データ活用する現場のお困りごととは データ分析講座(その180)

更新日

投稿日

データ分析

 

◆ お困りごとをユーザ視点へ転換しデータ分析・活用に邁進しよう!

 データ分析・活用(データサイエンス実践)をするとき、「お困りごと」から始めるのが正攻法です。誰の「お困りごと」かといえば、それはデータ活用をする現場の「お困りごと」です。しかしながら、データ分析者やデータサイエンティストなどに「『お困りごと』を洗い出してください!」という質問をすると、現場よりも自分の「お困りごと」をあげる人が圧倒的に多いのです。今回は「お困りごとをユーザ視点へ転換しデータ分析・活用に邁進しよう!」というお話しをします。

【目次】

1. 「お困りごと」を洗い出してください
(1)2種類の「お困りごと」
(2)同じ事象に対し感じる「お困りごと」が異なることもある
2. ユーザ視点への転換
3. データ活用する現場の何の意思決定を支援するのか?
4. 今回のまとめ

 

1.データ分析:「お困りごと」を洗い出してください

 データ分析者やデータサイエンティストなどに「『お困りごと』を洗い出してください!」という質問をすると、現場よりも自分の「お困りごと」をあげる人が圧倒的に多いです。

 よくあるのが……

  • 活用してくれない
  • 情報共有が上手くいっていない
  • 理解してくれない

 ……などです。

 要するに、データ活用する側の「お困りごと」というよりも、データを分析する側とそれを活用する側のコミュニケーション上の「お困りごと」です。よくよく考えてみると、データ活用する現場が求めていないのなら、単にデータを分析し提供する側の「お困りごと」になります。

(1)2種類の「お困りごと」

 このような質問に対する回答としてでてきた「お困りごと」には、2種類あります。

  • データ活用する現場の「お困りごと」
  • データを分析し提供する側の「お困りごと」

 ある事象に対し「データ活用する現場」だけが感じている「お困りごと」もあれば、「データを分析し提供する側」だけが感じている「お困りごと」もあります。「データを分析し提供する側」が「お困りごと」として感じていなくても「データ活用する現場」が「お困りごと」として感じていれば、それはデータ分析・活用のテーマになりえます。

(2)同じ事象に対し感じる「お困りごと」が異なることもある

 同じ事象に対し「データ活用する現場」と「データを分析し提供する側」が感じる「お困りごと」が異なることもあります。例えば「データ活用する現場」が「意思決定に必要な情報が共有されない」という「お困りごと」に対し「データを分析し提供する側」が「理解してくれない」という「お困りごと」を持つかもしれません。

 この場合、それはデータ分析・活用のテーマになります。

 

2. データ分析:ユーザ視点への転換

 「お困りごと」を洗い出したとき、どうしても、データを分析し提供する側の「お困りごと」しか出ないこともあります。そのようなとき「活用してくれない」「情報共有が上手くいっていない」「理解してくれない」などのデータを分析し提供する側の「お困りごと」を、データ分析・活用のテーマに昇華させるには、「ユーザ視点への転換」が必要になります。

 例えば「活用してくれない」という「お困りごと」に対し「データ活用する現場」はどのような困りごとがあるのか、という感じで「ユーザ視点への転換」を行います。データ分析した結果などの情報の「共有タイミングが悪い」「内容が適切でない」「内容が理解できない」などと困っているかもしれません。

 ここで洗い出したい「お困りごと」は、このようなものではなく、データを活用し実現される「こと」に対する「お困りごと」です。

 

3. データ分析:データ活用する現場の何の意思決定を支援するのか?

