分析手法
定量・定性分析の手法とツール。
文献調査・定性分析の5ステップ
| # |
ステップ |
ポイント |
| 1 |
検証の全体像を設計 |
何の情報が集まれば解けるのか → イシューツリーを明確に構造化 |
| 2 |
検証事項の抽出/仮説の明確化 |
条件分岐や依存関係と因果関係を整理 |
| 3 |
成果物イメージを具体化 |
どこの何を見に行けばよいのか。情報の粒度も思考 |
| 4 |
調査・分析を実行 |
有望な情報源にディープダイブ |
| 5 |
仮説を進化させる |
因果関係をひもとき、仮説を進化させる |
生成AI時代の掟
- 出てきた情報を鵜呑みにしない（文脈・鮮度・母数の精査）
- 常に What & Why の因果関係を明確に（What & Whatにならない）
- フックの掛け方を磨く（検索キーワードの工夫、関連情報からの芋づる式展開）
定量分析の5ステップ
| # |
ステップ |
ポイント |
| 1 |
仮説を具体化 |
まず仮説でレポートを書き切る（データなしで） |
| 2 |
検証事項を抽出 |
論証に必要な情報をチャートで整理 |
| 3 |
分析手順を設計 |
必要なデータとその加工方法を特定 |
| 4 |
分析を実行 |
データの取得→加工→可視化 |
| 5 |
仮説を進化させる |
検証結果を踏まえてレポートを更新 |
最重要原則
常にアウトプットから逆算: レポートを先に書く → 何のデータが必要か明確になる → 無駄な分析を防ぐ
データ加工の原則
- テーブル内の列処理とテーブル間の結合の2つに分かれる
- 必ず列単位で同じ処理をする（手でセル単位の修正をしない）
データ可視化の4観点
| 観点 |
内容 |
| トレンド |
時系列での推移 |
| 構成比 |
全体に対する割合 |
| 比較 |
複数項目間の優劣 |
| 分布 |
データの散らばり方 |
インタビューの6ステップ
| # |
ステップ |
ポイント |
| 1 |
仮説を明確にする |
まずレポートを書いてしまう |
| 2 |
検証事項を抽出 |
「誰のどんな言葉があれば主張が成り立つ/崩れる」のかを特定 |
| 3 |
ライトパーソンを見極める |
誰が何を知りうるのか |
| 4 |
「聞き方」を考える |
マクロ→ミクロ、俯瞰→局所 で全体像から絞り込む |
| 5 |
実行 |
想定外の内容にも柔軟に深掘り |
| 6 |
仮説を進化させる |
What & Whyの因果関係をクリアにしてレポーティング |
インタビュー3原則
- 出たとこ勝負ではなく、事前に入念な仮説検討を行う
- 準備した仮説は崩れるものと意識し、柔軟に対応する
- その場を楽しむ