エンターテイメントビジネスの再現性を高めることを問題意識の前提とし、私自身の分野であるゲームビジネスにおける再現性への挑戦である


デジタルコンテンツ販売としてみた場合の通常の分析手法としては、顧客属性分析、時系列分析、クリック分析手法(人気度分析、コンバージョン率分析)、ナレッジ分析(商品評価分析[RFM分析]/通常、定常商品限定)、キャンペーン分析などがある。
しかし、大量データにデータがあり、影響因子が複雑化しているゲームという分野における再現性を高めるアプローチとしては力不足である。

データベースから、ドリルダウン、スライシング、ダイシングという分析操作により、多次元的な分析を行う。この三次元のデータベースをどのように活用するかが入り口となる。

まずは、自社ゲームシステムのソースデータ分析を行う必要がある。通常のログ解析と言われるものは、これにあたる。ディメンションおよびファクトに含まれる項目がシステムより取得可能かを判定する必要があるのだ。

ただし、それと同時に確認に必要となるKPIとなる管理ポイントといえる分析の切り口、管理項目といえる評価対象数値、必要となるデータの期間の指定を行う必要がある。

管理ポイント分析と鮮度分析、ディメンショナルモデリング、ソースデータ分析を事前に行うのだ。
ただし、ビックデータを活用し、24時間フル稼働を前提としており、相対で時間軸で見て行くことを前提ととすると鮮度範囲は全期間と設定できる。

すべてのデータを対象とすれば、データの海に溺れてしまうため、ディメンショナルモデリングに、概念的なスキーマを定義することが必要となる。
ここでは、管理ポイントを、分類した上で時間軸で階層化する。

結果といえるファクトの特定とディメンションの関係定義が必要である。この部分は解析を実施しながら、アップデートする必要がある。たぶんこれが、再現性の向上の継続的に取り組む必要のある課題となるだろう。