「月ごとにより多くの品質の高い洞察を生み出す」
「毎月、より品質の高い洞察がもたらされる」
どのようにして、より少ない労力でより多くを生み出すシステムを構築するか
マイケル・E・ガーバーは、彼の著書「The E-Myth Revisited: Why Most Small Businesses Don’t Work and What to Do About It」で、小規模ビジネスオーナーに対して、「自分のビジネスで働く」ことをやめて、「ビジネスに取り組む」ように促しています。この本の中心的なテーゼの1つは、中小企業の経営者は自分のビジネスをフランチャイズするつもりで行動すべきだということです。これにより、彼らは（1）自分たちの活動やプロセスを厳しく見直し、（2）それらの活動やプロセスを最適化し標準化する必要があります。そうすれば、彼らはビジネスの収益を最大化し複製可能にすることができます。この考えは、レイ・ダリオが「Principles」で表現したものに似ています。成功するためには、チームのマネージャーはチームではなくチームに取り組み、任意の入力の収益を最大化するシステムを構築する必要があります。
ある意味では、これらのアドバイスは分析チームにも適用できます。分析チームにとって、入力はデータをインサイトに変えるために費やされる時間であり、出力は「品質の高いインサイト」です。その関係性は次のように表すことができます:
1ヶ月あたりの品質の高いインサイトの数 = データをインサイトに変えるのに費やされる時間 / データを品質の高いインサイトに変えるために必要な平均時間
チームが生成する品質の高いインサイトの数を増やすためには、データをインサイトに変えるのに費やされる時間を増やすか、データを品質の高いインサイトに変えるために必要な平均時間を減らすために取り組む必要があります。それを実現するためには、「システム」を構築することができます。
データをインサイトに変えるのに費やされる時間を増やす
データをインサイトに変えるのに費やされる時間は、従業員総数に明確に依存しています。したがって、従業員数を増やすことが明らかな解決策ですが、それが最も簡単な解決策ではないかもしれません。
別の見方をすると、データをインサイトに変えるのに費やされる時間は、次の式の結果です:
データをインサイトに変えるのに費やされる時間 = 総従業員時間 − 非データ作業に費やされる時間
非データ作業に費やされる時間には、「利害関係者との調整」、「コミュニケーション」などの要素が含まれます。
- これらのタスクは、優れたデータ作業の成功に欠かせないものです（関心がない場合や適切に伝えられない場合には、インサイトを生成することの意味はありません）。
- しかし、これらのタスクは通常「後の考え」のように扱われます。これらの要素に関しては、明確な戦略やプロセスを持つチームを見ることはほとんどありません。おそらく、それは本当のデータ作業ほど「クール」ではなく、また必ずしも彼らのスキルセットの一部ではないためです。
- その結果、これらのタスクは予想よりも時間をかけ、実際のデータ作業の成功を保証するために必要な時間よりも長くなります。
これらのタスクに取り組むことで、明確なプロセスや時間を経過するにつれて最適化することで、多くの時間を節約する（つまり、非データ作業に費やされる時間を減らす）ことができ、同時に出力の品質を向上させることができます。
クロスファンクショナルな調整に関して具体的な例としては、毎月初めに優先順位付けセッションを開始することが考えられます。最初の月にこれを行うと、優先順位付けのための標準的なフレームワークが必要であることがわかります。2ヶ月目にそれを導入すると機能しますが、さらに改善するためには、チームのための潜在的なプロジェクトをマッピングするためのより良いプロセスが必要であることがわかります。これにより、反復的なアプローチを取ることで、非常に効果的なプロセスに到達することができ、チームは「政治的な作業」に費やす時間を減らし、インサイトの創造により多くの時間を使うことができます。
企業全体のコミュニケーションに関する別の例：月1で明確なプロセスがなく、調査が十分に消費されていないことに気付きます。したがって、月2で月次フォーラムを立ち上げます。これらの月次フォーラムでは、ステークホルダーがデータを特定の方法で提示する必要があることがわかり、より理解しやすくするために特定の形式/テンプレートなどを採用します。
再び-これらのプロセスを最適化することで、洞察の創造に再投資できるだけでなく、非データ関連の時間のかかるプロセスがチームの品質洞察の生成能力をサポートするため、成功への道を切り拓いています。
データを品質洞察に変えるのに必要な平均時間を減らす。
データを品質洞察に変えるのにかかる時間は、いくつかの要因に影響を受けることがあります。以下にいくつか例示します：
- アナリストのスキル
- チームのサポート
- データの利用可能性
- ツールの存在
アナリストのスキルを向上させ、データを品質洞察に変えるのにかかる時間を短縮することが最初の戦略です。スキルが高ければ高いほど、経験が豊富であればあるほど、データを品質洞察に変えるスピードが速くなります。チームレベルのトレーニングや個別コーチングは一般的に多くの価値を生み出すことができますが、”テンプレート”と呼ぶことで、より初心者のアナリストがベストプラクティスを採用し、素早く学ぶことができるようにすることもスキル向上の方法です。たとえば、テンプレートを活用することで、「どのような問題点があるのか」「結果は現実の生活でどのように使用されるか」などの鍵となる質問について考えることを強制することができます。これにより、彼らが研究を開始する前により強力な問題の説明を作成するのに役立ちます。
チームが協力して知識を共有する方法を作成することも、洞察にかかる時間を短縮する方法の一つです。チームが参加するためのスラックチャンネルやグーグルグループを作成するだけでも効果があります-これらの小さなアクションが大きな効果を生むことがあります。これらの「場」が存在すると、アナリストは進め方に自信がない場合や、チームの集合的な知識を活用し、新しいアイデアのインスピレーションとなるディスカッションを創出するためのサポートを見つけることができます。だからこそ私は、アナリストが自分の取り組んだ内容をプレゼンテーションすることができる定期的なミーティングがあると素晴らしいと考えています-それは使用された方法論に焦点を当て、知識を広めることができます。
データの利用可能性は大きな遮断要因となる場合があります。シンプルな集計データベースが存在しないために複雑なクエリを作成する必要がある場合や、検証済みのまたは中央集権的なデータソースが存在しないために毎回結果を三重チェックする必要がある場合、それはチームに不必要なストレスを生み出すだけでなく、貴重な時間を浪費することになります。ダウンストリームの分析を容易にするための適切なデータパイプラインを作成することは、効果的な戦略となります-既に実施されていない場合です。
最後に、同じ分析を頻繁に行う必要がある場合、ツールの存在は繰り返し作業に費やす時間を短縮する方法となります。これはA/Bテストなどに頻繁に適用されます。ここでは、自分自身が実験からデータを取得するたびに車輪を再発明する必要がないよう、自動化されたツールのライセンスを作成/購入することができます。特定の繰り返し利用ケースが必要ですが、その場合、洞察までの時間を短縮する素晴らしい方法です（ボーナスポイント：これは出力の品質を標準化する素晴らしい方法でもあります）。
結局のところ、平均洞察までの時間を短縮する方法はいくつかあります-私はかなり包括的ではないと思います。ナレッジマネジメント、データの見つけやすさなども考えることができます-すべてはチームが直面している主な課題によって異なります。
結論
初期の公式を再構築することができます：
#品質の洞察数/月 =（総人員時間-非データ関連の作業に費やした時間）/平均品質洞察時間。
人員総数を増やすことは問題解決の方法の一つですが、プロセス、インフラストラクチャ、ツール、および「アナリストサポート」戦略に真剣に取り組むことで同様の結果を達成することもできます。
この記事はAnalytics Explainedにクロスポストされています。そこでは、私が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のさまざまな分析の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ています。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
