メトリクスは、あなたが整備することができる製品戦略の反映にすぎない
データが強力なのは、それが実体を伴うだからだ。多くの起業家にとって、実験データは、他の何にも―ベストプラクティスや、素晴らしい教育と肩書を持つ人にも―勝る。そして、それには正当な理由がある。それはまさに、疑い深い人の持つ最高の武器で、スタートアップが新しく革新的な方法で問題を解決するのを助ける重要なツールなのだ。
深入りするのは簡単だ―それが、“データ・インフォームド”と“データ・ドリブン”の区別だ。私が最初にその話を聞いたのは2010年のFacebookの講演だった（この記事の下に埋め込んだ）。結局のところ、メトリクスは、あなたがすでに持っている製品戦略の反映にすぎない。それは、既存の製品がどう機能するかということや、既存オーディエンスを基にあなたがすでに築いたものに基づいているにすぎず、自ずと限りがある。データ・インフォームドであるとは、成功する製品を築くために必要な情報のほんの一部分だけを持っているということをあなたが認識していることを意味する。最終的には、それらのデータを元にあなたの製品が、他の新しいオーディエンスをターゲットにすることができたか、または全く異なる優れた機能を備えることができたかなのだ。データはあなたがすでに築いたものに基づいたスナップショットを基に作られ、一般的には、あなたは1回に2～3個の変数を変えることができるが、それは限られている。
これは、あなたは極大に向かったイテレートの方法を知っているが、最大の市場で最高の結果を得る方法を理解するための十分なデータを持っていないことを意味する。
データを謝って必要以上に簡略化することがないようにすること
つまり、データ・インフォームドとデータ・ドリブンの違いは、私の考えでは、あなたが何千もの継続して変化する変数を使って解決している厄介な問題の1つの欠片として、データを比較検討できるかということだ。データは実体があるが、時々、統計的に見方が偏る。全てが最適化問題ではないため、それは適切なツールでもない。そして、自分の意思決定を今測定できることだけに任せることは、より重要な問題のマクロの側面をしばしば後回しにする。
データ・ドリブンのアプローチが弱い意思決定を招くいくつかの点を検証しよう。
データは、時に統計的に偏りすぎることがあり、気づかなければその代償は大きい
データ・ドリブンであることの最初の問題は、あなたが集めることができるデータは、その性質上、固定できない形で統計的に偏ってしまうことがよくあるということだ。
以下の条件が満たされる時にはデータを集めるのは簡単だ：
- データを集めるための多くのトラフィック/ユーザーを持っている
- データを素早く集めることができる
- 何が良くて何が悪いかの明確なメトリクスがある
- 自分が持っている製品（持ちたいと思っている製品ではない）を使ってデータを集めることができる
- 費用がかからない
このような種類のデータは、ホームページ上のサインアップ率のようなことに適している。それらは、サイトの最も訪問者の多い部分であることが多く、明確なメトリクスがあるため、数日間実験を行ってデータを素早く回収することができる。
対照的に、長期保持率を測定したいのなら、それはもっと難しい。もしくは、ユーザー体験の長期的認知や、重要だがニッチな機能（アカウント削除など）の影響力を測定しようとする場合もだ。これらは全て、ものすごく難しい。なぜなら、長い時間を要するか、お金がかかるか、集めるのが不可能なデータポイントであるからだ―人々は、1か月以上の保持率がどうなのかを見るために1か月も待てない。
にもかかわらず、これらのメトリクスは、時に最も重要な解決すべき存在でもある。
さらに悪いことに、“データ・ドリブン”の考え方を持って、長期的な保持率に対するサインアップ率のような具体的なデータポイント間でメトリクスをトレードオフしようとするケースを検討するのだ。データの役割に関してあなたがよりマクロな賢明な視点を持たない限りは、保持率が勝利を収めるのは難しい。短期対長期のトレードオフは、浅いデータではなく深い思考を要するのだ！
全てが最適化問題ではない
もっとマクロレベルでは、最も重要な戦略的問題は最適化問題ではないことに注意しなくてはいけない。最初から、つまりあなたが製品を選択する時から始めよう。例えば、あなたは、消費者もしくは法人もしくはSBMをターゲットとした素晴らしいビジネスを築くことができる。同様に、あなたは、ウェブ先行（Pinterest）もしくはモバイル先行（Instagram）のビジネスを築き、どちらも成功することができる。これらは、マーケットサイズやモバイルの成長のような一般的なパラメーターを感じるにはいいかもしれないが、最終的に、それらは、あなたが満足する決断をすることが重要なとても大きな市場なのだ。これらのケースの場合、あなたはデータ・インフォームドになることが強いられるが、データ・ドリブンになることは難しい。
これらのタイプは、イノベーションのジレンマの中で議論されているように、破壊的イノベーションを業界が経験している時に、質問が特に重要となる戦略だ。この本の中で、クレイトン・クリステンセンは、成功を収めて1つのエリアで大きな収益ベースを築く会社のパターンについて議論している。彼らは、コアビジネスを10％増やすことの方が同じことをするために新しいビジネスを作るよりも大抵簡単であると気付くが、この考え方が次第に彼らの崩壊を招く。これは、メインフレーム対PCから、ハードウェア対ソフトウェア、デスクトップ対ウェブ、今ではウェブ対モバイルと、テクノロジー業界で何度も起こった。現職者は自分が考えていることは正しいと思ってやっている―既存顧客ベースの話を聞き、1パーセント基準から収益を増やし、一般的には最もデータ・ドリブンなことをしようとする。しかし、業界がどのように進化し改善するのかのビジョンを持たなければ、大企業は次第に破壊される。
直ちにデータを活用する
戦略的だろうと戦術的な問題だろうと、同じようにデータを活用することが重要だ。自分がしようとしていることに対してビジョンを持つこと。正当性を認証してあなたがそのビジョンをしっかりと進む手助けするためにデータを使用し、それをあなたがデータ・インフォームドのやり方で実行し始めることができるほどに小分けする。たまたま安く/簡単に/早く集まったデータの浅はかな分析によって、あなたの起業家的探究心からそれないようにすることだ。
データ・インフォームド対データ・ドリブンに対するFacebookの考え方
最初にこの記事をインスパイアしたアダム・モセリによるFacebook動画を紹介する。彼は、複数の写真アップロードの例を使用し、どのようにワークフローを最適化するためにメトリクスを使用するかを説明している。以下に埋め込んだ動画を見るか、YouTubeで見よう。
この記事は、@andrewchenに掲載された「Know the difference between data-informed and versus data-driven」を翻訳した内容です。
