あるGoogleチームがアナリティクスにストーリーテリングを組み込んだ方法

最先端であっても アナリティクス・モデルは、組織の意思決定者の言葉を使わなければ、平板なものになりかねない。また、関連する意思決定プロセスが停滞する場合、データの洞察に明確な物語やビジネス上の背景、経営幹部が関心を寄せる事柄との関連性が欠けていることが原因であることがよくあります。このような教訓は、グーグルの中小企業（SMB）部門で、私のアナリティクスチームが同社のグローバルサポート組織の人員配置を最適化するための高度なモデルを構築したときに学んだことです。

このモデルは、何千もの可能性のあるシナリオをシミュレートすることで、100カ国以上にわたる不安定な需要を予測し、営業とカスタマーサポートの人員配置レベルを推奨することができました。季節性や地理的な違い、さらには複雑な顧客の優先順位付けのルールも説明できました。私たちはデータを検証し、仮定を吟味し、ロジックをプレッシャーテストしました。

しかし、シニア・ステークホルダーにこのモデルを提示したところ、彼らはほとんど熱意を示さなかった。関係者はモデルの複雑さを評価する代わりに、私たちの推奨モデルの実用性に議論の焦点を当てた。あるリーダーは、"ラテンアメリカでの来期の人員配置はどうなるのか？"と質問した。またあるリーダーは、提言がどのように自社の収益に貢献するのか、と質問した。何週間もの作業は停滞した。ビジネス上の決断は下されなかった。

これは孤立した出来事ではなかった。技術的に健全なモデルでも、経営幹部レベルではうまくいかないことが何度もあったのだ。データ専門家の多くは、より良いモデルがビジネス成果の改善につながると信じていたが、経営幹部は複雑さに圧倒され、文脈を理解できないブラックボックス的な洞察に懐疑的だった。

アナリティクスは、データの分析方法だけでなく、どのように意思決定がなされるかに合わせて構築されなければならない。そのためには、アナリティクスのスタックを再考する必要があった。データやモデルだけでなく、ストーリーテリングがプロセスの各段階をどのように導くことができるかをも再考する必要があった。

そこで私たちは2023年、ビジネスリーダーがより迅速で自信に満ちた意思決定を行えるようにすることを目標に、ナラティブを核とした独自のフレームワークの構築に着手した。このフレームワークには、一連の社内プロジェクトから得た教訓が活かされている。モデルを概念化し構造化した後は、2024年半ばまでアナリティクス・チームとビジネス・ステークホルダーとともに改良と圧力テストを繰り返しました。それ以来、私はグーグルのSMB部門のアナリティクス責任者として、営業戦略の最適化、事業計画、経営幹部の意思決定支援など、影響力の大きいプロジェクトにこのアプローチを直接導入してきました。