 データを活用し実現される「こと」に対する「お困りごと」とは、端的に言うと「データ活用する現場の意思決定」に関する「お困りごと」です。データを活用しどのような意思決定をよくしたいと考えているのか、ということです。データを活用し何をよくしたいのか、ということです。

 例えば……

  • マーケティングの現場であれば、広告・販促のコスト配分を決めるときに使いたい
  • 営業の現場であれば、顧客へお勧めする商材を考えるときに使いたい
  • 仕入れの現場であれば、仕入れ量の判断をするときに使いたい
  • 新規出店を判断する現場であれば、その判断をするのに使いたい
  • 生産の現場であれば、歩留まりアップのための改善活動をするときに使いたい
  • カスタマーエンジニアの現場であれば、客先の機器の保守点検の計画を作るときに使いたい

 ……などです。

「〇〇に使いたい」と表現していますが、「〇〇でお困っている」とも言い換えられます。

 例えば……

  • 広告・販促のコスト配分を決めるときに使いたいのは、「費用対効果が最大となる広告・販促のコスト配分」で困っているから
  • 顧客へお勧めする商材を考えるときに使いたいのは、「既存顧客にお勧めする次の商材を決めること」で困っているから
  • 仕入れ量の判断をするときに使いたいのは、「利益を最大化する適切な仕入れ量を決めること」で困っているから
  • 新規出店を判断で使いたいのは、「店舗利益を確保できる新規出店をすること」で困っているから
  • 歩留まりアップのための改善活動をするときに使いたいのは、「歩留まりの改善が上手くいっていないこと」で困っているから
  • 客先の機器の保守点検の計画を作るときに使いたいのは、「効率的に保守点検業務を遂行し、無駄なコストを発生させないこと」で困っているから

 ……でしょう。

 データ活用上のコミュニケーション上の「お困りごと」は、データ分析・活用(データサイエンス実践)上、非常に大きな「お困りごと」であることは間違いないですが、その目的とする上位の「お困りごと」に転換し、データ分析・活用(データサイエンス実践)に邁進しましょう。

 

4. データ分析:今回のまとめ

 今回は「お困りごとをユーザ視点へ転換しデータ分析・活用に邁進しよう!」というお話しをしました。データ分析・活用をするとき「お困りごと」から始めるのが正攻法です。誰の「お困りごと」かといえば、それはデータ活用をする現場の「お困りごと」です。しかしながら、データ分析者やデータサイエンティストなどに「『お困りごと』を洗い出してください!」という質問をすると、現場よりも自分の「お困りごと」をあげる人が圧倒的...

データ分析

 

◆ お困りごとをユーザ視点へ転換しデータ分析・活用に邁進しよう!

 データ分析・活用(データサイエンス実践)をするとき、「お困りごと」から始めるのが正攻法です。誰の「お困りごと」かといえば、それはデータ活用をする現場の「お困りごと」です。しかしながら、データ分析者やデータサイエンティストなどに「『お困りごと』を洗い出してください!」という質問をすると、現場よりも自分の「お困りごと」をあげる人が圧倒的に多いのです。今回は「お困りごとをユーザ視点へ転換しデータ分析・活用に邁進しよう!」というお話しをします。

【目次】

1. 「お困りごと」を洗い出してください
(1)2種類の「お困りごと」
(2)同じ事象に対し感じる「お困りごと」が異なることもある
2. ユーザ視点への転換
3. データ活用する現場の何の意思決定を支援するのか?
4. 今回のまとめ

 

1.データ分析:「お困りごと」を洗い出してください

 データ分析者やデータサイエンティストなどに「『お困りごと』を洗い出してください!」という質問をすると、現場よりも自分の「お困りごと」をあげる人が圧倒的に多いです。

 よくあるのが……

  • 活用してくれない
  • 情報共有が上手くいっていない
  • 理解してくれない

 ……などです。

 要するに、データ活用する側の「お困りごと」というよりも、データを分析する側とそれを活用する側のコミュニケーション上の「お困りごと」です。よくよく考えてみると、データ活用する現場が求めていないのなら、単にデータを分析し提供する側の「お困りごと」になります。

(1)2種類の「お困りごと」

 このような質問に対する回答としてでてきた「お困りごと」には、2種類あります。

  • データ活用する現場の「お困りごと」
  • データを分析し提供する側の「お困りごと」

 ある事象に対し「データ活用する現場」だけが感じている「お困りごと」もあれば、「データを分析し提供する側」だけが感じている「お困りごと」もあります。「データを分析し提供する側」が「お困りごと」として感じていなくても「データ活用する現場」が「お困りごと」として感じていれば、それはデータ分析・活用のテーマになりえます。

