定性と定量は越境できない / insight_tokyo02

Insight Tokyo ＃2
https://insight-tokyo.connpass.com/event/176422/

作成者 ：しんゆう＠データ分析とインテリジェンス
ブログ ：https://analytics-and-intelligence.net/
Twitter：https://twitter.com/data_analyst_

Transcript

1. 定性と定量は越境できない しんゆう＠データ分析とインテリジェンス 2020/05/28 Insight Tokyo ＃2 #InsightTokyo
2. • 本日の資料は https://speakerdeck.com/shinu/insight-tokyo02 に公開済み。ブログ・Twitterからもリンクあり • 〇 SNSで話題にすること • × 録画・録音 • アーカイブの公開はありません 資料・SNS・写真撮影などについて
3. • 定性と定量は何かと比較されたりするが、本来は目的を達 成するための方法の違い • 今回は「定性と定量の越境」というテーマ。そこで、そも そも定性と定量の間には境目なんて存在しないのでは、と いうのが話の主旨（というか結論） • 手法とかではなく、データ分析に取り組むにあたり先に意 識しておくべきことの１つ 前置き
4. • 自己紹介 • ポークカレーを作ろう • データ分析の流れ • ポークカレーとデータ分析の共通点 • 定性と定量との話はどこにでてくるのか • 本題：定性と定量の越境について • 方法を先に考えると起きる事 • 実際の仕事で起きることにどう対応するか • まとめ／宣伝 目次
5. 自己紹介
6. • しんゆう（ Twitter : @data_analyst_ ） • ブログ「データ分析とインテリジェンス」を書いてる人 https://analytics-and-intelligence.net/ • フリーランスでデータに関する仕事をあれこれ • 仕事でやりたいこと：意思決定のための情報分析をする人 • 仕事でやってること：データをうまく使えるようにする人 自己紹介
7. ポークカレーを作ろう
8. • 定性や定量の分析を考える上ではデータ分析の流れの全体 を捉えておいた方が見通しが良い • いきなりデータ分析の流れを話すとわかりづらいと思う人 もいるかもしれない • そこで、ひとまずデータサイエンティストやＵＸリサーチ ャーという言葉は一切忘れて、ポークカレーを作ろうとし たらどんな流れになるかをまず考えてみて、その後データ 分析についても見てみよう ポークカレーを作ろう
9. ポークカレーを作る流れ 何を作るか ポークカレー • 作りたいのはポークカレー
10. • 必要な材料は何かを考えて、集めてくる ポークカレーを作る流れ 何を作るか ポークカレー 必要な材料は何か 豚肉 じゃがいも 玉ねぎ にんじん カレールー
11. ポークカレーを作る流れ 何を作るか ポークカレー 必要な材料は何か 豚肉 じゃがいも 玉ねぎ にんじん カレールー 材料を調達する 家にある • 豚肉の場合 家にあるなら それを使えばＯＫ
12. ポークカレーを作る流れ 何を作るか ポークカレー 必要な材料は何か 豚肉 じゃがいも 玉ねぎ にんじん カレールー 材料を調達する 家にある • 豚肉の場合 無ければ買いに行く 買いに行く
13. ポークカレーを作る流れ 何を作るか ポークカレー 必要な材料は何か 豚肉 じゃがいも 玉ねぎ にんじん カレールー 材料を調達する 家にある • 豚肉の場合 豚小間が無ければば ら肉を代わりに使う 買いに行く 代替品
14. ポークカレーを作る流れ 何を作るか ポークカレー 必要な材料は何か 豚肉 じゃがいも 玉ねぎ にんじん カレールー 材料を調達する 家にある • 豚肉の場合 豚肉が手に入らない ならチキンカレーに する 買いに行く 代替品 料理を変更
15. ポークカレーを作る流れ 何を作るか ポークカレー 必要な材料は何か 豚肉 じゃがいも 玉ねぎ にんじん カレールー 材料を調達する 家にある • 食材によっては使わない選択肢もある 使わなくても作れる 場合もある 買いに行く 代替品 料理を変更 使わない
16. ポークカレーを作る流れ 何を作るか ポークカレー 必要な材料は何か 豚肉 じゃがいも 玉ねぎ にんじん カレールー 材料を調達する 家にある • 調達したら食材ごとに下ごしらえ 買いに行く 代替品 料理を変更 使わない 下ごしらえ 切る → 下味をつける → 炒める
17. ポークカレーを作る流れ 何を作るか ポークカレー 必要な材料は何か 豚肉 じゃがいも 玉ねぎ にんじん カレールー 材料を調達する 家にある • 調達したら食材ごとに下ごしらえ 買いに行く 代替品 料理を変更 使わない 下ごしらえ 皮をむく → 切る → 炒める
18. ポークカレーを作る流れ 何を作るか ポークカレー 必要な材料は何か 豚肉 じゃがいも 玉ねぎ にんじん カレールー 材料を調達する 家にある • それぞれをまとめて仕上げる 買いに行く 代替品 料理を変更 使わない 下ごしらえ 切る → 下味をつける → 炒める 皮をむく → 切る → 炒める 仕上げ カレールーを入れる → 煮込む → 味を調整する
