データプロジェクトが現実的な影響をもたらせない理由：アナリティクスマネージャーとして気をつけるべき5つの重要な要素

美容とファッション界のエキスパートが語る、データプロジェクトが現実的な影響をもたらせない理由とアナリティクスマネージャーが押さえるべき5つの重要な要素

マクロ要素を理解するための簡単なガイド

データプロジェクトに没頭している最中に、行き詰まっていることに気づいたことはありませんか？それは思っている以上に一般的な感覚です。

• VentureBeatによると、データサイエンスプロジェクトの87％が実際に本番に入らないと報告されています
• Gartnerは2018年に、2022年までに85％のAIプロジェクトが誤った結果をもたらすだろうと予測しました。2016年には、60％のビッグデータプロジェクトが失敗すると推定されました。

2週間前に、クオリティなデータ分析を行う方法について話しましたが、高品質な分析を作成することは本当に戦いの半分に過ぎません。多くの印象的な仕事は実際には実現せず、「データ洞察力の示し」となってしまいます。それでは、クオリティな仕事と影響力のある仕事のギャップをいかに克服すればよいのでしょうか？

最初のステップは、ゲームのルールを理解し、プロジェクトの成功を左右するマクロ要素をよく把握することです。

分析のためのPESTEL

もしコンサルティングの仕事にかかわったことがあるなら、おそらく「PESTEL」という言葉を聞いたことがあるでしょう。それは「政治的、経済的、社会的、技術的、環境的、法的」を意味します。このフレームワークは、組織に影響を及ぼすマクロ環境要因を理解し、ビジネスの強み、弱み、機会、脅威についてより良い視点を形成するために使用されます。

• 「ClimSimに出会ってください：機械学習と気候研究の物理学を結びつける画期的なマルチスケール気候シミュレーションデータセット」
• 「AIは詐欺検出にどのように使われていますか？」
• 「現実の応用における一般線形モデルの自己相関問題の解決方法」

ある程度まで、同じ原則はデータプロジェクトの成功の可能性を評価する際にも適用できますが（フレームワークはあくまで適応するためのツールであるということを忘れないでください）、私たちのバリアントでは、データの入手可能性、スキルセット、期間、組織の準備状況、政治環境を考慮に入れています。これらの要素は、あなたのデータプロジェクトの成功の大局的な絵の中でパズルのピースのような存在です。これらの要素を理解し、整合させることはエンジンを調整するようなものです。正しく取り組むと、プロジェクトは美しく進行しますが、間違えると波乱の航海になります。

データの入手可能性

それは空々しい言葉かもしれませんが、どんなデータプロジェクトにおいてもデータが必要です。関連するデータの入手可能性とアクセシビリティは基本的な要素です。必要なデータが利用できない場合、または入手が不可能であることが判明した場合、プロジェクトは大きな課題に直面します。ただし、この障害に直面した瞬間にすぐに敗北を認めることは重要ではありません。他のオプションを探ってデータを取得するか、適切な代理データを特定するために努力しなければなりません（このフェーズでの継続性が重要です。適切な解決策が存在するにもかかわらず、このフェーズで多くのプロジェクトが放棄されるのを見たことがあります）。ただし、非常に詳細な調査の結果、データが本当に入手不可能であり、適切な代理データも存在しないと結論付ける場合、プロジェクトの実現可能性を再考するのは確かに正当な（そして合理的な）判断です。

例: あるニッチ市場の消費者行動を分析する研究を計画していると想像してくださいが、このセグメントの具体的な消費者データが既存の情報源では収集されていないことが判明しました。プロジェクトを放棄する前に、SNSのトレンドや関連する市場調査などの代替データソースを探索したり、ターゲットのアンケート調査を実施して概算データを収集することができます。これらの努力が有用なデータをもたらさない場合、プロジェクトを停止することが正当（そして適切）となります

スキルセット

では、データは手に入りましたが、それを調査するために必要なスキルセットはありますか？SQLやPythonのような技術的なスキルだけでなく、行う分析の種類に必要な具体的な知識を持つことも重要です。特に、プロジェクトの要件があなたの得意分野の範囲外にある場合、このスキルの不一致は大きな障壁になる可能性があります。チームの現在のスキルと必要とするスキルとの距離に応じて、チームのスキル向上を検討することもあります。これは長期的に非常に報酬的でもありますが、プロジェクトのタイムラインと優先事項に合致していることが重要です。適切なバランスを見つけることです。発展の機会を活かしつつ、プロジェクトのタイムラインと優先事項について現実的な評価をすることです。

例: あなたは、患者データの解析に熟練した医療研究チームを率いており、感染症の広がりを予測するために疫学モデリングを適用するプロジェクトを担当するよう依頼されました。彼らは患者データの取り扱いには熟練していますが、疫学的予測の特異な要求は、異なる専門領域として、かなりの課題を提起する可能性があります。

期間

時間に関しては、理解する必要がある2つの要素があります:

• プロジェクトの完了に十分な時間を残さない場合、プロジェクトの品質に大きな影響を与えることがあります。
• ある期間を過ぎると、追加の時間が同じレベルの品質向上に必ずしも結びつかない収益逓減の段階に到達します。

このビデオ（バイラルなスパイダーマンの絵）は、この現象を素晴らしい表現しています。10秒と1分の描画の品質の大きな飛躍は驚異的であり、わずか50秒の追加で大幅な改善が示されています。ただし、1分の描画を10分かかる描画と比較すると、後者は間違いなく優れていますが、時間の大幅な増加にもかかわらず、改善の度合いは少ないです。

例: クリスマスシーズンに向けて在庫レベルを最適化するために、ある小売会社で顧客の購買パターンを分析する必要があります。データチームに1週間の時間が与えられると、基本的な洞察を提供し、一般的なトレンドや売れ筋商品を特定することができます。ただし、1か月の時間が与えられると、分析の品質は大幅に向上し、顧客の好み、地域ごとの変動、潜在的な在庫問題についてよりニュアンスのある理解が可能になります。しかし、この期間を3か月に延長しても、わずかに詳細な洞察が得られるだけで、重要な意思決定の遅延や市場のチャンスの逸失を招く可能性があります。

組織の準備状況

組織の準備状況は、データの洞察を最大限に活用するための企業の準備と意欲に関わるものです。データや分析だけではなく、それらの洞察を活用するための適切な構造とプロセスを持っているかどうかが重要です。以前の記事では、洞察の採用を増やすために研究を「消化しやすく」する重要性について説明しましたが、この助言が制御できない範囲もあります。

例: 特定の店舗が立地条件の悪さからうまく機能していないことが判明しました。数ブロック移転するだけで収益が大幅に向上する可能性を提案します。この点を証明するために、提案された新しい場所に一時的な「ポップアップ」ショップを設置するためにオペレーションチームと協力します。この実験は新鮮さ効果を打ち消すだけの時間がかかり、収益の増加の可能性を明確に示しています。しかし、ここで組織の準備状況が関与してくるのです。現在の低調な場所で5年のリースが縛られており、望ましい地域に適当な代替スペースが利用可能ではないという事実があります。

政治的環境

皆さんのお気に入りのテーマ:組織内での政治的環境の航海 ❤。データ分析プロジェクトの成功には、ステークホルダー間の目標の一致だけでなく、プロジェクトに関連する役割と責任についての一致も必要です。時には、チーム間で競合する利益やプロジェクトの所有権についての合意が得られず、プロジェクトにとって高いリスクの状況が生じます（それが何かをやっているチームがいくつもある孤立した状況になることを望まなければ）。

例: 新製品の発売のためにマーケットトレンドを分析するように指示されている多国籍企業で、2つの地域チームが担当しています。しかし、歴史的な抗争や明確なリーダーシップ方針の欠如により、これらのチームは孤立して活動しています。各チームは異なる手法とデータソースを使用しているため、相反する結論に至っています。このようなシナリオは、データへの不信感を生み出すだけでなく、どの洞察を信頼して行動すべきかについての経営陣の混乱をもたらします。この不一致は、最終的に有益な知見の無視につながり、データを効果的に活用するための政治的調和の重要性を強調します。

結論

私たちが議論した「データ」「スキル」「時間」「組織の準備状況」「政治的環境」という要素は、どんなデータプロジェクトでも成功を導く駆動力です。適切なデータがない限り、最も熟練したチームでも洞察を構築することはできません。しかし、スキルも重要です。スキルによってデータが意味のある分析に変わります。時間はキャンバスです。少なすぎると絵画は不完全であり、多すぎると焦点を失うリスクがあります。組織の準備状況は、洞察がほ dustrgfぼ棚に置かれるだけでなく、実施可能であることを確保するためのものです。そして政治的環境を忘れてはいけません。組織内を航海する芸術によって、あなたの仕事が日の光を浴びるようにする必要があります。

最終的には、組織内でプレイしているダイナミクスを理解し、プロジェクトを成功に導くことについてです。つまり、洞察を生み出すだけでなく、変化を促すことも重要です。

この記事をお楽しみいただけたでしょうか！シェアしたいヒントはありますか？コメントセクションでみんなに知らせてください！

そして、私の他の記事も読んでみたい場合は、以下のいくつかをご紹介します：

成功したダッシュボードの作り方

いくつかの失敗したダッシュボードを作った人のチェックリスト

towardsdatascience.com

分析的に成熟した組織の構築

あなたの組織の分析ニーズを特定し、それをより良くするためのいくつかの単純なフレームワーク

towardsdatascience.com

1か月あたりの品質の高い洞察を生成する方法

より多くの洞察を生成するためのシステム構築方法

towardsdatascience.com

PS：この記事はAnalytics Explainedにもクロスポストされています。Analytics Explainedは、シンガポールのスタートアップからSFのビッグテックまでさまざまな分析的な役割で学んだことをまとめ、分析、成長、キャリアに関する読者の質問に答えるニュースレターです。

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