データサイエンス実践、3つの壁 データ分析講座(その178)

更新日

投稿日

データ分析

 

◆ データ分析・活用(データサイエンス実践)の3つの壁

 データ活用が上手くいかない原因として、何があると思いますか? 江戸時代の剣豪・松浦静山の言葉に「勝ちに不思議の勝ちあり、負けに不思議の負けなし」というのがあります。データ分析・活用(データサイエンス実践)も偶然上手くいくことはあります。上手く機能しないときには決まって「ある壁」が立ちふさがっています。今回は「データ分析・活用(データサイエンス実践)の3つの壁」というお話しをします。

【目次】
1. 3つの壁
 (1)ここ10年間でよくされる質問があります
 (2)未だに「テーマが不明確」というのもあるが……
 (3)テーマが明確でも上手くいかないことも多い
2. 最大の壁
3. 今回のまとめ

 

1. データ分析:3つの壁

 データ分析・活用(データサイエンス実践)の壁とは、次の3つです。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁

 「テーマ設定の壁」とは、勝ち筋のテーマを設定できちるかどうか、という壁です。筋の悪いテーマを設定してしまうと、どんなに頑張っても成果はでません。「アナリティクスの壁」とは、データを集計し分析し数理モデル(異常検知・要因分析・将来予測など)構築などが上手くできるかどうか、という壁です。

 多くの人が注目する壁です。「定着化の壁」とは、データ分析・活用の現場に定着するかどうか、という壁です。現場で活用されなければ、成果を出しようがありません。

(1)ここ10年間でよくされる質問があります

 ここ10年間でよくされる質問があります。

  • 「どのようなデータでどのような分析をすればいいの?」
  • 「どのようなデータを取れば何が解決できるの?」
  • 「どの分析手法を使うと何が解決できるの?」

 難問です。なぜならば、データ分析・活用テーマ(成し遂げたいこと) によって変化するからです。

(2) 未だに「テーマが不明確」というのもあるが……

 では、データ分析・活用テーマ(成し遂げたいこと)が明確であればいいのか、となりますが、そうではありません。成果が出ないときはどんなに頑張っても成果はでません。例えテーマが明確であっても、どんなに素晴らしいデータがあっても、どんなに素晴らしい分析をしても、成果が出ないときはどんなに頑張っても成果はでません。

(3) テーマが明確でも上手くいかないことも多い

 要するに、テーマが明確でも上手くいかないことも多いのです。そのテーマのインパクト(ビジネス成果の大きさ)が小さく非常に難しい場合、最悪です。苦労してデータ分析・活用を実現しても、ビジネス成果が小さいのです。テーマの決め方が「雑」すぎるのです。

 

2. データ分析:最大の壁

 先ほど、データ分析・活用(データサイエンス実践)の次の3つの壁を説明しました。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁 

 よく注目されるのが「アナリティクスの壁」です。だらこそ、データ分析者が足りない、データサイエンティストが足りない、AI人財が足りない、と叫ばれるのでしょう。どんなにそのような素晴らしい人財を揃えても、筋の悪いテーマに挑んでしまうと浮かばれません。

 さらに、テクノロジーの発展で「データ分析業務(アナリティクス)そのもの」の敷居は低くなっています。そして、定着するかどうかもテーマ設定が大きく影響しています。つまり、データ分析・活用(データサイエンス実践)の最大の壁は「テーマ設定」にあるのです。

 

3. データ分析:今回のまとめ

 今回は、「データ分析・活用(データサイエンス実践)の3つの壁」というお話しをしました。江戸時代の剣豪・松浦静山の言葉に、「勝ちに不思議の勝ちあり、負けに不思議の負けなし」というのがあります。データ分析・活用(データサイエンス実践)も偶然上手くいくことはあります。上手く機能しないときには決まって「ある壁」が立ちふさがっています。

 データ分析・活用(データサイエンス実践)の3つの壁とは、次の3つです。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁

 「テーマ設定の壁」とは、勝ち筋のテーマを設定できちるかどうか、という壁です。「...

データ分析

 

◆ データ分析・活用(データサイエンス実践)の3つの壁

 データ活用が上手くいかない原因として、何があると思いますか? 江戸時代の剣豪・松浦静山の言葉に「勝ちに不思議の勝ちあり、負けに不思議の負けなし」というのがあります。データ分析・活用(データサイエンス実践)も偶然上手くいくことはあります。上手く機能しないときには決まって「ある壁」が立ちふさがっています。今回は「データ分析・活用(データサイエンス実践)の3つの壁」というお話しをします。

【目次】
1. 3つの壁
 (1)ここ10年間でよくされる質問があります
 (2)未だに「テーマが不明確」というのもあるが……
 (3)テーマが明確でも上手くいかないことも多い
2. 最大の壁
3. 今回のまとめ

 

1. データ分析:3つの壁

 データ分析・活用(データサイエンス実践)の壁とは、次の3つです。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁

 「テーマ設定の壁」とは、勝ち筋のテーマを設定できちるかどうか、という壁です。筋の悪いテーマを設定してしまうと、どんなに頑張っても成果はでません。「アナリティクスの壁」とは、データを集計し分析し数理モデル(異常検知・要因分析・将来予測など)構築などが上手くできるかどうか、という壁です。

 多くの人が注目する壁です。「定着化の壁」とは、データ分析・活用の現場に定着するかどうか、という壁です。現場で活用されなければ、成果を出しようがありません。

(1)ここ10年間でよくされる質問があります

 ここ10年間でよくされる質問があります。

  • 「どのようなデータでどのような分析をすればいいの?」
  • 「どのようなデータを取れば何が解決できるの?」
  • 「どの分析手法を使うと何が解決できるの?」

