データの分析手法はざっくりいうと「2つ」だけ
分析の手法は大きくは2つに分類できる。「仮説検証型」と「仮説探索型」だ。仮説検証型の場合、分析の流れは「目的設定・仮説立て・データ分析・施策実施」となる。データ分析前に、状況を鑑みて仮説を立て、裏付けするために分析し、結果に基づいて施策を行う。
仮説を適切に設定すれば分析に要する時間はかなり短縮できるが、正しく仮説を立てるためには一定のスキルが必要だ。アナリスト自身のスキルや経験が問われるため、属人的になりやすい。スキルが高くても、主観によるバイアスが入る可能性もゼロではない。また、仮説を立証するため以外の情報は見ない場合が多く、貴重な気付きを見逃す可能性も高いという。
一方、仮説探索型は真逆のアプローチだ。目的を設定したら、まずデータ分析して、分析して見えてきた結果から仮説を立て、施策に落とし込む。
データを起点にするので、客観的な視点を持ちやすく、新たな気付きを得られやすい。一方で、膨大なデータを分析する必要があるため、仮説検証型に比べると時間がかかる場合が多い。
どちらも一長一短あるので、状況に合わせて選択すればいい。実際は2つをミックスして進める場合が多いという。
データ分析に取り組むとぶつかる3つの壁
あらゆる現場でデータ分析に取り組んできた皆瀬氏は、どんな企業でも、以下の3つの課題にぶつかりやすいという。
- 客観的に分析するには時間がかかる
- 課題設定や知見創出のスキルがいる
- 新たな気付きを得られない場合がある
前項と照らし合わせると。仮説検証型・仮説探索型それぞれのデメリットがそのまま課題に結びついていることがわかる。皆瀬氏は、解決手段として「機械学習を活用するべき」だと話す。
「機械学習を使えば、総当たりでの分析が可能なので短時間で結果が出ます。主観もほぼ排除されるので、担当者によるばらつきを抑えられるんです」（皆瀬氏）
機械学習を活用するにあたり1つ注意しなければいけないのは、あくまで「戦略」ではなく「戦術」の部分でのみ使うべきだということだ。
