皆を唸らせたデータという最強の味方
※データに基づく分析を
やんわりやってしまっている個人事業主の方必見！
「データ集めているけどどうすればいいのか分からない」
「勘と経験だけでやってしまっている」
「データ取るの長続きしなかった」
忙殺される毎日の中で
じっくり時間を掛けてデータ分析を
することはなかなかできませんよね。
重要であることは分かっているものの、
ついつい緊急性の高い業務に手いっぱいに
なってしまうことは誰もがあると思います。
こんにちは！はやとと申します。
私は現在教育業界で働きながら
個人事業主の方向けに
データ分析におけるお手伝いをしています。
デジタル化社会の到来により、
今ではたくさんのデータを個人においても
蓄積し、分析することができる世の中になりました。
そんな時代であるにもかかわらず、
高校や大学では実社会で活用できるようなことは
あまり教えてもらえず、
座学で一方的に学んでばかりいます。
そのため、学んだことと実践において
求められる能力に大きな隔たりができていることが、
実際に問題にもなっています。
これは、外資系人材紹介会社の
ヘイズ・ジャパンが出した
世界33カ国の労働市場における人材の需給効率を
評価・分析した調査研究です。
日本には企業側が求める人材と
大学側で排出する人材にギャップが
最低クラスで多いことが発表されたのです。
実際に、私も社会で働きだして、
そのギャップを強く実感しました。
それは、教育業界に携わるようになって
2年目の事でした。
私の勤め先では
2年目から企画や管轄のリーダーを託されるようになるので、
私も教務担当のリーダーとして
チームを引っ張っていく役職に就いたのです。
1年目で年間のスケジュールや取り組みは
理解していたので、
やることはイメージすることができていました。
ただ、想定していなかったことが、
膨大な仕事量だったのです。
毎週行われる担当者の会議に
状況をまとめた資料を作成して持って行き、
例年行われている施策を企画し直し、
新しく入ってきた1年目の子にも仕事を教え、
とにかく毎日が目まぐるしく過ぎ去っていっていました。
そんな毎日を過ごしている中で、
私が最も嫌な曜日があったのです。
それは、
木曜日
でした。
その木曜日というのが、
責任者と
各担当のリーダーと、
部門を統括する人間が集まり、
会議が行われる曜日だったのです。
毎週作成する資料には、
現在の状況をまとめた数値や、
直近で取り組んでいく企画の企画書を
載せなくてはなりませんでした。
その資料作成に毎日のように膨大な時間が取られ、
昨年取り組まれていたことをベースにした、
まさに最低限のものしか用意することが
できていなかったのです。
そうなると、
当然そこに違和感を抱く人が現れます。
それが、自分たちを統括する
先輩や責任者です。
企画に対しては
「昨年の塗り直ししかしてない」
「結局どうなりたいのか伝わってこない」
「企画出すの遅すぎるから」
と、とにかくボロクソに言われていました。
そんなことを言われ続けていると、
「それならあなた方も手伝ってくれよ」
「何もしてないくせに文句ばかり言わないでくれよ」
「もう辞めてしまいたいな」
そんなわだかまりも毎週たまっていってしまったのです。
そしてある木曜日、
また同じように会議が行われる日が来ました。
その日も同じように会議は進んだのですが、
その日の企画に対する批判は尋常ではなく、
あちこちから罵倒の嵐が私を襲ったのです。
「これまで何を学んできたの？」
「去年と同じことしてればいいと思ってるの？」
「時間の無駄なんだよ」
会議後は涙目で帰る準備をし、
なぐさめてくれる同期や先輩にも
「俺が悪いから」
と、逃げるように帰路につきました。
そして、いざ一人になると
我慢してきた悔しさ惨めさ、孤独感に
耐えられなくなり、
駅からの帰り道は一人で大泣きしました。
その出来事以降、ずっと
「変わりたい！！」
と強く想い、
色んな本を読み漁り、
試してみていたものの、
