Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Speaker Deck
PRO
Sign in
Sign up for free
20210211_AI・データ分析プロジェクトのすべて(pydata.fukuoka向け)
NobuakiOshiro
February 11, 2021
Business
0
86
20210211_AI・データ分析プロジェクトのすべて(pydata.fukuoka向け)
https://pydatafukuoka.connpass.com/event/200238/
NobuakiOshiro
February 11, 2021
Tweet
Share
More Decks by NobuakiOshiro
See All by NobuakiOshiro
20210715_第14回意思決定のための_意思決定プロセスと分析技術を俯瞰してみる
doradora09
0
37
20210410_オン飲み研究会_キックオフ
doradora09
0
37
第101回 大連ITクラブ〜地方にも広がる日本国内のAI・データサイエンスへの取り組みと、落とし穴〜(42p)
doradora09
1
62
20210126_AI・データ分析プロジェクトのすべて_ビジネスxテクノロジー=価値創出(パーソルさん向け)
doradora09
1
88
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
doradora09
0
200
20210113_AI・データ分析プロジェクトのすべて_ビジネスxテクノロジー=価値創出(みんなのPython勉強会向け)
doradora09
0
320
20210114_OPEN G's #06 プログラミング初心者が陥る AIについての誤解とは? 〜データを活用したサービス開発〜【入門編】(OPEN Gs福岡セミナー)
doradora09
0
53
Japan.R_2020_LT_10年.R開催報告とデータ分析本出版のお知らせ
doradora09
0
28
20200125_tokyor_10周年の発表_コミュニティについて考える
doradora09
0
280
Other Decks in Business
See All in Business
エコナビスタ株式会社 紹介資料(総合職ver.)
econavista
1
380
JMDC 会社紹介資料 /About JMDC
jmdc
1
24k
株式会社Rehab for JAPAN会社概要
rehabrecruiting
2
910
VUCAワールドから紐解く組織や評価制度の変遷と再設計
matsumoto_r
PRO
2
670
継続とUnlearn〜七転八倒で向き合う組織の評価と目標設定〜
junki
1
1.1k
ビビッドガーデン会社紹介資料(採用資料)
vividgarden
0
11k
Independent Service Heuristics: a rapid, business-friendly approach to flow-oriented boundaries - DDD EU - Matthew Skelton and Nick Tune
matthewskelton
PRO
1
330
モブとソロを織り交ぜてハイアウトプットなチーム開発 / High output with swarming and solo work
nao_mk2
1
1k
Pale Blue会社紹介
paleblue
0
430
採用ピッチブック
macloud
1
16k
アジャイルを支える心理的安全性の守破離 / Psychological safety for Agile
radiocat
0
190
2021年度報告書 教育課程特例校「NAiSUタイム」で取り組む特色ある教科づくりとプログラミング教育
codeforeveryone
0
220
Featured
See All Featured
jQuery: Nuts, Bolts and Bling
dougneiner
56
6.4k
Gamification - CAS2011
davidbonilla
75
3.9k
Designing for humans not robots
tammielis
241
23k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
349
27k
Happy Clients
brianwarren
89
5.6k
GitHub's CSS Performance
jonrohan
1020
420k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
236
1M
YesSQL, Process and Tooling at Scale
rocio
157
12k
Code Reviewing Like a Champion
maltzj
506
37k
Writing Fast Ruby
sferik
612
57k
Raft: Consensus for Rubyists
vanstee
126
5.4k
Art, The Web, and Tiny UX
lynnandtonic
280
17k
Transcript
NOB DATA株式会社 AI・データ分析プロジェクトの すべて 〜at PyData.Fukuoka〜 (29p) 2021年2⽉11⽇ 代表取締役 ⼤城
信晃
アジェンダ Copyright © 2020 NOB DATA All Rights Reserved. 1.
⾃⼰紹介 & はじめに • よく聞く悩み︓勉強会でPythonを学んでいるが実 務化できない 2. スモールスタートからの拡⼤プラン 3. 分析チーム設⽴に向けて本書が役に⽴つ部分 • 本書の構成もふれつつ、ピックアップ • 質疑応答 4. 補⾜情報 • 読者フォローアップ会
アジェンダ Copyright © 2020 NOB DATA All Rights Reserved. 1.
