mi7mi のデータ分析格闘ブログ

データ分析を生業に、分析ナレッジや読書感想などを書くブログ。ミナミのデータ分析格闘ブログ

【要約まとめ】データ分析人材になる。目指すは「ビジネストランスレーター:木田浩理, 伊藤豪, 高階勇人, 山田紘史

本ページは、筆者の個人的な備忘録として読書感想を残しておくためのものです。

なので、私が大切だと思ったポイントを箇条書きでアウトプットしています。

今回の書籍は下記の本です。みなさんのご参考になれば嬉しく感じます。 

  

 

 

書籍のポイントピックアップ

はじめに

失敗エピソード

  • 依頼者側がそもそも何をしてほしいのかが不明確。現状の理解に対してそんなことは現場の人間は肌感でわかっていると言われる。人間が思いつかないようなことをAIで期待されている。 
  • 全体の絵が描けていないばかりに、コストが想定以上に掛かった上、役員の想定するものではなかったために社員が見ることはなく、結果、何も残らない。
  • ビッグデータと呼ぶものを見ても、属性情報が欠損しているケースが多く、リピート購入が少なかったりして結局使えない。
  • モデルがブラックボックスで説明ができない。
  • 経営層・営業部門のトップと、現場の考えが異なっており、使ってもらうところで大きな失敗をした。

成功エピソード

  • 原因を考え抜くことが必要。言われた仮説を検証するだけでは不十分。
  • 既存の測定方法の問題点などを考える。手元データでプロトを作る。課題、入手できるデータ、分析方法、仕組み化を考えて、関係者に協力をしてもらう。
  • 属性情報ではなく、行動データから分析。なぜ購入に至ったかの心理データを、過去のテキスト情報からカテゴリ化して情報収集しやすくする。
  • データや指標は使ってもらってなんぼ。指標を定めても行動に移せなければ意味がない。優先度の高い改善ポイントを早く見つけて提案、不満を持ったお客様を見つけてすぐに対応依頼。

 

実践5Dフレームワーク

  1. Demand
  2. Design
  3. Data
  4. Develop
  5. Deploy

 

Demand
  • データ収集ができる隙間は無いかを考える。現場のひとに協力を仰ぎながら、アウトプットイメージを共有して進める。
  • 分析時はまず「解くべき問題を定義する」。すぐに分析作業に着手しない。
  • データ分析者がやりがちなパターン:「よかれと思って要望を再定義する」こと
  • 過去に分析したことを確認する。そうでないと、時間の無駄になることがある。

 

Design
  • 何のデータをもとに、どのように分析して、何をアウトプットするのかを計画立てる。

 

Data
  • データの入手について、「その部署にとってどのようなメリットがあるか」「各部署の長の間で連携を取っておく」とスムーズに進むケースが多い。システム部署の価値向上を訴求できるかもしれない。

Develop
  • 自動予測機能が役立つのは、要因がわからなくとも予測できればよいという用途の場合。例えば、体の動きで危険人物かどうかを特定するなど。
  • 予測値が勝手に先行しないように注意。例えば、施策Aと施策Bのどちらが良い施策であるかという意思決定をするための相対的な評価値として報告するなどがある。
  • モデリングの際に、前提を明記しておく。予測が外れたときの言い訳になるという利点もあるが、予測を外すような想定外のことは何か、考慮できないこと、コントロールできないことは何かが明確になる
Deploy
  • システム上に配置してみんなが使える状態にすること
  • 自動化する仕組みを少しずつでも用意しておくと社内に浸透しやすい

 

データ分析人材育成法

  • 最近の理科練度教育のトレンドは、大学などと連携し、1週間程度の一定期間缶詰になり集中的に講義を受けるスタイル。ビジネスデザインコース1週間などがある企業もある。若手同士でスクラムを組んで、人事も経営陣も抱き込み、まずはスモールスタートで始める。
  • Whyを掘り下げるときに注意すべきことは、ドメイン知識がある部分に偏らないこと。PEST分析、3C分析などで全体像を把握して偏らないようにすること
  • ジョブ理論を理解する。ジョブとは「特定の状況下で顧客が成し遂げたい進歩」という意味。購買行動は、「社会的」「機能的」「感情的」のいずれかの課題(ジョブ)を片付けるために「商品」を「雇う(買う)」こと。顧客は何を求めてかったのだとうかと意識を強く持てる。 

 

最後に

もし内容にご興味を持たれましたら、本書籍をご購入ください。

プライバシーポリシー | mi7miの趣味