メインコンテンツへスキップ
レッスン一覧に戻る

atom.data-analyst.define-business-question

良い分析問いを設定する

良い分析問いを設定する 料理をするとき、冷蔵庫の中身を適当に全部鍋に放り込んでも美味しいものはできませんよね。「今夜はカレーを作ろう」と決めるから、必要な材料がわかるし、買い物リストも作れます。データ分析もまったく...

define-analysis-questiondefine-analysis-question「define analysis question」に関するスキルがこのレッスンで身につきます。
想定時間未設定公開状態: draft
学習メモ

成果物成果物このレッスンが終わったとき、あなたの手元に残る具体的な成果物です(例: 公開済みの Web ページ、動作するフォームなど)。

種類: markdown_doc検証: basic_manual_check_v1

証跡証跡成果物が正しく作れたことを確認するためのチェックリストです(例: ブラウザで動作する、フォーム送信で値が保存される)。

screenshot

メディアメディアレッスン内に出てくる図や動画のスロットです。実際の画面やイメージで理解を補助します。

diagramscreen_capture

レッスン本文

良い分析問いを設定する

料理をするとき、冷蔵庫の中身を適当に全部鍋に放り込んでも美味しいものはできませんよね。「今夜はカレーを作ろう」と決めるから、必要な材料がわかるし、買い物リストも作れます。データ分析もまったく同じです。データをあれこれ集める前に、「何を知りたいのか」をはっきりさせる必要があります。これが 分析問い(=データを使って何を明らかにしたいかという質問)です。

このレッスンでは、AIツール(ChatGPTやClaudeなどの対話型AI)を味方につけて、あなたの業務のモヤモヤを「データで答えられる分析問い」に変える方法を学びます。15分で、しっかり使える分析問いを1つ完成させましょう。

前提として用意するもの

  • AIツール(以下のどれか1つでOKです)
    • ChatGPT(ブラウザで使えます)
    • Claude(ブラウザで使えます)
    • Cursor(パソコンにインストールするエディタ型AI)
  • 業務や日常で「なんとなく気になっていること」のメモ(頭の中にあるだけでも大丈夫です)

ステップ1: 気になっていることをざっくり書き出す

まずは、あなたが仕事や日々の業務で「なんだか気になっていること」を思いつくままに書き出してみましょう。完璧でなくて構いません。メモ帳でもAIツールのチャット欄でも、どこに書いてもOKです。

悪い例(範囲が広すぎる):

  • 「売上について分析したい」→ 範囲が広すぎて、何から手をつければいいかわかりません
  • 「お客さんの満足度を上げたい」→ これは目標であって、分析で答えられる問いではありません

良い例(具体的な現象がある):

  • 「先月、リピーターのお客さんの注文数が減った気がする。なぜだろう?」
  • 「水曜日だけ来店数が少ない気がするけど、本当にそうなのか?」
  • 「新商品Aと旧商品B、どっちがよく売れているんだろう?」

ポイントは、「気がする」「なぜだろう」「本当にそうなのか」のように、データで確かめたくなる疑問になっていることです。

ステップ2: AIに問いを具体化してもらう

書き出したメモをAIツールに渡して、データで検証できる形に磨いてもらいましょう。以下のプロンプト(=AIへの指示文)をコピーして、あなたの疑問に書き換えてから送信してください。

私は以下の疑問を持っています。

「先月、リピーターのお客さんの注文数が減った気がする。なぜだろう?」

この疑問を、データ分析で検証できる具体的な質問(分析問い)に3つ変換してください。
それぞれの問いについて、以下も教えてください。
- どんなデータがあれば答えられるか
- 答えが出たら何がわかるか(ビジネス上の意味)

分析問いの作成フロー

AIからの回答例はこんな感じです:

  1. 「直近3ヶ月で、2回以上購入した顧客の月別注文件数はどう推移しているか?」
    • 必要データ: 顧客ID・注文日・注文件数
    • わかること: リピーター減少が事実かどうか、いつから始まったか

このように、AIは漠然とした疑問を 数字で答えられる形 に変えてくれます。

うまくいかないときは

AIの提案がピンとこない場合は、次のように追加で伝えてみてください。

もう少し具体的にしてほしいです。私は小売店を経営していて、POSレジの売上データ(日付・商品名・金額・顧客番号)を持っています。この範囲で答えられる問いに絞ってください。

ポイント: あなたが実際に持っているデータの種類を伝えると、AIはより現実的な提案をしてくれます。

ステップ3: 分析問いを1つに絞る

AIから提案された問いの中から、一番しっくりくるものを1つだけ選びます。

問いの選び方

選ぶときの判断基準はこの3つです:

  1. 手元のデータで答えられそうか? — 持っていないデータが必要な問いは後回しにしましょう
  2. 答えが出たら次のアクションにつながるか? — 「へぇ」で終わる問いより、「じゃあこうしよう」と動ける問いを選びましょう
  3. 15分〜1時間で分析できそうか? — 大きすぎる問いは分割しましょう

悪い例:

  • AIが提案した内容を3つとも全部採用する → 焦点がブレて、結局どれも中途半端になります

良い例:

  • AIの提案をヒントにしつつ、「これなら自分の持っているデータで調べられそう」と思える1つに絞り込む

ステップ4: 成果物をまとめる

最後に、決定した分析問いをテキストファイル(メモ帳やGoogleドキュメントなど)にまとめます。以下のテンプレートをコピーして使ってください。

分析問いシート

元の疑問

(ステップ1で書き出した疑問をここに書く)

AIへの指示文

(ステップ2で送ったプロンプトをここに貼り付ける)

AIからの提案

(AIの回答をここに貼り付ける)

最終的に決めた分析問い

(ステップ3で選んだ1つの問いをここに書く)

選んだ理由

(なぜこの問いを選んだか、一言で)


このファイルを保存したら完了です。次のレッスンでは、この分析問いに答えるためのデータの集め方を学びます。

つまずきやすいポイント

よくある困りごと対処法
気になることが思いつかない「先週、上司や同僚から聞かれた質問」を思い出してみてください。それがヒントになります
AIの提案が難しすぎる「もっとシンプルにしてください。私はデータ分析の初心者です」とAIに伝えてみてください
どの問いを選べばいいかわからない「一番答えを知りたい」と直感で思うものを選んでOKです。正解はありません
問いが大きすぎると言われた「この問いをもっと小さく分割してください」とAIに頼んでみてください

確認する(セルフチェック)

以下の3つすべてに「はい」と言えれば、このレッスンは完了です。

  • 自分の業務に関する具体的な疑問を1つ書き出せた
  • AIツールを使って、その疑問を「データで答えられる分析問い」に変換できた
  • 最終的な分析問いを1つ選び、テキストファイルに保存した
成果物成果物このレッスンが終わったとき、あなたの手元に残る具体的な成果物です(例: 公開済みの Web ページ、動作するフォームなど)。

種類: markdown_doc

検証: basic_manual_check_v1

証跡とメディア

証跡証跡成果物が正しく作れたことを確認するためのチェックリストです(例: ブラウザで動作する、フォーム送信で値が保存される)。

screenshot

メディア

diagramscreen_capture
前提 atom

必須

なし

あると楽

なし

学習完了