「とりあえず情報を集めてみたけれど、何が重要なのか分からなくなってきた」。仕事で調査や分析をしていると、このような状態に陥ることがあります。
原因の一つは、情報収集そのものが目的になってしまっていることです。
示唆を導き出すプロセスでは、まず目的・ゴールを明確にし、次に「答えはおそらくこうではないか」という仮説を設定します。その次に行うのが、その仮説を検証するために必要な情報を集めることです。
重要なのは、情報を多く集めることではありません。「何を確かめるために、どの情報が必要なのか」を先に設計することです。
本記事では、示唆導出の第3ステップとして、情報迷子にならないための「情報収集設計」の考え方と、実務で使える具体的な進め方を解説します。
情報収集の目的は「仮説を検証すること」
情報収集の目的は、知識を増やしたり、関係しそうな資料をできるだけ多く集めたりすることではありません。
前のステップで設定した仮説が正しいのかを確かめるために、必要な事実を集めることが目的です。
たとえば、次のような仮説を設定したとします。
「売上低下の主因は、新規顧客の減少ではないか」
この仮説を検証するために必要なのは、まず新規顧客数や既存顧客数、両者の売上推移などです。
一方で、競合企業の組織体制や海外市場の詳細な動向などは、少なくとも最初の検証では必要ないかもしれません。
仮説があることで、
- 何の情報が必要なのか
- どの情報を優先すべきなのか
- どこまで調べればよいのか
を判断しやすくなります。
逆に、仮説がないまま情報収集を始めると、「これも関係ありそう」「念のためこれも調べよう」と対象が広がり、いつまでたっても調査が終わらなくなります。
情報収集は、仮説から逆算して設計する。これが基本です。
情報収集は「何を・どこから・どう集めるか」で設計する
情報収集を始める前に、次の3つを整理すると進めやすくなります。
1. 何を集めるのか
最初に、「仮説を検証するためには、何が分かればよいのか」を考えます。
たとえば、
仮説：売上低下の主因は、新規顧客の減少である
とした場合、確認したい情報として、
- 新規顧客数の推移
- 既存顧客数の推移
- 新規顧客・既存顧客それぞれの売上
- 顧客一人あたりの購入額
などが考えられます。
さらに、「新規顧客が減っているのはWebからの流入減少が原因ではないか」という仮説まで置いていれば、
- Webサイトへの流入数
- 広告経由の流入数
- 問い合わせ数
- 問い合わせから購入までの転換率
なども必要になります。
このように、仮説を一つずつ見ながら、「これが正しいか判断するには何が必要か」を具体化するのが第一歩です。
2. どこから情報を集めるのか
必要な情報が決まったら、次に「その情報をどこから入手するか」を考えます。
主な情報源は、大きく分けると次のようなものがあります。
- 社内資料や既存データ
- 過去のプロジェクト資料
- システムや業務ログ
- 担当者・関係者へのヒアリング
- 公開情報や外部調査レポート
ここで重要なのは、最初からすべての情報源に当たるのではなく、必要性と入手しやすさを考えて優先順位をつけることです。
たとえば、社内システムから正確な売上データをすぐ取得できるのであれば、まずそのデータを確認する方が効率的です。
一方、「なぜ現場でその運用になっているのか」のようにデータだけでは分からないことは、担当者へのヒアリングが必要になります。
資料、データ、ヒアリングにはそれぞれ得意な情報があります。知りたいことに応じて使い分けることが大切です。
3. どうやって集めるのか
最後に、必要な情報をどのような方法で取得するかを決めます。
データであれば、「どの期間」「どの単位」「どの条件」で取得するかを明確にします。同じ売上データでも、月別なのか、商品別なのか、顧客別なのかによって分かることは変わります。
ヒアリングで情報を集める場合は、事前に質問を設計しておくことが重要です。たとえば、いきなり「何が問題だと思いますか？」と聞くだけでは、相手の印象や意見に偏ってしまうことがあります。
そこで、まず現在の状況や実際に起きていることを確認し、次にその背景や理由を聞き、最後に本人の課題認識や意見を確認する、という順番で進めると整理しやすくなります。
たとえば、
- 「現在、この業務はどのような手順で行っていますか？」
- 「なぜ現在の手順になったのでしょうか？」
- 「現在のやり方で、課題だと感じている点はありますか？」
といった流れです。
ここで注意したいのは、事実と意見を混同しないことです。「この業務は非効率です」という発言はその人の認識ですが、「担当者によって処理時間に差がある」というデータは事実として確認できます。