なかなか何も変えられない毎日が
淡々と過ぎ去っていっていました。
そんなある日、
私はその後の考え方を大きく変えた出来事に出会います。
その日も同じように会議に向けて
資料と企画の準備をしていました。
そしてたまたま時間に余裕があったので、
それまでに本やインターネットで調べていた
データ分析を実際にやってみようと
思い立ったのです。
すると、
様々なデータを組み合わせ、
細かく分けて分類し、
計算していくうちに、
それまでぼんやりとしか
現状を認識することができていなかったところから、
暗く曇っていたものが一気に晴れたように
抱えている問題点に気付きはじめたのです！！
「実は全体の数値を下げていたのは一部の怠け者だったこと」
や
「成績を伸ばしている生徒には決まった相関があったこと」
など、
調べてみれば調べてみるほど、
いままで曖昧なままで取り組んできていた課題が
目に見えて分かるようになったのです！
そして迎えた木曜日の会議。
その日の心持ちは以前とは全く違う、
胸が高まっていた自分のことを今でも鮮明に
よく覚えています。
データをもとに、
具体的にどこに問題があり、
施策を行う事でどのような結果を見込むことができるのか、
ハッキリと自信をもって提示しました。
すると、その日は何の口出しもされることなく、
ただ会議後に先輩から
「今日の資料、良かったぞ」
「よくあそこまで調べてきたな」
と、ありがたい言葉をもらいました。
普段は厳しくとも、憧れていた先輩から
褒められたことはまた泣いてしまうほど嬉しかったです。
そこからは
取り組むべき事を徹底的に行い、
取り組んでみては数字を調べるようにして
修正をしました。
そして私がリーダーを担当した代の受験生は
大躍進をし、好事例として、
全校に紹介されるような
結果を残すことができたのです。
泣いて、悔しい思いをしていた私が
こうして変わることができたのは、
データの分析をし、それを信じて取り組んだからだと
思っています。
幸いなことに、私は大学で統計学を学んでいた
ということもあったので、
調べた事例や概念を
自分の状況に合わせて実践してみることは
スムーズにやることができました。
そして今は、
エクセルをはじめ、
様々なデータ分析ツールが
世の中に出回っており、
特別難解な数学的知識を持っていなくとも
それらを活用しながら
立派な分析をすることが可能になりました。
「施策をやった効果はあったのか？」
「何が売り上げの向上に繋がっているのか？」
「データは取ったけど使い方が分からない」
「何から手を付ければ良いのか思い付かない」
そんな方はぜひ、
データサイエンスという強力な見方を手に入れてみてください！
現在私は、
データ分析における悩みを募集し、
解決事例や統計的アプローチを
まとめた冊子を作成しようと考えています。
そこで、
先着50名様限定で
ご自身が抱えていらっしゃる悩みを
実際に取り入れさせていただきます！
少しでもデータ分析に
お悩みがありましたら、
➀下のボタンからラインを登録していただき、
②お悩みをご投稿ください！
「うまく言葉にできないかも」
「何が分からないかもわかっていない」
⇩⇩⇩⇩⇩⇩⇩⇩⇩⇩⇩⇩⇩⇩⇩⇩⇩⇩⇩
⇧⇧⇧⇧⇧⇧⇧⇧⇧⇧⇧⇧⇧⇧⇧⇧⇧⇧⇧
そんな方でも大歓迎です！
念のため、申し上げさせていただきますが、
勿論、挙げていただいたお悩みに対して
私から返事をしても代金をいただくことは
一切ございません！
このように、無料でやっている理由は、
データに基づく分析をもっと日本で広め、
日本のデータリテラシーを少しでも高めたいと
考えているからです。
「数字はちょっと」
「私、文系なので」
そういって数字から避けてきても
問題にならなかった時代は
終わりました。
データ×AIの時代に、
日本が生き残れるような
力添えになることができれば、
私もとてもやりがいを感じます！
お気軽にお声がけください！
ご登録を心よりお待ちしております！！
あなたならどのデータを最重視しますか？
