会社を変える分析の力 （講談社現代新書）

0人中、0人の方がこのレビューが役に立ったと投票しています。

投稿者：mistta　-　この投稿者のレビュー一覧を見る

本書は決して分析に関する専門書ではない。

もちろん、分析の手順やノウハウなどについても触れられているが、
それ以上に、分析には、そもそも、その課題が本当に分析を
するに値することかという検討が必要なこと、
分析の本来の目的をしっかり考えることの重要性を説いており、
勉強になる。

読んで分析に取り組む意欲が湧いてきました。

0人中、0人の方がこのレビューが役に立ったと投票しています。

投稿者：かずさん　-　この投稿者のレビュー一覧を見る

仕事に役立て用と思い読みました。
データを分析し、それを持ってビジネス
を動かすことの重要性が分かりました。

投稿元：

レビューを見る

大阪ガスにてデータ分析をやられてる方の新書。
本書では、分析者は分析だけに偏るのではなく、意志決定につかえる分析を行うべきという論点かかれている。
昨今、ビックデータがよくキーワードとしていわれるが、本質的になぜ分析するのかをよく語っている一冊である。

投稿元：

レビューを見る

データ分析をどのように経営に役立てるのか、
考え方によって、データ分析のやり方が変わってくる
概念的にはよくわかる本です。

投稿元：

レビューを見る

○ソーシャルメディアの莫大なデータを分析する前に、社内の営業データは十分に分析できているか自問してみましょう。(62p)

○あなたがデータ分析でビジネスを変えようと思うならば、自らの守備範囲を、分析結果を報告するまでではなく、意志決定に使われるまでと考えるべきです。(119p)

○「予測に用いることのできるデータは？」とか「目標とする予測誤差は？」という問いがでてくる人はプロセス指向です。「何のために販売量予測をするのですか？」とか「販売量予測の誤差を改善すると、ビジネスにとってどのような効果が期待できるのですか？」という問いが出てくる人は成果指向です。(206p)

★同じ話が何度も出てくる。いい話ではあるが。

投稿元：

レビューを見る

名著と名高いが、少々古い本である。序盤で言いたいこと全部言っちゃってあとは繰り返しと体験談。分析を志す人には必読の一冊。

投稿元：

レビューを見る

[読んだ理由]==================
Amazonでsuggestされてた本（後述）のレビュアーが言及してた。その本よりはビジネスよりとのことだったので、より実践的で役に立つかな、と思って。

データサイエンティスト養成読本 [ビッグデータ時代のビジネスを支えるデータ分析力が身につく! ] (Software Design plus)


[読んだ後の感想]==============
具体的な解析手法の詳細（解析の原理や、どういう時にどういう手法を使うべきか）についてはほぼ全く触れておらず。あくまで技術的な知識はある人を前提に、どうやって技術を業務に活かすか、の観点での話。そういう点では拍子抜け。


[備忘録]======================

■第一章：データ分析に関する勘違い
代表的な分析手法と事例：
予測型
　販売量予測
　医療費予測
異常検知型
　機器故障予兆分析
　サイレント故障分析
　サーバログ解析
最適化型
　車両配置最適化
　在庫最適化
　ワークスタイル分析
自動化型
　シフトスケジューリング
　プラントオペレーション
判断型
　顧客ターゲティング
　エリアマーケティング
　Webサイトアクセス分析
発見型
　口コミ分析
　アクセスログ分析
　コミュニケーション分析
　商品分析
リスク計量型
　倒産リスク計量
　市場リスク計量
社外データ活用
　気象データ活用
　渋滞データ分析
　
ITや分析手法をどんなに備えても、データから問題を解明するプロセスを構想する力がなくては、意味のあるデータ分析は生まれません。
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無い」という当事者意識。

分析の価値とは端的に言えば「その分析により意思決定を改善することで得られる効用

分析手法に関するこだわりを払拭し、意思決定に役立つことだけにこだわってみてください。大切なのは、データから意思決定に役立つ材料を得ることだけ、それを繋ぐ方法は統計分析でも数理計画でも単なる見える化でもいい。そう思うと、肩の力が抜けて、分析に対する正しい価値観が芽生えてくるはずです。

過去から現在まで十分なデータ量を用意できないならば、a,b,c,dのパラメ０田を正しく推定することは難しいのです。強引に推定しても、正しく推定できないのですから、出来上がったモデルはでたらめです。でたらめな分析モデルを作るぐらいでしたら、単純でも正しいモデルを作るほうがずっと良いのです。

