はじめに

こんにちは！
G2 Studios データアナリストの新井です。

今回は、データ分析をおこなうための「設計方法」についての問題設定から集計に焦点を当てご説明します。
前回同様、社内勉強会で利用した資料を一部抜粋して説明します。

数学など学術的なものはなく、誰でも分かるよう嚙み砕いた内容になっているかと思いますので、ぜひ最後までお付き合いください。

▼前回のデータ分析の「手法と解釈」の記事も、是非ご覧ください。

問題設定について

データ分析は問題解決をおこなうための手段です。そのため、まずは問題設定をおこなう必要があります。
私が実践している方法を2つ、ご紹介します。

①定点観測
「定点観測」とは、特定のKPIを日々モニタリングすることです。
例）FQ,DPU,ARPPUなど
全体の数字やセグメント別に見て、どこかに問題が生じていないかを確認します。

②UXフロー図とコンテンツごとのKPIの照らし合わせ
ユーザーの成長度（ライト、ミドル、コアなど）に合わせたUXフロー図と、セグメント別のKPI（課金額、コンテンツごとの参加状況など）を照らし合わせて、どの部分でスタックしているのかを確認します。

仮説の立て方について

問題が洗い出せた後は、仮説の設定になります。
仮説には「仮説探索型」と「仮説検証型」の2種類があります。

①仮説探索型
名前の通り、仮説を見つけるための型です。仮説を思いつかない、立てられない場合に仮説を見つけにいくパターンの時に使われる型になります。
例）ロジックツリーを使って、問題の原因仮説を洗い出す

②仮説検証型
すでに自分の中で仮説が立てられている場合に、それが正しいのか検証していく型です。

2つの型には密接な関係があります。
「仮説探索型」で仮説を見つけ出し、「仮説検証型」でその仮説を検証していく、という流れになります。

【補足】
仮説（Answer）・・・問いに対する答え
問い（Question）・・・問題（Problem）を分解して疑問形にしたもの

＜関係性＞
仮説（Answer）　 ⇔　問い（Question）
問題（Problem）　⇔　解決（solution）

仮説を立てる必要性について

仮説を立てる理由は3つあります。

2つ目と3つ目は、国語の文章問題を想定して考えると分かりやすくなります。

①文章をじっくり読んでから設問に回答する
②設問を見て、当たりをつけてから文章を読み回答する

どちらの方が早く正確な回答を出せるでしょうか。
答えは「②」だと考えています。

文章全て読んでいたら時間がかかってしまいます。分析でも同じで、全てのデータを見ていたら時間がいくらあっても足りないです。
また正確性についても、情報が多すぎて逆にどこがポイントなのか分かりづらくなり、間違えることがあります。分析においても当たりをつけて見るべきポイントを絞ったほうが、より正確になります。

想定アクションについて

仮説が洗い出せた後は、仮説が全て正しかった場合の想定アクションを練っておきます。
理由としては、立てた仮説が行動に繋がるようなものになっているのかを確認するためです。仮説はすべて正しい。しかし、改善施策につながらないような仮説では意味がありません。
意思決定に役立ててこそ、分析に価値が出てきます。施策を結びつけるような仮説を出す必要があります。「仮説が正しかったらどんなアクションに繋げられるか？」を毎回自問しながら分析を進めてみてください。

集計について

最後に、仮説を検証するための分析手法と分析に必要なデータの検討をおこないます。

①どんな手法、ビジュアライズをおこなえば仮説の検証ができるのかを検討します。
②手法が決まったら取得すべきデータが何かを洗い出します。

取得データは恐らくすべて定量データ（所謂数値データ）になるかと思いますが、可能であれば定性データもあると分析の解像度が増します。
定性データは、アンケートなどでユーザーが自由に回答した記述式のものを指します。
定量データだと、「データの取得が困難なもの」「数値からでは読み取れないもの」などがあるので、定性データも併せて見ることで分析の質を高めることができます。

終わりに

以上が「設計方法」の問題設定から集計についての解説です。
ここまでご覧いただきありがとうございました。
データ分析について、少しでも理解が進んでいただければ幸いです。

▼G2 Studiosについてはこちら