「データたくさんとったけどよくわからない」
「結局何を変える必要があるのだろうか」
様々な手法で分析をしてみたものの、
結局方針としてどのように行動に移すか、
何を重視して決断するかというのは難しい判断になります。
そんな時に判断ができる基準や
正しい数値の見方をすることができていれば
決断するのが楽になると思いませんか？
こんにちは！
はやとです
前回は重回帰分析についてお話しをしました。
重回帰分析では様々な変数を用いて
一気に分析をすることができるので、大変便利なツールです。
その一方で見出された関係性が多ければ多いほど
どの数値をあてにしていこうか迷うことも増えると思います。
そこで今日は出てきた数字に対して
どのように採択をするかについてお話をしていこうと思います。
数字では区別できないものを区別する
売り上げやDMの数など具体的な数字として
考えるものはプラスにして可視化する事は良いです。
一方、性別や大人、子供の分類、
職業などの数値で定義されていないものを
グラフにすることはできませんね。
ですが、片方を０、もう片方を１
として、それぞれの値をグラフに入れていくという
やり方は可能なのです。
たとえば、女性を０、男性を１と考え、
それぞれの売り上げを入力していくと以下の様になります。
こうすることで、
男女間に違いがあるのかについて
グラフで確認をすることができるようになります。
②何を最重要視するか
性別や年齢、収入と顧客単価など、
様々な要素同士で考えてみた中で、いったいどれが
最も強く影響を及ぼしているのかを
言い当てるには、
ｐ値と回帰係数というものを使います。
例えば下のようなデータを得たとします。
この中で、顧客単価に対して最も影響力があるものは、
まずｐ値が0.05以下であるということが
まず、天秤にかけられるための
前提条件になります。
ｐ値というのは、要するに
誤差と考えられる可能性のことで、
一般的に５％を下回れば
誤差とは考えにくいと判断されます。
つづいて回帰係数ですが、
この値の大小だけでも
実はまだ判断できないのです。
この回帰係数というのは、
グラフの傾きに相当するので、
それぞれの値が何を基準にしているのかを
まずは明確にしなくてはならないのです。
例えば、男女なら、
先ほど説明した０から１で、１に対する大きさ。
年収ならば10万円単位、
年齢ならば１歳ごと上がるにつれて
どれだけの顧客単価変化があるのかを
表した係数になるのです。
このことから、
女性であれば、男性に比べて
1人当たり2000円
売り上げを伸ばすことができ、
１歳年齢が高ければ、
500円の売り上げを高めることができます。
ならば、
女性へのアプローチをする施策を考えよう！
とお思いになるかもしれませんが、
それではまだ危険です。
全体で1万人の顧客がおり、
男女は半分ずつとした場合、
1人当たり2000円の効果があるとしても、
5000人しかその対象にすることができません。
2000円×5000人＝１千万円
一方、年齢層を5歳上の人への
アプローチを増やそうとすれば、
1人当たり500円ですが、5歳分、
かつ1万人という対象は狭まらず、
500円×５歳分×1万人＝2千5百万円
となり、施策を打つのであれば、
見込みが高いと考えられる
年齢を基準にした考えが適していますね。
以上の様に、
一見よさそうに見えても
実はそんなことはないという事は
多々あります。
表面的な数値に惑わされないようにしましょう。
ここで、エクセルでどのように
ｐ値と回帰係数を算出させるかを
紹介したいと思います。
＝TTEST(範囲)
=SLOPE(範囲)
これらの関数を入力すれば出てきます。
ぜひチャレンジしてみて下さい！
最後に一つクイズです。
先ほどのグラフにおいて、
DM送信により
見込まれる効果はどれくらいだと思いますか？
クイズの答えは一番最後に書いておきます！
それではまた！
答えは、、、
400円×1万人＝400万円
