会社を変える分析の力 の商品レビュー

河本薫【著】

2019/09/17

「問題を「解く力」はコモディティ化していくかもしれません」
というのが本書の肝で、問題発見力の重要さを強調している。

2019/06/28

データ分析に関わる人が心構えとして読むと良い本。
今データ分析業務に携わっていたので意識を変える良いきっかけになった。
データから見出された数値結果に満足するのは無意味で、何のビジネスに繋がるかという成果を1番に考えること。
データ分析スペシャリストは、オフィスで誰とも話さず依頼通りの数値結果を提供してくれる人。
データ分析プロフェッショナルは、ビジネスとして利益貢献に繋げるところまでを責任持って遂行できる人。

2018/12/20

Vol.222 ４つの問いを自問自答しろ！分析力だけでビジネスを変えられない理由とは？http://www.shirayu.com/letter/2013/000449.html

2018/12/15

データ分析は何をすればいいのかではなく、何のためにあるのかを書いている本を探していたので、とても参考になった。データサイエンスによっていかにビジネス課題を解決するか、そのためにサイエンティストに必要とされる能力は何か、その能力を身につけるためにいかなる努力が必要なのかが書いてある。

アクションプランを考える。
■見つける力に関して
目的志向が私は弱い。これを上げるための本を見つけて読む。
またビジネスに関する勉強もする。現在関わるサービスはBtoCのアプリなので、マーケティングの勉強が必要か。顧客はどういうコンテクストでアプリを利用するか。
さらにビジネスにおける意思決定そのものについても勉強したい。ビジネスとはそもそも何かという勉強がしたい。ビジネスの目的とは何か。
■解く力について
どういうデータとプロセス(統計や機械学習)があるか知らなければ、アウトプットとしての分析課題を定義できない。そこでデータについては外部データやセンサーデータ含め情報を仕入れる。プロセスもまずは理解できるように勉強する。クラスタリングとかをちゃんと説明できるように。クラスタリングの仕方は調べればすぐわかるんだから。
■使わせる力について
ここが一番苦手。人と関わるのが苦手だから。コミュニケーションの課題は一体原因は何か自分でもわかってない。まず課題の定義から。過去の体験から分析してみる。
■仮説・課題発見力について
論理的にストーリーを描く力と右脳的ヒラメキの力はどちらもわたしには欠けている能力である。ストーリーは特に、ゴールを明確にする能力が欠けているからだろう。どちらも勉強が必要。学んだ知識を構造化できればストーリーだし、そこから暗黙知的に組み合わせれば右脳的ヒラメキである。

まとめる。
1.目的について学習する
→ビジネスそのものの目的、ユーザのニーズ＝マーケティング、意思決定など
2.データ分析について学習する
→世の中にあるデータ、社内にあるデータ、分析手法、統計(その手法は何を導くためにあるのか込みで)
3.コミュニケーションについて
→人嫌いの理由を自己分析
4.論理的思考とヒラメキ
→勉強あるのみだが、構造化する癖と組み合わせてヒラメク癖は本を読みながらできる。オリジナリティにもつながる。本の読み方から情報との向き合い方を勉強してもいいかも。例えばイメージ力、構造化、組み合わせ、批判、など。

2018/11/12

本業に直結すると思い読んでみた。本書はデータ分析の手法を解説するのではなく、データ分析を如何にビジネスの意思決定に役立てられるようになるかという思想を説いている。現在の自分のポジションを考えるとピッタリな内容だった。

2018/11/09

データ分析は、分析そのもので終わってはダメで
分析結果を意思決定に活用してもらい、
ビジネスに活用してもらわないと意味が無い。

費用対効果に見合うかどうか、
現場担当者の理解・協力が得られるか、
仕事のやり方を変えて使ってもらえるかどうか
という壁を乗り越えないといけない。

ということが、テーマの本。

最新の分析事例紹介や分析手法の解説ではなく
データ分析を行う上での心構え、
プロフェッショナルとしてのあり方について
書かれた本。

2021/08/08

著者は大阪ガスビジネスアナリシスセンター所長で、日経情報ストラテジーが選ぶデータサイエンティスト・オブ・ザ・イヤーを受賞。本書は、分析をテーマにして書かれているが、実際には仕事論だと思った。共感の連続だった。思っていること、考えていることを整理、代弁してくれた気がする。ウチの会社にもこういう人がいてくれたらと切に思う。

「X氏とY氏の成否を分けたのは何でしょうか？X氏は営業部で仕事をしており、身近にいる営業マンとのコミュニケーションを通して、『こういった顧客属性にはこのような商品が売れるのではないだろうか？』という仮説力、そして『その仮説が正しくても、施策として実行できなければ意味がない』という当事者意識を持っていたのです。」
「分析モデルは、所詮、現実を単純化かつ近似化したものに過ぎない、されど、現実のある特定の特徴について定量的な知見を与えてくれる。」
「データ分析でビジネスを変革していくサクセスストーリーは、このヒラメキが原点になります。でも、何もないところからヒラメキが生まれることはありません。日頃から、ビジネスに悩み、データに関心を持ち、データ分析を活用する機会を貪欲に探している、そういった土壌でヒラメキが生まれるのです。」
「私は、データ分析を意思決定に使う際に、『所詮』と『されど』の二つの言葉を胸に刻んでいます。データ分析で得られるのは、所詮、『連続性の世界』での解に過ぎない。されど、『連続性の世界』での解は、『不連続性の世界』においても何らかの手掛かりにはなります。」
「…誘惑に打ち勝てるのは、『自分が作った数字は経営を左右する』という責任感だけです。」

2018/10/05

分析とは意思決定を変えるために行うもの。意思決定を変えられない・意思決定に繋がらない分析は無価値という根本的な考え方を、この本で初めて知覚した。分析者は意思決定問題にも取り組む必要がある。

2018/08/01

担当業務の一つがデータ分析。色々刺さりまくったり、はっと気づかされたことを以下つらつらと。

・どんな分析をしたいという構想もなしに、手段に過ぎないITや分析手法に多額の投資をしてしまい、投資にあったデータ分析の成果を探すことに四苦八苦している企業が多い
・ITや分析手法はツール
・ITの恩恵により分析は理系の仕事ではなくなった
　文系→営業部より→現場に近い→仮説力＆当事者意識
・分析の価値＝意思決定の寄与度×意思決定の重要性
・方法論からの脱却
・意思決定者の責任（不確実性の軽視、分析への過剰な期待、結果への事前期待）

・見つける力（問題発見力）、解く力（分析力）、使わせる力（実行力）
・四つの問い
　１．数字にどこまで責任をとれるか？
　２．その数字から何がわかったか
　３．意思決定にどのように使えるのか
　４．ビジネスにどのくらい役立ったか
・分析者の心構え
　担当者とのコミュニケーション、整理整頓、なぜ、ビジュアル化
　懐疑的に、シンプルに、ざっくり計算、文章に書く、目的に立ち返る
・分析プロフェッショナル
・データサイエンティストワークショップ

2018/05/30

データ分析自体ではなくビジネスの中でのデータ分析のあり方について分かりやすく言及している。ただ後半以降は結構同じ内容の繰り返しになってる感じはあるかな。