Share!

企業には営業実績や財務指標、顧客属性などたくさんのお宝データが埋もれています。組み合わせれば実務で役立ちそうですが、活用方法がなかなか見つかりませんよね。膨大なデータを使いこなす方法について、データ分析や論理思考の著書を持つ データ&ストーリー LLC代表の柏木吉基さんは、意外にも「データに触らずにデータ分析を始めるステップ」を提唱しています。

結果データだけを眺めていても答えは出ない

データ分析を活用して現場で営業の効率を上げるにはどうすればいいか。検討するときに現場でよくあるのは、最終結果のデータだけに注目することです。たとえば全体の売上が落ちた場合、データから売れ行きが悪い製品や成績が落ちた支店を探し出して原因を突き止めたと思い、多くの人はそこで思考を止めてしまいます。

しかし出てきた結果をグラフや表にしたものは単なる結果の表示や比較であり、その背景まで掘り下げる分析とは別物です。売上実績データという結果だけを眺めていても売上減の答えは出てきません。これだけの数字では結果に至るプロセスが見えないからです。

そこで私が提唱しているのは「仮説によるストーリー構築」です。データをにらんで原因を探るのではなく、まず自分なりの仮説を立て、いくつかの仮説を組み合わせて結果に至るストーリーを考えます。そのストーリーの正しさをデータを使って証明する方法です。

可能性をストーリーに置き換え、データで補完する

売上が落ちた原因を知りたいからといって、いきなり売上推移を折れ線グラフにしたり支店ごとの成績を棒グラフにしたりしても、そこに本質的な答えはありません。あくまでもそれは表面的な結果でしかないからです。私たちが最終的にやるべきなのは、売上に影響する要素を抜き出して自分なりの「原因から結果に至るストーリー」を考えることです。

売上に影響する要素は限りなくあります。製品そのものかもしれないし、特定の支店かもしれない。競合他社の新製品かもしれません。現場にいる人であれば営業に関連する事柄からいろいろ思いつくはずです。それらを抜き出したら、さらに上流で想像できる原因を考えます。製品の不具合が顕在化したかもしれない。ある支店の営業人員が急に減ったのかもしれない。他社の販促がうまかったのかもしれない。

紙に書き出せば、「売上が落ちた」という始点からツリー状にいろんな要素が連なっていくはずです。ツリーができたら、その中でどのスレッドが一番「売上が落ちた」という結果に影響を与えているか考えます。

もちろん要素は無限にあり、起こり得るすべてを書き出すのは不可能です。しかし現場を知っている人は売上を左右しそうな要素に優先順位をつけられるでしょう。ツリーの中でも「これが大きなインパクトを生んでいるようだ」と思うスレッドを抽出したら、その流れについて誰でも納得できるような説明を考えます。これがデータ分析の前に用意する「原因から結果までのストーリー」です。

ストーリーを構成している要素を確認し、それを数値で表すとしたら何を調べればよいか考えます。たとえば「A支店に大きな問題がある」という仮説から伸びたストーリーを選び、「競合他社が進出した」ことが最もインパクトがありそうだと推測したとします。

このストーリーを強化するために必要なデータは、A支店の売上推移と他社進出後の売上比較、取引先の増減数、同規模の他支店との比較や関連性の確認などでしょう。ここで初めて「探すべきデータ」がわかり、やっとデータそのものに触る段階に入ります。

ストーリーは、決して「分析手法さえ知っていれば並んでいるデータから導き出せる」という性質のものではありません。目の前にあるデータは、偶然その形に整えられて目の前にあるに過ぎないのです。今知りたい本質に迫るためには自分で仮説を作り、その仮説に沿ってデータを検証する必要があります。

仮説を立て、データを調べて仮説が裏付けられれば「競合他社が進出したためにA支店の成績が大きく下がり、全社の売上減に影響した」というストーリーの説得力が増します。プレゼンではデータ分析そのものを提案するわけではありません。ロジックを強化する数値のエビデンスをつけて、自分が用意したストーリーを提案するのです。

