私たちは、データが指数関数的に増加している世界に住んでおり、それをより良く活用するためにますます多くの努力が払われている。今日のマーケティング担当者は、十分すぎるほどのデータを手にしているが、より深く、より価値のあるインサイトを得るために、データセットを利用し、つなげるより良い方法を探している。
この課題は、データサイエンスの応用に対する見方と、私たちデータサイエンティストの訓練方法にあります。データ・サイエンスとアナリティクスのプロジェクトに長年携わる中で、より大きな、より大胆な目標を達成するための簡単な方法が見えてきました。
それは4段階のプロセスだ：
- 野心的な結果から始める
- 結果をより小さな行動セットに分割する
- データを探索し、分析を実行する（反復的）
- 調査結果を設定した成果に結びつける
このプロセスは、従来のデータサイエンスの問題解決プロセスよりも、曖昧さを減らし、関係者全員で結果を出そうとする意欲をかき立てるので、より効果的である。従来のデータサイエンス・プロセスは、一般的に問題提起を特定することから始まり、データ収集、データモデリング、評価へと進む。従来のデータサイエンス・プロセスの核心は複雑さである。複雑さは一般的に、より合理的で分析的な思考を強要し、創造性を発揮させない。一方、アンビションは、創造的思考から始めて、脳の分析的側面へと向かうよう促してくれる。
では、プロセスを個々のステップに分けよう。
野心的な結果から始める
例えば、今後1年間で5％の追加シェアを達成したいとしよう。まず、野心的な成果を定義する。この場合、シェア5％増である。行動心理学では、目標をポジティブにとらえ直すことが重要だと言われている。目標を達成するために、より創造的な思考をするように頭を働かせるからだ。
この例では、インドネシアでの流通網を拡大することでシェアを拡大したいとします。インドネシアは17,000もの島があり、地理的に非常に分断された国であるため、輸送が難しい。これを達成するためには、市場の50％から80％に可能な限り低コストで、しかも1年以内に到達することが目標となる。
成果を小さなアクションセットに分割する
これは、大きな野心的な結果を、管理可能な小さなセットに分割したいので、非常に重要である。また、データを「相互に排他的な集合的網羅的」セットにすることも有効である。こうすることで、複数の小目標に分割し、プロセスを迅速に進めることができる。私たちの例では、成果を3つの行動セットに分けた：
- 代理店の設立が必要な密集地域
- サブディストリビューターの設定が必要な地域が分散している。
- 成長する人口クラスター
データセットの探索と分析の実行
これはプロセスの大きな部分を占める。まず、データソースを調べ、利用できるものとそうでないもの（しかし必需品であるもの）をリストアップすることから始めましょう。この例では、ニールセンの小売業センサスデータと小売業パネルデータを使用し、店舗面積、店舗売上、店舗位置座標などのさまざまな特徴を得ることができます。そして、これら2つのデータセットを統合することで、多くの意味のある特徴を導き出すことができる。
しかし、我々のデータセットが不足している部分も認識している。この場合、私たちの小売範囲外に大きな地域があることに気づくかもしれない。その結果、人口や、繁栄を示す銀行の数など、ある種の情報が得られない可能性がある。そのため、人口調査など他の情報源を見つけ、これらの特徴を把握する必要がある。
これらのデータセットを融合し、重回帰モデルにかけることで、各エリア／地域の機会を特定する。
予測の精度を確保するためには、数回の反復が必要であろう。最後に、このデータをクライアントまたはファーストパーティの配信データとマージすることができる。
調査結果を結果に結びつける
最後のステップは、アクションセットのすべての結果を結びつけることである。
この例では、このデータを使って、最もビジネスチャンスがあり、既存の流通網で現実的にサポートできるエリア／ブロック・クラスターを描くことができる。
この例では、複数のデータセットを組み合わせて、大きな野心的な目標に対する明確な解決策を示すシンプルなソリューションを提供することができた。これは、問題提起から始めることが必ずしも得策とは限らず、むしろ前向きな野心的目標から始めることが重要であることを示している。
だから、次に新しいプロジェクトを始めるときは、このプロセスにチャンスを与え、野心的な目標と創造的な思考から始めてほしい。
