アナリティクスを台無しにするステークホルダーの不適切な管理

Inappropriate management by stakeholders that ruins analytics.

アナリストとステークホルダーのインターフェースを所有することで、あなたの生活をすぐに改善し、仕事をより効果的にする理由

あなたは新しいアナリストの役割を始めたばかりです。熱狂的に興味を持っている、例えば猫の家具のデータに内部からアクセスできることに興奮しています。最初の依頼が入ります。エグゼクティブが、彼らがどれくらいの種類の猫用トイレを取り扱っているか知りたいと言っています。喜んで応じて、データを取ります。「完璧！猫ベッドの数も取っていただけますか？」彼女に対してダッシュボードを作る方が効率的だと気づき、作成します。エグゼクティブは大喜びで、あなたは自分の仕事をうまくやったと感じ、データ主導の信条を前進させたと思います。

後で、それらの数字がホームページに表示されるべきカテゴリについての議論を支持するために使用されたことを知ります。あなたは驚きます。それらの数字はそのように使用されるためのものではなく、より最適なカテゴリを考えるために他の方法があると思えます。あなたはそれらの数字を取得したのは…まあ、なぜだかはわからなかった、でもそれはそのためではないとは思いませんでした。イニシアチブに関するエグゼクティブの文章を見ると、あなたのデータが狂った分析のために利用されていることに気づきます。そこには、あなたのデータが、非関連の議論と一緒に非論理的な方法で座っています。論理的な続きが欠けていることに不快感を感じ、エグゼクティブに抗議しますが、彼女は問題ないと保証します。

「私は単に自分の主張を支持するために必要だったので、誰もそんなに詳しく見ないでしょう」。

あなたはため息をつき、もっとダッシュボードを作り始めます。今回は、データ品質の取り組みに焦点を当て、よりエレガントなデータモデルの構築、クエリの最適化に取り組みます。

• データサイエンティストのためのAI Chrome拡張機能チートシート
• VoAGIニュース、6月28日：データサイエンスのチートシートのための10のChatGPTプラグイン • データ分析を自動化するChatGPTプラグイン
• 評価から啓示へ：クロスバリデーションにおける外部サンプル予測の探求

私は、ほとんどの人々が私と同じようにこの物語を何度も繰り返した経験があると思います。そして、問題が非常に外部的に見えるため、この問題は解決が困難だと思われます。ステークホルダーは単にデータの働き方を理解していないと感じ、問題を壊れた企業文化に帰因し、他の方法で影響を見つけることに諦めることが多いのではないでしょうか。少なくとも、より「データ主導」の企業で次の役割を見つけるまでです。

しかし、この投稿では、この状況を改善し、このサイクルを断ち切ることでアナリストとしての生活の質を向上させる方法について直接話したいと思います。特に、上記の物語の中心にある私たちの2つの失敗は次のとおりです：

1. 私たちのデータの使用方法に対する所有権の不在。
2. 意思決定の行われ方に対する理解の不足。

それでは、それぞれの問題について話しましょう。

問題1：私たちはデータの使用方法に対してもっと所有権を持つ必要があります。

分析はダニング・クルーガーの引力体です：ほとんどの人々はデータの解釈方法を理解していると思っていますが、実際には数少ない人々しかうまく行っていません。なぜなら、落とし穴は数多く存在するからです。この二極化は私たちの業界の中核的な問題であり、私たちがしばしば過小評価され、誤解され、エグゼクティブが余分なものを削減する際に最初に切り捨てられる理由だと思います。

そして残念ながら、私たちアナリストは単に私たち自身であることによってこの妄想を可能にしています：研究者、科学者、隠遁者 – 好きなもの：考えること、流れ、数学、厳密さ；嫌いなもの：アドホックな要求に応えること、説得力。同僚が助けを求めて私たちに挑戦すると、最善の場合、私たちは優れた分析を考案し、それを実際に必要としている人々の一般的な方向に向けて奇妙な結果を投げかけるでしょう。最悪の場合、私たちは解釈を提供せずに生のデータを返し、ステークホルダーが（誤って）バイアスを自己で調整することに任せます。

