20210115_意思決定勉強会_データドリブンな組織文化醸成のための、AI・データ分析PJ立ち上げのススメ

https://ishikettei.connpass.com/event/197511/

Transcript

1. NOB DATA株式会社 意思決定のための データ分析勉強会#11 LT 「データドリブンな組織⽂化醸 成のための、AI・データ分析 PJ⽴ち上げのススメ」 2021年1⽉15⽇ 代表取締役 ⼤城 信晃
2. Copyright © 2020 NOB DATA All Rights Reserved. はじめに ・データドリブンとは ・本を買ってね・・︕︕
3. Copyright © 2020 NOB DATA All Rights Reserved. アジェンダ ・⾃⼰紹介(2min) ・本⽇お伝えしたいこと(2min) ・本のご紹介(5min)
4. Copyright © 2020 NOB DATA All Rights Reserved. アジェンダ ・⾃⼰紹介(2min) ・本⽇お伝えしたいこと(2min) ・本のご紹介(5min)
5. Copyright © 2020 NOB DATA All Rights Reserved. ⾃⼰紹介 ⼤城信晃(@doradora09) NOB DATA株式会社 代表取締役社⻑ / データサイエンティスト協会 九州⽀部 委員⻑ ・住まい 沖縄 -> 東京 -> 福岡 ・職歴 ヤフー-> DATUM STUDIO -> LINE Fukuoka -> NOB DATA(株) 創業 ・運営コミュニティ ・Tokyo.R(2010-2016) ・fukuoka.R、PyData.Fukuoka、 意思決定のためのデータ分析勉強会、他
6. Copyright © 2020 NOB DATA All Rights Reserved. NOB DATA株式会社 会社概要 企業情報 • 社名 ︓NOB DATA株式会社 • 設⽴年⽉⽇ ︓2018年9⽉ • 代表取締役 ︓⼤城信晃 • 所在地 ︓〒812－0013 福岡市博多区博多駅東2-5-19 サンライフ 第3ビル 6F • 事業内容 ︓データ活⽤に関するコンサルティング､受託分析､⼈材育成､セミナー､執筆など • Web : https://nobdata.co.jp/ ü AIプロジェクトのわからない、を同じ⽬線で解決するAI・データサイエンスの顧問集団 ü 10年来の分析仲間(副業)をネットワークしながらご⽀援を展開中 ü この2年間で⼤⼿から中⼩まで、約20社のデータ分析・AIプロジェクとのご⽀援を展開して きました
7. Copyright © 2020 NOB DATA All Rights Reserved. DS協会の活動 九州⽀部(委員会) https://www.atpress.ne.jp/news/185882
8. Copyright © 2020 NOB DATA All Rights Reserved. 今後の構想 DS47(仮) ・2021年は47都道府県のデータサイエンティストをネットワーク出来ないかを構想中 ・2020年のDS協会7thシンポジウムでは北海道〜沖縄まで７社の データサイエンティストとパネルディスカッションを実施
9. Copyright © 2020 NOB DATA All Rights Reserved. NOB DATA株式会社 特徴① ベテラン⼈材 ü リモート環境＆副業を活かして、全国各地のベテランデータサイエンティストがご⽀援可能
10. Copyright © 2020 NOB DATA All Rights Reserved. アジェンダ ・⾃⼰紹介(2min) ・本⽇お伝えしたいこと(2min) ・本のご紹介(5min)
11. Copyright © 2020 NOB DATA All Rights Reserved. データドリブンとは IUUQTXXXLFJEBOSFOPSKQQPMJDZ@TBOLPQEG データドリブンとは ・英語で「Data Driven」と表します。 売上データ、WEB 上での解析データなど、収集したデータの分析結果をもとにア クションを起こすことを意味します。 これまでにも、データに基 づくマーケティングは数多く実施されてきました。 メリット ・効率化ができる︕ ・他の⼈との意思疎通が早くなる(特に会議) ・業務のボトルネックが発⾒できる(思考⽅法が⾝に付く ) 、 など ⾔い換えると à 現場・組織全体がいわゆる「経営視点」を得られる
