Q&A
2024/04/14
データ・ドリブンなチームへ変化させるには
データ分析を進めていきたいのですが、チーム内での活用方法や分析手法やベストプラクティスがいまいち掴めていません。
ツールなんかもいれていったほうがいいのか、チームメンバーへの教育方法についてもアドバイスいただけると助かります。
#データ分析
回答数:1
閲覧数:305
匿名
さんの回答
2024/04/23
データの母数が少ないうちは「ほんとにこれでいいのか？」と
不安になりやすいので、序盤はそう簡単に
"ベストプラクティスが見えた！"とはならないはずです。
...なんですが、首を傾げながらも
データの蓄積/履歴化/見える化は地道に頑張りたいところですね。
当事者が懐疑的になってしまうと悩ましいです。
データ・ドリブンは「AゆえにBなのだ」という結論/確からしさを
定量的な根拠で支えるための手法なので
データの蓄積がそれなりになってくれば、自ずと落ち着くと思います！
なお、分析手法の手前に、データに集計性を高める属性情報を
しっかり持たせておく事がはじめにやっておくべきポイントだと思います。
各種日付以外にも分類情報（BtoBだと従業員規模/利用規模/業種/導入部門/商流ナドナド）を多く持たせておけば
それらを掛け合わせて傾向を見える化できるはずなので。
その観点で、属性情報をもたせたデータ蓄積ができさえすれば
ツールはなんでもいいのではないかと思います。
最後に、分析/分類/分解を進めていくにあたっては
MECEな観点を持つようにしていくと
より良いデータの整理ができると思います。
https://wehubworks.com/colum-knowledge/mece/
※hubworksさんのコラムを拝借してます。
ご参考になれば。
不安になりやすいので、序盤はそう簡単に
"ベストプラクティスが見えた！"とはならないはずです。
...なんですが、首を傾げながらも
データの蓄積/履歴化/見える化は地道に頑張りたいところですね。
当事者が懐疑的になってしまうと悩ましいです。
データ・ドリブンは「AゆえにBなのだ」という結論/確からしさを
定量的な根拠で支えるための手法なので
データの蓄積がそれなりになってくれば、自ずと落ち着くと思います！
なお、分析手法の手前に、データに集計性を高める属性情報を
しっかり持たせておく事がはじめにやっておくべきポイントだと思います。
各種日付以外にも分類情報（BtoBだと従業員規模/利用規模/業種/導入部門/商流ナドナド）を多く持たせておけば
それらを掛け合わせて傾向を見える化できるはずなので。
その観点で、属性情報をもたせたデータ蓄積ができさえすれば
ツールはなんでもいいのではないかと思います。
最後に、分析/分類/分解を進めていくにあたっては
MECEな観点を持つようにしていくと
より良いデータの整理ができると思います。
https://wehubworks.com/colum-knowledge/mece/
※hubworksさんのコラムを拝借してます。
ご参考になれば。
いいね数:4
閲覧数:94
いいねする