データ活用研修 問いの発見と仮説構築【MIXI 26新卒技術研修】

本スライドは、MIXIの2026年度新卒向け技術研修で使用された資料です。
　
MIXI 2026新卒技術研修
『データ活用研修』
　
───────────────────────────────
※皆様へのお願い※ 資料・動画・リポジトリのご利用について
───────────────────────────────
公開している資料や動画は、是非、勉強会や社内の研修などにご自由にお使いいただければと思いますが、以下のような場でのご利用はご遠慮ください。
- 受講者から参加費や授業料など金銭を集めるような場での利用
（会場費や飲食費など勉強会の運営に必要な実費を集める場合は問題ありません）
- 出典を削除または改変しての利用

Transcript

1. MIXI 26新卒技術研修 データ活⽤研修 >> 問いの発⾒と仮説構築 開発本部 データグループ 柏 正典 ©MIXI
2. 本⽇のAgenda • • • • • • ©MIXI はじめに ◦ ⾃⼰紹介 / データGの紹介 ◦ データ活⽤ガイドライン / データ可視化 のおさらい 研修の背景 / ⽬的 問いの発⾒ ◦ なぜ、「問いを⾒つける⼒」が必要なのか？ ◦ 問い‧仮説‧課題の違い ◦ 「問い」を⾔語化する。 仮説構築と検証 ◦ なぜ、「仮説」が必要なのか？ ◦ 構造を俯瞰して要因を整理する ◦ 仮説の検証 ⽣成AIとのつきあい⽅ 演習 2
3. ⾃⼰紹介 開発本部 たんぽぽ室 データG 柏 正典 麻雀 M-リーグ、プロ経験あり。 YouTube鑑賞 数学系(よびのり)、クイズ系(QuizKnock) 料理 理系的＆肉系 謎解き・ボドゲ リアル脱出ゲーム・軽めのカードゲームなど 大学卒業後、小規模ソフトハウスにて、プログラミング、ハードウェア開発、プロジェクトマネジメントの基礎を身につける。その 後、大手自動車メーカのグローバル市場情報室において、 3C(Customer, Competitor, Company)視点での多角的な現状把 握とオポチュニティ分析を行い、商品・サービス・ブランド戦略構築に大きく貢献した。 2017年には、同社企画部門における データ活用組織を初めて立ち上げ、 Big Dataによるニーズ探索手法の開発や、社内におけるデータ利活用促進をリードし、 1000人を超える社員を対象としたダッシュボードを公開し、大反響を得た。その後、データ活用のコンサルベンチャーへ転職。 数多くのデータ活用支援を実施。 2023年10月MIXI入社。 東京都立大学工学部卒。 専門：カスタマーインサイト、定性・定量調査、統計分析、データマネジメント /ビジュアライゼーション ©MIXI 3
4. データを活⽤するとは？ データとは何か？ データを使ったことあります？ ©MIXI
5. 研修の背景 • • Q. なぜ「データ活用研修」で「問いと仮説」なのか？ A. 「データ活用」は、業務における意思決定 のための手段です。 データを分析し、意思決定につなげるためには、分析の目的、すなわち「何を明らかにするた めに分析するのか？」という問いを明確にする ことが重要です。 特に業務では、構造や原因がすぐには見えない問題に直面する場面 が多くあります。 こうした状況で成果を出すためには、与えられた作業をこなすだけでなく、自ら問いを立て、 仮説を立て、検証しながら前に進めていく力 が求められます。 問いの設定 ©MIXI 仮説構築 データ収集 分析 解釈 / インサイト 次の打ち手 提案 5
6. 仕事の中で、あなたは何を考えるのか？ 問いが与えられ答えを求められた、学⽣時代。 これからは、⾃ら解くべき問いを探しそれを解決し、ビジネスを成功に導く姿勢が求められる。 学生 上位者が問いを 与えてくれる 自律した 社会人 問題 tan1°は有理数か？ (2006・京都大学 ) 上司：Web広告のCPA(顧客獲得単 価)が先月に比べて著しく高くなったの で、原因を調べてくれる？ ？ 答え ？ ？ ？ 正解 ©MIXI 若手 社会人 正解が存在する (絶対的な )正解がない 何を解くべきか ⾃ら考える。 ビジネスでの問いには 絶対的な正解がない。 ただし、 ビジネスを成功に導くために 求められる正解がある。 6