ビクター・マイヤー・ショーンベルガーとケネス・クキエ：「Big Data:A Revolution That Will Transform How We Live, Work, and Think（ビッグデータの正体－情報の産業革命が世界のすべてを変える）」ビッグデータの本質について「部分計測から全数計測へ(from some to all)」という言葉で言い表しています。

ビッグデータの活用について、実際にはそれほどうまくいっていない理由は、３つある。
１つめは、必要なデータが全て揃っているわけではないことです。例えばクレジットカード会社では顧客が「どの店でいくら払ったか」のデータは保有しますが、「何を買ったか」のデータは保有しません。
２点めは、説明責任を果たしにくいことです。ビッグデー０他分析では、因果関係はわかりません。分析結果を元に意思決定する場合、その理由を経営陣や顧客に説明できないのは大きな弊害になります。

■第二章：データ分析でビジネスを変える力
ビジネスでデータ分析をする場合、どれだけ多数の知識を得ても、どれだけ角度の高い知識を得ても、それが意思決定に役立たなければ無価値です。

完璧主義の分析者は、分析誤差の低減や曖昧さの回避に重点を置きすぎるあまり、意思決定に役立つことが二の次になってしまうのです。

kaggleのようなサイトの登場は、何を意味するのでしょうか。企業や個人は、自ら高度な解析能力を持たなくてお、百万円支払えば世界中の優れた解析力を持つ専門家の力を借りることができるのです。懸賞金が定額化してきたら、数万円で世界中の分析者の能力を借りられるかもしれません。企業は、自身で解決できなくても、必要なときに懸賞金を支払えば、データ分析で問題を解明できるのです。もしかしたら、「解く力」はコモディティ化していくかもしれません。

「解く力」と「見つける力」と「使わせる力」は三位一体です。「解く力」が備わっているからこそ、溶けるかどうかのフィルターを通して「見つける」ことができますし、自らとくことで得た自信を持って「使わせる」ことができるのです。ですから、企業は「解く力」を保有する必要はあります。ただし高度な「解く力」だけで他社と差別化することは難しくなってくるかもしれません。

「勘と経験」にプライドを持ち、データ分析には懐疑的な現場の人間の心を開き、データ分析の良さをわかってもらい、使っていこうと思わせる、これが「使わせる力」です。


■第三章：分析力を向上させるための流儀
自らに問いかけてもらいたい。「この数字に責任を取れるか？この数字で会社が意思決定をしても、後悔しないか？もし、会社のお金ではなく自分の全財産を投資するならば、自分の分析結果を信用して判断するか？」

「問題分析を設定するステップ」を無意識のうちに省略してしまい、いきなり数値計算をしがち。数値計算を始める前には、必ず一呼吸置いて、今からどういう分析問題に取り組もうとしているのか明確にし、その問題をとけば意思決定に役立つか吟味しなければなりません。

分析者は、もっともっと意思決定に注目しなければなりません。自分が取り組んでいるデータ無錫は、どういう意思決定に使われるのか、どれぐらい重要な意思決定７日に感心を持たなければなりません。つまり、分析者は「分析問題」だけを意識するのではなく、分析結果の活用先である「意思決定問題」も意識しなければならないのです。

あなたも、身近な意思決定について思い浮かべてみてください。無意識のうちに、選択肢を狭く捉えている場合はありませんか。人は、しばしば選択肢を狭く捉えてしまう傾向にあります。そして、選択肢を狭く捉えてし���えば、その中で最善の決定をしたとしても、それは広い選択肢の中ではベストな決定ではないかもしれません。

Excelを使う場合において、私が心がけている点
①データと計算式は、混在させずに分ける
②計算式のパラメータは直接セルに入力せず、外出しする
③データには、単位をつける
④数式には、うう年後に振り返っても理解できるように注釈をつける
⑤子０渡韓おリンクやファイル間のリンクは、一方高のツリー構造とする
⑥不要になったデータや数式は消す
⑦ファイル名称は、それを見えればなんのファイル化わかるような名称にする

Ballpark Estimate：ざっくり計算/ざっくり理解。ざっくり理解には、かなりの探究心と暗算力が求められます。初めのうちは、ストレスを感じるでしょう。でも「ざっくり理解」できるようになると、スッキリするようになります。その「すっきり感」を覚えると、分析ソフトウェアが出力する値やグラフを、そのままうのみにすることが気持ち悪くなってくるのです。

データ分析の結果について、文章だけでビジネス担当者を納得させてみましょう。それほど簡単なことではありません。はじめに、あなたは自らの理解度の低さに気づくはずです。そして、文章を練っていくプロセスで、抽象的な理解から具体的な理解へ、断片的な理解から全体的な理解へ、表面的な理解から本質的な理解へと進化するはずです。


