますし、店舗によって収益性に差が出ているという分析結果が出たのであれば、「低収益店舗の発生」が改善するポイントとなります。
改善ポイントは1つであるとは限りません。場合によっては3つ、4つ出てくるでしょう。それら出てきた改善ポイントをどう改善していくのかを考えていきます。
その際にもデータ分析の結果を活用します。「認知・集客不足」の原因が、他社と比較して広告宣伝やメディア露出の不足だとすると、「TV、雑誌等メディアを活用した継続的な販促策実施による認知度向上」が一つの改善方法になりますし、「低収益店舗の発生」の原因が勝ちパターンを外した出店にあるとすると、「出店基準の確立」や「店舗フォーマットの確立」が改善方法になってきます。
改善方法を導き出す“原因”についても、今まで行ってきた自社データの分析や競合他社との比較、消費者調査などから導き出されたデータ分析から洗い出されるものです。 今後成長していくに当たって、現状何が足りていないのか、どこに成長機会があるのかを明確にします。
このブログでは今回ご紹介した記事の他にも様々なデータ分析の事例を解説しています。興味のある方はぜひチェックしてみてください。
\ この記事を読んでいる人におすすめ! /