データ収集のキホン第1回｜勘と経験をデータで裏付けるスタートガイド

この記事のポイント

・データリテラシー とは何か、なぜビジネスで必要なのかを整理
・「分析」より 「集める力」 が結果を左右する理由
・「勘」と「データ」の 決定的な違い を表で比較
・明日からできる3つのアクション で、今日から訓練できる

「データがあるか？」と聞かれて困った経験はありませんか

「それは君の主観だよね。客観的なデータはある？」――会議でこう言われ、答えに詰まった経験はないでしょうか。準備した提案も、客観的な裏付けがなければ「思いつき」として扱われてしまうのが、ビジネスの現実です。

ただ、データリテラシーは 理系や統計の専門家だけのもの ではありません。日々の業務で「どう納得してもらうか」「どうミスを減らすか」と悩むビジネスパーソンこそ、必要な武器です。この連載では、難しい数式は使わず、明日から使える「データ収集の基本」を紹介します。

データリテラシーとは何か

データリテラシーは、直訳すると「データを読み解き、使う力」です。データを掱う仕事が広がる中、業種を問わず 「数字と上手に付き合う力」 が口コミやサービス評価、品質チェックなど、あらゆる現場で求められるようになっています。

身近に言い換えると、「現代版の読み書きそろばん」 です。次の4つの力で構成されます。

要素	内容
見る（理解する）	数字やグラフが何を意味するかを正しく読み取る
扱う（収集・加工する）	必要な情報をどこから取るか、使いやすい形に整理する
分析する（意味を見出す）	データから「つまりこういうことが言える」と結論を出す
伝える（根拠として示す）	相手が納得するように、根拠とセットでプレゼンする

なぜ「集める力」が一番大事なのか

図1：データ収集は料理の「仕入れ」と同じ

データ活用のプロセスで 結果を左右するのは「集める段階」 です。料理に例えると、仕入れた食材が悪ければ、どんな名シェフでも美味しい料理は作れません。

ITの世界には 「GIGO（Garbage In, Garbage Out）」 という言葉があります。「ゴミを入れれば、ゴミが出てくる」という意味で、質の低いデータを高度な手法で分析しても、結論はやはり間違ったものになります。

「勘」と「データ」の決定的な違い

図2：主観と客観の比較

切り口	勘・経験	データ
共通言語性	個人ごとに違う	誰が見ても同じ意味
説得力	立場で変わる	客観的事実として伝わる
再現性	その人だけ	後から検証できる
時間効率	議論が長引きやすい	判断が速い

価値観の違う相手を納得させるとき、個人の経験は共通言語になりません。データは 「世界共通の言語」 として、立場を超えて通用します。

現代の武器：生成AIとスクレイピング

図3：データ収集方法の変化

これまで「コピペ地獄」だったデータ収集は、いま 自動化できる時代 に入っています。生成AIに頼んで「スクレイピング（自動収集）」を動かす方法は、プログラミング未経験でも使えます。この連載では、第5〜6回で具体的に解説します。

明日からできる3つのアクション

① ニュースを見るとき「事実か意見か」を分ける
発言A「あのカフェ、すごく流行ってるよね」（意見・主観）／発言B「あのカフェ、14時に満席で外に5人並んでいた」（事実・データ）。この区別ができるだけで、情報を見る目が変わります。

② 自分の業務で「データで決められそうなこと」を1つ選ぶ
「先週の会議の出席率」「今月の問い合わせ件数」など、すぐ数えられるものから始めます。

③ 数字とセットで報告する習慣をつける
「最近多い」→「先月比1.5倍」、「人気だ」→「2週間で200件販売」のように、感覚を数字に置き換える練習。

今回のまとめ

データ収集は、面倒な作業ではなく、あなたのアイデアを「武器」に変えるためのビジネスの基礎体力 です。次回は、「探す前に考える！目的設定の黄金ルール」と題して、リサーチのスピードを劇的に上げる準備の技術を解説します。

<文/岡崎 凌>