やったことのないデータ活用を率先してやる データ分析講座(その229)

投稿日

データ分析

 

【この連載の前回:データ分析講座(その228)上手くいかないと思ったらデータで裏付けへのリンク】

 

何事にも始まりが必ずあるように、多くの食べ物は、誰かが最初に口にしたはずです。例えば、多くの野菜やキノコも同様でしょう。集めたデータと分析の関係は、食材と料理の関係に似ています。今回は「今までやったことのないデータ活用を率先してやる」というお話しです。

 

【目次】
1.腕次第
2.何が食べたいのか?
3.そのデータ分析結果で、現場は動けますか?
4.丁寧な説明とフォローが必要

 

1.腕次第

素晴らしい食材であっても、料理人の腕に問題があると台無しになることがあります。逆に、ありものの食材でも、調理しだいで美味しくなることもあります。データ分析やデータサイエンスなども同じです。素晴らしいデータがあるのに台無しにすることもありますし、不十分なデータでも価値を生み出すこともあります。

 

そして、最初に試される腕が「テーマ設定」にあります。データサイエンス実践(データ分析・活用)の成否を左右するのは、テーマ選定にあります。理由は単純です。上手くいきそうもないことを、いくら頑張っても、上手くいかないからです。

 

2.何が食べたいのか?

「テーマ設定」とは、料理で言い換えると「作る料理を決める(オーダーをもらう)」です。何を食べたいのか分からないと、何を作ればいいのか分からないように、現場でどのような価値を生み出したいのか分からないと、どのようなデータ分析をすればいいのか分かりません。オーダーがない状況で、何を食べたいのか、どのような価値を出したいのかを、推測することは非常に困難です。

 

推測するには熟知している必要があります。料理を食べる人を熟知していないと好みが分からないように、現場を熟知していないとどのようなデータ分析を望んでいるのか見えてきません。多くの場合、データ分析者やデータサイエンティスト側は現場を熟知していないので、現場とともにテーマを設定することになります。料理店がお客さんに何を食べたいのかオーダーを聞くのと同じです。

 

3.そのデータ分析結果で、現場は動けますか?

どんなにおいしい料理でも、食べてもらって「おいしい」と言ってもらえないと、作り手は悲しいでしょう。データサイエンスやデータ分析も同じで、現場で活用してもらって「ありがとう」と言ってもらえないと悲しいものです。

 

「ありがとう」という言葉以前の問題が、データ分析の世界では起こりえます。現場で活用されないデータ分析結果です。料理で言い換えると、一口も食べてもらえない料理という感じです。「食べてみようかな」と思われる料理のように、データ分析も現場から「やりたい」「やれそう」「イメージが付く」などの声が上がる分析結果でないと、いけません。

 

4.丁寧な説明とフォローが必要

生まれて初めて見る食材で作った料理や、誰もが食べるのを避けている料理を、我先に食べる人が少ないと思います。データ活用の進んでいない現場で、積極的に...

データ分析

 

【この連載の前回:データ分析講座(その228)上手くいかないと思ったらデータで裏付けへのリンク】

 

何事にも始まりが必ずあるように、多くの食べ物は、誰かが最初に口にしたはずです。例えば、多くの野菜やキノコも同様でしょう。集めたデータと分析の関係は、食材と料理の関係に似ています。今回は「今までやったことのないデータ活用を率先してやる」というお話しです。

 

【目次】
1.腕次第
2.何が食べたいのか?
3.そのデータ分析結果で、現場は動けますか?
4.丁寧な説明とフォローが必要

 

1.腕次第

素晴らしい食材であっても、料理人の腕に問題があると台無しになることがあります。逆に、ありものの食材でも、調理しだいで美味しくなることもあります。データ分析やデータサイエンスなども同じです。素晴らしいデータがあるのに台無しにすることもありますし、不十分なデータでも価値を生み出すこともあります。

 

そして、最初に試される腕が「テーマ設定」にあります。データサイエンス実践(データ分析・活用)の成否を左右するのは、テーマ選定にあります。理由は単純です。上手くいきそうもないことを、いくら頑張っても、上手くいかないからです。

 

2.何が食べたいのか?