⾃⼰紹介 & はじめに • よく聞く悩み︓勉強会でPythonを学んでいるが実 務化できない 2. スモールスタートからの拡⼤プラン 3. 分析チーム設⽴に向けて本書が役に⽴つ部分 • 本書の構成もふれつつ、ピックアップ • 質疑応答 4. 補⾜情報 • 読者フォローアップ会
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
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
Copyright © 2020 NOB DATA All Rights Reserved. はじめに よく聞く悩み
: 勉強会でPythonを学んでいるが実務化できない ・当初の思い︓Pythonを使って業務を効率化したい、AIや新規サービス、研究開発をしたい・・︕︕ ↓ ・実務での壁︓様々(⾃社システムが他⾔語、分析組織がない、本業がITではない、etc..) ↓ (1-2年後) ・結果︓Python活⽤のモチベーションが維持できない、いつまでも勉強会の内容が実戦できない 打開策の⼀つとして、 AI、データ分析、DXという⽂脈でのPython活⽤のご提案
アジェンダ Copyright © 2020 NOB DATA All Rights Reserved. 1.
⾃⼰紹介 & はじめに • よく聞く悩み︓勉強会でPythonを学んでいるが実 務化できない 2. スモールスタートからの拡⼤プラン 3. 分析チーム設⽴に向けて本書が役に⽴つ部分 • 本書の構成もふれつつ、ピックアップ • 質疑応答 4. 補⾜情報 • 読者フォローアップ会
Copyright © 2020 NOB DATA All Rights Reserved. スモールスタートからの拡⼤プラン ・⾃社にPythonを使っている組織があればその⾨を叩く⽅法もあるが、
多くの企業(特に、⾮IT系)ではこれからチャレンジする領域 ・スモールスタートで少しずつPython利⽤⽐率を上げる⽅法について⼀案を提⽰ 1. 既存業務をまずは⽇曜プログラミング ・この時点ではPython業務⽐率0% •多くの皆さんはこの状態を想定 ・Excelのタスクはどこにでもあるはず︖ ・過去のPyData.Fukuokaの発表も参考に(テキスト、地図、作図、スクレイピング、etc..) 2. 上記プロトタイプを持って「働き⽅改⾰」 ・ここでPython業務⽐率を20%くらいに上げる ・ビジネススキル的には、会社や事業部の⽅針に「業務効率化」が⼊ってないかチェック 3. 分析チーム(≒AI、DX)の設⽴ or 参画 ・兼務で⼊ったり、新規⽴ち上げ ・Python業務⽐率50%くらい ・外部のアドバイザーを⼊れるとなお良し 4. 全社展開 (or スペシャリスト化) ・Python業務⽐率50〜100%くらい︖ ・ただ全社展開まで⾏くとマネージャー的な動きになるので、プレーヤーとしては3番くらいが⽬安
Copyright © 2020 NOB DATA All Rights Reserved. 1. 既存業務をまずは⽇曜プログラミング
・まずは業務外でプロトタイピングを⾏い、⾃分の定形業務を楽にする ・Excel関連のタスクはどこにでもあるはず ・Python活⽤例︓ ・Webクロール -> スクレイピング & テキスト処理 -> Excelデータ作成 ・PythonでExcelを読み込み -> データ加⼯ -> 作図 -> レポート化 ・過去のPyData.Fukuoka等の発表も参考に(テキスト、地図、作図、スクレイピング、etc..) ・https://pydatafukuoka.connpass.com/presentation/
Copyright © 2020 NOB DATA All Rights Reserved. ご参考︓Outputイメージ
Copyright © 2020 NOB DATA All Rights Reserved. ご参考︓その他Python関連の勉強会 ・連⽇のようにどこかで開催されていますので、是⾮⾜を伸ばされてみてください
Copyright © 2020 NOB DATA All Rights Reserved. 2. 上記プロトタイプを持って「働き⽅改⾰」