どちらも重要な情報ですが、性質は異なります。何を事実として確認できたのか、何が関係者の認識や解釈なのかを分けながら情報を集めることが重要です。
まず「取りやすく、確かな情報」から集める
情報収集では、すぐに取得できる情報から確認する、いわゆる「easy win」から着手するのも有効です。
たとえば、
- 社内共有フォルダにある既存資料
- 過去のプロジェクト資料
- システムから取得できるデータ
- FAQや過去のQ&A
- 公開されている一次情報
などです。
こうした情報を先に確認すると、現在分かっていることと、まだ分からないことを整理できます。
たとえば、いきなり現場担当者へ「売上が落ちた原因は何だと思いますか？」と聞くよりも、事前にデータを確認し、
「新規顧客数が前年より減っていますが、現場ではどのような変化がありましたか？」
と聞いた方が、より具体的な情報を得やすくなります。
既存情報を確認する → 不明点を特定する → 必要な部分をヒアリングする
という順番で進めると、情報収集の効率と質を高めやすくなります。
集めた情報は「仮説と事実」が分かる形で整理する
情報を集めるだけでは、後から「この情報は何のために集めたのか」が分からなくなりがちです。
そのため、集めた情報は仮説や論点と紐づけて整理します。
たとえばExcelなどで、
| 項目 | 内容 |
|---|---|
| 検証する仮説 | 新規顧客の減少が売上低下の主因である |
| 確認した事実 | 新規顧客数が前年同期より減少している |
| 情報源 | 顧客管理システム |
| 仮説への影響 | 仮説を支持。ただし売上への影響度は追加確認が必要 |
といった形で残します。
ポイントは、資料を丸ごと保存するだけではなく、「この情報から何が事実として分かったのか」を分けて記録することです。
また、情報源も残しておくと、後で数値や事実を確認するときに役立ちます。
情報収集の段階では、最終的な結論を急ぐ必要はありません。まずは、仮説を検証するための事実を整理していくことが重要です。
情報を集めながら仮説を修正する
実際の情報収集は、一度計画を作って、その通りに最後まで進むとは限りません。
新しい情報が見つかれば、仮説自体が変わることもあります。
たとえば、「新規顧客の減少が売上低下の主因ではないか」と考えて調べたところ、新規顧客数はほとんど変わっていなかったとします。
一方で、既存顧客の購入単価が大きく下がっていることが分かったのであれば、
「売上低下の主因は、既存顧客の購入単価低下ではないか」
と仮説を修正します。
すると、次に必要な情報も変わります。商品別の購入額、購入頻度、価格変更の有無などを追加で確認する必要が出てくるかもしれません。
このように、
仮説を置く → 情報を集める → 仮説を修正する → 必要な情報を追加で集める
という往復を繰り返しながら進めるのが実務的です。
最初に作った情報収集計画に固執するのではなく、分かったことに応じて調査の方向を修正することが重要です。
「全部分かるまで調べる」のではなく、必要十分で止める
情報収集でありがちな失敗が、「まだ何かあるかもしれない」と調査を続けすぎることです。
もちろん重要な情報を見落としてはいけませんが、すべてを調べ尽くす必要もありません。
判断基準は、目的・ゴールに対して、仮説を判断できるだけの情報がそろったかどうかです。
たとえば、「売上低下の主因を特定し、施策の方向性を決める」ことが目的であれば、主要因とその根拠が十分に確認できた段階で、次の示唆導出に進むことができます。
情報収集は、量を競うものではありません。
「この情報がないと判断できない」というものを優先し、重要度の低い情報は必要に応じて後回しにすることが、効率的に仕事を進めるポイントです。
まとめ
示唆導出の第3ステップは、仮説を検証するために必要な情報を集めることです。
重要なのは、「とりあえず調べる」のではなく、
- 何を確かめる必要があるのか
- その情報をどこから取得するのか
- どのような方法で集めるのか
を先に設計することです。
そして、入手しやすく信頼性の高い情報から確認し、集めた事実を仮説と紐づけて整理します。新しい事実によって仮説が違うと分かれば、仮説を修正し、必要な情報も見直します。
示唆導出の流れは、
① 目的・ゴールを明確にする
→ ② 仮説を設定する
→ ③ 仮説を検証する情報を集める
→ ④ 集めた事実から示唆を導き出す
という順番です。
情報収集の質は、集めた情報の量では決まりません。
「何を確かめるための情報なのか」が明確であること。
これを意識するだけでも、無駄な調査を減らし、次のステップである示唆導出につながる情報を効率よく集められるようになります。
