「データ主導的なアプローチを取るべきか？時にはそうである」

データ主導的なアプローチを取るべきか？時にはそうである

データに基づく意思決定が必要な時と、データが邪魔になる時。

私はAirbnbでデータサイエンティストとして働いていた時、Covid-19が発生しました。そして予想通り、Covid-19は、信頼できる人間同士の相互作用に依存しているビジネスにとって特別な種類の残酷なものでした。世界が孤立した社会的なポッドを形成している時、誰かが知らない人の家に滞在するのは難しいでしょう。そして予想通り、私たちの指標は急落しました-私たちの主要な指標は、年間単位で一桁の値にまで下がりました。もはや誰もAirbnbを予約せず、誰も新しいAirbnbをホストしたいとは思っていませんでした。

そして私たちがその険しい指標の断崖に直面した時、私たちのCEOであるブライアンは、見事な迅速な対応をしました。私たち全員が自宅のオフィスを設定し、コストコからトイレットペーパーや缶詰の食品を買いだめしている間、ブライアンは緊急の全社員対応を開催しました。彼は明確な答えは持っていませんでしたが、「旅行は私たちが知っている形では終わりだ」と断言しました。彼はどうすればパンデミックを乗り越えるかについては明確な答えを持っていませんでしたが、それでも嵐の中で灯台のような指示がありました。「重要でないものに取り組むのをやめて、どのようにパンデミックを乗り切るかを考えなさい」と。

そしてその後起こったことは印象的でした。会社は効果的に転換しました。その規模の会社での一部となることは驚くべきことです。私たちは記録的な速さでオンライン体験のAirbnbを立ち上げました。新しいモットーは「近いが遠い」とし、パンデミックのための素晴らしい避難所となる場所に人々を誘導しました。将来に明らかに適合しない新しい取り組みは中止されました（私は「ソーシャルステイ」というチームの一員でしたが、多額の費用をかけたにもかかわらず、私たちはすぐにその試みを中止しました）。新たな資金調達を行い、会社を再構築しました。会社は一日に何百、おそらく何千もの決定をし、その結果、パンデミックの最悪の時期をなんとか上手く乗り切ることができました。

とはいえ、ビジネスの動きは興味深いものでしたが、実際にはこの記事ではこの期間中のデータの役割とその経験から得られる教訓について話したいと思います。私が最も驚いたことは、データがそれまでほとんどの戦略的な会話で主要な要素であったにもかかわらず、一夜にして二次的なものになったことです。その時期に「データに基づく意思決定」を求めることは笑えるほどでした-それはデータがこの移行期に役立たなかったからではなく、危機時にはデータがドライブすべきではないからです。以下では、この心構えの変化の根本原因である「緊急性」について議論し、さまざまな意思決定の状況を考え、それに基づいてデータをどのように活用すべきかについて話しましょう。ついに「データに基づく」とは実際に何を意味するのかについて話しましょう。

• 「Azure Data Factory（ADF）とは何ですか？特徴とアプリケーション」
• 「pandasのCopy-on-Writeモードの深い探求-パートII」
• 「データサイエンス（2023年）で学ぶべきこと」

意思決定のセグメンテーション

意思決定を整理するために、2つの軸、つまり「緊急性」および「重要性」によってセグメント化することができます。Punnettの四分の一法のどこにあなたの意思決定が位置するかによって、分析の関与の程度が異なるべきです。

緊急性が低く、重要性が高い

一方、ある意思決定が非常に重要であるが特に緊急ではない場合、通常どおりに分析を進めることができます-ステークホルダーと密接に連携して可能な行動の空間をより良くナビゲートするために。たとえば、会社の幹部がランディングページを刷新したいと考えている場合を想像してみてください。しかし、最初にそのようなソリューションを適用するかどうかを決める上で最も重要な意思決定を行うためのサポートを求めています。