・個⼈的には「中期経営計画」や事業部の⽬標に「働き⽅改⾰」や「業務効率化」が⼊っている場合 はチャンス(だし、今はほとんどの企業が謳っているはず) ・前述の⽇曜プログラミングの結果を持って、本業の効率化を打診 ・この時点ではPython利⽤⽐率20%くらいの想定 (本業の⽚⼿間に実施) ・なお既存業務の「データ分析」は業務効率化を⾏う際に必須なので、相性は⽐較的良い 20%のパワーで⾏う場合 おすすめ度 理由 既存業務の分析・効率化 ◎ ・⾃分の業務であれば改善ポイントが⾒つけやすい ・本格的なシステム開発の場合テスト⼯数が実装と同 じくらい時間がかかるが、分析のみならある意味正常な パターンの実装だけで良いので、クイックに実現できる システム開発 (プロトタイピング) △〜◦ ・プロトタイピングまでならアリ ・本格実装をしようとすると⼯数が⾜りないので、外部ベ ンダーや本職のプログラマーを⼊れる ・なお既存システムが他⾔語で書かれている場合は Python化が難しい点も注意が必要 新規ビジネス創出・ 研究開発 ×〜△ ・20%⼯数では⼿が⾜りない部分と、新規ビジネスの 場合Pythonを触るフェーズはだいぶ後半になる可能性 が⾼い ・研究開発の場合は好きなテーマを選べるのであればア リ(ただ、成果が出るまで時間がかかるし、3年やっても 出ないリスクもある)
Copyright © 2020 NOB DATA All Rights Reserved. 3. 分析チーム(≒AI、DX)の設⽴
or 参画 • 前段の20%稼働によりある程度⾃⾝の業務の効率化が進み、会社としてもその価値を認めてきた場 合、いよいよ分析チームの設⽴へ • この場合は50%程度は業務でPythonを利⽤する状態を想定 • なおこれらのチームの成果が今後⾃社でのデータ分析、AI、DX推進のスピードを決めるため、⾮ 常に重要なフェーズ • 「AI・データ分析のすべて」の書籍はこの辺りでどのようにプロジェクト化を進めるのか、といった話がメイン • 外部の専⾨家も⼊れることをおすすめ。(この辺りは時間があれば後半で説明)
Copyright © 2020 NOB DATA All Rights Reserved. 4. 全社展開
or スペシャリスト化 • 前段の分析チーム設⽴から数年が経過し、チームの活躍が認められ、いよいよ全社展開という フェーズ • ここではほぼ専任でデータ分析やAIのプロジェクトに参画できる状態のイメージだが、分析組織拡⼤ のためのマネージメント側に回るか、技術者・分析者としてのスペシャリストを⽬指すのかは要検討 のフェーズ • なお⾃社の分析チームとして動いている場合は必然的に経営層へのレポートを上げる機会も増えるため、 昇進のチャンスや企画を通すチャンスは多くなる • 2021年現在はまだスペシャリストとしてのニーズも各社あるため、他社への転職なども選択肢としては広がる このあたりはPythonを使って最終的に何を成し遂げたいか、 Pythonを⽬的とするのか、⼿段とするのかで各⾃判断
アジェンダ Copyright © 2020 NOB DATA All Rights Reserved. 1.
⾃⼰紹介 & はじめに • よく聞く悩み︓勉強会でPythonを学んでいるが実 務化できない 2. スモールスタートからの拡⼤プラン 3. 分析チーム設⽴に向けて本書が役に⽴つ部分 • 本書の構成もふれつつ、ピックアップ • 質疑応答 4. 補⾜情報 • 読者フォローアップ会
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)
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
Copyright © 2020 NOB DATA All Rights Reserved. 分析チーム設⽴に向けて本書が役に⽴つ部分 ・基本的には全編通してご⼀読をお勧め。以下は抜粋
第2部︓プロジェクトの⼊り⼝ ・4-1 データ分析組織の⾒極め、 4-2 データ分析組織の⽴ち上げ ・そもそもデータ分析組織の⽴ち上げの可能性があるかどうかの判断材料として ・4-3. 社内案件の獲得⽅法から⾒積もりまでの流れ、 4-5. 組織構造の把握 ・社内の誰に、どのような提案をすれば企画が通りそうかの調整 第3部︓プロジェクトの実⾏ ・6-2. 課題抽出 ・ 「何をどのように改善するか」のテーマ決め。 ・このテーマ選定時点でプロジェクトがうまくいくかどうかの50%くらいは勝負が決まるので、⼤事 ・7-3. ツール・プログラミング⾔語の選択、 7-4. ⽬的によるデータ分析⼿法の違い ・ここでそもそも⾃社でPythonを選択する余地があるか、というのは要検討 (本来は柔軟に対応すべきだが、あくまでPythonを学ぶために、という⽬的の場合) 第4部︓プロジェクトの出⼝ ・11-2. 収益化、 11-3. 論⽂執筆・学会発表 ・経営層からは分析チームに対する投資効果について求められるため重要なパート ・11-8. 経営層との期待値調整、 11-9. 他部署との関わり⽅ ・⾼すぎるAIへの期待感を調整しつつ、他部署への展開の際には通訳も必要となる点に留意
