データ分析前の準備は非常に重要です。 どのような準備をするのかが、あなたの望んだ成果(成功)に大きく影響します。その肝になるのがメッセージの品質です。つまり、データ分析前の準備とはメッセージ品質を高める準備をするのです。...
ビジネス系のデータ分析・活用(データサイエンス実践)の進め方は、業界や企業など応じて色々なものがあります。 正解というものはありません。正直、成果さえ出せればそれで良いのです。 私が社内向けのデータ分析・活用(データサイ...
ビジネス系のデータ分析・活用(データサイエンス実践)を「ビジネスアナリティクス」という用語で表現したりします。 このビジネスアナリティクスは、ざっくりと「商品力を高めるアナリティクス」と「販売力を高めるアナリティクス」に...
ある小売チェーンです。 例えば、次のような状況はよくあります。 昨年の売上と比べ、今年の売上はどうだろうか? 今日の売上は、通常の売上と比べ悪いと言えるのだろうか? 先週のキャンペーンの影響はどうだろうか? 売上に効いて...
データ分析やデータサイエンス、機械学習などの基礎的なバックボーンとして、数理統計学に関するある程度の知識は必須です。 しかし、データ分析・活用を目指すなら、数理統計学的厳密性は放棄したほうが良さそうです。 なぜでしょうか...
データを使い実務的な課題をどのように解決していくのか、というデータ活用上の問題があります。 幾つかやり方がありますが、最も取っ組みやすい問題解決フレームワークに、PPDACサイクルというものがあります。 マネジメントサイ...
ビジネスでデータを活用するぞ! となったとき、売上アップやコストダウンなどの利益アップを考えがちです。 売上アップやコストダウンなどの利益アップが起こらないようなデータ活用であれば、ビジネスでは使いものになりません。 な...
データ分析・活用の成果は、どこで生まれるでしょうか? 答えは「現場」です。 データ分析そのものからは何も生まれません。これが意外と、忘れがちです。 例えば…… 「見える化」さえすれば 「データ分析」さえすれば 「予測モデ...
頑張って出したデータ分析・活用の成果を、どう表現するのかは重要です。 少なくとも、データ分析・活用の成果は、何かしらの数値で表しましょう。 そのためにも、あらかじめ定量的な成果指標を決め、数値目標を計画しておくべきです。...
「今週の小ばなし」の第146話で、次のようなお話しをしました。 データを使い課題解決を考えたとき、例えば次の3つのことを、データから考えていきます。 ①何が起こっていたのか(過去) ②どうなりそうか(未来) ③何をすれば...