データ活用が重要であると言われている昨今ですが、今後も益々データ活用の重要性は高まっていくことが予想されます。
そこで注目されているのがデータアナリストという職業。
聞いたことあるけどどんな仕事をしているのかそこまで馴染みがなかったりします。
この記事では、データアナリストの仕事内容について具体的かつできるだけ詳細に解説していきたいと思います。
データアナリストに興味のある方、目指している方に少しでも参考になれば幸いです。
データアナリストとは？
仕事内容の解説に入る前に、データアナリストの基本情報について少し認識を合わせておきたいと思います。
データアナリストとは、文字通りデータを分析することを主な仕事内容として認識されています。
データを分析するということはどういったことなのか後述しますが、データを分析して結果を伝えて終わりというのが仕事ではありません。
分析した結果から何が言えてどうすべきなのか提案まで持っていく必要があると思っています。
データアナリストはデータ分析するのが仕事であるというのは半分正解ではありますが、分析した内容をどうビジネスに活かすか提案を行える人がデータアナリストであると私は考えています。
データアナリストの仕事内容
この章では、データアナリストのよくある仕事内容、また業務プロセスについて具体例を交えてできるだけ詳細に解説していきたいと思います。
よくある仕事内容は以下通りです。
- データ分析の依頼を受ける
- 分析テーマを自ら見つける
- 分析する目的とアウトプットイメージを固める
- 分析するデータを集める
- データを加工する
- データを分析する
- 分析結果から思考する
- 分析内容のレポート提案する
- 施策実行・PDCAを回す
順番に解説していきたいと思います。
データ分析の依頼を受ける
今このタイミングでビジネス上課題になっていることの要因分析や原因究明のために分析依頼を受けることがあります。
依頼主は経営陣や事業責任者クラス、施策リーダーや担当者など様々であり、もちろん受注する立場によっても異なります。
複数分析案件を抱えている場合、どれから捌いていくのかは上司と相談して決める形になりますが、ビジネス重要度を鑑みて対応する優先順位を決めているのが一般的かと思います。
また私は過去データ分析専門部署で勤務していたこともあったため、他部とのコミュニケーションは大事にしていました。
受注サイドになることから、気軽にデータ分析の相談をしてもらうような立ち回りを心がけていました。
分析テーマを自ら見つける
上記はあくまで依頼を受けて対応するという形ですが、一事業のデータアナリストとして所属する場合は自ら分析テーマを探し出すことを求められます。
そのため、事業の課題を特定するところから始めます。
多くの場合、事業部として目標としている数値があると思うのでそこから手をつけていく形が一般的です。
簡単な例になりますが、売上を目標にしている場合売上は以下の要素で構成されています。
売上 = 単価 × 人数
売上を向上させるには、単価を上げるのが重要なのか、人数を増やすことが重要なのか判断し、施策提案を行います。
データアナリストは第三者から分析依頼を受けて対応するというのもありますが、自ら事業の課題を発見し、分析するというアプローチもあることは認識しておくと良いかと思います。
分析する目的とアウトプットイメージを固める
分析依頼を受ける時や自ら分析テーマを見つける場合もそうなのですが、分析する目的とアウトプットイメージは定めておきましょう。
何も考えずにデータを分析をしていると、何も出てこないことが多く、非効率だったりします。
そのため事前に以下のことを言語化するのをおすすめします。
- 何を解決するために分析を行うのか
- 何がわかると嬉しいのか
- 原因となる仮説の列挙
- どういったアウトプットを見せると相手は満足してくれるのか
言語化しておくことで、分析時に思わぬ方向に行ってしまった時に立ち戻ることが可能ですし、言語化したものを関係者と認識合わせしておくことも重要です。
また分析内容の事前認識合わせは、変に期待値をあげてしまうことを防ぎます。
分析するデータを集める
データ分析の目的が定まったら、分析するデータを集めます。
データが社内に揃っている場合、データベースからデータ抽出ツールを使ってデータを集めることができます。
データ抽出時はSQLというデータベース言語を扱う場合もありますし、他のツールを使うこともあります。
また必要なデータがデータベースに存在せず、現場担当者が手入力しているエクセルデータだったりすることもあります。
その場合は、現場担当者と連携を取りながら必要情報をヒアリングしてデータを集めることだってあります。
データを加工する
データベースが整備されていて、データ加工が不要なケースもありますが、それは稀だと思った方が良いです。
またデータベースはあるけどデータ内容がグチャグチャの場合もありますし、手入力の場合抜け漏れだって発生します。
分析する前にデータの前処理という工程が存在するのですがとても重要であり、データ分析の大部分はこの作業に多くの時間を取られているという分析担当者はきっと多いはずです。
データを分析する
データの加工が終わったらいよいよ分析です。
分析目的のところで定めた仮説を潰していくフェーズとなり、その根拠となるものを数値やデータを用いて明らかにしていきます。
またデータ分析は単一のアウトプットを出すのではなく、何かと比較することが大切だと考えています。
データ分析時に意識してほしいことは、大きく以下となります。
- 前提となる条件でAグループ、Bグループ、…と分ける
- 各グループを比較する
- 各グループの差に注目する
そうすることで新たな気づきが生まれることがあります。
ぜひ参考にしてみてください。
分析結果から思考し提案する
分析が終わったら、施策に落とし込み提案していきます。
提案までのアプローチとして私は以下のことを意識していることが多いです。
- 分析結果から言える結論、事実の共有
- 結果を用いたA・B・C施策提案（施策の数はその時による）
- 各施策の想定対応工数とインパクト試算、追うべきKPIの設定
- 撤退基準の作成
- 実行計画