「テーマ設定」とは、料理で言い換えると「作る料理を決める(オーダーをもらう)」です。何を食べたいのか分からないと、何を作ればいいのか分からないように、現場でどのような価値を生み出したいのか分からないと、どのようなデータ分析をすればいいのか分かりません。オーダーがない状況で、何を食べたいのか、どのような価値を出したいのかを、推測することは非常に困難です。

 

推測するには熟知している必要があります。料理を食べる人を熟知していないと好みが分からないように、現場を熟知していないとどのようなデータ分析を望んでいるのか見えてきません。多くの場合、データ分析者やデータサイエンティスト側は現場を熟知していないので、現場とともにテーマを設定することになります。料理店がお客さんに何を食べたいのかオーダーを聞くのと同じです。

 

3.そのデータ分析結果で、現場は動けますか?

どんなにおいしい料理でも、食べてもらって「おいしい」と言ってもらえないと、作り手は悲しいでしょう。データサイエンスやデータ分析も同じで、現場で活用してもらって「ありがとう」と言ってもらえないと悲しいものです。

 

「ありがとう」という言葉以前の問題が、データ分析の世界では起こりえます。現場で活用されないデータ分析結果です。料理で言い換えると、一口も食べてもらえない料理という感じです。「食べてみようかな」と思われる料理のように、データ分析も現場から「やりたい」「やれそう」「イメージが付く」などの声が上がる分析結果でないと、いけません。

 

4.丁寧な説明とフォローが必要

生まれて初めて見る食材で作った料理や、誰もが食べるのを避けている料理を、我先に食べる人が少ないと思います。データ活用の進んでいない現場で、積極的にデータ活用しようとしてくれる人は、誰も食べたことのない「野生のキノコ」を率先して食べてくるような人です。

 

そんな冒険心溢れた人がいない場合、よく分からない謎だらけのデータ分析結果は、そっと机の中にしまっておかれます。慎重な人ほど、誰も食べたことのない「野生のキノコ」を率先して食べることが無いように、慎重な人ほど、今までやったことのない「データ活用」を率先してやることはないでしょう。だから、現場から「やりたい」「やれそう」「イメージが付く」などの声が多いデータ分析を心掛ける必要があるのです。

 

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
プロダクト・データサイエンス:データ分析講座(その323)3つのDS

  企業内のデータサイエンス組織の1つの役割として、データサイエンス技術を、より良い商品の開発やより良いCX(カスタマー・エクスペリエンス...

  企業内のデータサイエンス組織の1つの役割として、データサイエンス技術を、より良い商品の開発やより良いCX(カスタマー・エクスペリエンス...


ビジネスにおけるハイパーパラメータ最適化(その2):データ分析講座(その364)

   【目次】  ▼さらに深く学ぶなら!「データ分析」に関するセミナーはこちら! 前回のビジネスにおけ...

   【目次】  ▼さらに深く学ぶなら!「データ分析」に関するセミナーはこちら! 前回のビジネスにおけ...


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
人的資源マネジメント:製品開発の滞留を引き起こすファイルとは(その2)

 今回は、PDM/PLMに代表される製品開発業務のIT化をどのように考え、進めるのがよいのかについて解説します。    前回まで続けていたテ...

 今回は、PDM/PLMに代表される製品開発業務のIT化をどのように考え、進めるのがよいのかについて解説します。    前回まで続けていたテ...


‐クレ-ム情報を開発に活用‐  製品・技術開発力強化策の事例(その13)

 前回の事例その12に続いて解説します。顧客から出されたクレ-ムは、技術開発や、関連製品の開発の可能性を潜在させている場合が多いようです。その視点からクレ...

 前回の事例その12に続いて解説します。顧客から出されたクレ-ムは、技術開発や、関連製品の開発の可能性を潜在させている場合が多いようです。その視点からクレ...


人的資源マネジメント:データ指向ものづくりがもたらす高い生産性

 今、ものづくりの現場が目指すべきは「データ指向ものづくり」だと思います。 今回は、インダストリー4.0のような次世代ものづくりの大波への備えともなる 「...

 今、ものづくりの現場が目指すべきは「データ指向ものづくり」だと思います。 今回は、インダストリー4.0のような次世代ものづくりの大波への備えともなる 「...