(2)同じ事象に対し感じる「お困りごと」が異なることもある

 同じ事象に対し「データ活用する現場」と「データを分析し提供する側」が感じる「お困りごと」が異なることもあります。例えば「データ活用する現場」が「意思決定に必要な情報が共有されない」という「お困りごと」に対し「データを分析し提供する側」が「理解してくれない」という「お困りごと」を持つかもしれません。

 この場合、それはデータ分析・活用のテーマになります。

 

2. データ分析:ユーザ視点への転換

 「お困りごと」を洗い出したとき、どうしても、データを分析し提供する側の「お困りごと」しか出ないこともあります。そのようなとき「活用してくれない」「情報共有が上手くいっていない」「理解してくれない」などのデータを分析し提供する側の「お困りごと」を、データ分析・活用のテーマに昇華させるには、「ユーザ視点への転換」が必要になります。

 例えば「活用してくれない」という「お困りごと」に対し「データ活用する現場」はどのような困りごとがあるのか、という感じで「ユーザ視点への転換」を行います。データ分析した結果などの情報の「共有タイミングが悪い」「内容が適切でない」「内容が理解できない」などと困っているかもしれません。

 ここで洗い出したい「お困りごと」は、このようなものではなく、データを活用し実現される「こと」に対する「お困りごと」です。

 

3. データ分析:データ活用する現場の何の意思決定を支援するのか?

 データを活用し実現される「こと」に対する「お困りごと」とは、端的に言うと「データ活用する現場の意思決定」に関する「お困りごと」です。データを活用しどのような意思決定をよくしたいと考えているのか、ということです。データを活用し何をよくしたいのか、ということです。

 例えば……

  • マーケティングの現場であれば、広告・販促のコスト配分を決めるときに使いたい
  • 営業の現場であれば、顧客へお勧めする商材を考えるときに使いたい
  • 仕入れの現場であれば、仕入れ量の判断をするときに使いたい
  • 新規出店を判断する現場であれば、その判断をするのに使いたい
  • 生産の現場であれば、歩留まりアップのための改善活動をするときに使いたい
  • カスタマーエンジニアの現場であれば、客先の機器の保守点検の計画を作るときに使いたい

 ……などです。

「〇〇に使いたい」と表現していますが、「〇〇でお困っている」とも言い換えられます。

 例えば……

  • 広告・販促のコスト配分を決めるときに使いたいのは、「費用対効果が最大となる広告・販促のコスト配分」で困っているから
  • 顧客へお勧めする商材を考えるときに使いたいのは、「既存顧客にお勧めする次の商材を決めること」で困っているから
  • 仕入れ量の判断をするときに使いたいのは、「利益を最大化する適切な仕入れ量を決めること」で困っているから
  • 新規出店を判断で使いたいのは、「店舗利益を確保できる新規出店をすること」で困っているから
  • 歩留まりアップのための改善活動をするときに使いたいのは、「歩留まりの改善が上手くいっていないこと」で困っているから
  • 客先の機器の保守点検の計画を作るときに使いたいのは、「効率的に保守点検業務を遂行し、無駄なコストを発生させないこと」で困っているから

 ……でしょう。

 データ活用上のコミュニケーション上の「お困りごと」は、データ分析・活用(データサイエンス実践)上、非常に大きな「お困りごと」であることは間違いないですが、その目的とする上位の「お困りごと」に転換し、データ分析・活用(データサイエンス実践)に邁進しましょう。

 

4. データ分析:今回のまとめ

 今回は「お困りごとをユーザ視点へ転換しデータ分析・活用に邁進しよう!」というお話しをしました。データ分析・活用をするとき「お困りごと」から始めるのが正攻法です。誰の「お困りごと」かといえば、それはデータ活用をする現場の「お困りごと」です。しかしながら、データ分析者やデータサイエンティストなどに「『お困りごと』を洗い出してください!」という質問をすると、現場よりも自分の「お困りごと」をあげる人が圧倒的に多いのです。

