結果を誰がどう使うか事前に考える
仮の話ですが、
もしデータ分析をしようとする人が自分だけで結果を使い、
ビジネス上の結果にも自ら責任を負う立場であるならば、
体制の確認は必要ありません。
しかし、データ分析の結果を活用するためには、
すでにある業務の流れを変更したり、
決定に影響を与えたりする必要があることがほとんどです。
活用してもらい、良いビジネス上の結果を生み出すためには、
実際に使う人が結果に納得し、
協力してもらえるような分析を行う必要があります。
また、ニーズをうまく分析に取り入れることができない場合、
延々と修正を繰り返すようになることもあるでしょう。
そうなると、分析をする人だけでなく、受け手の側も疲れてしまいます。
しまいには、「時間をかけて何をやってるのか？」という話になるかもしれません。
そのため、まず「どこで」「なぜ」分析結果を使うのかを明確化し、
可能な限り、関係する人や組織に事前にヒアリングを行っておくことで
利用側の関心事やニーズを分析に反映させることを考えます。
③「どこで」とは、以下のようなことを指します。
・現場レベルの日々の業務
・マネージャーの意思決定
・経営層を含む会議
④「なぜ」に基づく観点は以下のようなものがあります。
・業務における属人性の排除、客観化
・業務の省力化や一般化
・人では気づかない要因の発見
体制を確認することのメリット
受け手の「スコープ」を把握する
データ分析の結果を実際に利用する人や組織は、
他部署、経営層、あるいは他社など様々です。
結果を利用する場所によって、
業務上の関心事やリスクの取り方は異なってきます。
たとえば、同じ売上分析を行うにしても、
現場レベルでは日々の来客数や申込数などのKPIを、
マネージャー層は予算や販促施策の成果などを、
経営層になると、競合動向やマクロ要因などを
念頭に判断しているのではないでしょうか。
ここで重要なのは、誰のために分析を行うかによって、
分析に含める要因（スコープ）が違ってくるということです。
スコープを正しく定めることで、手戻りを防ぎ、
報告の受け手や実際に使う人の満足度を高めることができます。
人の判断と対立するのではなく、補完しあう関係にする
また、それらの人や組織がデータ分析の結果で全てを判断することはまれです。
データ分析で業務のすべてが解決するわけではない以上、
データで決めることと、人が判断することとの切り分けが発生します。
たとえば、売上最大化のために営業成約率を予測したい、という場合、
取引先との関係や温度感など、
個別判断が必要なことを一般化した分析結果を出しても実務上の意味がありません。
勘と経験、人脈でうまくいっているものを、
「属人性を排除する」というだけで置き換えるメリットはそれほどないかもしれません。
誰かが決めていることを、データ分析で決めよう、というゴールがあるにしても、
まずは現状を把握し、担当している人が何を判断軸にしているか？をまとめることで、
それを改善するデータ分析とすることができます。
おわりに
実際に結果に関わる人のニーズを検討し、
何についてデータ分析で補完すべきかを考え、洗い出すことで、
どんな分析を行えば活用してもらえ、
成果につなげられるかを考えることができます。
また、分析に含める要因を取捨し、
人が行っている判断を分析に取り込むことで、
分析そのものの質を高めることにもつながります。
0コメント