データ分析とインテリジェンス

タグ「キャリア」 の検索結果

データ・アナリティクス実践講座

「データ・アナリティクス実践講座」とはありますが、アナリストのためではなくアナリティクス「プロジェクト」を動かすコンサルタントやマネージャー向けの書籍です。書いているのがアクセンチュアなのでそういう視点になるのは当然かもしれませんが、題名はちょっとミスリード気味になっている感は否めません。

前半では簡単な統計知識、課題の定義と仮説立案、収集・加工、システムとデータ分析に関連する広い話題を扱っているのが特徴で、日本の書籍で全体像に触れている書籍は非常に少ないのでとても貴重です。一方でそのプロジェクトを成功させるための最も重要な要因である「経営者・マネージャーなど意思決定者の責任」に触れられていませんが、その方が仕事は取れるので仕方がないのでしょうか。

>>>続きを読む

分析力を武器とする企業

2008年発売の本書はビックデータが話題になる前に分析力に注目しており、なぜデータ分析が競争力になるかをはじめに、組織・文化・人材にまで触れられているデータ分析ではもはや古典にして基本書、と言っても過言ではないぐらいです。発売直後に手に入れてそれから何度も読んでいますが、今回改めて読み返してみてもまだまだ読み込めていないと感じます。本書を読んでいないデータ分析者はもぐりである、ぐらい言ってもいいかもしれません。

分析手法や処理方法が書かれているわけではないで実務にすぐ使えるという本ではありませんが、どういった形であれ分析に携わるならば押さえておきたい1冊でしょう。なお、2016年も半ばになろうとしている本記事執筆中において、このレベルにたどり着いた日本の書籍はありません。たどり着くどころか比較にもならないというのが残念ながら実情です。それを端的に示す一文をご紹介しましょう。

>>>続きを読む

大学や独学でデータ分析の勉強をしただけだと実務で使えない理由

大学のゼミやセミナーで、あるいは興味があって独学でデータ分析を勉強したので実務で使おうとしてもなかなかうまくいかない。それで自信を無くしてしまう人もいればひどい場合はうまくいかないのは回りの知識不足だからと正当化しだす人もいるのだが、データ分析の理論とツールの勉強が無駄になるには別の理由がある。

>>>続きを読む

「データ分析をする人」とは何をする人のことを指しているのか

データサイエンティスト・データアナリストはマーケターでもエンジニアでもない存在であり、それを他者に理解させる能力がなければならない。その一環として、そもそも「データ分析をする人」と世の中で漠然と言われているが定義があいまい故に誰かに伝える際に混乱が生じてしまっていると感じるので、改めてその言葉について考えてみる。

>>>続きを読む

最悪のデータ分析組織とは

ここ数年ビックデータやデータサイエンティスト、そして機械学習と人工知能のブームもあり、データ分析が個人の活動ではなく組織として体制を作る企業も増えたと聞く。データ分析の組織化については今後大きな課題になると予想されるが、いままで現場レベルですらほとんど存在しなかったデータ分析をいきなり組織化しようとしてもみんな手さぐり状態であり、そこに特に外注丸投げ体質が加わって組織が機能せず人も育たず2・3年で崩壊するといった事態も散見される。

>>>続きを読む

データサイエンティストはSEであるべき・・・か?

最近簡単なツールを作って人に渡す機会が増え、どうしたらうまくできるかを考えることがあったり(よくよく考えてみればそれまさにSE兼プログラマの役目)、システム・ツールの導入に失敗して炎上する様子を横目で見ていて、なぜだろう?と疑問がわき、システム構築関連の書籍をいくらか読んでいたところ、「これはデータ分析も同じではないか?」と感じたのがきっかけである。

>>>続きを読む

PDCAで本当に重要なことは問題を改善するために自発的に行動する人を育てること

PDCAを失敗させたければ、動く本人達を放っておいて、上層部で「PDCAをどうやって回すか」などと議論するのが最も近道だ。現場の声を聴かずに課題を押し付け、本人達は何もせず結果だけを期待し待っているだけ。言われた側も最初は適当にやって何か改善したようなことを言っては来るが誰も真剣に取り組んでおらず、上層部の気が変わるのを待っていれば良いと考える。やがて実際に上層部の興味が他の事に移って誰も気にしなくなり、最後はフェイドアウトして元の木阿弥となる。

>>>続きを読む

最も重要なのは「”英語ができると選択肢が圧倒的に違う”ということ」を知ること

「英語なんて使えて当たり前でしょ、何を馬鹿なこと言っているんだ」という声も聞こえてきそうだが、そういう世界の方がおそらくは特例で、普通(?)に生きているとなかなかそういう事態にならない。

>>>続きを読む

データサイエンティストが就職・転職で地雷を踏まないために注意すること

転職してみたら自分の持っているスキルと求められているスキルが違う、関係ないことばかりやらされる、求められる仕事のレベルが低すぎるなど、入社してから「こんなはずじゃなかった・・・」という話は後を絶ちません。もちろん、データ分析も例外ではありません。

>>>続きを読む

データ分析で稼ぐ戦略を考える・・・データアナリストの場合

データ分析に限らないが、幅は広く知っていても個別のテーマで見れば専門家の足元にも及ばない、というのではデータアナリストとしての生き残りは難しい。高度な専門知識を持っているわけではないので参入障壁が非常に低いため、何かしらのアドバンテージでもなければ後から参入した人に簡単に追いつかれてしまう。極端な例だと、アナリストと言いながら簡単な集計とコメントを書いた報告書を作成しているだけのレベルの人は、1年もたたずに能力のある新卒に追い抜かれるだろう。営業力や経験である程度カバーすることは可能であろうが、長期的に考えると無策でいるわけにはいかない。

>>>続きを読む

データ分析で稼ぐ戦略を考える・・・データサイエンティストの場合

データ分析を成功させる方法を考える(1)分析者に実行権限も与えたらどうかは主にデータ分析を使う側である経営者・マネージャーがデータ分析を成功させるにはどうすればよいのか、という視点であったが、今度は現場のデータ分析者や企業がデータ分析を武器にして稼いでいくためにはどうするべきかについて、データサイエンティスト(データ分析の専門家)、データアナリスト(データ分析のできる人)、データ分析をビジネスにする企業(コンサルティングや技術派遣)に分けて考察する。今回は第1回として、データ分析の専門家の場合である。

>>>続きを読む

データサイエンティストやデータアナリストになりたければ中小企業に行く理由はあまりない

データアナリストとして活動するためには、どこの企業にいるかは非常に大きなポイントである。もちろん経営者のデータ分析に対する意欲が第一なのだが、企業の規模も非常に大きい要因となる。中小企業であっても専門知識を持っている人はいるし、最先端の分析を使っている例外が存在することは当然承知しているのだが、あくまでも例外であるので全体で見た場合を考えている。

>>>続きを読む

データサイエンティスト・データアナリストであることはハイリスク・ローリターン

なお、前提としてデータサイエンティスト・データアナリストとは、

>>>続きを読む

データサイエンティスト・データアナリストであることはハイリスク・ローリターン

なお、前提としてデータサイエンティスト・データアナリストとは、

>>>続きを読む

このエントリーをはてなブックマークに追加