現在のホームページは問題ありませんので、望ましい変更は緊急ではありませんが、その意思決定は高い影響力を持っています-あなたの変更はすべての訪問者の体験に影響を与えるでしょう。そのため、分析は意思決定空間をよりよくナビゲートするために活用されるべきです。過去の実験を調べ、現在の意思決定に関する洞察をまとめることができます。変更の可能性の範囲を確認するために小規模な機会サイズのチェックを実行することができます。人口統計/チャネル/その他の分布データを提供して、最も効果的に焦点を当てるべきことをより良く知ることができます。

ステークホルダーは、幅広い選択肢を検討する必要がありますが、計画的で仮説に基づいた方法でそれをサポートすることができます。車を購入しています。時間をかけてショッピングすることは、良い投資です。

高い緊急性、高い重要性

一方で、上記のCovid-19 Airbnbの状況を再考しましょう。会社は危機的な状況にあり、リーダーシップは既に前進するための最善の方法を決定しています：魅力的なCovidバンカーとなる市場をいくつか特定する必要があります。前の例と同じアプローチを適用することができますが、セグメントを注意深く分析したり、過去の実験を調べたりすることが必要です。しかし、選択を遅らせるたびに、2つのことを失っています：

1. 新しい市場を活用する機会。
2. テストを実施し、何かを学ぶ機会。

その結果、次のようなシンプルな仮説を立てます：主要都市に近い場所を選ぶと、ゲストは（a）Covidから十分に隔離されていると感じるだけでなく、（b）緊急時に友人や家族に帰ることができるため、予約が最大化されます。数時間後に役員に報告し、彼らはこれらを前進させるためのイニシアチブを開始し、いくつかの方法が他よりも優れていることがわかります。これは、2番目の選択肢がどのように見えるべきかを知るための情報を提供します。

ここでの最適な分析の関与は、低緊急性の場合とは少し異なります。ステークホルダーがアイデアの迷路を進むのをサポートするのは同じですが、意思決定は主に直感に基づいているため、関与は必然的に浅くなります。これは、盲目的に従うべきではないことを意味しています。反応性の前例を強化することはありませんが、なぜそうするのかを理解し、関与がより構造化されず、より厳格であることを受け入れる必要があります。時間が十分にあれば、ステークホルダーをより良い意思決定に導くことができるかもしれませんが、時間が足りないため、80％の正しい決定は明日の90％の正しい決定よりもはるかに価値があります。

車の事故に遭いました。自分の健康状態、対向車の健康状態、最寄りの病院への最適なルートを評価するために、いくつかのデータを取得することは有用ですが、数時間を費やして病院のレビューを読む必要はないでしょう。

低い重要性

最後に、意思決定が実際にはそれほど重要ではない場合もあります。ユーザーサポートページのボタンを移動させると、実験が収束しないが、ステークホルダーは結果の真実を知りたがります。ここで抵抗する必要があります。分析は確かにここで答えを提供できますが、その結果として何が変わるのでしょうか？何かを学びますか？ステークホルダーはすでにこれがより良い体験であることを知っていますが、この実験的な露出レベルでの確実性は不可能です。

私たちのデータ作業によって意思決定が変わらない場合、または少なくとも、データの探索から何かを学ばない場合、最初からその作業を行うべきではないでしょう。自分の作業の影響を予測することを学びましょう。この決定を支援することで、潜在的な利益は何ですか？それからそれに応じて行動しましょう。

最後のコメント

はっきり言っておきますが、私はここで厳しい区切りを提唱しているわけではありません。ただし、タスクに適した分析を選択する際には、速度と重要性を考慮する必要があります。意思決定が緊急の場合、データはほとんど常に直感の後方に置かれるべきです。意思決定が非常に重要な場合、データは前提を検証し、直感をチェックするためにより熟慮して使用されるべきです。意思決定が重要でない場合、多くの時間をその決定に費やす必要はありませんので、分析作業は再考されるべきです。

👋こんにちは！私はHyperqueryのCPOであり、元データサイエンティスト+アナリストのRobertです。この投稿は元々Win With Dataで公開されたもので、データの影響を最大化する方法について週刊で話しています。Hyperqueryがどのようにあなたの影響を最大化するのに役立つかをもっと知りたい場合は、遠慮せずにお問い合わせください。LinkedInまたはTwitterで私に連絡することができます。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!