12. Copyright © 2020 NOB DATA All Rights Reserved. ちょっとしたイベント集客での意思決定 ・本の出版でイベント集客︕ ・課題感︓イベント集客ってどこで集めればいいんだっけ・・︖︖
13. Copyright © 2020 NOB DATA All Rights Reserved. ちょっとしたイベント集客での意思決定 ・⾃社のイベントLP毎にクエリパラメータを付与 ・どのチャネルでの集客にインパクトがあるのかをGoogle Analyticsで可視化 DS協会のML
14. Copyright © 2020 NOB DATA All Rights Reserved. ご参考 : AI-Redy IUUQTXXXLFJEBOSFOPSKQQPMJDZ@TBOLPQEG
15. Copyright © 2020 NOB DATA All Rights Reserved. よくある勘違い︓すべてAIでやらなきゃ・・︕ 少しずつ、必要な範囲をやると良いとおもいます 課題発⾒ / 仮説構築 / モニタリング / PDCA 1. 紙 ↓ 2. Excel ↓ 3. BIツール ↓ 4. データ分析 ↓ 5. 機械学習・AI 社内にデータ分析チーム・プロジェクトを⽴ち上げて、 費⽤対効果に合う範囲でやることをおすすめ
16. Copyright © 2020 NOB DATA All Rights Reserved. アジェンダ ・⾃⼰紹介(2min) ・本⽇お伝えしたいこと(2min) ・本のご紹介(5min)
17. Copyright © 2020 NOB DATA All Rights Reserved. c. 意思決定のためのデータ分析勉強会 向け(1/2) この辺の節をお勧めします・・︕ ・4-1 データサイエンス組織の⾒極め ・4-2 データ分析組織の⽴ち上げ ・4-3 社内案件の獲得⽅法から⾒ 積もりまでの流れ ・6-2 課題抽出 ・6-4 KPIの設計と評価 ・8-1 効果測定の重要性 ・9-1 分析結果のレポート化 ・9-2 データ分析から導くアクション ・9-3 データドリブンな⽂化構築を ⽬指す上で重要なBIツール ・１１章全般︓プロジェクトのバ リューと継続性 ・１２章全般︓業界別事例紹介
18. Copyright © 2020 NOB DATA All Rights Reserved. c. 意思決定のためのデータ分析勉強会 向け(2/2) この辺の節をお勧めします・・︕ ・基盤の運⽤周りの話もありますー ・9-4 中間テーブルを⽤いた効率化 ・10-2 データ基盤を作らずに済む⽅ 法を考える(その１) ・コラム︓メタデータの管理
19. Copyright © 2020 NOB DATA All Rights Reserved. 本書の特徴 ・これまであまり語られることのなかった「ビジネス」の観点も加えたAI・ データ分析プロジェクトの解説書です ・プロジェクトに潜む様々な「罠」をある程度予⾒することが可能になりま す ・プロジェクトの⼊り⼝から出⼝まで、6名の⺠間企業やフリーランスとし て働くデータサイエンティストの共通認識を⼊れているので、実務におけ るAI・データ分析プロジェクト推進の⼀つの「型」としてご利⽤ください (研究者が書いた研究⽬線のデータサイエンス本とも異なります） ・なお基本広く浅く、書いてますので個々の技術の詳細は他書に譲る 形となっています。(個別の技術をしっかり学びたい⼈には物⾜りないか も。参考書籍は別途整理したいと思います)
20. Copyright © 2020 NOB DATA All Rights Reserved. 著者紹介①
21. Copyright © 2020 NOB DATA All Rights Reserved. 著者紹介②
22. Copyright © 2020 NOB DATA All Rights Reserved. ご参考︓TJOさんの書評 ・全般的に良いコメントと、参考書籍もっと欲しいというコメント頂いております ・詳細なレビュー、ありがとうございます・・︕︕(参考書籍はどこかで整備したいですね。) https://tjo.hatenablog.com /entry/2020/12/22/180000