そして、それが問題なのです。このような行動は、私たちが分析の運用方法を誤解していることを示しています。私たちの仕事が有益であるために他の人に依存すべきではなく、むしろ私たち自身に依存する必要があります。以前にも述べましたが、分析はインターフェースの学問です。しかし、その結果として、私たちはインターフェースに一定の所有権を持つ必要があります。

他のインターフェース学問を考えてみると、最も効果的なインターフェースコンポーネントはこのように機能していることがわかります。例えば、優れたデザイナーはエンジニアリングの考慮事項を念頭に置いて設計します。優れたエンジニアは製品要件ドキュメントを精査し、デザイナーやプロダクトマネージャーと密接に協力します。カスタマーサービス担当者や営業担当者は顧客がいる場所で顧客に対応します。潜在的な顧客からの連絡を待つ営業担当者がどれほど効果的であるか想像してみてください。

しかし、これが私たちが分析で行っていることです。私たちはサービス機関のように運営しており、思考パートナーではないため、最終的にそのように扱われるのも当然です。そして、この業界としては、私たちは心の底でこれを知っていると思います。この数年間で、私たちは操作上の知恵の蔵を共同で作り上げましたが、そのすべてが共通の原因を指摘しているように思われます。それは、私たちがインターフェースの所有権を持っていないことです。

• 私たちはプロダクトチームのようにチームを運営するべきです。…というのも、プロダクトチームは常に顧客を考えているからです。私たちも自分たちの分析がどのように使用されるか、つまりインターフェースについて深く関心を持つべきです。
• 私たちは技術的な仕事に対する焦点を少なくすべきです。…というのも、技術的な仕事は戦いの半分です。デリバリー、つまりインターフェースがもう半分なのです。
• 私たちはダッシュボードを通じた生のデータだけでなく、分析を通じて解釈を提供することにこだわるべきです。…というのも、ステークホルダーとアナリストのインターフェースは解釈を介して行われるからです。
• 私たちは真実を探求するエコシステムを構築する必要があります。…これは、ステークホルダーのインターフェースがどのように見えるべきかを理解するためのメンタルモデルです。

したがって、自分の仕事がどのように使用されるかを所有することは、あなたの最善の利益です。アクセスを求め、ミーティングに参加し、ひととき引きこもっている場所から出て、更新されたフィロソフィーを利害関係者と共有してください。それはあなたの影響力と彼らの影響力の入り口です。

問題2：意思決定の仕組みを知らない

もちろん、ほとんどの人々が真剣にステークホルダーを管理しようと努力していると思います。しかし、それでも私たちは苦境に立たされます。これは私たちの道を邪魔するものの二番目の大きな要因です：私たちは意思決定プロセスにどのように関与すべきかを知らないのです。私たちの中には厳密さのための厳密さを追求する者もいますし、他の場合は静かに角に座って呼ばれるのを待っています。問題は何かというと、私たちは意思決定の仕組みを知らないため、そのプロセスに有意義に自分を組み込む方法を知らないのです。では、意思決定の仕組みについて話しましょう。

私はかつては徹底的なアナリストでしたが、ここ数年、Hyperqueryでプロダクトを運営する素晴らしい機会を得ました。データツールを構築することはデータ作業とそれほど変わらないと思われるかもしれませんが、私はアナリストとしての運営方法との間で非常に大きな認識の不協和を感じました。かつては完全に数量的な世界でしたが、突然、私は自分の手元に質的なデータしかない状況で意思決定をすることになりました。そして、私は適応しました。非常に曖昧な状況から合理的な意思決定を作り出す方法を着実に学んできました。しかし、この経験全体を通じて、私にとって最も衝撃的な気づきは次のことです：過去3年間、私が行った意思決定は、SQLクエリの結果に完全に基づいていたわけではないということです。

データが手元に簡単に利用できるとしても、データが私たちにとって主要な要素ではないことは真実です。そして、それによって私たちは、データの役割について基本的な誤解を抱いているデータプラクティショナーとしての自覚に至りました。単純に言えば、それは私がかつてそれを信じ込んでいたような、絶対的な真実の客観的な表現ではないということです。