重大な関係性を見落としていませんか？？
突然ですが、このグラフをご覧ください。
このグラフから何か読み取れる事はありますか。
このグラフは売り上げとそれまでにした
DMのやり取りの数を表したものです。
関係性は何か見えてきそうですか？
一見何の関係性もないと思われるようなことであっても
実はそこには重大なヒントが眠っています。
それでは次に、
こちらのグラフをご覧ください。
こちらのグラフは先ほどと同じところに
プロットされたデータですが、
先程の2変数に加えて男女と言うもので
新しく分けて表示させています。
2つ目のグラフを見れば思いつくことができるかもしれません。
△には△で直線的な相関が、
◯では◯で直線的な相関が見えてきます。
今回の例で言えば男女混合で考えてみたときは
関係性は見られませんでしたが、
男女別ではDMのやり取りをする回数が増えるほど
売り上げに影響及ぼすと言うことが見えました。
結論、このグラフからは
女性の場合DMのやりとりを多く行えば売り上げにつながり、
男性の場合女性ほど多くのDMのやりとりをせずとも売り上げにつながる
という事が言えます。
「きれいな関係性を見いだすことができなかった」
「結局現実のデータではうまく関係は現れない」
そんな風に思っていたグラフに、
もしかしたら見落としているところがあるかもしれません。
こんにちは！
はやとです
このように2軸で回帰分析をした上に
さらに新しく変数を加えて分析する方法を重回帰分析と呼びます。
重回帰分析は単回帰分析を色んな組み合わせで行うものではなく、
2変数に対してもう一つ考えられる違いを検証するやり方です。
Excelでの回帰分析の仕方
エクセルでは、下のように、
どのような曲線を描くかを自動的に
予測してくれるシステムがあります。
➀データの選択＞挿入＞「散布図」を選択
②グラフデザイン＞グラフ要素を追加＞近似曲線＞線形
重回帰分析をするには基本的にまず
単回帰分析で分析をする必要があります。
その先で次の変数を試してみるので、
まずは最も関係が見出せそうな変数同士で
分析をするのが良いとされています。
まずは今まで分析してみたものの中で
関係がないと思い諦めてしまったものを
もう一度掘り起こしてみてください。
そこにもしかしたら見落としていた変数で
新しい発見をすることができるかもしれません。
他にも、2軸で考えている中でも
さらに細かく分けて考えられないか検証してみるのも良いかもしれません。
それではまた！
これくらいのデータでも統計取れますか？
「どうしてもデータが少ししか集まらない」
「データ収集にお金がかかってしまう」
こんな時でも統計的に検証することはできるのでしょうか？
こんにちは！
はやとです
どうしてもデータをとることが難しく、
10くらいのデータしか収集することができなかった時でも
実は検証することはできます。
もちろん、
データの数が多いほど
正確な検証ができるので、
参考になるかどうかは数字ひとつ
違うだけで大きく左右されます。
例えば、下の表を見てみて下さい。
今回は、「労働時間が長ければ出世するのか」
について相関があるのかという事を
題材にして考えてみたいと思います。
上の表において、
合計12人が調査の対象になったという事が分かります。
この12人の中で出世をしたのは6人なので、
その6人の内訳が12時間以上労働していた人に
関係性があるのかを
調べるという考え方を用いるのです。
今回、「出世する」「出世しない」の人数がそれぞれ6人ずつ
になっています。
このうち、6人を無作為に抽出して、
4人以上が12時間以上働くという
確率がいくらかという事を
求める考え方です。
そしてそれらの確立をすべて足し合わせると、
28.4%になります。
このことから、
関係がないとは言えないものの、
統計で判断の基準とされる5%を
大幅に上回ってしまっているので、
これでは誤差で出てきた結果だと判断する方が
良いと結論付けることができます。