23. Copyright © 2020 NOB DATA All Rights Reserved. 全編にわたるビジネススキルの重要性の解説 例えば、経営層との期待値調整や外部AIベンダーの相場感、データを預かったらすぐ中⾝を確認するこ と、などの節は経験者にはあるある話ですが(テクノロジーの話ではないため)あえて語られる事は少ないか と思います(が、プロジェクト成功には不可⽋な要素です)
24. Copyright © 2020 NOB DATA All Rights Reserved. よくあるプロジェクトを待ち構える罠(⼀例) 本書はAI・データ分析プロジェクトに潜む様々な罠とその対策を解説しています。 プロジェクト経験者の皆さんなら何度も遭遇された事があるのではないでしょうか。 ①斬新すぎるテーマ選定 ↔ 期待値調整で対応 ②なんでもデータを集める ↔ ⼈が判断に使っているデータから集める ③分析経験者が不在 ↔ アドバイザーを雇って近道をする ④最後の施策実⾏フェーズで不発 ↔ 初期から実現可能性の検討
25. Copyright © 2020 NOB DATA All Rights Reserved. 全体構成と他書との違い ・3の実⾏パートに関する書籍は多いが、その前後も含めて重要 1.準備 2.⼊⼝ 3.実⾏ 4.出⼝ ü 多くの技術書はここを詳細に解説 ü AI開発・データ分析を実務・本業 にできない、という悩みに対するヒ ント ü 収益への貢献やビジネスメリットは 超⼤切 ü 結果を出さない分析チームはコス トセンターになり縮⼩へ ü 業界の基礎知識
26. Copyright © 2020 NOB DATA All Rights Reserved. プロジェクトの⼊⼝(案件獲得)から出⼝(収益化)までの流れの俯瞰 個⼈的におすすめの読み⽅は、まず本の裏表紙を⾒て章単位で全体感の把握。(⼊⼝ -> 出⼝の流れ) 次に⽬次を眺めて気になった節をピックアップして読み込む(⽬次だけでも⼤体わかる形になっています) 裏表紙で全体の流れを把握 ⽬次で節と⼩⾒出しを確認 1.準備 2.⼊⼝ 3.実⾏ 4.出⼝
27. Copyright © 2020 NOB DATA All Rights Reserved. プロジェクトの⼊⼝(案件獲得)から出⼝(収益化)までの流れの俯瞰 ⽬次で節と⼩⾒出しを確認 気になる節を精読 気になる節をみつけたら詳細を確認。 本書ではソースコードなどは基本的に出てこないため、⾮プログラマーの⽅でも読める内容となっています。
28. Copyright © 2020 NOB DATA All Rights Reserved. 対象読者別のおすすめの章 ジュニアデータサイエンティストを中⼼として、AIやデータサイエンスのビジネス活⽤・プロジェクト推進に興 味をお持ちの皆様(学⽣、ジュニア・ミドル・シニアDS、経営層、講師の⽴場の⽅など) ü ジュニア・データサイエンティスト前後 の⽅を中⼼に想定した構成 ü シニア・データサイエンティストは本書 の内容は⼀通り把握されている想定 (後進の育成や取引先への解説など にご活⽤ください) ü 分析チームの設⽴を考えている経営 層や、AI教育を⾏う教員の皆様に もおすすめの⼀冊です
29. Copyright © 2020 NOB DATA All Rights Reserved. まとめ ・簡単なステップからデータドリブンを⽬指す (全部いきなりはやらない) ・本や有識者のアドバイスを得ながらデータ分析チームを推進する・・︕ ・是⾮本をかってね・・︕︕
30. Copyright © 2020 NOB DATA All Rights Reserved. 読者フォローアップ会の企画中 ・⽉１くらいでこの本の読者向けのフォローアップ会を予定しています ・初回は1/26(⽕) 19:00-21:00の予定 (ページ作成はこれから) ・NOB DATAのTech Playの以下のグループフォローしてもらえればページ出来次第ご案内が⾶ぶと 思いますので、お気軽にどうぞ https://techplay.jp/community/nobdata
