データ分析とインテリジェンス

移転しました。今後こちらのサイトは更新しません。移転先→新ブログ

競合調査とは何か

何が起こるかわかれば先手が打てる。孫子に言う「明君賢将動きて人に勝ち、成功の衆に出ずる所以の者は、先知すればなり」である。ビジネスを行う中で競合を含めて、外部の環境を見ることなしに盲目的に進めるなど自殺行為に等しい。ところが、この競合調査に力を入れている企業というのは案外少ない。行っていても組織的に行われず、特定の個人に任せきりになっているとか、Webや新聞の情報を集めて共有しているだけとか、競合調査とは言えないことを競合調査と言っていることも多い。

そこで今回はそもそも競合調査とはどういったものかの解説である。

>>>続きを読む

データサイエンティスト取扱い説明書

使いづらいのは、使い方を知らないからである。そこで、データサイエンティスト・データアナリストといった分析の専門家をうまく扱うにはどうしたらいいかを解説したい。

データサイエンティスト・データアナリストは簡単な問題をこなして給料がもらえれば良い、などとは考えない。ルーチンや日常業務など退屈な仕事ばかりを与えるとやる気を失う。より難しい問題が与えられてこそ力を発揮するのだ。夢中になれば残業もいとわないし、勉強熱心な人が多いのでプライベートの時間を使ってでも勉強に費やすだろう。ただしあくまでも本人がやりたいからやっているのであって、それに甘えて当然支払うべき報酬を支払わないなど論外である。

>>>続きを読む

データ分析は内製化するべき5つの理由

データ分析に限らずだが、外に任せるということはそのノウハウが残らず人が育たない。高コストな上に常駐しても社員より長期の定着がしづらい外注を使い続けるぐらいならば、人を探すか育てる方が良い。あまり外注に頼ることが常態化すると変えようとしても変えられず、人件費がかさむ上に社員が育たずさらに外注に依存する悪循環に陥る。

データ分析は意思決定者が何を知りたいかを明確に捉えなければ始まらないし、最終的には意思決定者により利用されなければならない。優れた分析を作り出し、いくら正論をぶつけたところで意思決定者が動かなければ無意味になる。そのためには意思決定者の性格、やるべきことの優先順位、様々な政治的配慮などを考えた上でコミュニケーションを取る必要があるのだが、外部の分析者にはそれができないとは言わずとも相当に難しい。

>>>続きを読む

データ分析にも第三者による監査を取り入れてはどうか

高度な分析であればあるほど、何をしているのかを理解できる人が減っていくことになるが、だからと言って誰もわからないままで任せきりにしてしまうのがよいかと言えばそんなことはない。後で検証したら間違えていたり、より良い方法が見つかることもあるだろうし、なにより上位の意思決定に関与すればするほど権力となり、監視されない権力は徹底的に腐敗する。分析も同じことだ。

そこで、データ分析についても第三者による監査の仕組みがあった方がよいのでは、という提言である。

>>>続きを読む

貫かれる「先知」の思想・・・『孫子』をビジネスにおけるデータ分析の教科書として読む(1)

『孫子』と言えばあまりに有名な戦略の書であり、書籍も様々な人が書いているので読んだことがある人も多いだろう。ところで戦略を考えるためには、必ずその思考の裏付けとなる情報が必要になる。つまり、戦略書である孫子はデータ分析の教科書としても読める、ということである。そこで『孫子』の中からデータ分析に関する部分を抜き出して、主にビジネスにおいてどのように活用するかを考える。現代語訳についてはいわゆる超訳である。順番は特に決めておらず、思いついたら書いていく。

書き下し分については 金谷 治訳 『新訂 孫子』 (岩波文庫)を利用している。なお、「データ分析」という用語であるが、「インテリジェンス」もしくは「情報」と同義語で使っている(後述)。

>>>続きを読む

データサイエンティストがやる気をなくす言葉集

というと大げさかもしれないが、仕事において士気は重要である。にも関わらず、大抵の場合無知から発せられる何気ない一言が実はとんでもなく士気を下げていることに気付いている人は少ないようだ。というわけで、データサイエンティストやデータアナリストが言われるとやる気をなくす言葉についてまとめてみた。

経営者やマネージャーは、データサイエンティストやデータアナリストの士気を下げるような言葉を知らぬ間に発していないか注意して欲しい。

>>>続きを読む

POS分析・IDPOS分析を行う際に気を付けること

POS・IDPOSを導入している企業は多い。しかし、そのPOSデータ・IDPOSデータを分析・活用し、利益につなげられている企業になると途端に少なくなるというのが現状である。もっともデータを使えていない企業がほとんどなのでPOS・IDPOSに限る話ではないが、言い換えればPOS・IDPOSを有効活用できれば競争力に繋がるということでもある。

ただし、「せっかくPOS・IDPOSを導入しているのだから使わなければもったいないから」という理由で始めるのは危険である。目的なしに始めた分析はコストだけかかって何の利益も生み出さないということになりかねない。ましてや外部のコンサルティング会社に丸投げなどするのは論外である。まず課題を設定し、何を知るべきかを考え、その目的に合うのであればPOS・IDPOSを使えばよい。

>>>続きを読む

データ分析に力を入れている企業はもっと情報発信してアピールしてもよいのではないか

データサイエンティストやデータアナリストの求人はちらほらあれど、その企業の経営者がデータ分析にどのように向き合っているか、データサイエンティストをどのように扱っているか、分析のレベルはどれぐらいか、チームの同僚のスキルはどれぐらいかなどの実態は中に入ってみないとわからないことも多く、データ分析に力を入れるというのは流行に乗った掛け声だけでまったくお話にならないということもある。

また、データ分析の成功例が表に出ずらいのは、情報の有用性を理解していればしている程、データ分析に力を入れていることを口外することへのデメリットも知っているために情報管理が徹底されるからということもあるだろう。それだけうまく行っていないということの証左なのかもしれないが、表だって出て来るのはあたりさわりのないぼやけた情報と、データ分析の成功例のように見えたその実ツールの導入例として出て来るぐらいであまり価値は無い。

>>>続きを読む

データサイエンティスト採用のために求人情報を出す前に考えること

データサイエンティストは高度な統計学や機械学習を使って分析する専門家・・・という触れ込みだったはずが、最近ではどうやらそれ以外の能力も要求されるらしい。エンジニアリングについては以前から話は出ていたが、今度はマーケティング、コミュニケーション能力、果ては経営者としての視点まで要求される。

しかし、実際にはそのような人材はほとんど存在しないし、いたとしても雇うことなど実質的に無理なので、スーパーマン像を作り上げて過度な期待をするのは止めて、現実的な視点に立って雇う前に考えるべきことをまとめた。

>>>続きを読む

データ分析プロセスを動かす前に、最初に役割を決めておく

クライアントあるいは上司が丸投げしたいのに、分析以外のこと(提案とか)をやらなければ、「分析だけしかできないデータサイエンティスト」なんて言われてしまう。一方で、インテリジェンスリテラシーが高い人であれば主体的に動くことで、分析側に対しては提案ではなく純粋に情報を求めている場合もあるだろう。このギャップを回避するためには、最初に意思決定者と分析者でデータ分析プロセスのうちどこまで行うかを取り決めておくのがよい。データ分析プロセスについてはデータ分析プロセスの全体像「インテリジェンスサイクル」とはを参照のこと。

どのように役割分担を行うかだが、大体以下の3つに分けられるだろう。

>>>続きを読む