19. ポークカレーを作る流れ 何を作るか ポークカレー 必要な材料は何か 豚肉 じゃがいも 玉ねぎ にんじん カレールー 材料を調達する 家にある • 盛り付けて完成 買いに行く 代替品 料理を変更 使わない 下ごしらえ 切る → 下味をつける → 炒める 皮をむく → 切る → 炒める 仕上げ カレールーを入れる → 煮込む → 味を調整する 提供する 盛り付ける
20. データ分析の流れ
21. データ分析の流れ 何が知りたいか アプリの利用者はどれぐらい継続するか • どれぐらい継続するか、が知りたいとする
22. データ分析の流れ 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 • 必要なデータにはいろいろな考えられる 利用状況
23. データ分析の流れ 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 データを収集する NPS POS 行動観察 公開情報 アンケート 利用状況 • データを収集するにも色々な方法がある
24. データ分析の流れ 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 データを収集する NPS POS 行動観察 公開情報 アンケート 処理 整理 → 集計 → グラフ 何が売れているか・併売は何か 利用状況 • 集めたデータは処理をして
25. データ分析の流れ 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 データを収集する NPS POS 行動観察 公開情報 アンケート 処理 整理 → 集計 → グラフ 何が売れているか・併売は何か 洞察 それぞれの結果を統合 利用状況 • 洞察を行って結論を導き出し
26. データ分析の流れ 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 データを収集する NPS POS 行動観察 公開情報 アンケート 処理 整理 → 集計 → グラフ 何が売れているか・併売は何か 洞察 それぞれの結果を統合 伝達する レポート・BI 利用状況 • 最後に何かしらの方法でまとめる
27. ポークカレーとデータ分析の共通点
28. ポークカレーを作る流れ 何を作るか 必要な材料は何か 材料を調達する • ポークカレーを作る流れだけを見てみるとこうなる 下ごしらえ 仕上げ 提供する
29. データ分析の流れ 何が知りたいか 必要なデータは何か データを収集する • データ分析の流れを考えてみると同じなことに気づく 処理 洞察 伝達する
30. • ポークカレーの作り方とデータ分析の流れをそれぞれ見る と、とても似ている • 何が似ているかというと、最初に目標を決めてそこから材 料／データを考え、材料に合わせて方法／手法を決めてい く、という流れ • 材料や手法から初めても何かはできるが、それは本当に目 的に合ったものになるとは限らない。適当にやって運まか せ、結果的にうまく行ったらよかったね、では仕事にはな らない ポークカレーとデータ分析の共通点
31. 定性と定量との話はどこにでてくるのか
32. • 全体像を見てもらったが、この中では定性や定量という言 葉は出てこなかった • 定性や定量の話はどこにでてくるのか？ 定性や定量の話はどこにでてくるのか
33. データ分析の流れ 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 データを収集する NPS POS 行動観察 公開情報 アンケート 処理 整理 → 集計 → グラフ 何が売れているか・併売は何か 洞察 それぞれの結果を統合 伝達する レポート・BI 利用状況 • この中で定性や定量の話はどこにでてくるのか
34. データ分析の流れ 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 データを収集する NPS POS 行動観察 公開情報 アンケート 処理 整理 → 集計 → グラフ 何が売れているか・併売は何か 洞察 それぞれの結果を統合 伝達する レポート・BI 利用状況 • 「定性や定量の違い」は「方法の違い」
35. データ分析の流れ 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 データを収集する NPS POS 行動観察 公開情報 アンケート 処理 整理 → 集計 → グラフ 何が売れているか・併売は何か 洞察 それぞれの結果を統合 伝達する レポート・BI 利用状況 • 何が知りたいか、必要なデータは何かが先にある
36. データ分析の流れ 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 データを収集する NPS POS 行動観察 公開情報 アンケート 処理 整理 → 集計 → グラフ 何が売れているか・併売は何か 洞察 それぞれの結果を統合 伝達する レポート・BI 利用状況 • どうやるかを考えるのは目的に準ずる
