データ分析活用は、OODAループで上手くいくかもしれない。きっと上手くいく。データ分析を実務で活用するとき、管理するためのマネジメントサイクルと、動くためのドゥーループが必要になります。よくやられるのが、マネジメントサイクルであるPDCAサイクルやPDSサイクルです。いくら管理してもアクションが適切に実行されなければ意味がないのです。ではどうすればよいのか?多くの場合、ドゥーループが欠けています。
1. データ分析プロセス「CRISP-DM」再考
データ分析を活用するためのプロセスには色々あります。抽象的なものや概念的なもの、ある業界や機能に特化したものなど、色々あります。正直どれでもよいでしょう。データ分析を適用する組織や機能(例:営業や品質管理など)に一番合うのがよいでしょう。
それはさておき。昔からある有名なデータ分析プロセスがあります。非常に概念的ですが、大きな流れはどのような組織や(例:営業や品質管理など)でも、ある程度可能です。
データ分析プロセス「CRISP-DM」と言います。昔、SPSS社(現在はIBMに買収)が積極的に提唱していました。データ分析プロセス「CRISP-DM」とは、「CRoss-Industry Standard Process for Data Mining」の略で、以下の6つのプロセスからなります。
- (1) ビジネス理解(Business Understanding)
- (2) データ理解(Data Under Standing)
- (3) データ準備(Data Preparation)
- (4) モデリング(Modeling)
- (5) ビジネス評価(Evaluation)
- (6) ビジネス展開(Deployment)
最も重要なのが、(1) の「ビジネス理解(Business Understanding)」と(6) の「ビジネス展開(Deployment)」の2つのプロセスです。
(6) の「ビジネス展開(Deployment)」が上手くいっていないということは、データ分析活用が上手くいっていないということと同義です。そして、(6) の「ビジネス展開(Deployment)が上手くいくためには、(1) の「ビジネス理解(Business Understanding)」が適切でないとダメでしょう。
そして、データ分析と聞くとイメージするのが、(2) の「データ理解(Data Under Standing)」から(4)の「 モデリング(Modeling)」の箇所。で、データ分析者が興味をもって多大なる意識を集中し時間を費やしてしまうのも、(2) の「データ理解(Data Under Standing)」から(4)の「 モデリング(Modeling)」の箇所。
(5) の「ビジネス評価(Evaluation)」も見落とされがちで、これは予測モデルの評価などではなく、ビジネス展開した時の評価。例え...