冒頭でも触れましたが、分析した結果の報告だけだとデータアナリストとして芸がありません。
できれば提案までを仕事として捉えることが重要だと思います。
提案には選択肢を与えること、時間やビジネスインパクトも検討軸に入れてあげると決断しやすいです。
また施策を実行する場合はモニタリングすべきKPIも明記しておきましょう。
思ったより成果が上がらない場合、ダラダラ施策を継続しても意味がないので、どのタイミングで施策を中止・撤退するのか基準を作っておくのもおすすめです。
こちらも参考にしてみてください。
施策実行・PDCAを回す
提案を行い、施策実施の意思決定が取れればあとは実際に実行するのみです。
施策実行に関係者が必要な場合は自ら依頼して回ることもあります。
施策実行後は追うべきKPIのモニタリングを行います。
場合によってはABテストを実施するので、施策ありと施策なしを比較して日次や月次で KPIの比較を行います。
施策を通じて良し悪しが分かれてきますので、良い場合でも悪い場合でも要因分析を行い再度提案を行う。
このPDCAを繰り返して改善活動を行います。
仕事内容のまとめ
具体例を交えつつデータアナリストの仕事内容について解説してみました。
データ分析という仕事には、多くの工程があることをご理解いただけたのではないでしょうか。
以降の章では、データアナリストとしてどういった活躍の場がありそうかに触れていきたいと思います。
データアナリストの活躍の場とは？
この章ではデータアナリストの活躍の場について解説していきたいと思います。
活躍の場としては大きく以下の3つに分類できると考えています。
- プロダクトチーム
- 経営チーム
- コンサルタント
順番に解説していきます。
プロダクトチーム
商品やサービスに関するKPIを目標数値においている、マーケティングや営業系の部門で活躍します。
分析テーマでよくあるのは以下であり、一例として紹介します。
- 問い合わせ数の増加
- ユーザー獲得の最大化と効率化
- 広告予算の最適配分
- 継続率向上
- 離反防止
分析依頼主や報告対象は、施策リーダーや事業責任者、部門統括役員などがあります。
ユーザー行動に関する分析テーマが多いのが特徴となり、プロダクトに関わるような仕事をしたい方にはおすすめです。
経営チーム
活躍の場として、経営企画や経営管理、経営戦略というチームに多いのが特徴です。
プロダクト部門ではユーザーに関するデータ分析を行っていましたが、経営チームでは会社の財務改善、資金効率などが分析テーマとして挙げられます。
- 事業投資判断
- M&A対象企業の投資判断
- 全社の販売・利益予測
- 全社横断に関わるデータ分析
など、会社にとって影響範囲の大きい仕事がメインといえます。
一緒に仕事をする方々は事業責任者クラスや経営メンバーが多いのが特徴です。
キャリアを上流に上げていきたい方におすすめとなります。
コンサルタント
社内でデータ分析支援を行っているチームやコンサルティング会社で勤務されている方が該当します。
数値責任は各部門や発注会社が負っているのでコンサル側は直接数値責任を負いませんが、数値責任を追っている方々への支援となり、どちらかというと受託がメインとなります。
コンサル型の特徴としては、あらゆる分析テーマに触れられるのがメリットといえます。
データ分析はどれだけ引き出しを持っているかで解決策の質も量も変わってきます。
あらゆる経験ができるという点ではコンサル型はおすすめですが、一方で数値責任を持って数値を伸ばすという経験を得られないのはデメリットとして言えるかもしれません。
データアナリストに必要なスキルセットは？
この章ではデータアナリストに必要なスキルセットについて解説していきたいと思います。
仕事内容で解説した内容と少し重複しますが、日々の仕事内容は以下のスキルセットを使いながら遂行していくようなイメージとなります。
- 数値・データ分析力
- ITスキル
- ビジネススキル
- コミュニケーションスキル
順番に解説していきます。
数値・データ分析力
仕事内容の部分でも触れましたが、データアナリストは数値やデータを分析することが求められます。
そのため数値を扱うことに慣れている理系的な職種であるといえます。
またデータ分析には課題発見能力や仮説思考も大切です。
これらのスキルは実務経験を通じて得られることが多いので、今スキルとして備わっていなくても今後重点的に伸ばすべきスキルであることは意識しておくと良いかと思います。
ITスキル
データを抽出したり、加工・集計などを行うためにBIツールを用いることもありますし、場合によってはSQLやPythonなどのプログラミング言語を用いたりする場合もあります。
またデータ内容はもちろんのこと、データベースへの理解は必須と考えます。
データアナリストはデータを扱う職種であるため、ある程度データへの理解が必要になり、それなりのITスキルを持っている方が望ましいと考えます。
ビジネススキル
データアナリストは分析するだけが仕事ではなく、ビジネス現場でどのようにデータを活用するのか思考することを求められます。
そのためにデータ活用事例を日頃からインプットするなど、ビジネスにどう使えるかを模索し続ける必要があります。
ビジネスでどう使うかというスキルは今日明日でどうにかなるスキルセットではなく、日々の努力と経験から得られるものであると考えます。
コミュニケーションスキル
データ分析した内容から施策提案を行うことが重要だと何度も述べてきました。
データアナリストは担当部門や施策担当者に説明責任を負っており、正しく物事を伝達させる必要があります。
そのため、コミュニケーションスキルが求められます。
また分析テーマによっては複雑性を増し理解しにくい場合もあります。
その際言葉やテキストだけではなく、表や図を作成するなどして、わかりやすい説明を心がける必要があります。
まとめ
本記事ではデータアナリストの仕事内容についてできるだけ詳細に解説しました。
また仕事内容から活躍の場、必要スキルについても合わせて紹介しました。
これらの情報を参考にしていただき、一人でも多くの方がデータアナリストを目指したいと思っていただければ大変励みになります。
コメント