# データ分析におけるビジネス理解の重要性と具体例について見ていこう！

> 当サイト【スタビジ】の本記事では、データ分析におけるビジネス理解の重要性と具体例について解説していきます！データ分析の価値を最大化するためにはその前手のビジネス課題の特定が非常に重要なんです。ビジネスをしっかり理解してデータ分析の価値を高めていきましょう！

- URL: https://toukei-lab.com/data-business
- 公開: 2022.11.29 / 更新: 2024.12.02
- サイト: スタビジ（https://toukei-lab.com）

:::talk{who="umatan"}
本記事では、データ分析におけるビジネス理解の重要性と具体例について解説していきます！データ分析の価値を最大化するためにはその前手のビジネス課題の特定が非常に重要なんです。
:::

こんにちは！

消費財メーカーでデータ分析・デジタルマーケティングをやっているウマたん([@statistics1012](https://twitter.com/statistics1012?lang=ja))です！

データ分析においてどうしてもモデル構築の部分が注目されがちなのですが、本当に価値のあるデータ分析をするために&#x306F;**<mark>ビジネスを理解し、インパクトのある課題を特定</mark>**&#x3057;ていかなくてはいけません。

:::talk{who="robotan"}
ふーん、なぜビジネス理解が必要なの？
:::

:::talk{who="umatan"}
データ分析はあくまで手段でありビジネス理解をせずに突き進むと意味のない結果を生みかねないからなんだ！
:::

この記事ではそんなデータ分析における<mark>ビジネス理解の重要性</mark>についてまとめていきたいと思います！

以下の動画でも詳しくまとめていますのであわせてチェックしてみてください！

::youtube{#fBhncl_dNEc}

## データ分析のステップにおいてビジネス理解がどのような役割を果たすか

データ分析のステップには[CRISP-DM](/crisp-dm)と呼ばれる有名なフレームワークがあります。

![CRISP-DM](/wp-content/uploads/2020/07/1078px-CRISP-DM_Process_Diagram-1.png)

（出典：[Wikipedia-‘Cross-industry standard process for data mining](https://en.wikipedia.org/wiki/Cross-industry_standard_process_for_data_mining)’）

CRISP-DMとは、「**Cross-industry standard process for data mining**」の略であり、[データマイニング](/data-mining)・データサイエンス・AI開発などにおいて業界横断で標準的に使えるデータ分析プロセスになります。

このCRISP-DMには全部で6つのプロセスがあります。

:::box
**Business Understanding（ビジネス理解）**\
**Data Understanding（データ理解）**\
**Data Preparation（データ準備）**\
**Modeling（モデル構築）**\
**Evaluation（評価）**\
**Deployment（実装）**
:::

この中でBusiness understanding（ビジネス理解）は最初のステップになります。

どんなに技術力があっても、<mark>ビジネスをしっかり理解していないと意味のある結果を生み出すことはできません。</mark>

昨今では、ビジネスドメインの知識が重要になってきていて、価値のあるデータ分析を行うためには**その業界や会社の理解**、そして**業務フローの理解**が必要です。

また、**実際に業務を行っている人の課題ヒアリング**が欠かせません。

そこから新たに課題が見えてくるかもしれません。

CRISP-DMに関しては以下の動画や記事でも詳しく解説しているのでもう少し知りたいという方は是非見てみてください！

::youtube{#i0OhHzN6yNg}

<https://toukei-lab.com/crisp-dm>

## データ分析におけるビジネス理解の例

![Stories office](/wp-content/uploads/2020/08/At-the-office-amico-min-e1616157030292.png)

それでは、ビジネス理解にはどんな例があるのか見ていきましょう！

たとえば、**あるサービスにおいて会員数の伸びが鈍化してきている原因を突き止めそこにテコ入れをしていくプロジェクト**があったとしましょう。

目的はなんとなく分かりましたが、もちろんこれだけでは機械学習を使ってモデル構築するステップに移れません。

:::talk{who="robotan"}
確かにこれだけだとどういうモデルを構築すればよいのか道すじが見えないなー！
:::

:::talk{who="umatan"}
そうなんだよー、もっと課題をシャープにしていこう！
:::

モデルを構築するためには課題を特定して<mark>目的をよりシャープに</mark>していかないといけないのです。

まずは、どこに原因があるのか突き止めるために**データの基礎分析や可視化**を行っていきます。

この工程はCRISP-DMのData understandingの工程であり、[探索的データ分析EDA](/eda)と呼ばれ、ビジネス理解と一緒に相互的に行っていきます。

:::talk{who="robotan"}
なるほどなるほど、データをいじりながらビジネスの課題を特定していくんだねー！
:::

:::talk{who="umatan"}
出来れば仮説を立てながらデータを触っていくことをオススメするよー、漫然とデータを触っても何も出てこないからねー。
:::

