『結局、仮説で決まる。』柏木吉基さん｜データを見る前に、考えなさい

データ分析の講座に通い、ロジカル・シンキングの本も読みました。それでも提案会議になると、「結論がありきたりだ」「根拠が弱い」と返されます。手法は一通り身につけたはずなのに、成果物に手応えがありません。

『結局、仮説で決まる。』の柏木吉基さんは、原因を新しい手法の不足には求めません。足りないのは、手法を動かす土台のほうだと見ます。パソコンにたとえるなら、アプリをいくら入れてもOSが貧弱なら動きが悪くなります。その土台にあたるのが仮説を立てる力だ、というのが本書の出発点です。

アプリを増やす前に、OSを入れ替える

本書の比喩はこうです。データ分析やフレームワークは個々のアプリにすぎず、それらを動かす基本ソフトが仮説です。OSが不十分なら、最新のアプリを積み増しても期待した働きはしません。

著者はここで、ビジネスにおける「質の高さ」の意味を問い直します。計算の精度が高いことと、仕事の質が高いことは別の話だといいます。測るべきは、アウトプットがどれだけ大きな効果を生むかです。前提にした仮説がずれていれば、小数点以下まで正確な計算をしても効果にはつながりません。

合理的な結論に至る道筋は、ゴールの設定、現状把握、要因特定、結論の構築という4つの段階で整理されています。仮説はこの4段階全体を貫く背骨にあたります。分析の腕を磨く本はたくさんあるが、本書が狙うのは、その手前の「何を確かめにいくのか」を決める力のほうです。

ひとくちに仮説といっても、役割は3つに分かれます。

ストーリー仮説

結論を出すためにどんな情報がどの順番で必要かという、全体の筋道についての想定。これがないと作業が行き当たりばったりになります

現状仮説

目の前の問題をどんな切り口で捉えるかの想定。地域や年代、時間といった分解の軸がここに入ります

要因仮説

把握した現状の背景に何があるのか、つまり原因や根拠についての想定

この3つが揃うと、問題解決の流れが一本につながります。逆に、会議で「結論が弱い」と言われたときは、3つのうちどれが抜けていたのかを点検すると、直す場所が絞れます。

データを眺めてから仮説を立てるな、という挑発

本書でもっとも挑発的なのは、次の主張でしょう。

データなどの情報を見て仮説をつくることはやめたほうが良い

データに基づく意思決定が当たり前になった今、真逆にも聞こえます。著者が挙げる理由は2つあります。

1つめは、思考が目の前のデータの範囲に固定されてしまうことです。見たデータの外側に本当の要因があっても、そこには目が向かなくなります。2つめは、検証が形だけになることです。

結果が分かった後で仮説を作る行為を、社会心理学者のノーバート・カー氏はHARKingと呼びました。データを見てから立てた仮説は、すでに分かっていることをなぞるだけで、確かめたことになりません。

編集部はこの2つの理由を、同じ現象の表と裏だと読みました。データを先に見ると、そのデータに合う説明は必ず見つかります。見つかった説明はもっともらしく見えるので、検証したつもりになりやすいです。これは編集部の読み取りであり、著者が数字で効果を示しているわけではありません。

そこで順序を入れ替えます。データを開く前に、ゼロベースで考えを広げて仮説を立てます。データはその仮説が当たっているかを確かめるために、あとから使います。

ただし編集部の見立てでは、この主張は分析の経験が浅い読者ほど慎重に受け取る必要があります。著者自身、初心者が何も思いつけずに固まるくらいなら、情報を見て発想を広げてもよいと例外を認めています。「見るな」という原則は、手が止まるリスクと天秤にかけて使う前提で書かれているようです。

ゴールを絞り、仮説を思いつき、まとめ、広げる

仮説を考え始める前に、やることが1つあります。著者が勧める自問は短いです。「誰が何に困っているのか」です。「売上が下がっている」だけでは漠然としすぎています。誰にとって、どんな場面で、何が困りごとなのかを問うと、扱う範囲が見えてきます。

注意点もあります。ゴールに要因を混ぜてはいけません。「営業の経験不足で売上が伸び悩んでいる」とゴールを置けば、最初から経験不足という思い込みに思考が縛られます。

ゴールに書くのは「売上が伸び悩んでいる」という客観的な困り事だけにして、要因は後から疑う対象に回します。さらに、ゴールは一度決めて終わりにしません。

作業の途中で何度も「そもそもゴールは何だったか」と立ち戻ることで、手段が目的にすり替わる迷走を防ぎます。

ゴールが定まったら、仮説づくりに入ります。良い仮説の条件は、網羅性(抜けと漏れがないこと)と論理性(筋が通っていること)の2つとされ、そのために3つの段階を踏みます。