Copyright © 2020 NOB DATA All Rights Reserved. 4-1. 4-2より抜粋
第2部︓プロジェクトの⼊り⼝ ・4-1 データ分析組織の⾒極め、 4-2 データ分析組織の⽴ち上げ ・そもそもデータ分析組織の⽴ち上げの可能性があるかどうかの判断材料として
Copyright © 2020 NOB DATA All Rights Reserved. 4-1. 4-2より抜粋
第2部︓プロジェクトの⼊り⼝ ・4-1 データ分析組織の⾒極め、 4-2 データ分析組織の⽴ち上げ ・そもそもデータ分析組織の⽴ち上げの可能性があるかどうかの判断材料として
Copyright © 2020 NOB DATA All Rights Reserved. 4-3. 4-5より抜粋
第2部︓プロジェクトの⼊り⼝ ・4-3. 社内案件の獲得⽅法から⾒積もりまでの流れ、 4-5. 組織構造の把握 ・社内の誰に、どのような提案をすれば企画が通りそうかの調整
Copyright © 2020 NOB DATA All Rights Reserved. 6-2より抜粋 第3部︓プロジェクトの実⾏
・6-2. 課題抽出 ・ 「何をどのように改善するか」のテーマ決め。 ・このテーマ選定時点でプロジェクトがうまくいくかどうかの50%くらいは勝負が決まるので、⼤事
Copyright © 2020 NOB DATA All Rights Reserved. 7-3. 7-4より抜粋
第3部︓プロジェクトの実⾏ ・7-3. ツール・プログラミング⾔語の選択、 7-4. ⽬的によるデータ分析⼿法の違い ・ここでそもそも⾃社でPythonを選択する余地があるか、というのは要検討 (本来は柔軟に対応すべきだが、あくまでPythonを学ぶために、という⽬的の場合)
Copyright © 2020 NOB DATA All Rights Reserved. 7-3. 7-4より抜粋
第3部︓プロジェクトの実⾏ ・7-3. ツール・プログラミング⾔語の選択、 7-4. ⽬的によるデータ分析⼿法の違い ・ここでそもそも⾃社でPythonを選択する余地があるか、というのは要検討 (本来は柔軟に対応すべきだが、あくまでPythonを学ぶために、という⽬的の場合)
Copyright © 2020 NOB DATA All Rights Reserved. 11-2. 11-3.
より抜粋 第4部︓プロジェクトの出⼝ ・11-2. 収益化、 11-3. 論⽂執筆・学会発表 ・経営層からは分析チームに対する投資効果について求められるため重要なパート
Copyright © 2020 NOB DATA All Rights Reserved. 11-8. 11-9より抜粋
第4部︓プロジェクトの出⼝ ・11-8. 経営層との期待値調整、 11-9. 他部署との関わり⽅ ・⾼すぎるAIへの期待感を調整しつつ、他部署への展開の際には通訳も必要となる点に留意
アジェンダ Copyright © 2020 NOB DATA All Rights Reserved. 1.
⾃⼰紹介 & はじめに • よく聞く悩み︓勉強会でPythonを学んでいるが実 務化できない 2. スモールスタートからの拡⼤プラン 3. 分析チーム設⽴に向けて本書が役に⽴つ部分 • 本書の構成もふれつつ、ピックアップ • 質疑応答 4. 補⾜情報 • 読者フォローアップ会
Copyright © 2020 NOB DATA All Rights Reserved. 読者フォローアップ会を開催中 ・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
・2回⽬は2/23(⽕祝) 16:00-18:00の予定 ・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/event/806385
Copyright © 2020 NOB DATA All Rights Reserved. ご清聴、ありがとうございました・・︕