第186話｜お困りごとをユーザ視点へ転換しデータ分析・活用（データサイエンス実践）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（データサイエンス実践）に邁進しよう！」というお話しをします。

Contents

「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……

……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。

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。

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。

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。

「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……

……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。