「効果測定」をやめよう｜データ分析とインテリジェンス

「効果測定」だけが一人歩きしてませんかデータの仕事をしていると、知らないところでいつのまにかに行われた施策について「効果測定をしてほしい」と言われることがたびたびある。 とりあえず施策を行い後で振り返えればいいや、と考えている人が多いようだがこれでは正しい検証はできない。検証ができないから次の施策を決める時もまたとりあえず施策をする、が繰り返される。 これではいくら「効果測定」を行うために動いても施策の向上につながらない。そうなれば「データ」の役割の意味も無い。 そこでよくみかける「効果測定」の何がいけないのかと、どうしたらいいのかを考える。 「効果測定」を後で行ってはいけない理由施策が終わってから「効果測定」を行おうとするといろいろな問題が発生する。 基準がないので判断できない施策を行った後になって効果測定を始めるということは、施策を始める前にどれぐらいの効果が見込めるかを調べていないと

[aike]

PDCAのCだけに注力しすぎてはいけないと読んだ。

[el7]

必要なのは“「次の施策をどうするか決めるための検証と学習」”

[s-supporter]

先ずは仮説（基準）を立て、仮説通りになった上で検証するから効果が測定できる。計算式を先に立てるから答えが出るように、答えのみからの逆算は自身の推測の範囲内で計算式を立てるから間違えやすく再現性も低い。

[PrivateIntMain]

効果予測と効果実測に分ければよいのでは。予測は事前に済ます必要があるし、予測と同じ尺度で実測するのだから漏れも迷いもない。予測値はわかんなくてもまずは目標とした利益が見込める値で決めてしまえばいい。

[misshiki]

“「効果測定」だと「すでに終わった施策について考える」ことだけに意識が向いてしまう。だったら「効果測定」という言葉を使うのをやめたらどうか。”

[syque]

“次の施策のために検証と学習を行うこと”

[taminif]

"他に何かいい言葉はないだろうか。" 「仮説検証」は違いますかね？読んでいて仮説を検証するためのデータ分析だと思いました。