指標思考が実際のプロジェクトでどのように活用されるかを深く理解し、各業界で一般的に使用される指標を把握する。ビジネス視点でデータ分析のアウトプットを考え、データ分析の実践的な応用力を強化する。
指標思考の基本的な考え方は非常にシンプルで、「すべてを定量化する」ことである。
定量化できないものは測定できず、測定できないものは最適化できない。
誰もが理解し、納得できる指標を用いることで、最も効果的に「事実を語る」ことができる。
指標がなければ、データアナリストは単なる意見を持つ一般人に過ぎない。
- 異なる製品間での顧客満足度を比較する。
- 最も購入された製品か？
- 最もリピート購入された製品か？
- 最高評価を受けた製品か？
- 最も好評な製品か？
- 最もクレームが少ない製品か？
- 上記のKPIを算出するためのデータを収集し、数値化する。
- 一度きりの購入で終わる製品も多い。
- リピート購入される製品は満足度が高いことが多い。
- レビューを書くユーザーは一部であり、全顧客を代表するわけではない。
- 人気のある製品ほど賛否両論が生じやすい。
- 許容範囲の広い製品は無難な評価になりやすい。
- 「製品のリピート率」に決定。
- 比較可能であること
- シンプルでわかりやすいこと
- ビジネスの行動を変えることができること
- 通常、割合（比率）として表現されること
- Page View
- Uptime
- Latency
- Seven Days Active User
- Earnings
- Happiness
- Engagement
- Adoption
- Retention
- Task Success
- Acquisition（ユーザー獲得）
- Activation（アクティブ率向上）
- Retention（リテンション）
- Revenue（収益）
- Refer（拡散）
- 日次新規登録ユーザー数
- ユーザー獲得コスト
- ROI（投資対効果）
- DAU（デイリーアクティブユーザー数）
- WAU（ウィークリーアクティブユーザー数）
- MAU（月間アクティブユーザー数）
- DOAT（日平均利用時間）
- N日後のリテンション率（翌日・3日後・7日後など）
- N週間後のリテンション率（1週間・2週間など）
- Nヶ月後のリテンション率（1ヶ月・6ヶ月など）
- PR（課金率） = 課金ユーザー数 / アクティブユーザー数
- APU（アクティブ課金ユーザー数）
- ARPU（ユーザー1人当たりの平均売上）
- LTV（ライフタイムバリュー）
- シェア回数
- シェアを行ったユーザー数
- シェアを通じて登録したユーザー数
- Kファクター（拡散係数）
データ分析はビジネスのために行うものである。
つまり、データ分析の方法はビジネス課題を翻訳する形で設計され、分析結果はビジネス課題の解決に寄与するものでなければならない。
ある日、ビジネスパートナーから 「最も効果的なセットメニューの組み合わせを分析してほしい」 と依頼された。
この課題に対して、データ分析でどのようにアプローチできるか？
- コアビジネスモデル：利益の最大化
- 商品開発：定番商品の最適化、季節・祝日限定メニュー、トレンド商品の分析、新商品開発
- 販売戦略：マーケティング、会員管理、メニュー設計（単品、セット、プロモーション）
- コスト管理：サプライチェーン管理、店舗開発、仕入れ先管理
- 分析タスクに対して、単に一般的な分析手法を適用し、業務を完了することを目的とする。
- ビジネスの最終目標を理解し、データ分析の要求を疑問視することができる。
- ビジネスと協力して最適な分析方法を設計し、アウトプットが直接ビジネス目標に貢献する形で提供される。
- ビジネスリーダーと同等かそれ以上の視点を持つ。
- 単なるデータ分析を超えて、ビジネス全体の新たな機会を発見し、戦略的な洞察を提供する。
- 相手の立場になって考える：「分析の目的は、次に何をすべきかを知ること」
- 分析手法に縛られない：本当に価値のある分析は、定型的な方法ではなく、独自の視点が必要
- ビジネスを理解する：会社の方針、経営者の関心事、業界のトレンドを把握する
- 優秀なアナリストから学ぶ：彼らのコミュニケーション、提案手法、適応力を観察・吸収する
- ビジネス思考なしに、データ分析は無意味である。
- 積極的に考えなければ、成長することはできない。
- データ分析の対象は「人」 であり、定型的な方法では人の要求を満たせない。