31. Copyright © 2020 NOB DATA All Rights Reserved. Enjoy..!!
32. Copyright © 2020 NOB DATA All Rights Reserved. 以下、参考
33. Copyright © 2020 NOB DATA All Rights Reserved. おすすめの章 ①学⽣・未経験者 学⽣・データ分析プロジェクト未経験者には第１部準備編全部と、第３部実⾏の⼀部、第４部出 ⼝の12章「業界事例」 をお勧めします ü 2021年時点のデータサイエン ティストが置かれている状況を 把握 ü 必要なスキルセットを把握 ü 今後データ分析⼈材を⽬指す かの参考にする ü どの業界のデータ分析者を⽬指 すかを考える参考情報 (あくまで⼀例) 準 備 ⼊ ⼝ 実 ⾏ 出 ⼝ ü データの前処理、各種分析⼿ 法、RやPythonなどの⾔語、 クラウド技術などが実務のどの タイミングでどのような⽬的で⽤ いられるかの全体感を把握する
34. Copyright © 2020 NOB DATA All Rights Reserved. おすすめの章 ②ジュニア・ミドルDS ジュニアDSには第３部の実⾏編を中⼼に、ミドルDSにはマネージメント観点を⼊れてその前後の部 （第２部⼊⼝編〜第４部出⼝編）をお勧めします。 ü 案件化に向けた動き ü データ管理や契約周りの⾜回り の整備(主にミドルDS向け) ü 業界別の出⼝戦略の検討 準 備 ⼊ ⼝ 実 ⾏ 出 ⼝ ü 何をするにもまずは先⾏事例の 調査 ü プロジェクト管理 (特に、ミドルDSの⽅) ü プロジェクト実⾏全般 (特に、ジュニアDSの⽅)
35. Copyright © 2020 NOB DATA All Rights Reserved. おすすめの章 ③経営層・分析チームマネージャー これから⾃社にAIやDX、データ分析チームを⽴ち上げようと考えられている⽅はざっと全体的にご⼀読 いただく事をおすすめします。(特にチームビルディング関連) ü 分析チームの第１号案件をな ににするか ü データの管理⽅法 ü 業界別の出⼝戦略の検討 ü 投資対効果の検討 準 備 ⼊ ⼝ 実 ⾏ 出 ⼝ ü どのようなテーマに取り組むべき か ü どのような⼈材を集めるべきか ü (ご⾃⾝で実⾏はしない前提 で) 実際に分析チームが今後 想定されるタスクについて検討
36. Copyright © 2020 NOB DATA All Rights Reserved. おすすめの章 ④教員 これからAI⼈材を育成される教員の皆さんには全体的に俯瞰していただき、学術的に必要なスキル セット以外の、実ビジネスで必要なビジネススキルについて参考にしていただければと思います。 （これらは授業というより、学⽣⾃⾝が勉強会やインターンなどで経験を積む必要があります） ü (ここは後回しでもOK) ü 特にどの業界に強い学⽣を育成 するかの⼀つの参考として 準 備 ⼊ ⼝ 実 ⾏ 出 ⼝ ü 直近10年のAI⼈材ニーズの 変化から、今後を占う ü 変化の激しい分野であることの 確認 ü 授業で教えている各種分析⼿ 法やITスキルがどのように実務 に利⽤されているかの把握
37. Copyright © 2020 NOB DATA All Rights Reserved. 第1部 準備編 概要 ・業界の概要、DSのスキルセットやキャリアパス、始め⽅、情報収集に関する内容がまとめられています
38. Copyright © 2020 NOB DATA All Rights Reserved. 第2部 ⼊⼝編 概要 ・プロジェクトの案件化の話からデータの取り扱いや他社との契約形体についてのプロジェクトがスタート するまでの段階の話が書かれています
39. Copyright © 2020 NOB DATA All Rights Reserved. 第3部 実⾏編 概要 ・プロジェクトが始まった後のプロジェクトマネジメントやデータ分析、レポーティングといったプロジェクトの 実⾏フェーズの話がまとめられています。
