良い問いの立て方

問いの問題

データ分析で最大のミスは、データに触れる前に起きる。

誰かが「売上データを分析して」とか「顧客行動を見て」と言う。これは問いではない——釣り堀で何が釣れるか分からずに糸を垂らしているようなものだ。

明確な問いがなければ、データの中をさまよい、ランダムなパターンを見つけ、誰の意思決定にも役立たないレポートを出すことになる。

良い分析は、良い問いから始まる。

良い分析問いの条件

良い問いには4つの特徴がある：

具体的であること NG：「ビジネスの調子はどう？」 OK：「製品カテゴリ別にQ3売上をQ2と比較するとどうか？」

測定可能であること NG：「顧客は満足していますか？」 OK：「星4以上のレビューをつけた顧客は何パーセント？」

アクショナブルであること NG：「平均注文額はいくら？」 OK：「注文額10万円以上の顧客セグメントはどれか？同じセグメントをもっと獲得できるか？」

比較を含むこと NG：「売上はいくらでした？」 OK：「前年同月比で売上はどう変化したか？」

比較の原則

比較のない数字は意味がない。

「訪問者10,000人」——これは良いのか？悪いのか？平均的なのか？

「訪問者10,000人、先月比25%増」——これなら分かる。

すべての分析問いに比較を含めよう：

比較タイプ	問いの例
時間ベース	今月は先月と比べてどうか？
目標ベース	目標を上回っているか下回っているか？
セグメント	エンタープライズ顧客とSMBはどう違うか？
競合	業界平均と比べて自社の指標はどうか？

問いのフレームワーク

フレームワーク1：So Whatラダー

基本的な問いからスタートし、アクションに到達するまで「だから何？」を繰り返す。

レベル1： Q3の売上はいくらだった？ → だから何？

レベル2： 売上がQ2から15%減少した。 → だから何？

レベル3： 減少はエンタープライズセグメントに集中していた。 → だから何？

レベル4： 大口顧客3社が更新しなかった。なぜ？さらなる離脱を防げるか？ → これがアクショナブルな問いだ。

フレームワーク2：誰/何を/いつ/どこで/いくら

要素を埋めて完全な問いを構築する：

誰：    [顧客セグメント、ユーザータイプ、チーム]
何を：  [指標、行動、結果]
いつ：  [期間、比較期間]
どこで：[地域、チャネル、製品]
いくら：[閾値、比較ポイント]

例：「直販チャネル[どこで]を通じて、2024年Q3[いつ]に注文額50万円以上[いくら]だったエンタープライズ顧客[誰]は何社か——2023年Q3[比較]と比べてどうか？」

フレームワーク3：意思決定フレーム

意思決定から逆算する：

どんな意思決定をしようとしているか？ 「ヨーロッパに営業チームを拡大すべきか？」
何が意思決定を変えるか？ 「ヨーロッパの営業担当あたり売上が北米より高ければYes。低ければNo。」
何のデータがこれに答えるか？ 「地域別売上 ÷ 営業人員数。」

分析問い：「過去4四半期の地域別・営業担当あたり売上はどうか？」

✅ Quick Check： 次の曖昧なリクエストをアクショナブルな分析問いに変換してみよう：「顧客のことをもっと理解したい」——具体的に何を、何と比べて、どんな判断のために？

曖昧なリクエストを良い問いに変換する

曖昧な分析依頼を受けたら変換する：

曖昧なリクエスト	良い問い
「顧客チャーンを見て」	「チャーン率が最も高い顧客セグメントはどれか？チャーンを予測する行動パターンは？」
「マーケティングデータを分析して」	「顧客獲得コストが最も低いマーケティングチャネルはどれか？セグメント間で一貫しているか？」
「売上トレンドを教えて」	「製品ライン別に四半期ごとの平均案件規模はどう変化したか？変化の要因は？」
「ウェブサイトの状態を確認して」	「トラフィックソース別のコンバージョン率はいくらか？前月と比べてどうか？」

AIを使った問いの精緻化

AIを使って問いを改善する：

売上データを分析する必要があります。最初の問いは「売上はどうなっていますか？」です。

この問いを以下の観点で改善してください：
1. 具体性の追加（売上のどの側面？）
2. 比較の追加（何と比べて？）
3. アクショナビリティの追加（どんな意思決定に使うか？）

改善された問いを5つ提案してください。

AIが見落としている角度を考える手助けをしてくれる。

問いの階層

問いには価値の差がある：

低い価値                        高い価値
    │                              │
    ├── 何が起きた？              │
    │   （記述的）                │
    │                              │
    ├── なぜ起きた？              │
    │   （診断的）                │
    │                              │
    ├── 何が起きる？              │
    │   （予測的）                │
    │                              │
    └── 何をすべきか？            │
        （処方的）                │

記述的：「売上は1億円でした」——最も価値が低い。事実を述べるだけ。 診断的：「エンタープライズ顧客のチャーンが原因で売上が減少した」——原因を説明。 予測的：「トレンドから、来四半期も同様の傾向が続きそうだ」——未来を予測。 処方的：「顧客獲得より維持に注力すべきだ」——アクションを推奨。

可能な限り階層を上へ登ろう。

Key Takeaways

問いの質が分析の質を決定する
良い問いは具体的・測定可能・アクショナブル・比較を含む
比較のない数字は無意味——必ず比較ポイントを含めよう
フレームワークを活用：So Whatラダー、誰/何を/いつ/どこで/いくら、意思決定フレーム
問いの階層を上がる：記述的→診断的→予測的→処方的
AIを使って曖昧なリクエストを具体的な問いに精緻化する

Up next: 次のレッスンでは、データ探索の高速化——あらゆるデータセットを素早く理解する方法を学ぶ。