37. データ分析の流れ 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 データを収集する NPS POS 行動観察 公開情報 アンケート 処理 整理 → 集計 → グラフ 何が売れているか・併売は何か 処理 それぞれの結果を統合 伝達する レポート・BI 利用状況 • 方法から目的を考えるのは順番が違う
38. 方法を先に考えると起きる事
39. 方法を先に考えると起きる事 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 データを調達する NPS POS 行動観察 公開情報 アンケート 処理 整理 → 集計 → グラフ 何が売れているか・併売は何か 処理 それぞれの結果を統合 伝達する レポート・BI 利用状況 • 途中からだと解くべき問題につながらないかもしれない
40. 何が知りたいか アプリの利用者はどれぐらい継続するか 必要なデータは何か 満足度調査 競合 市場 購買実績 データを調達する NPS POS 行動観察 公開情報 アンケート 処理 整理 → 集計 → グラフ 何が売れているか・併売は何か 処理 それぞれの結果を統合 伝達する レポート・BI 利用状況 • 目的に繋がらないと分析した気になるが何も解決しない 方法を先に考えると起きる事
41. • 方法から入ると「どうやるか」だけ考えてしまったり目的 を置き去りにして自分のやりたい方法にこだわりがち • 方法とは、定性や定量といった手法の区別だけでなく、今 あるデータとか、導入済みのツールとか、新しく勉強した 手法とかも同じ • 常に目的は何かを意識する必要がある 方法を先に考えると起きる事
42. • 特に近年、データサイエンスやＵＸリサーチのような特定 の職種や手法が良く聞こえてくる • その影響で手法から入った人にはそれぞれの領域がまった く違うように見えているのかもしれないが、そうではない • 自分ができる、やりたい方法に固執するのは避ける 方法を先に考えると起きる事
43. 本題：定性と定量の越境について
44. • 言いたいことは、定性も定量も「何が知りたいのか」とい う目的を達成するための方法あるいは手段であり、境目は 存在しない 定性と定量の越境について
45. • 言いたいことは、定性も定量も「何が知りたいのか」とい う目的を達成するための方法あるいは手段であり、境目は 存在しない • 存在しない境目は超えられない 定性と定量の越境について
46. • 言いたいことは、定性も定量も「何が知りたいのか」とい う目的を達成するための方法あるいは手段であり、境目は 存在しない • 存在しない境目は超えられない • 定性と定量は越境できない 定性と定量の越境について
47. 実際の仕事で起きることにどう対応するか
48. • 考え方についてはここまでで話した • とはいえ考え方だけでは実際の仕事で起きることには対応 できない • こんな場合にはこうしたらいいのでは、というのを２つ簡 単にだが触れてみる 実際の仕事で起きることにどう対応するか
49. • 定性と定量それぞれの領域はまた様々な分野で構成される • １人であらゆる分析をやるのは当然無理だし必要ない • なのでどこかに軸足を置きつつ＋その周辺に広げていくこ とになる • それは複数の領域の分析かもしれないし、分析とマーケテ ィングなどかもしれない • どこかに特化するならよほどの専門知識を持っているかつ それが許される環境でないと厳しいのでは 全部はできないのでどれをどれだけやるか
50. • 良い方法があるのに自分のできる／やりたいことと違う場 合はどうするか • 自分がどうこうではなく良い方法があるならその方法を選 択する • 良い方法を自分ができないならできる人に任せる方が良い し、そういう人がいないのなら自分でやるか、別の目的に 切り替えることも検討する • とにかく自分ができる／やりたいことを前提にしない 良い方法と自分のできる／やりたいことが違う場合
51. まとめ
52. • 目的を達成するために一番良い方法を選ぶべきで、定性や定 量を最初から分けて考える必要は無い • 自分ができる／やりたいことを優先してはいけない • とはいえ全部１人ではできはないので、みんなでうまいこと 分担していこう まとめ
53. 宣伝
54. • エンジニアとアナリストの間でビジネスサイド向けにデータ を抽出したり、使いやすくしたりする役割について考える 『データアーキテクト（データ整備人）を”前向きに”考える 会』を主催 • 次回 第４回は６／９（火）オンライン開催 • TwitterやCompassの「データ分析とインテリジェンス」と いうグループから登録できます #前向きデータ整備人
55. • データ分析やその周辺にまつわるイベントを開催中 • データ分析の実務能力向上を目的とした新しいイベントも 企画中 • Compassで「データ分析とインテリジェンス」というグル ープがあるので興味があれば登録しておくと新しいイベン トの登録や募集開始時に連絡がいきます https://analytics-and-intelligence.connpass.com/ ・ Compassグループ
56. ご清聴ありがとうございました しんゆう＠データ分析とインテリジェンス https://analytics-and-intelligence.net/ Twitter：@data_analyst_