PPDACサイクルとは データ分析講座(その124)

◆ 小さくデータサイエンスを始めるならPPDACサイクル

 データとドメイン(営業・マーケティング・生産・経営などの現場)を結びつけ、データサイエンスで成果を出したい場合、小さく始め大きく波及させるのが定石です。いきなり大きく始めようとするとなかなか上手く進みません。ということで「小さく始めよう!」となっても、思うように進められないかもしれません。例えば小さく始めるためのテーマ設定でつまずくかもしれません。データ活用には個々の問題をデータ活用で解決するものと、日常的なデータドリブンな状態を作るものがあります。

 個々の問題をデータ活用で解決するための分析マネジメントフレームワークに、PPDACというものがあります。最終的な目的が「日常的なデータドリブンな状態を作る」ことでも、最初はPPDACサイクルを使うと上手くいきます。今回は「小さくデータサイエンスを始めるならPPDACサイクル」というお話しをします。

◆関連解説『情報マネジメントとは』

1、PPDACサイクルとは

 PPDACサイクルとは、1990年代に作られた問題解決のための分析マネジメントサイクルで、次の5つからなります。

 このサイクルの優れているところは、実用的で誰でも使えることです。小中学生がデータ分析を活用した問題解決力を身につけるための授業などでも使われています。

2、とりあえずの結論

 PPDACサイクルは慎重に1度回すというよりも、気軽に高速にたくさん回します。PPDACサイクルを1回転するたびに「とりあえずの結論(Conclusion)」を出し、結論を都度修正していきます。この「とりあえずの結論」は関係者でレビューし、必要があれば何度でもPPDACサイクルを回していきます。PPDACサイクルそのものに興味のある方は「拙著(2015)『ロジカルデータ分析』 日経BP」を読んでいただければと思います。

3、問題は「どのテーマを選ぶか」

 小さくデータサイエンスを始めるにしても、問題は「どのテーマを選ぶのか」になるかと思います。例えば次のようなアプローチ方法があります。

ステップ1: とりあえずのテーマの設定

ステップ2: テーマの今後の取り扱いの検討

4、2つのPPDACサイクル

 このアプローチの場合、例えば以下の2つのPPDACサイクルを回すことになります。

 次に簡単に説明します。

(1) 「ステップ1:とりあえずのテーマの設定」のためのPPDACサイクル

P(Problem、課題設定)

 現場で抱えている問題(困りごと)から洗い出したテーマ候補の中から、筋のよさそうなテーマを課題として設定します。

P(Plan、計画)

 筋のよさそうなテーマ(例:やり易く成果の大きそう)に対し、D(Data、データ収集)からA(Analysis、分析)、C(Conclusion、とりあえずの結論)までの計画を立てます。今回のD(Data、データ収集)からA(Analysis、分析)、C(Conclusion、とりあえずの結論)までの計画だけでなく、データサイエンスが上手く運用に乗った状態(データドリブン営業やデータドリブンマーケティングなど)の、分析ストーリーや活用ストーリーといったその先のことまで計画します。さらに荒くてもいいので、テスト的な実務トライアルをする場合の計画もしておきます。

D(Data、データ収集)

 テーマの課題解決に役立ちそうなデータを集め準備します。場合によっては、現場にしかデータが無かったり(例:担当者のPCや現場のサーバーにしかない)、他社にお願いするケースも出てきます。さらに、今回の分析のために、簡易的にデータ収集を新たに実施する必要もでてきます。

A(Analysis、分析)

 テーマとして成り立ちそうかを検討するために、集めたデータに対し、データ分析や数理モデル構築などを実施します。想像とは異なる発見が色々でてきます。

C(Conclusion、とりあえずの結論)

 データ分析や数理モデル構築した結果をもとに、現状のデータで何ができそうか、どのようなデータがあれば良さそうか、必要なデータはすぐに集めることができそうか、などを検討します。結論の例としては、テスト的に実務でトライアルできそうなテーマである、データがもう少し溜まってから検討し直す、新たに筋のよさそうなテーマが発見された、などです。

(2)「ステップ2:テーマの今後の取り扱いの検討」のためのPPDACサイクル

P(P...

roblem、課題設定)

 ※「ステップ1:とりあえずのテーマの設定」のためのPPDACサイクルの「C(Conclusion、とりあえずの結論)」

P(Plan、計画)

 テスト的に実務でトライアルするための実施計画や、どのような情報(定量的なデータや定性的な情報など)を収集するのか計画します。この時、検討時の評価基準の設計(成果の大きさ、やり易さ、など)も併せてします。

D(Data、データ収集)

 テスト的に実務でトライアルし、単に発生したデータだけでなく、定性的な情報も併せて集めます。

A(Analysis、分析)

 テーマの取り扱いを今後どうすべきかを検討するために、情報(定量的なデータや定性的な情報など)や評価基準(成果の大きさ、やり易さ、など)をもとに分析します。

C(Conclusion、とりあえずの結論)

 テーマの取り扱いを今後どうすべきかを検討し結論を出します。結論例として、とりあえず小さく始めてみるテーマ、データ収集から始めるべきテーマ、再度トライアル実施してみるテーマなど、です。

5、期間

 経験値ですが、ステップ1で約2ヶ月~3ヶ月かかります。ステップ2は、テスト的な実務トライアルの期間の長さによって異なります。短いものだと1日、長いものだと1年近くかかるものもあります。テスト的な実務トライアルの期間の長くかかる場合には、ステップ2が小さく始めたデータサイエンスの第一歩と見なしてもいいかもしれません。

↓ 続きを読むには・・・

新規会員登録


この記事の著者