論理的思考

• MECE … 「もれなく、だぶりなく」分けること。年代で分けるなら、全部の年代が1回ずつ入る
• ロジックツリー … 大きな問いを、木の枝のように小さな問いに分ける
• 言語化 … 考えたことを、相手に伝わる短い言葉にする

課題の定義とKPI

分析は、課題の定義から始まります。「売上を上げたい」は大きすぎるので、何が原因で、どこを変えるかまで分けます。

• KGI … 最終的に達成したい目標。月の売上など
• KPI … 目標に向かう途中を測る指標。来店客数、購入率、客単価など

売上は「来店客数 × 購入率 × 客単価」に分けられます。1,000人 × 0.3 × 2,000円 で60万円です。どの要素を動かすかで、打つ手が変わります。

仮説とアプローチ設計

先に「たぶんこうだろう」という仮説を立て、それを確かめるのに必要なデータと分析の手順を決めます。生成AIは、切り口の候補を広げるのに使えますが、決めるのは人です。

統計情報の正しい理解

• 割合だけでなく、元の人数（母数）を確かめる
• 「2倍に増えた」は、1件が2件でも言える
• 平均だけで語らず、分布とばらつきも見る

行動規範

データとAIを扱う人には、ビジネスの目的を忘れず、倫理と決まりを守る心構えが求められます。

• MECE・ロジックツリー・言語化
• 課題の定義と、KGIとKPIの違い、売上の分解
• 仮説からアプローチを決め、生成AIを切り口の候補出しに使う
• 統計情報の正しい読み方（母数・倍率・平均の罠）