おはようございます。るーさんです。

今日はわりと涼しい方なのに、少し掃除をしただけで結構な汗をかきます。
代謝がいいっていうことにしたい。

さて、今日はデータ分析を捉えることによって仕事に活かせるよっていうお話📄
＃2部に分けてお話します。

【要約】

データ分析は、その結果からどういったアクションを導きビジネスにつなげていくかということが重要。
効率的なデータ分析とは、①準備する、②集める、③分析する、④表現する、⑤伝える、の5つのステップで構成。

◯準備する

メッセージボードを作る

データ分析の準備の際に必要なツールとして、メッセージボード、データツリー、スケジュールがあります。

データ分析には「目的」があり、分析結果をどういったアクションにつなげていくかをはっきりさせる必要がありますよね。
じゃないと、データをとる意味がありません。
そのために使うのが、「メッセージボード」です。

メッセージボードには、
(1)誰に対し、(2)何の目的で、(3)何を行うのか、(4)(3)の具体的内容、(5)最初の一歩、の5項目があり、各項目を埋めていく作業をします。

(1)と(2)に関しては、対象者や目的が少しでも変わると分析方法は変わるため、前提を正しく認識した上で分析作業に取り掛かることが大切です。
対象が判然としない場合は大前提の方向性だけでも示し、多少のズレは作業途中で方向修正していくといいですよ。

(3)から(5)に関しては、仮説でも構わない。
まずは一つの方向性を示した上で、分析結果から検証し正誤判断していけばいいんですね。

(1)の「誰」を、より具体化するために、プロファイリングシートを活用する方法もあります。
これは対象者について様々な視点から特徴を明確化するものであるため、的を絞ったデータ分析が可能になるんですね。

データの統計図（データツリー）を作る

次に、データツリーの作成について。
これは「取り扱うべきデータの全体地図」という、意味。
どんなデータを使って、どのように分析すべきかを図に表したものです。
お宝マップのようなもの。

同じデータ項目でも、データ分析の目的に応じて分解方法を変えることでツリー構造は変化します。
そのため、メッセージボードで明確化した内容が大変重要です。

例えば、利益のデータツリーを作成する場合で考えましょう。
「利益=売上+コスト」と「利益=売上+利益率」どちらを選択するか。
さらに、「売上」をエリアごとの合計値とするか、製品ごとの合計値とするかなどでツリー構造は大きく変化する。

また、詳細なツリー作成を行うことで、データ漏れを防ぐことができます。
データツリーが完成すれば、どういった性質のデータが必要か、足りないデータはどれか、といった具体的イメージが視覚化されるから。準備段階でデータツリーを作り込むことが重要になりそうです。

しかしツリー作成はあくまで分析のための土台作り。
メッセージボードと同様、まずは仮説を立て、データ収集や分析作業の途中で積極的に作り変えていく姿勢でOKです。

データツリーが完成したら、データ整理を行います。
既に存在するデータを洗い出して、ツリーに当てはめ、不足データが見えてきます。
そしたら、最低限必要なデータ、あるいは代替可能なデータを考える。
最後に、集めるべき各データの細かさの度合いを考えるんですね。

◯集める

データの特性を理解する

データをその性質で分類すると、定量データと定性データの2種類に分けられます。
前者は数量で表されるデータ、後者は新聞記事のような数量で表されていないデータを指します。
簡単にいうと、定量は通知表、定性は数字で測れないことです。
また、「既に存在する」セカンダリーデータと「新たに集めなければならない」プライマリーデータと分類する方法もある。前者は官公庁発表の白書や公的な統計データ、後者は独自企画のアンケート結果や自社の売上が代表例。
各データのメリット・デメリットを理解し、収集時間などを考慮して最適なデータ収集を心掛けたいですね。

データの集め方

データを集める際に、大切な3つのポイントがあります。

1つ目のポイントは、セカンダリーデータから集めること。
目的に沿ってデータ収集が可能なデータは、分析目的にはより適した情報が得られます。
しかし、準備段階で具体的なデータイメージが明らかになっていない場合等は、セカンダリーデータの活用が有効です。
まずは可能な限りセカンダリーデータを収集し、その内容に不足があればプライマリーデータを取るべく企画すれば時間と労力の節約になる。

2つ目のポイントは、セカンダリーデータの素性を明確化すること。
これは大変重要！！
データの素性は6W1H(by Who誰が/for Who誰に対し/Whyなぜ/Whenいつ/Whereどこで/What何を/Howどのように)で示される。収集段階で、必ず6W1Hを明らかにしておきたいところ。

プライマリーデータを取る際も、素性を記録しておくことは必須事項です。
データ素性で一番の注目点は、誰が企画し収集したものかという点。

新聞各紙が行う内閣支持率の世論調査のように、同じ目的で収集されても企画者が違えば結果が異なる場合がある。
間違った解釈を避けるためにも、データ素性は明らかにしておいた方が良さそうです。

3つ目のポイントは、対でデータを収集すること。
「対になるデータ」とは、データの前提条件が少しズレている二つのデータを意味します。
データ分析の基本は、「比較」にあるもの。
比較対象となるデータも、忘れず収集することを意識しましょう。

必要な対データが収集出来ているかどうかは、メッセージボードとデータツリーに基づき確認する。
初めに、この二つのツールから、データ分析結果で何を主張したいのかを考える。
次に、データの前提部分のどの点をずらせばよいかを考える。
最後に該当データが収集出来ているかを確認する。

この流れを行えば、データ集めはできそうですよ。

今日は、なんだかよくわからない話だと感じる内容かもしれません。
しかし物事には、データが必要なことが多いです。
必ずしも、データ通りになるとは限りません。
しかし、データがあることによって進む方向が見えたり、考える方向性を修正することだってできます。

例えば、現場仕事で起こってしまう「事故」や「故障」、事務仕事で起こってしまう「伝達ミス」や「書類ミス」。
これらは、数回以上起こっていることだと思います。
ミスは人間である限り起こるものですし、完璧な人なんていないものです。
なぜって、人の脳には限度やパフォーマンス状態によって正確さが変動しますし、
ロボットかAIの方が遥かに優秀で完璧ですから。
ここで大事なのは、「ミスした、事故が起こった内容のデータを集めること」が間違いなく大切です。

・どんな時にミスが起こったのか
・どうして起こってしまったのか
・何をしたら防ぐことができたのか
・予防するにはどうしたらいいのか

こんなことを、データ分析して次につなげるんです。
私の場合は、伝達ミスや書類ミスがあります。
これらを防ぐために、起こったミスを「いつ起こったのか」「なぜ起こったのか」をメモしているんですね。
そして、始業する前に確認します。
それでも、ミスは起こります。
そしたら、またデータを集める。改善策を見つける。予防する。
まるで、健康管理と同じだと思います。

続きは、また明日。
ここまで読んでいただき、ありがとうございます😊

おしまい。