バイプロLOG 
Table of Contents
本を手に取ったきっかけ・感想
本書は、「ある日突然、デー タ分析チームを率いたり、データ分析チームのメンバーになったりした」ときに進むべき方向を記したガイドブックです。
業務の中でデータを扱い、自身でも分析する機会が多いですが、実務上共感できる部分が多く、うまく言語化されていましたので紹介します。
今回は伊藤豪さん、 山田紘史さん、 木田浩理さん、 高階勇人さんの著書、「データ分析人材になる。」を紹介します。
- デー タ分析チームを率いる人
- データ分析チームのメンバー
人生に取り入れたい文脈
本も読むだけではなくて、行動に移さなければ意味がありません。
この記事では個人的に共感した部分、覚えておこうと感じた部分、人生に取り入れてみたいと感じた部分だけを断片的に取り上げています。
必ずしも書籍の内容の全体を俯瞰しているわけではありませんので、詳細は書籍を購入して確認してください。
予測を当てに行くのではなく、施策につなげるデータ分析
ビジネス場面でも、予測精度が高ければ絶対的に良いと思うでしょう。
しかし、実際の業務では売上を増やすには課題がどこにあって、どこをどのように改善すべきなのかを把握し、担当部署が施策を打てるようにといったことを優先したほうが良い場面が多いことを実感します。
実際に精度の高い予測は、正しい意思決定につながる側面もある一方で、前者と後者は時に相反することがあります。
前者は正しい予測をするということがゴールで、後者は施策につなげるということがゴールです。
将来の姿を的中させる精度の高い予測というのは、時として現場では使いづらいことがあります。
将来の姿を的中させるということに主眼を置くのであれば、「自動数値予測機能」（本書では近年一般的に言われている「AI」もここに含んでいる）が役に立つでしょう。
売上を増やす課題を特定し、改善点を把握し、施策を打てるようになるためには、「自動数値予測機能」はブラックボックスになってしまうため適さないということが実際に起こります。
便利なツールは既にたくさん存在しますが、私の場合はデータ分析において、ブラックボックス化せず、かつ誰でもロジックを追うことができるExcelで十分なケースがほとんどです。
「自動数値予測機能」は適した場面で
本書では決してAIサービスを使わない方がよいと言っているわけではありません。
「自動数値予測機能」は適した場面で使うようにしましょうというのが本書の主張です。
要因が分からなくても予測できればよいという用途の場合は適切な選択肢となるでしょう。
本書の例で言えば、体の動きで危険人物かどうかを特定するとか、離脱しそうな会員を特定するといった用途です。
こうした用途では、要因が説明できなくても問題ありません。
ただ、初心者のうちは、集計など分かりやすい分析で足場を固めてから、これらの予測機能を使うことをお勧めしています。
まずは手を動かすこと
最近の分析ツールには「自動数値予測機能」があり、入力すべき値と予測したい値を決めれば、勝手に最適な予測モデルを作成し、それなりによい予測精度の結果を出してくれる機能があります。
便利なのでまず最初に飛びついてしまいがちですが、前述の通り、どういった関係性でその予測値に至ったのかが分からなくなりやすく、「ブラックボックス」 になってしまいます。
これは私自身実感していることですが、PCを操作して、手を動かすことを軽視してはいけません。
AIや便利なツールに恵まれた今だからこそ、軽視されがちな点かもしれません。
ビッグデータ・ AIブームもあり、たくさんの書籍が出ていて、いろいろな分析手法などが解説されています。
それらを読むと勉強になりますが、手を動かさずに理論を理解して終わりにしてしまうと、頭でっかちになってしまいます。
実際にそれらを使うことは別であることがわかります。
まずは手を動かしたほうが、効率的に学べ、挫折しにくくなるという側面があります。