まず思いつく段階では、データは見ずに、自分の頭だけで要因の案を限界まで書き出します。次にまとめる段階では、書き出した案を箇条書きのままにせず構造に直します。ここで使うのがカテゴリーアプローチで、個々の案ではなく抽象的な枠でまとめていきます。著者はこう書いています。

人は具体的なアイデアをもう１つ思いつくよりも、より抽象的な概念をもう１つ増やすほうがやりやすいのです。

枠のレベルで抜けを探すほうが、個別の案の抜けを探すより楽で、大きな見落としを防げるということです。

最後に広げる段階では、論理的に整理するだけだと自分がすでに知っている範囲にとどまるので、目の前の前提を疑うクリティカル・シンキングを重ねます。

道具は2つあります。自己否定は、自分の仮説をあえて否定して考えるやり方です。「時間に追われてミスが起きた」と立てたら、「時間に十分余裕があったとしても、ミスは起きるか。そのとき原因は何か」と問い直します。前提を裏返すと、行き詰まっていた発想が動き出します。

もう1つのペアコンセプトは、対になる概念をセットで考える方法です。「我が社と競合」「やり方とやる気」「質と量」といった組み合わせです。

残業が減らない要因を社内の事情ばかりで考えていたなら、対になる社外、たとえば顧客の無理な要求が抜けていないかを疑います。ツールを入れたのに効果が出ないなら、方法論の対にあたる意識の側、つまりやる気や評価の仕組みを見直します。

片方だけに手を打って、もう片方を見落とす失敗を、組み合わせで考えることで強制的に防げます。

立てた仮説を、データで確かめる

データの出番はここからです。

手軽な方法は2つ紹介されます。1つは散布図で、縦軸に結果、横軸に要因を取り、直線的な傾向が見えるかを目で確かめます。見た目で判断しにくければ、相関分析を使って関係の強さを数値にします。相関係数は-1から+1のあいだで表され、おおむね0.5から0.7以上なら関係が強いと見ます。

本書の例では、売上額との相関係数は次のとおりでした。

宣伝回数

0.18

アップデート頻度

0.80

口コミスコア

-0.03

この場合、売上と強く結びついているのはアップデート頻度だと読めます。

宣伝に力を入れれば売上が伸びるという直感があっても、数値で見れば関係は弱いです。

直感が外れていたと分かることも、検証の成果のうちに入ります。

検証でもっとも警戒すべきなのは確証バイアスだと、著者は繰り返します。仮説を確かめるはずの作業が、いつの間にか自分の仮説が正しいと立証する作業にすり替わってしまいます。人は無意識に、自分に都合のよいデータばかりを集めるからです。だから意識して反証を探しにいきます。

仮説が外れたときも落ち込む必要はありません。「仮説どおりではなかった」と分かったのは事実が1つ判明したということで、無駄な施策を1つ防げた成功だと著者は位置づけます。外れた仮説を失敗として隠さずに済むなら、次の仮説を出す心理的な負担も軽くなります。

明日から変えること

本書の流れを日常に持ち込むなら、次の3つから始めるのが現実的です。

• 作業の前に「誰が何に困っているか」を1行で書くこと。要因の決めつけは混ぜません
• データを開く前に、要因を紙に書き出すこと
• 挙げた要因ごとに「その反対側は何か」と一度問うこと。社内を挙げたら社外、方法論を挙げたら意識というように、ペアコンセプトで見落としを1つ拾います

なお、本書を読むうえで編集部が気にかけたい点が2つあります。1つは、扱われる題材がほぼビジネスの要因分析に絞られていることです。研究や開発のように、仮説の立て方自体に専門知識が要る領域でそのまま当てはまるかは、本書からは読み取れません。

もう1つは、相関係数の例が宣伝回数、アップデート頻度、口コミスコアという3つの候補だけで示されている点です。現実には候補を広げるところで苦労するはずで、そこは先に紹介した思いつく、まとめる、広げるの段階が担うことになります。

読み終えて残るのは、順序の入れ替えです。データを集めてから考えるのではなく、考えてからデータを見ます。この順序を守るだけで、同じデータから引き出せるものが変わってきます。

合わせて読みたい

『筋の良い仮説を生む 問題解決の「地図」と「武器」』高松康平さん｜「考えているのに進まない」の正体は迷子 同じく仮説の立て方を扱う一冊。考えているのに前へ進まないのは、仮説の質に原因があるという問題意識を共有しています。本書とは別の地図と道具を手に入れたいときに向きます。