分析はむずかしいと思ってませんか？ データを味方にする方法をまとめました
はじめに
こんにちは！ TimeTreeでアナリストとPdMをしているCharlieです。世界で一番予定データを見ている男（自称）です。
入社前は新卒でメディアを運営するベンチャー企業に入り、分析やグロースなどをしてきました。プロダクトマネージャーとして自分が使うものをつくりたいと思い、次のステージを探していたところ、アナリストの募集を見かけたのがTimeTreeとの出会いでした。
分析自体は得意だったこと、プロダクトマネージャーと役割は違うながらも「プロダクトを成長させるための意思決定をする」というミッションは同じと考え応募し、2021年11月にデータアナリストとして入社しました。今年の春からはプロダクトマネージャーとしても活動するようになりました。
今回はアナリストとプロダクトマネージャーを行き来して分析のスキルがとても役に立ったので、プロダクト企画での分析の活かし方をご紹介します。
自分とは逆に、企画職ながら分析をもっとやってみたい、生かしてみたいという方の参考になるとうれしいです。
普段の仕事について紹介しているポッドキャストはこちら💁🏻
「分析」とはなにを指しているか？
データアナリストの仕事で「分析」とは「A or Bに答えを出すもの」と言われています。
企画ではちょっと重めですよね。また、答えを出す前になにに取り掛かるのかが重要なシーンが多いので、ここではよりゆるく「なにかを決めるための根拠・土台となる情報を整理すること」と考えています。
かならずしも定量データを見ることだけでなく、インタビューなどから得た定性情報を整理することも立派な分析です。
参考記事
こんなことで困ってないですか？
このような困りごとをお持ちですか？ 定性・定量の分析ができるとこれらの困りごとが解決しやすくなります。
決める根拠を作るのがむずかしい
・A案、B案のどちらを選ぶべきかわからない。
・企画Aをやったあと、どのような数字であればよかったといえるのかわからない。
定量的に数値を比べることで優先度がつけられ、事前に設定した目標値と比べることで施策の良し悪しが適切に評価できるようになります。
説明がむずかしい
考えた施策案をステークホルダーに説明するのが難しく、なかなか理解を得られない。
データを整理して可視化をすることで、課題や参入余地があることを明確に伝えやすくなります。
データを待っていると時間がかかる・結局わからない
上記の困りごとを解消するためにアナリストなどに数値や分析の依頼をしても、データが得られるまでに時間がかかったり、レポートの専門性が高すぎてわからない。
これは自分である程度できるようになることで、人の手を借りずに分析できるようになれば解決できます。
「分析」が苦手だと感じているひとにやってほしい3つのこと
数字に苦手意識があるとなかなか手がつけられないと思いますが、複雑に考えすぎていることが多いです。順序立ててシンプルにすることでとても考えやすくなりますよ！
1 なにを確かめるかを明確にする
漫然とデータを見たり、インタビューに入ってしまうと余計な情報だけが増えてしまい、収拾がつかなくなります。
施策Aを実施するために「課題に思っている対象ユーザー数はどれくらいか」「そのうちどれくらいが解消できるか」など知りたいことを具体的に書き出してみましょう。
結果的には調べることはかなり少なくすみます。前者は機能の利用率などの数字に落とし込めますし、後者はデータや施策の自信度をもとに当てはめることが多いです。
2 比較する
単に「この機能を使っている人がN人いる」だと、情報として意味がありません。よく使う比べ先にはパターンがあり、順に比べるといいでしょう。
A 全体と比べる
たとえば「この機能はDAUの30%の人に使われている」「購入者の50%がこの機能目当てだった」などがわかると、全体で改善インパクトを適切に見積れます。
逆に1%ほどの利用しかされていない機能は優先度を落とす意思決定も、スムーズにできるようになります。
B ほかのセグメントと比べる
「ヘビーユーザーと比べて、ライトユーザーの利用率がX%少ない」と比較ができると数字を評価しやすくなり、周囲からの理解も得られやすくなります。
C 時系列で比べる
数値に変化があるとき、前年比、前月比、前週比で比べると原因を特定しやすくなります。
施策の結果はどの数字と比べても差が出るはずですが、季節や日付の影響があると同じ時期に同じ変化が起きやすいので長めの期間で見るのがおすすめです。
3 解釈する
取れたデータがどのような経緯で生まれたのか、想像を巡らせます。
自分はこの作業が一番好きで、データをよく見るようになったのもストーリーを作るのが楽しかったからでした。数字が苦手な人にとっても、一番楽しい作業なのではと思います。
たとえば「TimeTreeで月末にDAUが伸びる」事実があったとき、私の頭の中では次のようなストーリーが巡ります。
バイトとか翌月の予定が決まって予定入力がまとまって増えるのでは？
ということは、若い人が集まるユーザー層で特に増えているはず。
たとえば恋人同士で予定を共有しているユーザーはどうだろう？ きっと予定登録が増えているはずだ。
実際にデータを見てみよう
新機能を考えるときとかでもこのような流れで考えます。
この機能を利用するとヘビー化するのでは？
ということは、ライトユーザーが初めてこの機能を使った後にヘビーになっているはず
実際にデータを見てみよう
このようにストーリーを作ることで様々な仮説が生まれ、それを確かめて、さらにユーザー理解を深めていくことができます。
分析することの副作用
自分で分析することは、PDCAを回すような探索的なフェーズでとくに多くのメリットがあります。自分で深いところまで分析して伝えられるとチーム全体の納得感が高まります。
一方で、副作用もあります。
担当していないタスクまで自分で巻き取ることになるので、最初は負荷が高くなり常に時間が足りない問題が発生します。
とはいえ、周辺スキルを身につけるとはそういうもの。ある程度割り切りつつ時間があるときにコツコツはじめられるといいと思います。
まとめ
ちゃんと分析に取り組むことは、最初のうちは負荷も高くまとまった時間がないと難しいです。
まずは数字を見る習慣をつけて慣れたり、簡単な集計・可視化をしたり、小さな成功体験を積んでいくといいと思います。
自分である程度やれるようになると、専門メンバーになにか依頼をするときも、どのようにお願いするとより良いアウトプットが出てくるか勘所が磨かれます。
お互いに寄り添っていいものづくりをやっていきましょう！
おわりに
ここまで読んでくださり、ありがとうございました！
この記事を読んで少しでもTimeTreeに興味を持った方は、ぜひ採用ページからご応募ください！（※記事公開時点でデータアナリストの追加募集しておりません🙏）
この記事が気に入ったらサポートをしてみませんか？