データは全体の物語ではありません。データはデータポイントです。

それは役に立たないと言っているわけではありません – データはそれ自体で非常に強力なものです。データは何かをするようには言わないが、道を分岐させることはできる。データは意思決定そのものではないが、それを促進することはできる。データは何をすべきかは教えてくれないが、顧客が黙っているときに代わりに話すことができる。データは答えではないが、理解を簡素化し、答えを見つけやすくするための明確さを提供することができる。データは、定性データと同じように私が曖昧さを乗り越えるのを助けてくれました。データを見て、私はそれに基づいて優先順位を調整し、アイデアの迷路を異なるルートで歩んできました。そして、それによって、それは貴重なものになりました。

しかし、それはデータの特性であり、私がデータ専門家としてデータを理解していた方法とは全く異なります。自分の世界がデータであるということは、それがすべてだと思い込むのは簡単です。しかし、私たちの仕事の役割を理解することは重要です。そうすれば、意思決定の議論により適応できるようになります。私たちは決定を強制すべきではありませんが、文脈を理解することで有用な推奨を行うことができます。あなたは助手席に座っており、目的地を知っていれば、そこに向かうルートを助けることができます。

最終コメント

今の段階では、これまでのアドバイスの曖昧さが最大の障害であると感じています。これを少し明確にするために、この投稿の最初からのストーリーを少し違ったものに考えてみましょう。再び、ステークホルダーはあなたにどれくらいの種類の猫のトイレを取り扱っているか知りたいと言います。ただし、クエリに飛びつく代わりに、あなたはなぜ尋ねるか と尋ねます。すると、幹部はホームページのカテゴリをいくつか選びたいと言います。あなたは推奨システムについての提案をしますが、彼女はそれが多すぎると不満を言います。納期が厳しいことに気付いたあなたは、データを一緒に見るためのクイックなダッシュボードを作成し、その情報に基づいた統一的な意思決定をすることを彼女に伝えます。彼女は同意します。最初に要求された数だけでなく、クリック率、注文率、平均評価などの追加の指標を取得します。さらに、新しい指標を定義します：低露出アイテムの割合。あなたはステークホルダーとデータを共有し、それに基づいて推奨を提供します。

もちろん、彼女は反対します。しかし、それに対して反対する代わりに、最適な意思決定に達するために 相手の反対の根拠を理解しようと努めます。深い議論の中で、あなたは定量的な調査結果と彼女の定性的な直感を融合させた仮説を形成し、これが堅固なカテゴリ作成の基盤となります。あなたは彼女の製品戦略文書にリンクされた分析をまとめます。彼女が行った選択は大幅に改善され、あなたは猫の家具の歴史を本当に変えたと感じます。

これは最初に始めた物語とは根本的に異なる物語ですが、その成功は次の2つの小さな変化に基づいています：

1. なぜ尋ねることで、データの使用方法を所有しました。
2. データを上書きしようとせずに、データを彼女の直感に融合させました。これは、データが意思決定プロセスにどのように関与すべきかを明確に理解していたため可能でした。

私たちはステークホルダーにデータを押し付ける傾向があり、総合的な結論は彼らに委ねます。しかし、最高のアナリストはさらに一歩進んで、定性データにも深く関与し、達成しようとする目標を深く理解します。彼らは自分の洞察を意思決定プロセスに溶け込ませる責任を担っています。彼らは目的関数を理解しており、知られた要求を実現するだけでなく、ステークホルダーが陥っているデータアクセスのパターンに身を委ね、幹部の部屋で静かに座っているのではなく、目標に向かって行動します。

私が提案している行動の変化が極端ではないと信じています。もしかしたら、もっと深く関与することをあなたに伝える声を聞いたことがあるかもしれません – 「なぜこのデータが必要なのか尋ねるべきかもしれない」という声ですが、まあ、時間がないと判断してしまうかもしれません。次回は、その声に耳を傾けてみてください。

👋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。これは元々私のブログWin With Dataに投稿された記事であり、データの影響を最大化することについて毎週話し合っています。いつものように、LinkedInやTwitterで私に会いに来てください – チャットすることが好きです。そして、この投稿が気に入った場合は、フォロー/いいね/共有をお願いします。🙂

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