40. Copyright © 2020 NOB DATA All Rights Reserved. 第4部 出⼝編 概要 ・プロジェクトの出⼝戦略は最も重要な要素の⼀つと⾔っても過⾔ではありません。業界別の特徴を抑 えてどのように分析コストに⾒合う成果を出すか、といったヒントがまとめられています。
41. Copyright © 2020 NOB DATA All Rights Reserved. ピックアップ ・①データ分析環境の変化 ・②データサイエンティストの誕⽣ ・③ビジネスメリットはどこにあるか (・④「不確実性」とどう付き合うか) 以下、個別 ・a. みんなのPython勉強会 参加者向け ・b. OPEN Gʼs FUKUOKA #06
42. Copyright © 2020 NOB DATA All Rights Reserved. ピックアップ ①データ分析環境の変化(1/2) ・データの種類と量の爆発的な増加と活⽤(7-1節) -> ビッグデータ解析の前提となる環境が整ってきた(データは21世紀の⽯油、とも⾔われる) kB -> MB -> GB -> TB -> PB -> EB -> ZB …
43. Copyright © 2020 NOB DATA All Rights Reserved. ピックアップ ①データ分析環境の変化(2/2) ・もう⼀つの流れとして、圧倒的な研究開発費を背景とするGAFA系各種クラウド(1-2節) (10-4節)の 普及や分析⾔語・ライブラリの充実(7-3節)による、環境構築費⽤の⼤幅な低下 -> 数千万の投資が必要だったビッグデータ解析もクラウドを使えば数百円から始められるように
44. Copyright © 2020 NOB DATA All Rights Reserved. ピックアップ ②データサイエンティストの誕⽣(1/2) ・その結果、データサイエンティストの誕⽣(1-1節)と、スキルセット定義(2-1節)や⼈材育成の動き ・Tokyo.R(2010年〜)やPyData.Tokyo(2014年〜)など技術コミュニティも誕⽣
45. Copyright © 2020 NOB DATA All Rights Reserved. ピックアップ ②データサイエンティストの誕⽣(2/2) ・データサイエンティストが誕⽣して10年弱、専⾨化も進んできている(2-2節)が、依然経験重視、 かつコンサルとしてのビジネススキルも求められるため⽣存戦略(2-3節)を考える必要性はある
46. Copyright © 2020 NOB DATA All Rights Reserved. ピックアップ ③ビジネスメリットはどこにあるか(1/2) ・従来のITのように、単なる既存業務の⾃動化だけでなく、既存の業務フローの改善やグロースハック (11-2節)、施策の効果測定(8-1節、8-3)など投資判断の意思決定という⽂脈で⽤いられることも 多い ・また論⽂の執筆、学会発表(11-3節)、対外的なPR(11-4節)により知名度をUPさせ競合優位性 とする動きも⼀種のビジネスメリット
47. Copyright © 2020 NOB DATA All Rights Reserved. ピックアップ ③ビジネスメリットはどこにあるか(2/2) ・広告や⾦融業界などは1%予測精度が上がるだけで数⼗億円以上利益が出るケースも多い ・ECでもレコメンドエンジンの改善による売り上げUPなど、マッチング系のビジネスとも相性が良い ・⼀⽅で医療業界では法規制があるなど、業界によってビジネス適⽤の状況が全く異なる (事例は11章全般)
48. Copyright © 2020 NOB DATA All Rights Reserved. a. みんなのPython勉強会 参加者向け ・詳細URL ・https://startpython.connpass.com/event/198770/ ・タイトル『ビジネスとテクノロジーの掛け算』 ⼤城 信晃（NOB DATA株式会社 代表取締役社⻑） 伊藤 徹郎（Classi株式会社 データAI部部⻑） ・流れ ・はじめに & 本の説明 15min ・パネル with テツローさん & 質疑応答 15min
