投稿元:
レビューを見る
データサイエンティストは、今後ますます必要とされるけど、ビジネス力(何をしたいのか目的をはっきりさせる)がないと本末転倒。
そこで、ビジネス力が備わった文系人材が橋渡し役になれる。そんな人材=ビジネストランスレーターになりたいと思った。
投稿元:
レビューを見る
5Dフレームワーク
Demand:要求を聞く
Design:全体の絵を描く
data:データを集める
Develop:分析する
Deploy:展開する
ビジネストランスレーターはデータサイエンティストと現場をつなぐもの
SEDA人材
Science
Engineering
Design
Art
投稿元:
レビューを見る
分析の価値は、分析結果にあるのではなく、分析結果が意思決定者の背中を押すことにあります。分析結果を基に意思決定者が人・モノ・カネを動かしていく、ここに価値があります。
■データ分析ツールを導入した方が良いケース
○データ行数や列数が数十万を超える場合
理由:Excelではデータ量が多くなると計算速度が遅くなる
○多変量解析やテキスト分析を行いたい場合
理由:一部の多変量解析(回帰分析など)は分析ツールを使えばExcelでも可能だが限られている
○様々な条件でグラフをたくさん作り、グラフの各要素がどういったデータがあるのかを素早く確認したい場合
理由:Excelの場合、テクニックが必要
○地図などに集計結果をマッピングするなど、いろいろな可視化の表現をしたい場合
理由:基本的なExcelのグラフでは限界がある(アドインと呼ばれる有志が作成したExcelで動かせる可視化ツールを使うとできないことはないが利用するまでのハードルが少し高い)
■データ分析2類型
データマイニングとは、マイニング=採掘という単語が表しているように、データから金脈を発見するという意味から、「データマイニング」という言葉が生まれました。データから意思決定につながるような重要な要素を見つけるのがデータマイニングという方向性です。具体的には、現状を把握したり、どんなタイプがいるのかを明らかにしたり、原因を発見したりすることにつながります。
もう一つの「予測モデリング」とは、様々なパターンから将来を予測することを意味します。「AI」はこちらに使います。AIの定義によりますが、最近様々な企業から「○○AIソリューション」と呼ばれているものの多くは、「2001年宇宙の旅」で出てくるHALやドラえもんのようなAIとは異なり、この「予測モデリング」をベースにしています。
投稿元:
レビューを見る
会社がIT人材を育成すると言い出した。
これからの時代ITは必須なので会社の決定には賛成。でも、会社は特に有効な手立ては持っていないよう。
自分は会社の言う応用IT人材になりたいので、とりあえず独学で統計検定でも勉強するかと思い、勉強を始めた。
そんな時に出会った本が本書。文系の自分がIT人材になれるか疑問に思っていたところだったので、文系でもIT人材になれる!と謳っている本書は自分にバッチリだと思った。
内容的には、プログラミングをバンバン使ってデータ分析をするには時間がかかるが、いろいろなITツールを使えるようになれば文系でも充分IT人材になれる!というもの。
一般論的な内容が多い感じがしたので、星は3つですが、データ分析を勉強する文系の人は一読の価値ありかな。
投稿元:
レビューを見る
データ分析において問題解決思考とロジカルシンキングは必須のスキル。分析ツールを使って様々な切り口でデータを加工修正することでこれらのスキルを身につけられる。Tableauのような可視化ツールを使えばWhereやWhyを身につけられる。また、解析対象とするデータセットはこれだけでいいのかというMECEといった思考も自然に行うことになる。まず、Whereでどこが問題なのかを特定する。次に、Whyで問題を掘り下げる。この時に注意しなければならないのは世間でありふれているフレームワークで掘り下げることが大事。なぜかというと偏った自分のドメイン知識で判断してしまうから。最後にHowで原因に対する打ち手を考える。
近年注目されているのはビジネストランスレーター。現場と分析者のギャップを埋める存在で、データ分析手法の理解や分析ツールの基本的な操作ができて、業務の経験や実績があって企画が得意な人。
データサイエンティストを目指そうとしていたけど、問題解決思考とロジカルシンキングを身につけてビジネストランスレーターとなることが一番会社にとっていいのかもしれない。現場と分析者は余ってることが理由だ。
投稿元:
レビューを見る
友人から「ビジネストランスレーター」なるキーワードを聞いて読んでみました。
具体例を挙げながらデータ分析の進め方や陥りがちな課題が説明されており、とても分かりやすかった。
データ分析ツールやコンサルの営業担当者にも参考になる一冊です。
投稿元:
レビューを見る
データサイエンティストとして働く上で必要なことを書く本
5dという観点でうまくまとめている。ちゃんと使うという視点で考えてるのも良い
demand①ヒアリング②課題理解③提案④期待値調整
design:①目的②仮説③データ④手段、を決定
data:①データ検討②洗い出し③入手
depelop:①環境構築②データチェック③分析④ストーリー提示⑤議論
deploy:①データ自動取得②自動加工③モデル更新④アウトプット構築
投稿元:
レビューを見る
データが重要な時代であるが、そもそもどういうデータが重要なのかと使っていくのかということを押さえた。本。
ビジネストランスレーターという言葉が適正かどうかは疑問が残るが、そういった職種にもしくは役割ロールというものは必要であろうなと思う。
今後仕事においては色々な意味での翻訳者が活躍していくのではないだろうか。
投稿元:
レビューを見る
「データ分析人材になる」というタイトルにあった内容の本。
なので、決意した瞬間に読むべきであって、やり始めた後だとよくあるよね、そうやるよねで終わってしまうと思う。
全体を5Dフレームワークとしてまとめている。
Deamand:要求を聞く
Design:全体の絵を描く
Data:データを集める
Develop:分析する
Deploy:展開する
単純にデータを分析するだけでなく、ビジネスにどう繋げるかが重要で、データサイエンティストとか言葉に惑わされないという事が必要だという事を述べている。
言われた事、自分がやる作業を盲目的に捉えすぎないようにという仕事全般に言える内容でもあるので、やっぱりなろうと思った瞬間に読む本なんだろう。