ですが、仮に下の様に結果が違っていた場合、
同様の計算をすれば、0.8%となり、
労働時間が12時間以上ならば、
出世すると結論付けることができるのです。
このように、データの数が例え少なくとも
ある程度の分析をすることができます。
以上の知識は、高校数学で習う
確率の知識があれば考えることができる内容になっています。
なので、まずは確率を学ぶことを
お勧めしたいと思います。
確率は感覚的にできてしまいそうで
できないことによって
苦手な人が多くいます。
確率についての記事は以前にも書きましたので、
いかに感覚ではなく
論理的に考える必要があるか、
実感してみて下さい！
それではまた！
勢い任せに待った！それは誤差の範囲内か？
やたら結論を急ぎ、
ちょっと調べただけで出てきたデータを
真に受けて突き進んでいくようなことを
した経験があったり
身近にそういう人がいたり
しませんか？
焦っている時や勢いづいているときは
ついつい深く考えることを損なってしまいます。
そんな時でもデータは
客観的に状況を示してくれるので
感情に流されることなく
事実をもとに思考することができるのです。
今日は
先走ってしまいそうになったときに
考えて欲しい考え方についての
お話をしていきます。
こんにちは！
はやとです。
前回は慎重になりすぎて
決断を先延ばしにしてしまう人の説得
についてお話しをしましたが、
今回は逆で勢い余って突き進んでしまうような場合の
対処法についてです。
よくある突き進み方として、
試しに変えてみたものの結果が早速出たと
判断してしまうような時です。
DMの文面を書いてみたとき
キャンペーンを実施してみたとき
広告で集客してみたとき
さまざまな試行錯誤を続けながら
取り組むかと思いますが、
単なる誤差の範囲内として
片付けられるようなものを起こした行動の結果だと
勘違いしてしまうのは非常に危険な判断です。
そんな時に役立つのが検定という
手法を使ったものですが、
今回はより実践的な検定をご紹介します。
例えば
今取り組んでいる事業において
今までの週間平均登録数が100だったものが、
新しく広告を使って集客して
120になった時、
20だけの差が出ます。
この差に対して
誤差の範囲内外の判断を
することができるのです。
以前紹介した
標準誤差というものを
平均の差において行うのですが、
それをやってみることでできた差が
マイナスにもプラスにもなり得る
範囲内程度のものなのかで
判断することができます。
差の平均からの
標準誤差の2倍の幅の中に
95%存在するという性質を活用すれば、
誤差と言うのは無理があるのかどうかを
決定することができます。
同様の考え方で、
通常の時の平均登録者数の標準誤差と
広告を使用した平均値の標準誤差を比べ、
その誤差の範囲内が被るかどうかで
判断することも可能です。
このやり方については
以前の投稿で扱っているので、
そちらも参考にしてみてください。
統計には様々な手段で
データの分析をすることができます。
それらをまず持つことで
適切なタイミングで適切な知識を用いて
説得力を持つことが可能になります。
様々な場面に出会い、
どの場合にどの知識を使うのか、
その引き出しの出し入れの練習を
積極的にして行きましょう！
それではまた！
瞬時に数字で説得できる技術
こんにちは！
はやとです
前回のブログでは
慎重になりすぎていないかどうか
あるいは急かしすぎていないかどうかについて
簡単にお話しをしました。
今回を含め2回は
それぞれのケースについて
もう少し詳しくお話をしていきます。
今回取り上げるのは
慎重になりすぎている場合の事例です。
どれだけ物事を突き詰めるとしても、
絶対と言う事はありません。
絶対合格する、
絶対成功する、
絶対お金持ちになる
なんて言う事は
言葉でしか言うことはできないのです。
ですが、
限りなく絶対に近い状態であることを
示す事は統計学において可能です。
例えば
皆さんは白いカラスを見たことがありますか?
