データ分析は「楽してすごい」が一番すごい


悩むトリケラトプス

いつも複雑な分析をしようとして、分析に無駄に時間をかけてしまってる気がする、、


この記事では、こんな悩みに答えていきたい。



私は現在データアナリストとして働いている。普段から、できるだけ楽をして問題を解くことを考えているので、今回はその考えを言語化してみようと思う。



楽してすごいが一番すごい

問題解決としてのデータ分析


データ分析の主要目的は「問題解決をすること」である。



問題というのは、例えばECサイトの分析をする場合であれば、

  • ユーザーの離脱率が高い
  • 購入率が低い
  • 継続利用に繋がってない

などの問題が例として挙げられる。


ここでは特に深く考えず、データ分析は何らかの問題を解決するために行うと認識して頂ければと思う。


問題と解決策の分解


データ分析が問題解決であると考えると、そこには「問題」と「解決策」が必然的に存在することになる。


そして、問題の難易度には様々なグラデーションが存在し、その解決策もまた様々なグラデーションが存在する。

これを図で表すと以下のようになる。



図の直線は、解くべき問題に対して、それに見合った技術レベルの解決方法を取っている状態を表している。これが、「普通」の分析である。





楽してすごいが一番すごい


しかし、大抵の分析では、この直線上の「解くべき問題に見合った解決方法」を取ることは難しい。


となると左右に外れる訳であるが、その外れ方に応じて、それぞれ次のような結果となる。

  1. その解決策では問題を解決できない
  2. 生産性の高い問題解決
  3. 生産性の低い問題解決
  4. 無駄の多い問題解決

上記の通りである。



この中で、私は2番の「生産性の高い問題解決」が出来るように心がけている。

つまり、解くべき問題に対して、難易度が高くなく、分かりづらくない必要最低限の分析を行うということである。



これが「楽してすごいが一番すごい」と言っている意味である。



簡単な問題を難しく解いてない?


よく見られるのは、3番の「生産性の低い問題解決」や、4番の「無駄の多い問題解決」になっている分析である。



この領域の分析をしてしまうデメリットとしては、

  • 周りの人に理解されづらい
  • 結局何が言いたいのかが分からない
  • 無駄に時間がかかってしまう

上記のようなデメリットが挙げられる。



しかし、データ分析をしているような人は機械学習のような技術的に高度な分析を使いたがる傾向にある。これは好奇心や成長意欲があるということなので悪いことではない。


一方で、自分がやりたい複雑な分析をやることで、理解しづらくなったり、無駄に時間がかかってしまうのは本末転倒である。

ゆえに、過度に高度な分析をやろうとするのではなく、「できるだけ楽して問題解決できないか」と考えた方がいいと思っている。


解きたい問題を考えよう


上図の2番の「生産性の高い問題解決」をするためには、どのように考えればよいのだろうか。

答えはシンプルで、「解きたい問題」を起点にして考えるということである。



一方、「使いたい解決策」を起点にして考えてしまうと、往々にして3番や4番の「無駄が多い」領域に入りやすくなってしまう。


この点について、以下で解説していく。


難しく解く方向性が重要視されている


今回提起している問題意識は、「解決策」のレベルを上げる方に注力する人が非常に多いことである。


データアナリストやデータサイエンティストになる人は学習意欲が高い人が非常に多い。少なくとも「楽そうだから」という理由でデータ系の職種に就いている人は、あまり見たことがない。

したがって、下図でいうところの、右向きのベクトルが非常に強く、3番や4番の分析が生み出されることになっている。




問題を見つけてくれば解決策は決まってくる


2番の「生産性の高い分析」をするためには、下図のように上向きのベクトルを伸ばしていくような思考を起点とすべきだと思っている。


つまり、目先の小さい問題解決から、本質に迫るような問題解決へと、解くべき問題をより本質に近づけるベクトルの努力である。これを怠ってしまうケースは非常に多い。

そして、問題を設定したら、それに伴って解決策のレベルも必然的に定まってくる。できるだけ簡単にその問題を解決できないかと考えることで、2番の領域にいける可能性は高まる。



まとめ


この記事の結論として、まず問題を見つけようということを言いたい。


自分が使える解決策を増やしておくことは重要だが、そのベクトルだけを伸ばしてしまうと非常に無駄が多い。


「楽してすごいが一番すごい」である。



ではこのへんで。

コメントを残す

メールアドレスが公開されることはありません。