7. 研修の目的 • • • • ©MIXI 業務の中で、 自ら問いを見つける姿勢 の重要性を理解する。 仮説を持って仕事を進めることで、 分析・意思決定・コミュニケーションの効率が上がる こ とを理解する。 俯瞰して構造を捉え、そこから詳細を詰める考え方 を身につける。 問いや仮説作りに生成 AIを活用できるようになる。その上で、 出力を鵜呑みにせず検証す る姿勢を学ぶ。 7
8. 問いの発⾒ ©MIXI
9. 業務における困りごとを「問い」として言語化する 問い 構造や原因が特定されていないテーマに対して、 何を明らかにしたいのか定義したもの • • • ©MIXI 業務でのコミュニケーションは、意外と「暗黙の了解」が多い。言語化することで「暗 黙の了解」が一致していないことに気づくことができる。 自分がどんな課題意識をもって業務を進めているか、上司やチームメンバーに共有 することで、周りからの理解や誤った方向に進んでいた場合のフィードバックを受け ることができる。 生成AIと相談するためにも、「何を解決したいのか？」が言語化されていなければ、 相談することもできない。 9
10. 困りごとや違和感 (問いの種 )を問いに変換する 困りごと・違和感(問いの種) 担当するアプリの機能が増えすぎたため、 画面がわかりにくくなりユーザー体験を損ねているのでは？ アンケートで、ユーザビリティについて調査しよう！ 「全体の３割がユーザビリティに不満」 というレポートが得られても、ビジネス の意思決定に使えない。 仕事で解決する「問い」にするためには、前提条件や着目する指標を補足する必要がある。 • • • ©MIXI 「ユーザー体験を損ねる」とは？ ビジネスに影響があったのか？ どの時期からそれが起きたのか？ 10
11. 「問い」の形に変換する 問いの種 担当するアプリの機能が増えすぎたため、 画面がわかりにくくなりユーザー体験を損ねているのでは？ 《前提を確認するための問い》 • • • 「ユーザー体験を損ねる」とは？ ビジネスに影響があったのか？ 比較する時期は？ • • • • • • アプリの売上は、成長・鈍化しているのか？ アプリの利用者数は、成長・鈍化しているのか？ 継続率が、アプデ前後で変化があったのか？ 継続率は、競合に比べて低いのか？ アプリの口コミ評価は、競合に比べて低いのか？ アプリの口コミ評価は、アプデ前後で変化があったのか？ 《現象を深掘りするための問い》 • • 問い ヘビーユーザーとライトユーザーで、追加した 機能の利用頻度に違いがあるか？ なぜ、追加した機能が使われていないのか？ アプリのアプデによりUIが使いにくくなり、継続率の悪化やアプリのレーティ ングが落ち、売上にも影響しているのではないか？ 事業の売上に影響することを確認した上で「UIが使いにくくなった」という仮説を検証していくのがありたい姿。 検証に際しては、UI以外の影響がないか、という点についても確認する必要あり。 ©MIXI 11
12. どんな時に「問い」を言語化するのか？ 「暗黙の了解」が共通言語として成り立っている場合、問いを言語化する必要はない。 • 指示があいまいなとき ◦ ◦ 前提が共有されていない状態で「なんとなく分かる気がする」という感覚のまま分析を始める と、途中で方向性を見失いやすくなります。 「言葉の定義を明確にする」「何を明らかにするべきかを整理」「『問い』を自分の言葉で再定 義」することが重要。 前⾴の「ユーザー体験を損ねる」と いう⾔葉がこのケース。 • 何から始めればよいか、わからないとき ◦ ◦ 大きすぎるテーマにアサインされたり、業務課題が漠然としてどこから手を付ければよいか分 からないことがある。 組織やプロジェクトの「ありたい姿・ビジョン」を理解し「現状」とのギャップに着目する。そこか ら、自分の担当領域で扱える「問い」に変換することで、取り組むべきテーマが明確になる。 ⾼い視座から⾃分のタスクにつなげ ていくことが重要。 ©MIXI 12
13. 何から始めたらいいかわからない ～ 会社のビジョンと自分の業務 • • • 仕事はすべて 会社のビジョン・ミッション とつながっている 視座を上げる と、問いの解像度と影響範囲が広がる 上位の目的とつながった問いは、 組織を動かす力 を持つ 会社のビジョン‧ミッション 組織/ サービスの ビジョン ミッション チームの 役割 個⼈の 役割 ©MIXI UIが使いにくいことで、既存 ユーザーの離脱が増え、事業 の売上影響が出ているので、 UIを改善すべきです。 ‧‧‧ 問いを事業の成果とつなげ語ることで 組織を巻き込むことができる。 ‧‧‧ 私は、UIが使いにくいと 思うので、改善すべきです。 13