■第四章：分析プロフェッショナルへの道
分析プロフェッショナルと、分析スペシャリストが違う３点目は、専門性です。分析スペシャリストに専門性とはなんですか、と聞くと、「決定木分析」とか「テキストマイニング」といった分析手法を上げるかもしれません。でも、これらは方法論です。売り物にはなりません。包丁の使い方が上手いからといって、それだけでは売り物にならないのと同じことです。売り物になるのは、中華料理屋イタリヤ料理や会席料理といった得意料理です。同じように、分析プロフェッショナルは、売り物になる得意分野を持たなければなりません。たとえば「顧客離脱分析」とか「ウェブアクセスログ分析」とか「サプライチェーン最適化」とか、「この分野のデータ分析なら任せとけ！」という誰にも負けない分野を持たなければなりません。

投稿元：

レビューを見る

分析の価値とは分析によって意思決定を改善することで得られる効用。
データ分析とは問題を解明するためにデータから知識を得ること。

投稿元：

レビューを見る

最近話題となっているデータ分析についての本。

正直なことをいうと、つまらなかった。
知ってることばかりで、新たな発見は無かったかな。
初心者にも分かるように、抽象的な内容にしているとは思うが、
それがゆえに分かりにくいし、途中で飽きてしまう。
すごい経験をしている方なので、
経験談からの苦労話がもっと書いてあるといいですね。

一部の表現は参考にしたいなあとは思ったので、
メモとして残して、何かのときに活用したい。

【参考になった箇所】
・データ分析でビジネスを変える力は以下3つ
　　見つける力（問題発見力）
　　解く力（分析力）
　　使わせる力（実行力）
　この３つを兼ね備えている人が、
　データ分析の世界で活躍出来る人
　⇒フォワード型分析者

・データ分析には以下の壁がある
　　データの壁（そもそもデータを取れるのか？）
　　分析の壁（効果的な分析結果が得られそうか？）
　　KKDの壁（分析結果を現場で使ってもらえそうか？）
　　費用対効果の壁（具体的な費用対効果を説明出来るか？）
　このうち、「分析の壁」については実際に試すしかないので、
　それ以外の３つについて乗り越えられそうか事前に確認すべき。
　この中でも、「費用対効果の壁」が一番難しい。
　というのも、データ分析で得られる結果はあくまで可能性なので、
　自信を持ってこう！っていう提言をしにくいところがあるため。

・良い分析プロフェッショナルは、幅広い人脈を持っている

投稿元：

レビューを見る

分析手法ではなく、分析の意義についての本。
分析の意義は、意思決定に貢献できることにあるとの論旨。

ガス会社の分析グループのリーダー。
正直、ガス会社にこんな分析だけを専門とするグループがあるということがまず驚き。
そして、ガス会社のようなオペレーション会社で意思決定にここまでこだわっているのかという驚き。
著者は分析を通じて企業の意思決定に貢献している論じているが、そこには誇りを感じる。そうとうに会社を愛しているんだろうなと思える点も心地よい良書。

投稿元：

レビューを見る

分析で大事なのは目的であり、分析の目的とは意思決定に貢献することという主張。分析の技術についてはほとんど書かれておらず、分析がなぜ必要かという分析の意義を改めて考えさせる本。首尾一貫していてとてもわかりやすい。あえて言えば、もう少しスキルについての解説があってもいいかな。

投稿元：

レビューを見る

本筋とはちょっと違うけれど、最初の目標設定を正しくする、途中でそれを見失わない、やること自体に満足を覚えて終りにしない、たとえそれが自分の仕事の範疇外でも、自分の出した結果をビジネスの役に立つようにするところまで自分でコミットする、というのは、データ分析を仕事にする人だけじゃなく、組織で仕事をする人全てに言えることだなあ、と思った。

投稿元：

レビューを見る

分析者って、パソコンに向かって数字いじってるイメージでしたが、ちゃんとビジネスの意思決定に繋げられるようにするもんなのだな、ということを理解。

投稿元：

レビューを見る

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。

投稿元：

レビューを見る

期待感を持って読み進め、3章では途中でやめようかとも思った。分析者をタイプ別に区分するってところや、言い回しがどうも受け付けない点があったから。
でも4章はよかった。好奇心をもってがんばろうという気になった。一流の分析者になる道は、品質管理部門で一流になる道にも通づると感じた。悪さを発見して指摘するだけという活動は、目の前の分析のみに終始するのと等しいから。