課題があるときにどのように対処するかのパターンを挙げてみます。
一番典型的なのは、その課題の原因を無くして課題でない状態にするということでしょう。
例えば今年の売上が目標に達しない見込みがあってその原因を調べたところ、とある大規模案件が成約に苦戦していたからだとします。
そこでしかるべき対応をとって、期日までにその案件が成約できたならば課題解決となります。
しかしいつもこのようにきちんと課題解決できるとは限りません。
大規模案件がそもそも失注するかもしれないですし、成約できそうだとしても期日までに受注できなくて今年の売上に間に合わない状況になるかもしれません。
このような場合は課題の根本的な解決ではなく、部分的な解決を目指すことがあります。
例えば、成約が難しいなら大幅値引きをしてでも案件獲得を優先する。
例えば、期日に間に合わなさそうなら大規模案件の一部前倒しで発注してもらえそうなところだけ先に発注してもらう。
結果的にその案件から今年見込んでいた額以下の売上となってしまっても、ゼロよりはいいだろうというものです。
また課題を取捨選択するというやり方もあります。
今回の大規模案件を期日までに成約させるのが非常に困難な場合、他でカバーしようという考え方です。
別の案件でアップセル提案をして単価を上げることができないかとか、来年度予定の案件を前倒しで発注してもらえないかといった「別の課題」の方に取り組むやり方です。
そして色々頑張ったけれど結局課題解決できなかった場合、それで終わりではありません。
課題解決が難しいならばそもそもそのような課題を次に再発生させないようにするにはどうすれば良いかという課題が新たに発生することでしょう。
さて、ここまでのパターンを改めて見てみます。
1.課題の根本的な解決を目指す
2.課題の部分的な解決を目指す
3.目的につながる別の課題を解決する
4.次に同じ課題を再発生させないことで解決する
データ分析によって何らかの課題解決を見込んでいる場合(そもそもデータ分析だけでは課題は解決できないのですがそれは一旦置いといて)、パターンごとにデータ分析のやり方や扱うデータも違ってくるでしょう。
目的達成のために、どの課題を解決すべきか、その課題をどのようにしてどこまで解決するか(できるそうか)、解決困難な場合は再発生させないようにするにはどうすればよいか、データ分析前にこれらくらいは仮説ベースでも整理して関係者間で認識合わせできているといいですね。