14. 仮説構築と検証 〜 どうやって仮説を⽴て、検証するか？ ©MIXI
15. 仮説を立てるメリット 仮説 現時点のわかる範囲の情報でもっとも確からしい「問い」に対する答え なぜ、仮説を立てるのか？ 分析の質と効率が向上する。 問いに対して精度の高い答えを導きやすいくなる。 • • • • ©MIXI 分析の段取りが明確になり、必要なデータや手法を整理できる。 次のアクションを見据えた分析が可能になる。 仮説と異なる結果に対しても、要因を深く掘り下げやすくなる。 他者やAIの分析結果に対して、自分なりの解釈を加えられる。 15
16. 仮説の立て方 仮説は、 「問い」を俯瞰し、構造化‧モデル化して網羅的に検討する。 ストーリーの説得⼒が増す。 仮説は「⾃分の視点」に 閉じると偏る 例：マーケ担当はマーケ施策だ けに原因を求める傾向がある。 しかし実際には、外部環境・ゲー ム内容など複合的に影響してい る可能性がある ©MIXI 担当外まで視野を広げ 全体構造を捉えることで 思考の質が⾼まる。 要因の抜け漏れを防げる。 優先順位をつけられる。 意思決定者は、広い視野で判断するため 断片的な情報だけでは決断できない。 16
17. 俯瞰して網羅的に考える / MECE(もれなくダブりなく ) • • MECE(Mutually Exclusive, Collectively Exhaustive)とは、「もれなくダブりなく」という意味で、論理的思考 の基本原則。 既存のフレームワーク (SWOT, 4P, 3C, PEST, 5W1H) や、時系列やプロセス分解、 KPIツリーを使うこと で、 網羅的な思考を実践することができる。 スマホゲームの売上 KPIツリー 売上 [円] 先⽉のMAUに対する変化 MAU [⼈] ＋ 継続ユーザー x － 離脱ユーザー ⽉次アクティブユーザー (Monthly Active User) ARPU [円/⼈] ユーザー、⼀⼈当たり平均課⾦額 (Average Revenue Per User) = 課⾦率ⅹARPPU ＋ ゲーム内施策や UIの影響がある要素 復帰ユーザー ＋ 新規ユーザー マーケティングにより影響 がある要素 課⾦ユーザー、⼀⼈当たり平均課⾦額 (Average Revenue Per Paid User) ©MIXI 17
18. フレームワークの概要 フレームワーク 構成要素 主な視点‧特徴 主な⽤途 SWOT Strength / Weakness / Opportunity / Threat 内部（強み‧弱み）と外部（機会‧脅威）を組 み合わせて整理 戦略⽴案、現状分析 3C Customer / Company / Competitor 顧客‧⾃社‧競合の3視点で市場構造を把握 マーケ戦略、ポジショニン グ検討 4P Product / Price / Place / Promotion 企業側の提供価値と施策を4要素で設計 マーケ施策設計、実⾏計画 PEST Political / Economic / Social / Technological マクロ環境の外部要因を体系的に把握 中⻑期戦略、外部環境分析 5W1H Who / What / When / Where / Why / How 事象を具体化し、情報の抜け漏れを防ぐ基本フ レーム 問題整理、コミュニケー ション AIDMA Attention / Interest / Desire / Memory / Action マスメディア前提の⼀⽅向的な購買プロセス 広告設計、購買導線整理 AISAS Attention / Interest / Search / Action / Share 検索と共有が含まれるデジタル時代の⾏動モデル デジタルマーケ、⾏動分析 ©MIXI 18