身近な課題をストーリーで解決する

データでロジックを強化したストーリー提案は、企業の経営戦略やマーケティングのような外向きの事案だけでなく日常業務でも十分に役立ちます。

たとえば昨今話題になっている「働き方改革」。より生産性の高い業務にフォーカスするためには、どの業務が最終パフォーマンスにつながっているのかを客観的に知る必要があります。これはデータ分析を応用しやすい課題です。

仕事の重要性を測る指標はいくつかあります。人数、時間、費用などパフォーマンスにつながると思われるものは意外と多くあるものです。原因となりそうなものと知りたい最終的な結果は、近いほうが精度が高く分析できます。自部署の労働時間を探って自部署の利益を検証することはできますが、会社の総利益を検証するのが難しいのは皆さん直感的にわかると思います。

もし何かしらの業務を切り捨てる必要に迫られたとしたら、トップダウンで「この案件は中止」と決めてしまうと絶対に角が立ちます。上司の主観的な理由によるものだったら関わる人たちはいい気がしません。人間関係を気にして実力を出せないこともあるでしょう。でも論理的なストーリーがあり、実際の数値でもその通りの結果があり、客観的に比較すれば「誰かのせい」にならずに業務削減ができるようになります。

データ分析は社長の意思決定のベースにもなり、日常の業務範囲の決断も助けてくれる。私はどちらのデータ分析でも基本的な考え方は一緒だと考えています。

今の「データ分析」は手順が逆になっていないか

最終的な1つの結果を見るだけでなく、途中にある「原因となるインプット要素」と「結果となるアウトプット要素」のつながりを掘り下げる。結果をたどって何が元になっているのか考えてストーリーを組み、数値の裏付けをとって「本当にそうでした」と確かめる。その行為がデータ分析です。

企業で価値のあるデータ分析とは、みんなが納得して新しいアクションを起こすきっかけとなるものです。いかに理解して腹落ちしてもらうかが大事で、高度な分析はかえって理解の妨げとなることさえあります。共通理解を助けるのはデータ分析のストーリーです。ストーリーが理解されれば、なぜこうなったのか結果を理論的に共有できます。データはロジックを補完するものであって、データやデータ分析単体で何かがわかるというものではありません。

ストーリーがあれば、極端な話、プレゼンで具体的な数値そのものを示さなくても相手を説得できます。数字はロジックを担保する裏付けとして持っておくだけでもいい。それほどストーリーは大切です。やみくもに営業に関するデータを集め、数字やグラフから「何が原因なのか」を語ろうとするのは、順序が逆なんです。

具体的に定義された目的があって、この目的を知るためにはどんなことを見るかという仮説があって、仮説を確かめられるデータを選んで確認する。それが私が考えるデータ分析です。でも多くの人は前半を飛ばして、何かよい情報がないかデータの中から発見しようとすることからスタートしています。

データが昔に比べて手に入りやすくなったのもあると思います。ボタンを押すときれいに整理された結果が出ますが、何のためにその結果を出すのかストーリーが定義されていないので、眺めて「ああ、そうか」で終わってしまう。せっかくのデータが活用し切れていない現状は非常に残念です。

お話をお伺いしたDataLover:柏木 吉基(カシワギ ヨシキ)

データ&ストーリー LLC代表  http://data-story.net/
データ分析・ロジカルシンキングを武器とした課題解決トレーナー
横浜国立大学非常勤講師 多摩大学大学院客員教授
慶応義塾大学理工学部卒業後、日立製作所入社。在職中、欧米両方のビジネススクールにて学び、2003年MBAを取得。Academic Award受賞。2004年日産自動車へ転職。海外マーケティング&セールス部門、ビジネス改革グループマネージャ等を歴任。 グローバル組織で、数々の経営課題の解決、ビジネス改革プロジェクトのパイロットを務める。2014年、プロの実務家、ビジネススキルトレーナーとして独立。データ分析を“活用”するための思考法、分析力を分かり易く伝えた著書や講義には高い定評がある。
著書に 
「それ、根拠あるの?」と言わせないデータ・統計分析ができる本/日本実業出版社
データ競争力を上げる上司、下げる上司/日経BP社