#Twitter：@Nurruttan | #Threads：@nurruttan
分析は得意だけど、報告はちょっと苦手。。と感じているデータサイエンティストも多いのではないでしょうか？
分析で忙しいデータサイエンティストは報告資料に時間をかけられないことも事実です。
しかし、データサイエンティストは最後の「報告」で自身のデータ分析の価値を評価されるためデータサイエンティストにとって「報告」は最も重要な業務であると言っても過言ではありません。
今回は、コンサル系データサイエンティストが多用する「データ分析の必要性を示すパワポデザイン」を紹介していきます。
筆者自身、コンサルよりのデータサイエンティストとして長年働いていますが、大元になるパワポの型はあまり多くありません。
この記事を読むと、データ分析の必要性を示す報告資料が作り方がわかり、報告資料を効率的に作成できるようになるでしょう。
結論は「全体感を作った上で、データ分析の必要性を語るべし」です。
では、本題に移ります。
データサイエンティストは報告が重要
データサイエンティストは報告が重要です。
データサイエンティストの価値は「データを活用することでビジネス課題を解決すること」です。
「データ分析」が仕事ではなく、「ビジネス課題を解決すること」が仕事です。
そのため、データ分析がどうビジネスにつながっているか、どのようにビジネス課題の解決につながっているのかを明確に伝えることが重要です。
データ分析だけでは、片手落ちであり、報告までやり遂げてようやく価値になるのがデータサイエンティストという職業です。
分析結果の報告は全体感を持つべき
分析結果の報告は全体感を持つことが重要です。
なぜなら、分析の目的が伝わらない限り、データ分析の価値は伝わらないからです。
データ分析がビジネス課題の課題解決につながっているかを示すには、データ分析結果の前後の設計を丁寧にすることが大切な要素になります。
どのような背景でこのデータ分析を行っているのか？なぜ、このデータ分析を行っているのか？、そもそもの背景・目的をしっかり合わせた上でデータ分析の結果を伝える必要があります。
そのため、分析結果の報告は全体感を持つことがなによりも重要です。
デザインの型を覚えて活用するのが効率的
デザインの型を覚えて活用することが効率的です。
データサイエンティストはデータ分析を出すまでで非常に作業量も多く、作業量は多いです。
そのため、報告資料にだけ専念しているとデータ分析の結果がなく報告することがなくなってしまいます。
この問題を解決するには、デザインの型を覚えて活用することが一つの解です。
時と場合によってパワポデザインを自分の中にストックしておき、効率的に報告資料を作成できるようにすることが価値を出す近道です。
様々なパワポデザインを覚えて、効率的に資料を作成できる状態にしましょう。
データサイエンティストの実務で使える報告資料テンプレは下記に詳しく解説しています。
⇒【報告って難しい？】コンサル系データサイエンティストが実務で使える報告資料テンプレを解説！
データ活用の有用性を示すためによく使うデザイン例
データ活用の有用性を示すためによく使うデザイン例を具体的に紹介していきます。
今回は全体感を示しつつ、なぜデータ活用する必要があるかをビジネス目線で感じてもらえるように伝える資料のデザイン例です。
今回は下記のデザインを紹介していきます。
- 業務全体のデータ活用
- 業務プロセス改善のデータ活用
- 改善サイクル構築のデータ活用
- KPIツリーのデータ活用
詳しく解説していきます。
業務全体のデータ活用
一つ目は業務の全体感を示すパワポデザインです。
今回の例では「戦略」「企画」「実行」「基盤」という4つのレイヤー別に記載しています。比較的どの業務も上記のフレームワークで表現できます。
それぞれの業務レイヤーでどのような分析が必要なのかを表すことができ、業務の全体感を持った上でどの分析をやっていくべきかを示す際に非常に有用なパワポデザインです。
報告の際は、この内のどこの分析のことかを明示すると全体感が伴い、わかりやすい説明になります。
ややハイレイヤー向けの資料ですが、知っておいて損はないでしょう。主に部長やそれ以上のクラスと会話する時に有用なデザインになります。
業務プロセス改善のデータ活用
二つ目は業務プロセスの改善を示すデザインです。
どのような業務にどのようなデータが必要かを明示するために利用する資料です。
データ分析は業務で使われなければ意味がありません。
そのため、業務プロセスをまずは可視化して、どの業務にどのデータを活用するかを明示します。
このように説明することでデータ・分析の必要性を感じてもらいやすくなります。
単純にデータ分析を報告するだけではなく、業務の全体感を捉えてデータ・分析結果を報告することで分析結果の活用がイメージしやすくなり、価値高く映ります。
業務全体を把握している、リーダーなどと会話する時に有用な資料デザインです。
改善サイクル構築のデータ活用
三つ目は改善サイクル構築のデータ活用を示すデザインです。
データ分析を活用して、改善サイクルを作る系のプロジェクトはデータ分析だとよくあるプロジェクトです。
その際にサイクルの全体像を示すことが重要です。上記ではよくある「PDCAサイクル」のフレームワークを用いています。
重要なポイントは各プロセスでどのようなデータが必要なのかを明確にすることです。
サイクルを構築するために必要なデータであれば、分析の必然性も感じられるため、データ分析が価値高く映ります。
こちらも業務全体が見えているリーダーと会話する際に有用な資料です。
KPIツリーのデータ活用
四つ目はKPIツリーを活用したデザイン例です。
KPIツリーを活用して事業構造を整理した後、どこの分析を実施していくのかを明示します。
特にサービスを改善するなどの分析を実施する際はよく使われるデザインです。
KPIツリーに整理して、各要因を分解して分析を実施することで全体感を示しつつ、データ分析の必要性を示すことができます。
サービス改善の分析をする際には有用なパワポデザインです。
上記のように、ビジネス目線で全体像を整理した上で、どこにデータを活用すべきかと考える目線が重要です。
この目線で語らないとビジネス側ではデータ分析の必要性を感じてもらうことができません。
データサイエンティストはデータを分析するだけでなく、どのように活用するかという目線で語る必要があります。
上記のデザイン例を使って効率よくデータサイエンティストとして価値を出すことを心がけましょう。
ビジネスに向き合うことが重要
データサイエンティストは「データを活用してビジネス課題を解決」してこそ価値を出せる職業です。
そのため、ビジネスに向き合ってデータ分析をすることが重要です。
データサイエンティストの中には、自らやりたい仕事や分析もあるでしょう。
しかし、データサイエンティストのやりたいは二の次であり、価値を出すためにはビジネスに向き合って仕事をする必要があります。
データサイエンティストとして、キャリアを築いていくためにはビジネスに向き合うことが必要不可欠です。
常日頃からビジネス目線を持てるように自己研鑽していきましょう。
【まとめ】ビジネス目線で思考できるようになろう
ビジネス目線で思考することは一長一短でできるものではありません。
常日頃から、自身の思考を広げるような行動が必要です。自身の担当するテーマの書籍を読んだり、実際に体験してみることが重要になります。
本ブログではweb3のデータ分析に焦点を当てています。
一足先に将来の市場の勉強を始めたい方向けに情報発信をしています。
web3ではまだまだ情報が少ないため、まずは体験してweb3の世界に身を置いてみることをおすすめしています。
まずは暗号通貨取引所に登録することが初めの一歩です。下記に初心者におすすめの暗号通貨取引所の「Coincheck」の口座開設方法を解説しています。
まずは暗号通貨取引所を解説して、web3を体験してみましょう。
まずは自ら世界に飛び込み、ユーザーとして利便性を体感してみましょう！
今回は以上です。