会員数の増加を新規会員の獲得と既存会員の解約にブレイクダウンした時に、**既存会員の解約数が増えていること**が分かりました。

さらに既存会員の解約が増えた原因を突き止めていくと、どうやら**競合が大きなプロモーションと販促をしかけてきたことが原因であること**が分かりました。

さて、そのような状況で<mark>既存会員の解約を防ぐ</mark>にはどうすればよいでしょうか？

既存会員に対して金銭的なインセンティブを提供するのはどうでしょう？

ただ全会員に対して金銭的なインセンティブを提供してしまうのは収益構造が悪化するのでしたくありません。

できれば解約しそうな既存会員だけにインセンティブを提供したいです。

ここで**既存会員の解約を予測する必要**が出てきました。

だいぶ目的がシャープになってきましたね。

![ビジネス理解](/wp-content/uploads/2022/11/b561e129a59383d7d1a5f8761c679a3c.jpg)

最初は、

**「会員数の鈍化を防ぐ」**

というざっくりとしたテーマだったのが、

**「既存会員が解約というアクションをとる確率を予測する」**

というシャープな目的になりました。

:::talk{who="robotan"}
なるほどー！ここまでくればモデル構築の道すじが見えてきたー！
:::

ここまで来ると**モデル構築**ができそうです。

既存会員の属性データや行動データからその既存会員が解約してしまうかしてしまわないかを確率で算出することができそうです。

ただモデル構築する上では<mark>業務用件も加味した上で、もう少しだけ詳細に落としていく</mark>必要があります。

この既存会員の予測は日別に行うべきでしょうか？週別に行うべきでしょうか？

この場合は日別でも問題なさそうですが、例えば<mark>ある商品の需要を予測する上で日別で翌日のデータを予測しても結局生産調整に１ヶ月かかってしまうなら意味がありません。</mark>

その場合は、１ヶ月前に翌月全体の需要データが予測できるのが重要になってきますね。

このようにビジネス理解をせず、適当に設定した課題に対するモデルは、<mark>現実の業務に当てはまらず無用の長物になってしまう可能性があるので注意しましょう。</mark>

:::talk{who="umatan"}
ここを適当に設定してしまうと苦労が水の泡になってしまうからね！
:::

ビジネス理解の工程に唯一無二の正解はありませんが、現場へのヒアリングや探索的にデータを見ていって、課題を特定し、最終的な出口設計も考えた上でモデル構築に移れるようにしましょう！

ここの工程をないがしろにしてしまうと大変なことになります。

## データ分析におけるビジネス理解をする上で読んでほしい本

![studies book](/wp-content/uploads/2020/07/Nerd-amico-min-e1616201954264.png)

ここまででデータ分析においてビジネス理解について簡単にまとめてきましたが、最後にここの領域を学ぶ上でオススメな本を紹介していきたいと思います。

正直、ここの領域は実践あるのみなのですが非常に参考になる書籍もあります。

:::talk{who="umatan"}
書籍で知識を入れながら実践していこう！
:::

### 会社を変える分析の力

::product[会社を変える分析の力 (講談社現代新書)]{url="https://www.amazon.co.jp/dp/B00ENC7ON2?tag=statistic08-22&linkCode=ogi&th=1&psc=1" image="https://m.media-amazon.com/images/I/51suvXBjwDL._SL160_.jpg" amazon="https://www.amazon.co.jp/dp/B00ENC7ON2?tag=statistic08-22&linkCode=ogi&th=1&psc=1" kindle="https://www.amazon.co.jp/dp/B00ENC7ON2?tag=statistic08-22&linkCode=ogi&th=1&psc=1" rakuten="https://af.moshimo.com/af/c/click?a_id=858168&p_id=54&pc_id=54&pl_id=616&url=https%3A%2F%2Fsearch.rakuten.co.jp%2Fsearch%2Fmall%2F%25E4%25BC%259A%25E7%25A4%25BE%25E3%2582%2592%25E5%25A4%2589%25E3%2581%2588%25E3%2582%258B%25E5%2588%2586%25E6%259E%2590%25E3%2581%25AE%25E5%258A%259B%2F%3Ff%3D1%26grp%3Dproduct"}

著者は大阪ガスにて10年以上データ分析業務に従事してこられた河本さん。

<mark>**事業会社のインハウスデータ分析屋さんとしての経験をもとにデータ分析を使ってどのように既存ビジネスに変革を起こしていくか**</mark>ということが語られています。

このように社内を駆け回ってデータ分析から価値を生み続けている方のお話は説得力があります。

専門的なデータの話はされていませんが、<mark>データ分析をビジネスに活かすために必要なこと</mark>について徹底的に語られている非常にオススメな書籍です。

