BIからその先のデータ活用へ

2020/10/16(金) に開催したExploratory データリテラシー・サロン#1のスプライングローバル株式会社様のご登壇資料です。

Transcript

1. BIからその先のデータ活用へ スプライングローバル株式会社 岩橋 智宏
2. 岩橋 智宏 2016: Tableau Japan  テクニカルサポート  出版: Tableau で始めるデー タサイエンス 2020-03: SPLINE GLOBAL  BI x データサイエンス Tableau データサイエンス勉 強会FBグループ主催
3. データ活用の基礎から最先端まで AI 機械学習 BI データ分析 Excel データ基礎 藤松 良夫 共同創業者 社⾧ ビジネス、デジタル 領域エキスパート 岩橋 智宏 コンサルタント BI / MLエキスパート ミハル・ファビンガー 共同創業者 AIエキスパート データ活用 トレーニング コンサルテーション
4. BIから始めるデータリテラシー向 上をサポート ・ オープンデータを利用 ・ Tableau 基礎講座 ・ 仮説検証・立案ワークショップ ・ 企業研修・新人研修 ・ Tableau データサイエンス学習塾
5. 何が起こったか なぜ起こったか 何が起こるか? 何をするべきか? 過去と現在の可視化 未来予測や人知を超 えるインサイトを得 る データから得られる価値 情報 インサイト 最適化 価値 4 Stages Of Data Analytics Maturity: Challenging Gartner's Model 予測
6. 「データリテラシー」って何だろう? 昔は・・・ 読み 書き そろばん 今は・・・ データサイエンス ⇒ データから何とか価値を生み出す力
7. ビジネスの理解 データの理解 データの準備 予測モデル の作成 モデルの評価 展開と共有 データから価値を生むためのプロセス 材料の品定め 材料の下ごしらえ 加熱調理 味見 盛り付け 提供
8. データの 理解 まずは可視化が基本。 可視化で見えること、 見えないこと
9. FIFA19（サッカー）データより 選手の収入の合計が最も多い国はどこ でしょう?
11. FIFA19（サッカー）データより 選手の収入の平均が最も多い国はどこ でしょう?
15. 電力需要を理解しましょう 電力はどんな時に需要が高まるでしょ う?
19. データの 準備 本当に大変なのに！ なぜわかってもらえな いのか・・・
20. データの準備もとても重要! ・中古マンション価格を予測したい ・ 市区町村でユニオン ・ 駅名マスターとジョイン ・ NULL値の除去 ・ 外れ値（超高級物件）の除去 ・ 駅名表記のブレの除去 ・ 年号西暦変換 ・ IDのユニーク化 ・ 名寄せ 機械学習の前にやる ことはたくさんあ る!! データがあるんだからすぐ わかるでしょ?
21. 可視化と準備を行ったり来たり・・・ 千駄ケ谷 問題!! 結合で駅 がなくな る!
22. モデルの 作成と評 価
23. ・ 築年数、広さ、駅から徒歩、東京駅から最寄駅 までのの直線距離・・・線形重回帰のモデル作る
24. 予測モデルの評価 誤差＝ （実価格ー予測価格）をJR中央線の駅ごとに可視化
25. ・Prophetで東京電力の電力需要予測モデルを作る ・誤差＝（実測値ー予測値）を可視化
26. 正月 GW お盆 猛暑日 GW 正月 お盆
27. 共有と展開 どんなふうに盛り付ける か？ 皆が見たくなる、触りた くなる、人に伝えたくな る可視化とは？・・
28. https://public.tableau.com/profile/tomohiro.iwahashi#!/vizhome/TokyoElectricit y_Propfhet_Demand/sheet20?publish=yes
30. https://public.tableau.com/views/IceCreamImagePCA2020-10- 04/sheet1?:language=ja&:display_count=y&publish=yes&:origin= viz_share_link
32. ビジネスの 理解 最終的には何を成し遂げ たいか・・・ そしてデータへの興味と 関心
33. ビジネスの理解 データの理解 データの準備 予測モデル の作成 モデルの評価 展開と共有 Exploratory のカバレージ データサイエンスの プロセスを高速に回 すためのツール 可視化・準備・モデ ル作成と評価・共有 とカバレージが広い
34. ビジネスの理解 データの理解 データの準備 予測モデル の作成 モデルの評価 展開と共有 Python/R 便利なツールは使う! Exploratory Alteryx Tableau Tableau
35. Python で一からやろうとする と・・・
36. まとめ ・データ活用は経験と勘から可視化→機械学習を使った予測へと成 熟しニューノーマルとなる。 ・溢れるデータから価値を生み出すサイクルをスピードをもって回 せる力が大事。 ・BIエンジニアこそデータサイエンスの世界へ！ ・Exploratoryをはじめとするツールをうまく使いこなしプロセスを 素早く回す力が新しいデータリテラシーとなる。
37. データドリブン推進に必要なこと Facebook Group 「Tableau データサイエンス弁勉強会での議論」 データサイエンス が専門性が高すぎ るといった印象 データを謙虚に分 析して受け入れる 心構え データ取得プロセ スがそもそも存在 しない CEO/トップがデータ ドリブンにならない と変わら無い データに触り、楽しい、 面白いと感じてもらう ところから 統計的モノの見方 TableauやExploratoryなど の、データ専門家でない人 にも使えるツールの普及 身近なコンテンツ の可視化と共有 社内勉強会の実施
38. Airbnbの取り組 み:Data University
39. お気軽にお問合せ下さい。 Eight: 岩橋 智宏 Facebook Group: Tableau データサイエンス勉強会