 「お困りごと」を洗い出したとき、どうしても、データを分析し提供する側の「お困りごと」しか出ないこともあります。そのようなとき「活用してくれない」「情報共有が上手くいっていない」「理解してくれない」などのデータを分析し提供する側の「お困りごと」を、データ分析・活用のテーマに昇華させるには「ユーザ視点への転換」が必要になります。

 例えば「活用してくれない」という「お困りごと」に対し「データ活用する現場」はどのような困りごとがあるのか、という感じで「ユーザ視点への転換」を行います。データ分析した結果などの情報の「共有タイミングが悪い」「内容が適切でない」「内容が理解できない」などと困っているかもしれません。

 ここで洗い出したい「お困りごと」は、このようなものではなく、データを活用し実現される「こと」に対する「お困りごと」です。データを活用し実現される「こと」に対する「お困りごと」とは、端的に言うと、「データ活用する現場の意思決定」に関する「お困りごと」です。

 データ活用上のコミュニケーション上の「お困りごと」は、データ分析・活用上、非常に大きな「お困りごと」であることは間違いないですが、その目的とする上位の「お困りごと」に転換し、データ分析・活用に邁進しましょう。

 

 次回に続きます。

 

   続きを読むには・・・


この記事の著者

高橋 威知郎

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)


「情報マネジメント一般」の他のキーワード解説記事

もっと見る
営業生産性向上とは データ分析講座(その40)

  ◆ 知って損にならない「営業生産性向上」のための2つのデータ分析アプローチ  「営業生産性をあげろ!」とは、以前からよく聞く掛け声です。...

  ◆ 知って損にならない「営業生産性向上」のための2つのデータ分析アプローチ  「営業生産性をあげろ!」とは、以前からよく聞く掛け声です。...


データ活用効率化とデータ活用の仕組み化 データ分析講座(その48)

◆ データ分析の力は「1→100」で発揮されるけど、データ活用のことはじめは「0→1」  0(ゼロ)から全く新しい価値を創造し仕...

◆ データ分析の力は「1→100」で発揮されるけど、データ活用のことはじめは「0→1」  0(ゼロ)から全く新しい価値を創造し仕...


誰も活用しないデータ分析結果 データ分析講座(その20)

  ◆ 迷走する「データ分析」には、「誰(Who)の何(What)のための」がない  「専門家を雇ったけど、使えるデータ分析結果がでてこ...

  ◆ 迷走する「データ分析」には、「誰(Who)の何(What)のための」がない  「専門家を雇ったけど、使えるデータ分析結果がでてこ...


「情報マネジメント一般」の活用事例

もっと見る
‐情報収集と開発活動、営業の役割‐  製品・技術開発力強化策の事例(その12)

   前回の事例その11に続いて解説します。製品開発は完了したがどのように売れば良いのか、ベンチャ-ビジネスの相談や異業種交流の会合では特に売り方に関する...

   前回の事例その11に続いて解説します。製品開発は完了したがどのように売れば良いのか、ベンチャ-ビジネスの相談や異業種交流の会合では特に売り方に関する...


情報、常識の検証を考える

1、勝ち組と負け組を支配する情報  皆さんがご存じの大手予備校有名講師である林先生が、かつてテレビで「情報」に関して興味深いことをおっしゃっており、...

1、勝ち組と負け組を支配する情報  皆さんがご存じの大手予備校有名講師である林先生が、かつてテレビで「情報」に関して興味深いことをおっしゃっており、...


人的資源マネジメント:データ指向ものづくりがもたらす高い生産性

 今、ものづくりの現場が目指すべきは「データ指向ものづくり」だと思います。 今回は、インダストリー4.0のような次世代ものづくりの大波への備えともなる 「...

 今、ものづくりの現場が目指すべきは「データ指向ものづくり」だと思います。 今回は、インダストリー4.0のような次世代ものづくりの大波への備えともなる 「...