道具としてのビッグデータ 最適解を導き、成果につなげる8つのルール

高橋範光(著者)

• 販売会社／発売会社: 日本実業出版社
• 発売年月日: 2015/10/30
• JAN: 9784534053268

商品レビュー

2026/01/16

ビッグデータは『道具』であるということを忘れがち。利益を上げるのが、会社だという基本を再認識。ビッグデータに接する入門書として最適かと。

2019/06/12

タイトル通り、バズワードビッグデータに躍らされることなく、最終的な自分の目的のために道具としてビッグデータ分析を活用する考え方、ツールやプロセスが横断的にわかる本。
ビッグデータは何もかも解決する魔法の杖ではなく、中間成果物なので、そこから自分なりの仮説や示唆をアウトする事が大事

2016/02/14

データを取って分析してビジネスに活かす、
これがデータ分析サービスの根幹を成すものだが、
分析した結果をそのまま活かして上手くいく！
ということは、ほぼありえない。

分析する側と現場が一緒になって、
実現に向けて取り組んでいかないと上手くいかない。
かつ、トライアンドエラーが欠かせない。
ああでもないこうでもないと繰り返すしかないが、
この繰り返しを減らすためにも、
　目的に合った適切な仮説を立てて検証する能力
　結果に対するちょっとした変化・ポイントに気づける能力
　仮に失敗したときに継続可否を判断出来る能力
の3つが重要となる。
（要するにサービス化には時間がかかるもの）

目的がないとデータ分析はほぼ失敗するわけで、
この目的というのが具体化されていないことがほとんど。
※売上をあげたい　は、目的とは言えない。

そもそもの課題と解決したい内容を明確にして、
データ分析サービスがよりよくなるようになるといいな。

最後に、著者も生産性向上を促すための
データ分析をやりたいと言ってたのが印象に残った。
自分も来る労働力減問題に向けた、
生産性向上実現のためのサービスを実現したい。

【勉強になったこと】
・データ分析サービスでは、厳密なリアルタイム性を
　こだわる必要は全くない。
　ビジネスにおいて迅速に行動出来るよう促せるのなら、
　リアルタイムである必要はない。

・ビッグデータ活用が上手くいかないパターン
　データを集めればなんとかなると思っている
　ユニークな事実、珍しい発見を探し求める
　データだけを見て、現場を見ようとしない

・品質向上、リスク低減の目的でデータ分析をするのなら、
　行動や状況をモニタリング出来るデータを収集すること。

・データ分析サービス化に向けたプロジェクトの進め方
　前提プロセス：
　　ビジネスの目的
　活用計画プロセス：
　　モデルの仮説立案
　　データ収集
　　仮説検証
　　モデルの最終化
　定着化プロセス：
　　施策導入・モニタリング
　　成果の確認

・IoTにおける各取り組みの適用範囲
　Industrie4.0：
　　オートノミーの実現（生産管理への適用）
　Industrial Internet：
　　メンテナンス効率化（アフターサービスへの適用）

・IoTで実現したい機能
　基本機能：モニタリング・可視化、遠隔操作
　応用機能：予兆をとらえる、自動化/自律化

・IoT普及の4つの課題
　データ分析者不足
　技術の広範囲化
　電力供給の課題
　人的ミス

・複数のデータを組み合わせて分析するときは、
　　そろえる（時間軸をそろえる、位置をそろえる）
　　紐づける（共通部分を見つける）
　の2つの視点で組み合わせることが可能か調査すること。

・ビッグデータ分析は結局「やってみないとわからない」
　なので、試行錯誤することは避けて通れないし、
　試行錯誤を繰り返さないとサービス化はできない。
　※サービス化には時間がかかる

・データを解釈してアクションプランを立てる人も
　実は足りてない。
　ユーザー企業にとっては、
　データ分析作業よりもこちらが大事。