49. Copyright © 2020 NOB DATA All Rights Reserved. a. みんなのPython勉強会 参加者向け ・もちろんベースとなる個別の課題に「技術⼒」も⼤事だが ・なぜ、「ビジネス⼒」が必要なのか => プロジェクトの⼊り⼝、出⼝戦略 •マネタイズ⼤事 => プロジェクトの実⾏フェーズでも⼤切 (不確実性が⾼いため) => この辺の内容をまとめた本を書きました。 ・参加者の⾊々なモチベーション ・学⽣の⽅ ・エンジニアの⽅ ・分析者の⽅ ・経営層の⽅、etc.. => AIやデータ分析プロジェクトについてご興味をお持ちの⽅は、 それぞれの⽴場で読んでいただけると幸いです
50. Copyright © 2020 NOB DATA All Rights Reserved. a. みんなのPython勉強会 参加者向け ・TJOさんの書評 ・GOODなポイント : 実務を反映 ・⾜りない部分 : 参考書籍の充実 •今後の課題 -> フォローアップ会をやります (1/26 19:00-21:00予定) ・本書のご紹介、あとでパネルディスカッション
51. Copyright © 2020 NOB DATA All Rights Reserved. a. みんなのPython勉強会 参加者向け ・Pythonに興味のあるエンジニアの⽅や、場合によっては学⽣さんもいらっしゃるかと思います ・AI・データ分析プロジェクトに興味のある⽅は以下の節をお勧めします(その１） ・1-3 従来のシステム開発とAIプロジェクトは何が違うのか -> これで完成、が無い ・1-4 PoCで終わらないためのAIプロジェクト⼊⾨ -> AIじゃないとダメかどうかをまず考える ・2-4 求⼈情報からわかること -> 未経験OK︕に要注意 ・4-1 データ分析組織の⾒極め -> 場合によっては転職も視野に⼊れる ・4-2 データ分析組織の⽴ち上げ -> 結構パワーが必要なケースも ・4-5 組織構造の把握 -> 根回し⼤事。プロジェクトに誰を巻き込むか︖ ・6-1 AI・データ分析プロジェクト設計の注意点 -> 不確実性と、⾼すぎる期待のコントロール ・6-4 KPIの設計と評価 -> たいていのプロジェクトにはKPIがあるので意識しておきましょう
52. Copyright © 2020 NOB DATA All Rights Reserved. a. みんなのPython勉強会 参加者向け ・Pythonに興味のあるエンジニアの⽅や、場合によっては学⽣さんもいらっしゃるかと思います ・AI・データ分析プロジェクトに興味のある⽅は以下の節をお勧めします(その２) ・7-1 業界によるデータの種類とビジネスでの活⽤⽅法 -> 業界ごとの特徴を押さえましょう ・7-2 データの実情と前処理の⼤切さ -> Python⼤活躍 ・7-3 ツール・プログラミング⾔語の選択 -> Pythonも、それ以外も環境・⼈員に合わせて利⽤ ・7-4 ⽬的によるデータ分析⼿法の違い -> 様々な解析⼿法の基礎 ・8-1 効果測定の重要性 -> AI開発・分析PJを進める上で必須 ・8-4 A/BテストやA/Aテスト -> A/Aはちょっと聞き慣れないかも︖
53. Copyright © 2020 NOB DATA All Rights Reserved. a. みんなのPython勉強会 参加者向け ・Pythonに興味のあるエンジニアの⽅や、場合によっては学⽣さんもいらっしゃるかと思います ・AI・データ分析プロジェクトに興味のある⽅は以下の節をお勧めします(その２) ・9-1 分析結果のレポート化 -> 必須 ・9-2 データ分析から導くアクション -> アクション(意思決定)につながらない分析は価値を出しにくい ・9-4 中間テーブルを⽤いた効率化 -> SQL必須 ・10-1 データ基盤を作る前に考えること -> ショットの場合は作らなくて良い ・10-4 クラウドの選定 -> 基盤を作るとなったら検討 ・10-7 AI実運⽤のためのスキルセット -> DevOpsを拡張してMLOpsエンジニア ・１１章のプロジェクトバリュー、１２章の業界事例全般