19. データで仮説を検証する ⽴てた仮説の妥当性は、量的/質的データを組み合わせ多⾓的に検証する。 • 社内で蓄積されたKPIやログデータの分析 • アンケートやユーザーインタビューの実施 • 外部統計や市場データの参照 • 有識者や現場担当者からの知⾒の収集 • Web上の公開情報の確認 • ⽣成AIを活⽤した論点整理および反証観点の洗い出し ただし、仮説検証に入る前に、必ず実施すべき重要なプロセスがある。 それは、 「問いそのものが適切かどうか」 を確認することである。 たとえ第三者から与えられた問いであっても、そのまま受け取ってはならない。 まずは自分自身で現象を観察し、 問いの妥当性を見極める (問いを疑う )ことが必要。 ©MIXI 19
20. ⽣成AIとのつきあい⽅ ©MIXI
21. 生成AIとのつきあい方 やってはいけないこと「・・と ChatGPTが言ってました。」 仮説を持つことで、生成 AIの出力の良否を判断することができる。 ⇒ 仮説や前提のずれを確認することができ、誤りや検証漏れに気づきやすくなる。 プロンプトの指示が具体的になることで、回答の質が向上する。 ⇒ 生成AIは抽象的な質問よりも具体的な質問のほうが回答の質が向上する。 生成AIの出力と仮説を比較し、自分の思考を深めることで、 他人への説得力を高めることができる 。 ⇒ 他人事の意見ではなく、自分の意見に昇華させることができる。 ただし、生成 AIは仮説に引っ張られる (忖度/ハルシネーション )ことがあるため、出典の確認や 生成AIに批判的な観点での意見を求めるなど、対応が必要。 ©MIXI 21
22. 演習 ©MIXI
23. モバイルゲームの売上改善プロジェクト (1/2) ▪ 状況設定（ケース） あなたは、リリースから３年目を迎える中堅モバイルゲームの運営メンバーです。 本日、上司から「ここ３ヶ月、売上が落ち込んでいる。次のアクションにつげるためにも原因を特定して欲しい」と指示がありました。 ▪ ここ３ヶ月にあった主な出来事 • • • • • • ©MIXI 高難易度のステージを追加した トップ画面のユーザインタフェースを改善した ▲▲アニメとのコラボガチャを実施 タレント▪▪を起用したテレビ CMを出した スナック菓子「 xxx」とのガチャキャンペーンを実施 競合ゲームタイトルの躍進 23
24. モバイルゲームの売上改善プロジェクト (1/2) ▪ あなたのミッション 以下の4つのステップに沿って思考プロセスを整理してください。 問いの設定 初期アクション 仮説構築 仮説検証 : 【直近の3ヶ月で売上が落ち込んでいるのはなぜか？】 : まず、どのようなデータや事実を確認しますか？ : その問いの要因と考えられる「仮説」を列挙してください。 : その仮説が正しいかどうか、どのような方法（データ分析、ヒアリングなど）で確かめますか？ ▪ 進め方 • テンプレートに従い、各自記入 • 周囲のメンバーと共有 • 気づきを全体に共有 ・・・５分 ・・・５分 ・・・５分 <記入用スプレッドシート：氏名が無い方は A列に追記してください > https://docs.google.com/spreadsheets/d/1h35BMpSntGXTnHM7a5Faw3Ur7tAQvhvm2tdVFYMS0ZA/edit?gid=0 #gid=0 ©MIXI 24
25. 記入テンプレート 問いの言語化 直近の3ヶ月で売上が落ち込んでいるのはなぜか？ 初期アクション 仮説と検証方法 ©MIXI 【仮説】 ・ ・ ・ ・ 【検証方法】 ・ ・ ・ ・ 25
26. まとめ • 問いは「何を明らかにするかを定義するもの」であり、 分析の出発点 。 ◦ 困りごとや違和感は、前提条件を補足し「意思決定に使える問い 」に変換する ◦ 問いが曖昧なまま分析を始めると、途中で方向性を見失う リスクがある ◦ ビジネスにおける問いには絶対的な正解はない 。意思決定に採用されるか否か。 • 仮説は「現時点で最も確からしい問いへの答え」であり、 分析の質と効率を高める。 ◦ 仮説は構造的・網羅的に整理する ことで偏りや抜け漏れを防ぐ ◦ 検証に入る前に、「その問い自体が適切か 」を疑い、問いの妥当性を確認する • 問いや仮説構築・検証において生成 AIは有用だが「 AIが言っているから正しい」とせず、 自分の主張 として昇華 することが重要 ◦ 仮説を持った上でAIを使い、出力の妥当性を判断 すること ◦ AIは、具体的な問いや条件を与えることで回答の質が向上する ◦ AIは仮説に引っ張られた回答を含む可能性があるため、別視点での検証と出典確認が重要 ©MIXI 26
27. ©MIXI