### 仕事ではじめる機械学習

::product[仕事ではじめる機械学習]{url="https://www.amazon.co.jp/dp/4873118255?tag=statistic08-22&linkCode=ogi&th=1&psc=1" image="https://m.media-amazon.com/images/I/51FAFJYvbsL._SL160_.jpg" amazon="https://www.amazon.co.jp/dp/4873118255?tag=statistic08-22&linkCode=ogi&th=1&psc=1" rakuten="https://af.moshimo.com/af/c/click?a_id=858168&p_id=54&pc_id=54&pl_id=616&url=https%3A%2F%2Fsearch.rakuten.co.jp%2Fsearch%2Fmall%2F%25E4%25BB%2595%25E4%25BA%258B%25E3%2581%25A7%25E3%2581%25AF%25E3%2581%2598%25E3%2582%2581%25E3%2582%258B%25E6%25A9%259F%25E6%25A2%25B0%25E5%25AD%25A6%25E7%25BF%2592%2F%3Ff%3D1%26grp%3Dproduct"}

機械学習を学んで実際に<mark>ビジネスシーンではなかなか上手くいかないことが多いです。</mark>

そんな時にオススメなのがこの「**仕事ではじめる機械学習**」！

この本は、ビジネス観点から機械学習について教えてくれる良書です。

個人的には機械学習の書籍なのに、

「**機械学習を使わないで解決できる方法を考えよう！**」

と書いてある点が非常に好感を持てます。

そう、機械学習は<mark>あくまで手段であり目的ではない</mark>んです。

機械学習を導入することが目的になってしまうプロジェクトは失敗しやすいです。

:::box
**・何のために機械学習を導入するのか**\
**・機械学習を導入しないで解決できる方法はないのか**
:::

について考えておきましょう！

### 俺たちひよっこデータサイエンティストが世界を変える

::product[俺たちひよっこデータサイエンティストが世界を変える]{url="https://www.amazon.co.jp/dp/B089FHMJMB?tag=statistic08-22&linkCode=ogi&th=1&psc=1" image="https://m.media-amazon.com/images/I/31GBCi--NDL._SL160_.jpg" amazon="https://www.amazon.co.jp/dp/B089FHMJMB?tag=statistic08-22&linkCode=ogi&th=1&psc=1" kindle="https://www.amazon.co.jp/dp/B089FHMJMB?tag=statistic08-22&linkCode=ogi&th=1&psc=1"}

手前味噌ですが、僕自身が書いているこちらの書籍も紹介させてください。

「**俺たちひよっこデータサイエンティストが世界を変える**」という書籍を出版しています。

あまり具体的なデータサイエンティストの仕事について分かりやすく書いている本が見当たらなかったので自分で執筆しました！

勾配ブースティング木の[XGBoost](/xgboost)を使ったビジネスシーンでの実装についてストーリー形式で簡単にまとめていますのでイメージをふくらませてもらうのにちょうど良いかと思います！

価格は300円ちょっとですし、[Kindle unlimited](https://www.amazon.co.jp/kindle-dbs/hz/subscribe/ku?ref_=dbs_p_ebk_r00_pbcb_diupu0_hpe3p0\&passThroughAsin=B089FHMJMB&_encoding=UTF8\&shoppingPortalEnabled=true&_encoding=UTF8\&tag=statistic08-22\&linkCode=ur2\&linkId=6234f336129dd97c7c7749d98135bc96\&camp=247\&creative=1211)であれば無料で読めるのでぜひチェックしてみてくださいね！

## データ分析におけるビジネス理解で重要なこと　まとめ

本記事では、データ分析において

:::box
**・なぜビジネス理解が必要なのか**\
**・どのような例があるのか**\
**・どうやってビジネス理解を勉強すればよいのか**
:::

について解説してきました。

ぜひ<mark>ビジネス理解を深めることでデータ分析のインパクトを最大限まで高めていきましょう！</mark>

:::talk{who="robotan"}
なるほどー、データ分析と一言でいっても色んな工程があってビジネス理解が非常に重要なんだねー！
:::

:::talk{who="umatan"}
そうなんだ。ビジネス理解がはじまりデータ理解・データ加工など本当に様々な工程が重要なんだよ！
:::

ビジネスやマーケティングの勉強法は以下の記事で詳しくまとめていますのでデータサイエンス力とあわせて力を付けていきましょう！

<https://toukei-lab.com/business-study>

<https://toukei-lab.com/marketing-study>

<https://toukei-lab.com/web-marketing-study>

また、以下の記事で[データ分析の手法](/data-analysis)や勉強法、機械学習、Python、データ分析の資格、について詳しく解説していますので是非チェックしてみてください！

<https://toukei-lab.com/data-scientist>

<https://toukei-lab.com/python-learn>

<https://toukei-lab.com/machine-learning-study>

<https://toukei-lab.com/data_analytics_certification>