20141203セミナー資料1_基調講演

230e2d857aa90cc5ee9e495080e14943?s=47 XICA
December 03, 2014

 20141203セミナー資料1_基調講演

230e2d857aa90cc5ee9e495080e14943?s=128

XICA

December 03, 2014
Tweet

Transcript

  1. 1.

    『データを活用できるために組織・個人には 何が求められるか』 2014年12月3日 データ&ストーリー代表 横浜国立大学非常勤講師 柏木吉基 Copyright reserved @ Yoshiki

    Kashiwagi 2014 1 統計分析ツールアデリー特別セミナー *本資料の内容やアイデアを、著作者の許可なく改編、使用することを固く禁じます
  2. 2.

    Copyright reserved @ Yoshiki Kashiwagi 2014 2 プロフィール 1995年日立製作所入社。米国にてMBA取得後、2004年日産自動車へ。 海外マーケティング&セールス部門、組織開発部

    ビジネス改革マネージャ等を歴任。 グローバル組織の中で、数々の経営課題解決、変革プロジェクトのパイロットを務める。 2014年10月より、企業研修講師、コンサルタント、大学教員として独立。 著書 『Excelで学ぶ意思決定論』(オーム社) 『人は勘定より感情で決める』(技術評論社) 『明日からつかえるシンプル統計学』(技術評論社) 『「それ、根拠あるの?」と言わせない データ・統計分析ができる本』(日本実業出版社) ほか、数多くのビジネス雑誌にも登場(『日経情報ストラテジー』にて現在連載中) 柏木 吉基 かしわぎ よしき 「仕事の成果」に直結する実務データ分析トレーナー 横浜国立大学非常勤講師 データ&ストーリー代表 (http://data-story.net)
  3. 4.

    Copyright reserved @ Yoshiki Kashiwagi 2014 ・課題特定力 ・要約力 ・政治力学 ・発想/想像力

    実務における分析結果は、“その他の能力”とセットで初めて生きる! ・プレゼン/ コミュニケーション力 ・マーケティング知識 マーケティング 分析スキル ・業界/製品知識 課題解決 企画・プランニング 4 分析専門家とビジネス実務家の視点 1. データ分析・統計を実務で使うってどういうこと?
  4. 5.

    Copyright reserved @ Yoshiki Kashiwagi 2014 データ分析の成功要因 ①課題解決の下地 (仮説構築、課題設定、 変革マインドなど)

    分析手法自体は、 全体の約1/3 5 1. データ分析・統計を実務で使うってどういうこと? 分析専門家とビジネス実務家の視点 ②適切なデータの準備 ④適切なコミュニ ケーション ③分析手法の知識、技術
  5. 6.

    ❶ 専門知識や専門アプリが必要 ❷ 必要な精度に対してコスト大 ❸ 相手に納得してもらいにくい ❺ ”統計”への心理的ハードル ❻ 高度であるほど汎用性が下がる

    高度な統計手法が必ずしも使われない6つの理由 Copyright reserved @ Yoshiki Kashiwagi 2014 ❹ 必要なスピードとのギャップ 6 1. データ分析・統計を実務で使うってどういうこと?
  6. 7.

    Copyright reserved @ Yoshiki Kashiwagi 2014 7 社内分析専門部署 分析専門会社 一般部署

    ・分析委託(依頼) ・結果読み取り ・分析委託(依頼) ・結果読み取り ・分析依頼 ・結果提供 ・自部門での分析 ・顧客への提案 ・上層部への提案・報告 1. データ分析・統計を実務で使うってどういうこと?
  7. 9.

    組織的課題 Copyright reserved @ Yoshiki Kashiwagi 2014 9 (1) カルチャー(現場・上層部)

    (2) 縦軸/横軸のスキル分断 (3) 縦軸/横軸のプロセス分断 (4) 評価基準とマインドセット(例:外資vs内資) (5) スキル不足(本人・周囲) (6) 日常の業務多忙(本当に仕事が多い場合と、本人の効率や能力の問題と) (7) 評価基準とマインドセット(例:残業文化vs在宅勤務) 個人的課題 2. 「データ分析」を組織的・個人的な課題として見ると
  8. 10.

    Copyright reserved @ Yoshiki Kashiwagi 2014 10 組織的解決に依る部分 (1) カルチャー

    (3) 縦軸/横軸のプロセス 分断 (4) 評価基準とマインドセット (2) 縦軸/横軸のスキル分断 (5) スキル不足 (6) 日常の業務多忙 研修・トレーニングなど が貢献する部分 個人的解決を要する部分 (7) 評価基準とマインドセット 2. 「データ分析」を組織的・個人的な課題として見ると
  9. 12.

    から 「データ・数字を活かせる ビジネスパーソン」へ 仕事に価値をもたらす 日産V字回復後の成長に直接貢献した実務家による研修。 カルロス・ゴーンCEO始め、外国人役員に数々の企画、 提案をうなずかせた秘訣を伝授! 一つでもこれにあてはまれば…… 【若手・中堅クラス】 ・「分析して」と言われても、何から手を付けてよいかわからない

    ・数字スキル、ロジックスキルを身に着けて、自分の仕事にもっと自信を持ちたい ・説得力のある企画や提案が思うようにできていない 【マネージャ・経営者クラス】 ・過去の経験と勘だけで、数字やロジックに基づいた仕事ができていない ・社内のデータが十分に使われておらず、機会損失をしている ・意思決定者として、分析結果を自ら深く読み解く"データリテラシー"が欲しい このような状態になります…… 1. データの読み方や視点を知り、日常業務の中で自らデータに着手できるようになります 2. データの注意点や効果的な使い方を把握し、説得力ある結論を導く力が身に付きます 3. データから価値ある情報を引き出し、実務課題に応用する力が身に付きます。 4. 個人や組織のデータリテラシーを高め、分析業者等との適切なやり取りができるようになります
  10. 13.

    数字の整理しか できていない データ“分析”により 価値ある情報を 自ら引き出せる 幅広く課題解決 にも応用できる より複雑な応用 分析を自らこなせる 超入門編

    標準入門編 データ分析で を作る! ~課題解決のための データ分析実践編 中級編 Phase 0~1 Phase 1 Phase 2 Phase 3 実務データ分析プログラムのご提案 スキルアップ プロセス 研修 プログラム お問い合わせ:http://data-story.net の「お問い合わせフォーム」からご連絡下さい。