分析プロジェクト管理術

スコープは「意思決定の問い」から逆算する

分析の出発点は「どの意思決定に使うのか」を具体的な問いで固定することです。例えば「売上を伸ばす」ではなく「次四半期、定期購入の初月割引を10%→5%に変更すべきか（LTVがCPAを20%以上上回るかで判断）」のように、選択肢・判断基準・期限・意思決定者をセットにします。問いが決まれば、必要な特徴量や期間、最低検出可能効果（MDE）、検証方法が自然と絞れます。

良い問いのチェックリスト

• 意思決定者と期限が明記されている
• Go/No-Goの数値境界がある（例：粗利率+3pt以上なら採用）
• 副作用に対するガードレール（例：解約率+1pt以内）
• 実行可能なアクションに直結している（施策名と実装難度）

アンチパターン

• 「とりあえずダッシュボード」から始める
• 指標が多すぎて優先順位が不明
• 分析後のオーナーが不在

問いを磨く段階では、ChatGPTやClaudeで「欠落している前提条件」や「反事例」のブレストをすると網羅性が上がります。生成AIの提案は鵜呑みにせず、決定境界の根拠データを必ず裏取りしましょう。

データ・タスク・人を一枚のWBSに落とし込む

問いが定まったら、成果物・依存関係・担当者を一枚のWBSで接続します。鍵は「データWBS（取得・清浄化・特徴量作成）」「分析WBS（モデル/検証）」「意思決定WBS（レビュー/ロールアウト）」の三段で考えることです。各タスクには完了条件（DoD）を付け、レビューゲートで品質を止められるようにします。

1週間スプリントのWBS雛形

• Day1：キックオフ。問いカード更新、データ在庫表の棚卸（オーナー：PM/Analyst）
• Day2：抽出SQL作成とテストデータ作成（DoD：再現可能スクリプト）
• Day3：特徴量設計とリーク検査（DoD：疑似本番で再計算一致）
• Day4：分析/モデル適合・感度分析（DoD：主要仮説に対する効果と信頼区間）
• Day5：意思決定レビュー。採否判定、ロールアウト計画とリスク記録

SQLのレビューや要約にはCopilotやClaudeを補助で使い、会議メモ整理や図案のたたき台にはGeminiを使うと時短になります。ただし、最終的な数値検証とサンプル条件は人間側で必ず再計算・再現を確認します。

仮説検証サイクル：指標・停止条件・意思決定境界を先に決める

主要指標（Primary）と副作用のガードレール（Guardrail）を明確化し、観測期間・必要サンプル・停止条件を事前登録します。例えば「初回購入転換率+3%pt（95%CIで下限+1%pt以上）を採択条件、副作用は解約率+1%pt以内、広告CPA+5%以内」といった形です。逐次モニタリングは過誤率を上げるため、事前に中間解析の回数と判定規則を決めます。

サンプル判定ロジック例

• 主要KPI：新規LTV/CPAが1.2以上
• 停止条件：データ欠損>5%出現、外乱イベント（大規模障害）発生時
• 採用条件：効果量の95%信頼区間が0超かつガードレール逸脱なし
• 延期条件：効果が僅少（±0.5%pt以内）で追加データ1週間取得

分析ノートには「前処理・モデル・判定SQL・可視化」のリンクを揃え、誰でも再計算できる状態にします。疑似乱数Seed、モデルバージョン、データスナップショットのタイムスタンプは必須です。

身近な企業活用例：D2C日用品「ソラミストア」のやり直し

従業員50名のEC小売。広告出稿を増やしたが利益が伸びず、週次ダッシュボードは指標だらけで会議が迷走。セール在庫を積み増した結果、回転日数が悪化し倉庫費用が膨張……という失敗が続いていました。

立て直しでは、問いを「返品率を3%→2%に下げられるか。達成なら『初回割引5%へ縮小＋同梱物を使い方カードに変更』を全SKUで実施」と定義。意思決定者はEC責任者、期限は6週間、採否基準は「粗利率+3pt以上、解約率+1pt以内」。WBSを一枚化し、Day2で返品理由テキストをChatGPTで下書き分類、重要語の抽出をClaudeで要約、SQLの整合性チェックをCopilotで補助、週次レビュー用の図案たたきをGeminiで作成しました。サンプル条件と閾値はノートで事前登録し、外乱（大型値引き）の期間は除外。

結果、4週目で返品率は2.1%まで低下し、解約率の悪化も+0.3ptに収まり採用。倉庫在庫はセール偏重から定常在庫へ切り替え、在庫回転日数は5日短縮、粗利は+8%改善、広告停止ライン（LTV/CPA<1.1）も明記され無駄打ちが減りました。失敗の原因は「問いと閾値の不在」と「WBSの分断」。改善は「意思決定ドリブンの設計」と「一枚化運用」が効いた形です。

成果を定着させる可視化とドキュメント運用

意思決定が積み上がる仕組みを作ると、組織の学習速度が上がります。ポイントは「ダッシュボード＝意思決定ログの入口」にすること。各チャートに「対象人群・期間・定義・最新更新日・採否記録（ADR）」を脚注で紐づけ、一次情報（SQL/ノートブック）へパーマリンクを張ります。変更が入ったらデータ契約（スキーマ/粒度/遅延SLA）を更新し、影響範囲を自動通知。週次レビューは「新規の問い→判定→ロールアウト→反省」の順で固定し、未決タスクはWIP上限制で渋滞を防ぎます。

最小セットの運用ドキュメント

• 問いカード：意思決定者、期限、閾値、代替案
• 実験カード：対象、MDE、停止条件、採否結果
• データ辞書：指標の計算式、例外処理、所有者

ここまでを土台にすると、分析は「作る」から「意思決定を進める」活動へ変わります。規模が大きくなるほど、データ系の権限管理、ライネージ、オーケストレーション、ノートブック実行基盤、メタデータ検索といった共通機能が効いてきます。こうした土台づくりを継続的に担うのが、まさにデータ解析プラットフォーム事業の役割です。組織の問いと意思決定を安全に早回しする仕組みとして、プロジェクト管理術とプラットフォーム設計は表裏一体だと感じます。