 難問です。なぜならば、データ分析・活用テーマ(成し遂げたいこと) によって変化するからです。

(2) 未だに「テーマが不明確」というのもあるが……

 では、データ分析・活用テーマ(成し遂げたいこと)が明確であればいいのか、となりますが、そうではありません。成果が出ないときはどんなに頑張っても成果はでません。例えテーマが明確であっても、どんなに素晴らしいデータがあっても、どんなに素晴らしい分析をしても、成果が出ないときはどんなに頑張っても成果はでません。

(3) テーマが明確でも上手くいかないことも多い

 要するに、テーマが明確でも上手くいかないことも多いのです。そのテーマのインパクト(ビジネス成果の大きさ)が小さく非常に難しい場合、最悪です。苦労してデータ分析・活用を実現しても、ビジネス成果が小さいのです。テーマの決め方が「雑」すぎるのです。

 

2. データ分析:最大の壁

 先ほど、データ分析・活用(データサイエンス実践)の次の3つの壁を説明しました。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁 

 よく注目されるのが「アナリティクスの壁」です。だらこそ、データ分析者が足りない、データサイエンティストが足りない、AI人財が足りない、と叫ばれるのでしょう。どんなにそのような素晴らしい人財を揃えても、筋の悪いテーマに挑んでしまうと浮かばれません。

 さらに、テクノロジーの発展で「データ分析業務(アナリティクス)そのもの」の敷居は低くなっています。そして、定着するかどうかもテーマ設定が大きく影響しています。つまり、データ分析・活用(データサイエンス実践)の最大の壁は「テーマ設定」にあるのです。

 

3. データ分析:今回のまとめ

 今回は、「データ分析・活用(データサイエンス実践)の3つの壁」というお話しをしました。江戸時代の剣豪・松浦静山の言葉に、「勝ちに不思議の勝ちあり、負けに不思議の負けなし」というのがあります。データ分析・活用(データサイエンス実践)も偶然上手くいくことはあります。上手く機能しないときには決まって「ある壁」が立ちふさがっています。

 データ分析・活用(データサイエンス実践)の3つの壁とは、次の3つです。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁

 「テーマ設定の壁」とは、勝ち筋のテーマを設定できちるかどうか、という壁です。「アナリティクスの壁」とは、データを集計し分析し数理モデル(異常検知・要因分析・将来予測など)構築などが上手くできるかどうか、という壁です。「定着化の壁」とは、データ分析・活用の現場に定着するかどうか、という壁です。

 最大の壁が、「テーマ設定の壁」です。テクノロジーの発展で「データ分析業務(アナリティクス)そのもの」の敷居は低くなっています。定着するかどうかもテーマ設定が大きく影響しています。筋の悪いテーマを設定してしまうと、どんなに頑張っても成果はでません。テーマが明確でも上手くいかないことも多いのです。テーマの決め方が「雑」すぎるのです。

 少なくともテーマ検討時に、、、

  • インパクトの大きさ(ビジネス成果の大きさ)
  • 容易性(データ取得容易性×データ分析容易性×現場活用容易性)

 、、、の2軸で評価・検討しましょう。次回に続きます。

 

 

   続きを読むには・・・


この記事の著者

高橋 威知郎

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)


「情報マネジメント一般」の他のキーワード解説記事

もっと見る
PDCAサイクルと「スピード」 データ分析講座(その26)

◆ PDCAサイクルが、データ活用の足かせになるとき  ビッグデータであれリトルデータであれ、ビジネスで成果をあげ続けるためには、継続した運用が必要...

◆ PDCAサイクルが、データ活用の足かせになるとき  ビッグデータであれリトルデータであれ、ビジネスで成果をあげ続けるためには、継続した運用が必要...


ガベージイン・ゴスペルアウトとは データ分析講座(その100)

◆ データ分析: 汚いデータでも成果を出すのが腕の見せ所  ある程度データが溜まったらどのような分析手法でもいいので、一度データ分析をすることをお薦...

◆ データ分析: 汚いデータでも成果を出すのが腕の見せ所  ある程度データが溜まったらどのような分析手法でもいいので、一度データ分析をすることをお薦...


データ分析はPDCAの「Check」から始まる データ分析講座(その291)

  社会人の方であれば、PDCAサイクルと言う言葉を、聞いたことあると思います。ビジネスの世界では、意識しているかどうかに関係なく、結局の...

  社会人の方であれば、PDCAサイクルと言う言葉を、聞いたことあると思います。ビジネスの世界では、意識しているかどうかに関係なく、結局の...


「情報マネジメント一般」の活用事例

もっと見る
‐販路開拓に関する問題 第2回‐ 製品・技術開発力強化策の事例(その18)

 販路開拓に関する問題点、次に示す4点について、第1回として、1と2項を解説しました。今回は、第2回として、3と4項を解説します。        1....

 販路開拓に関する問題点、次に示す4点について、第1回として、1と2項を解説しました。今回は、第2回として、3と4項を解説します。        1....


現場情報の自動収集に道具だてを

 一日の作業指示の出し方で、次のどちらの組織の管理レベルの改善がより進むでしょうか?        ・A社 ➡「x製品を◯個」     ・B...

 一日の作業指示の出し方で、次のどちらの組織の管理レベルの改善がより進むでしょうか?        ・A社 ➡「x製品を◯個」     ・B...


ソフトウェア特許とは(その1)

 色々と定義はありますが、ソフトウェア特許とは、よく言うビジネスモデル特許であり、情報システムの特許です。言葉に差はあると思いますが、我々実務家は、ソフト...

 色々と定義はありますが、ソフトウェア特許とは、よく言うビジネスモデル特許であり、情報システムの特許です。言葉に差はあると思いますが、我々実務家は、ソフト...