少なくとも日本に住んでいて
黒色以外のカラスを見かける事は
ほとんどないと思います。
ですが、だからといって
世界に黒色でないカラスは存在しない
とは言い切れませんよね。
これはつまり
世の中にいる全てのカラスに対して
自分が見たことがあるカラスを代表値として
判断している
経験的統計
に過ぎないのです。
ですので、
「黒色でないカラスはいない」
ということを証明してみせろと
言われてもなかなか難しいです。
そんな、少しひねくれたような、
あまりに慎重すぎるような人に対して
取れるアプローチは次の段階が存在します。
それが次の3ステップです。
①少し極端でも数値で具体的に示すこと
②もう少し現実的なものでも示すこと
③損得で説得すること
①少し極端でも数値で具体的に示すこと
これは前回も少し売れた内容ですが、
具体的に数で表してみるということをしてみると
説得力を持つことができます。
例えば今回のカラスの例では、
今まで何回黒いカラスを見たことがあるか
聞いてみます。
仮に今まで100羽
黒いカラスを人生の中で見てきたと
言うのであれば、
仮にそれぞれを2分の1の確率で
白いカラスと黒いカラスを見るとした時、
今100回連続で黒いカラスを見続けていると考えられます。
つまりこれは2分の1の100剰の確率の奇跡を
今見ていると考えられます。
これは、1兆分の1のさらに1兆分の1以上の奇跡です。
②もう少し現実的なものでも示す
次にもう少し現実味のある可能性を
仮定して考えてみます。
例えば、
9割の確率で黒いカラスに遭遇するとしても、
それが100回連続で続いているのであれば
0.0000265%の確率になり、
それは、奇跡と十分言える値になります。
③損得で説得すること
そして最後は、
仮にこれから先10羽ごとに見かけるカラスに対して、
白いカラスを1度も見かけなかった場合、
私に100円払うと言うようなルールを
決めたらどうしましょう。
そうしたらもう慎重すぎることを考える事は
ほぼないと考えられます。
最終的に損得勘定で考えさせることで
多少強引ではありますが、
損をしたくないと言う心理を利用して
話を丸く収めることができます。
今回取り扱ったではあまりに極端な話でしたが、
なんとなくでは分かるものに
説得力を持たせるために数字を味方につける事は
非常に心強いものです。
説得力を上げるために例え話をするように、
何か主張したいときは
自分なりに仮定して数値を出してみると
いうことをするだけでもだいぶ
説得力を持つことが出来るようになると思います。
ぜひ飲み会の場などでも使ってみてください！
それではまた！
こういう人には数字をこう見せろっ！
「もう少し慎重に考えてみよう」
或いは
「そうに決まってるから早く取り掛かろう」
そんなふうに経験や勘だけで
物事を判断しようとしている人は周りにいませんか？
上司でも、お客様でもそういう人は
少なからずいると思います。
こんにちは！
はやとです
確かに物事には慎重さが必要ですが、
思い切りの良さも同時に必要になります。
そんな時に単なる経験や勘だけで
判断してしまうのは非常に危険です。
ですが、それを説得する言い方を
思い付くことはできますか？
そんな時でも万能な統計は私の味方をしてくれます。
今日はそんな
つい慎重になってしまいがちな人と
勢い任せでどんどん突っ走ってしまう人向けに
その意見の説得力を増すテクニックを
ご紹介したいと思います。
慎重になりすぎてしまう人
慎重になりすぎてしまう人の特徴として
決断において不安を抱えてしまうことがあります。
そんな不安を解消するために有効なのが
具体的なものを示す
ということです。
例えばお昼の3時に新幹線に乗らないといけない時、
それだけでは不安ですが、
自分の家の最寄り駅の電車に2時に乗れば良いと
具体的になると一気に安心できると思います。
それと同じように
具体的な数値で示してあげることで
相手はそれを信用し決断に踏み込みます。
勢い任せで焦っている人
この人の特徴はそれっぽいデータを見ると
すぐに決めつけて取り組み出してしまうところです。
ちょっとでも取り組みに違いが生じれば
それは取り組みの成果だと判断し、
やってみたものを継続していこうと考えます。
ですが考えなくてはならないのは
その変化が偶然の誤差の範囲内であるかどうか
についてです。
誤差については以前検定と言う手法を用いて
調査することができるという話をしました。
そのようなテクニックを駆使して
ちょうど良い慎重さを持たせる
説得材料を統計的に示すことができます。
以上のように
一見感覚でことを運んでしまいがちなところに対しても
統計的な知識を応用することができるのです。
統計的知識を見つけた先では
いろんな場面を想定して自分の持っている武器を
どう活用するかイメージするようにしてみてください。
地図で1階調べたことがある場合よりも
一度通ったことがある道の方が
より鮮明に記憶に残っているのと同じように、
統計的知識も実際に活用すれば
それだけ頭にも残るものです。
ぜひ何気ない場面でも構わないので
使い始めることからスタートしてみてください。
それではまた！
