Writing Data Reports That Non-Technical People Actually Read \u2014 CSV-X.com

マーカス・チェン、フォーチュン500の小売企業で12年の経験を持つ上級データアナリスト

先週の火曜日、私は四半期の売上分析プレゼンテーションでCFOの目がちょうど47秒後にまばたきを失うのを見ました。その時間を正確に知っているのは、17回リハーサルを行ったからです。レポートには847の店舗の顧客セグメンテーションパターン、94％の精度を持つ予測モデル、そして統計学者を喜ばせる相関係数に関する素晴らしい洞察が含まれていました。しかし、彼女は24枚のスライドのうち3枚でデッキを閉じました。

その瞬間、私たちの会社は次の四半期に約230万ドルの最適化機会を逃すことになりました。データが間違っていたからではありません—それは完璧でした。洞察が価値のないものであったからでもありません—それは画期的でした。レポートは私がデータ分析の大きな過ちを犯したために失敗しました。つまり、自分のために書いたのではなく、彼女のために書くべきでした。

過去12年にわたり、私は340以上のデータレポートを経営者、取締役、部門を横断するチームのために作成してきました。私は、「技術的に正しい」と「実際に有用」であることのギャップが、ほとんどのデータキャリアが消えていく場所であることを学びました。このギャップを埋めるアナリストは必要不可欠となり、埋められないアナリストはリーダーシップから避けられることになります。

経営者がレポートを読む際の厳しい真実

データサイエンスのブートキャンプでは誰も教えてくれないことがあります：経営者はあなたが思っている方法でレポートを読みません。2019年にC-suiteのリーダーに影を追い続けているうちに、私は平均的な経営者がデータレポートに2.7分しかかけず、深く関与するかどうかを判断することに気づきました。20分でも10分でもなく、3分未満です。

その167秒間、彼らは自分自身に三つの質問をしています。「これは私の目標に何を意味するのか？」「私はこれに対して何をする必要があるのか？」「私はこの人の判断を信頼できるのか？」あなたのレポートがこれらの質問に最初のページで答えられなければ、それはデジタルゴミです。

私は2016年にこのことを痛感しました。顧客の生涯価値モデルを構築するのに6週間を費やし、89％の精度で離脱を予測することができました。詳細な方法論、統計的仮定、検証手順を含む31ページのレポートでそれを発表しました。マーケティングVPは私に礼儀正しく感謝し、二度とその話をしませんでした。3か月後、コンサルタントが実質的に同じ見解を2ページのメモに3つの箇条書きと1つのチャートで提示しました。そのメモに基づいて、会社は450万ドルを保持プログラムに投資しました。

違いは分析の質ではありません—私のものは客観的により厳密でした。違いは、コンサルタントが理解していたことです。それは、経営者は情報に溺れ、明確さを切実に求めているということです。彼らはあなたの方法論を理解する必要はありません。次に何をすべきか、なぜそれが重要なのかを理解する必要があります。このレッスンをようやく内面化したとき、私のレポートは異なった反響を得るようになりました。プロジェクトの資金が得られ、戦略が実行されました。私のカレンダーは、礼儀正しい承認のリクエストではなく、会議のリクエストで埋まりました。

私が書いた最も成功したデータレポートは、私が「逆転専門知識ピラミッド」と呼ぶものに従います。まず結論と勧告から始めます—読者にとって最も重要なことです。次に、自信を高めるために十分なコンテキストを提供します。最後に、実際にあなたの仕事を確認したい8％の読者のために、技術的な詳細を付録に埋めます。これは学問や技術的な訓練で発展させてきたすべての直感とは逆のことに思えますが、レポートをファイルされるのではなく、読まれるようにする方法です。

旅ではなく見出しから始める

今私が書くすべてのレポートは、メールの件名として単独で成立できる文で始まります。段落ではなく、要約でもありません。重要な発見とその含意を捉えた1文です。例えば：「マーケティング予算の15％を有料検索からメールにシフトすると、Q3の顧客行動パターンに基づいて320万ドルの追加収益が得られます。」

"「技術的に正しい」と「実際に有用」であることのギャップは、ほとんどのデータキャリアが消えていく場所です。このギャップを埋めるアナリストは必要不可欠になります."

このアプローチは、データ収集から分析、結論を構築するまでの議論を段階的に行うように教えられた統計の学位で学んだすべてを違反しています。しかし、現実はこうです：あなたの聴衆はすでにあなたが正しく分析したことを信じているか、そうでなければあなたのレポートを読んでいないでしょう。彼らが知らないのは、あなたの発見が彼らにとって重要かどうかです。そこで前に出ましょう。

私はこのアプローチを18ヶ月にわたって二つのグループのレポートで体系的にテストしました。グループAは伝統的な構造、すなわち背景、方法論、発見、結論に従っていました。グループBは見出しの発見と勧告から始めました。グループBのレポートはフォローアップミーティングが4.3倍、実際のビジネス決定に影響を与える可能性が6.7倍高くなりました。その違いは非常に顕著で、私は今では他の方法でレポートを書くことを拒否しています。

見出しの文には三つの要素が含まれている必要があります。推奨される具体的なアクションまたは変更、定量化された影響または利益、そしてその推奨に根ざしたデータソースまたはタイムフレーム。「私たちはXを行うべきです。なぜならそれはYを生み出すからです、Zに基づいて。」レポートのその他のすべては、この文章を支持、説明、または防御するために存在しています。この文が書けない場合、レポートを書く準備ができていないということです。

私が使用するテクニックの一つは、分析を終える前に見出しを書くことです。これにより、実際に答えようとしている質問を明確にする必要があります。私は、強力な見出しを言語化できないために、多くの分析を途中で辞めてしまったことがあります。つまり、その分析は決定を引き起こさないということです。これにより、膨大な時間が節約され、「面白いが役に立たない」レポートを防ぐことができます。

専門用語を具体的な比較に置き換える

2018年、私は「安全在庫レベルを1.5標準偏差減少させる」というフレーズを含む在庫最適化に関するレポートを書きました。技術的には正確ですが、実際にそれを読むオペレーションディレクターにとっては完全に無意味でした。彼女は後に、会議で頷いていたが、自分が何を推奨しているのか、なぜそれが重要なのかわからなかったと教えてくれました。

今、私は次のように書きます：「現在、私たちは20年に一度の需要の急増に対処できるバックアップ在庫を十分に保持しています。これを10年に一度のレベルに安全に減らすと、830万ドルの運転資金を解放できるでしょう。これは東南アジア全体の年間予算に相当します。」同じ推奨ですが、今では彼女が日常的に考えている概念、資本配分、地域予算、リスク許容度に結びついています。

技術的なものから具体的なものへの翻訳は、難易度を下げることではありません—それは聴衆の専門性を尊重することです。それはあなたのものとは異なる領域にあります。オペレーションディレクターは私が持っているよりも、サプライチェーンリスクを理解しています。彼女は統計的分布を理解しておらず、理解する必要もありません。私の仕事は、技術的な発見を彼女の業務の言語に翻訳することです。

私は、一般的なデータ概念のための効果的な比較のリストを維持しています。「95％信頼区間」の代わりに、「私たちは明日太陽が昇るのと同じくらい確信しています」と言います。「相関係数0.73」の代わりに、「これら二つの要因は、アイスクリームの売上と温度が夏にともに増加するように、約3/4の頻度で一緒に動きます」と言います。「p値0.05未満」の代わりに、「このパターンは真実であり、ランダムなノイズではありません—私たちは20の類似の状況の中で、これが偶然に起こることは1回未満です」と言います。