54. Copyright © 2020 NOB DATA All Rights Reserved. b. OPEN Gʼs FUKUOKA #06 向け • 1/14(⽊) 19:00 - 21:00 • https://open-gs-6.peatix.com/view
55. Copyright © 2020 NOB DATA All Rights Reserved. b. OPEN Gʼs FUKUOKA #06 向け この辺を話す 誤解系 • AI万能説(もちろんそんなことは無い) • データサイエンティストは⽢くない(未経験OK! とかじゃない)よ、と⾔う話 (注意してね、と⾔ う話) 事例系 • いくつか過去の発表から紹介 • 本からの紹介(技術的な部分) 背景・基礎知識 • 時代背景、スキルセット • サイエンティスト との違い • なぜ⾼単価なんでしたっけ︖ • 現在おかれている環境（経験者じゃないと 結構⾟い） • 機械学習とは、従来の開発との違い プロジェクトイメージ • モデル開発 or ⾃動化 or 意思決定⽀援 • 従来のIT開発との違い • 8割は前処理(まで)の⼯程 キャリア系 • 段階的にキャリアアップするには︖ • そのなかのGʼsの使い⽅、Gʼs⽣向け（現業、転 職、起業） • データサイエンスはそんなに学べない点は補⾜ • ⼿を動かす⼤切さ、挑戦、⼈脈 • 他の⽅法 • ビジネストランスレーター (データプランナー) • 勉強会で発表 •個⼈的におすすめ • ⾃社内で⽴ち上げる • 副業は・・未経験者はあまりお勧めしない (が、ケースバイケース) AI・DSの雰囲気を伝えつつも、あくまでイチ⼿段。 最終的に皆さんが解決したいこと、達成したいことはなんでしたっけ︖と⾔う話
56. Copyright © 2020 NOB DATA All Rights Reserved. c. 意思決定のためのデータ分析勉強会 向け この辺の節をお勧めします・・︕ ・4-1 データサイエンス組織の⾒極め ・4-2 データ分析組織の⽴ち上げ ・4-3 社内案件の獲得⽅法から⾒ 積もりまでの流れ ・6-2 課題抽出 ・6-4 KPIの設計と評価 ・8-1 効果測定の重要性 ・9-1 分析結果のレポート化 ・9-2 データ分析から導くアクション ・9-3 データドリブンな⽂化構築を ⽬指す上で重要なBIツール ・１１章全般︓プロジェクトのバ リューと継続性 ・１２章全般︓業界別事例紹介
57. Copyright © 2020 NOB DATA All Rights Reserved. メモ︓今回は書いてないけどどこかで話したい内容 1. 再現性の重要性と困難さ、そのための抽象化⼒ 2. バリバリの「データサイエンティスト」以外の関わり⽅、⽊⽥さんの⾔う「ビジネストランスレーター」 3. 現在のデータサイエンスは学問のための⼿法であって売り上げを上げる⼿法ではない (by サイバーエージェント 安井さん) 4. データサイエンティスト職の誕⽣以前と以後のエンジニアのキャリアパスの変化、そもそもなぜ⾼単価 なのか(スペシャリスト、ゼネラリスト、さらに経営層へのリーチ) 5. AIはイチ⼿段として捉えた際に、結局最終的にやりたいことはなんでしたっけ︖ 6. データ分析は理数系だとおもったら最後は⼈⽂系のスキル、というか⼈に⾏き着いた件について 7. ノウハウはデータサイエンティスト⼀⼈⼀⼈の頭の中に、ただ外からは評価されにくい （会社としての評価） 8. DSを⽬指す場合、他業種からのピボットが⼀番確実ではないか︖