こんにちは、”朝5時ブログの女” なつみっくすです。
昨日は、NewsPicksアカデミアのこちらのイベントに参加してきました。
テーマは「実践:データドリブン思考の鍛え方」。
テクノロジーが進化し、ビッグデータを活用したデータ分析の重要性は高まり続けている。文系理系問わず、今後ビジネスパーソンにとってデータ分析は必須スキルの一つになるだろう。
本イベントでは、MOOCの人気講師でもある、マーケティング・サイエンティストの本間充氏が登壇。
インターネット黎明期から、花王やアビームでウェブサイトをはじめとしたデジタルマーケティングを切り開いてきた本間氏が、MOOC内で語られた7つのステップをワークショップを交えながら解説する。
イベントページから引用
ちなみに、本間さんのデータアナリティクス入門のMOOCが、こちらのツイートから観れます。ものすごく分かりやすいです。
本間さんのお話はすごく分かりやすかったです。「データサイエンス」と聞くと「難しい」イメージがあるのですが、データから読み解くおもしろさが伝わってきました。そして、データありきではなく、「自分がやりたいことができるか?」という目的と仮説の大切さを知りました。
今日は、こちらのイベントで学んだことを書いていきます。
「自分のやりたいことができるか?」という目的がスタート地点
本間さんが、なぜ「データアナリティクス入門」のMOOC講座をやったか?
データありき、データがスタート地点ではなく、
「自分のやりたいことができるか?」がスタート地点である
ことを伝えたかったから。
データが大切、というのは耳にタコができるほど聞きますが、データありきで、データをひたすら眺めるとか、データを集める、分析すること自体が目的化してしまうことが多い。そうではなく、「自分のやりたいことができるか?」という目的がスタート地点である。
データから何かが見いだせるというのは間違い
と言い切られていたのも、データが目的化してしまっていることへの注意喚起と捉えました。
日本では「データサイエンティスト」が不足
データサイエンティストは、そもそもどういう人か?
データサイエンティスト協会の資料に、レベル分けの定義が書かれています。
本間さんが問題と思われているのは、「棟梁レベル」が少ないこと。
「棟梁レベル」とは、ざっくり言うと「統計の問題に置き換える能力」を持っている人。
目的に対して、シンプルな仮説を立てて、答えを先に考える。「やっぱり、そうだよな」という統計の問題を解いていく。柔軟にデータを使って、他者とコミュニケーションをしていける能力が必要。
データサイエンスのステップ
ざっくりですが、本間さんが言われていたデータサイエンスのステップです。
- 目的を決める →「自分が何をやりたいか?」 例:広告宣伝費を下げながら、売上を上げたい等
- シンプルな仮説を立てる(みんなでブレスト) → 例:タクシー広告をしたら、売上が上がる等
- 必要なデータは何か(みんなでブレスト)
- データを集める
- データを分析する
- データを使って、ストーリー/プレゼンテーションを創る
「データサイエンティスト」と言うと、統計の知識だけ必要と思われがち。でも、「社内で丁寧にコミュニケーションをしてデータを集める」とか、データをどうストーリーにして、プレゼンテーションをするかという能力も大切になる。
「データを、もっとおもしろく」。みんなが興味を持ってもらえるように、おもしろくコミュニケーションしていけるか? この視点を持つこと。
データを使ったストーリー、プレゼンテーションは、どうすればポジティブに捉えられるか?ネガティブに捉えられるか? NewsPicksと他メディアの記事でも、タイトルやグラフの見せ方が違うことがある。ここに目を向ける。
たとえば同じ売上げアップでも
- 5%アップ
- 500万円アップ
で印象が違ってくる。
“戦略的”とは何か?
「目的を決める」、「シンプルな仮説を立てる」これができることを”戦略的”と言う。
たとえば、小学生のときに「朝顔のタネを植えて、観察日記をつける」というお題をする。
ここから先、どのように朝顔が成長していくか、仮説を立てる。そのイラストを書いていく。このステップが大切になる。
仮説を立てるからこそ、双葉が出たときにびっくりしたり、双葉のあとに本葉が出ることに気づく。
いつも日常生活から、データサイエンスに置き換えて考えてみる、ということをされている本間さんならではの例えだと思い、おもしろかったです。
日本人が陥ってしまうPDCA
いつものPDCAではなく、皮肉的に言われる日本人のPDCAの話が面白かったです。
- P :Plan(計画する)
- D :Delay(遅れる)
- C :Cancel(キャンセルする)
- A :Apologize(謝る)
「KKD」という言葉もあるようで、K(勘)K(経験)D(度胸)に頼ってしまう傾向もある。
日本人の特性として「最初から完璧を求めすぎてしまう。」
これに対しての本間さんのアドバイスは、
- 100%合っている統計は無い
- 最初から100点を目指さない
- 取れているデータを活用
- 取れていないデータは仮説と予測で補う
- 3つくらいのデータから始める(完全なデータじゃなくていい)
- トライアルしてみる
たとえば、「どんな人がカワイイと思われるのか?」ということをデータサイエンスするとき、「口角」「目」「表情の豊かさ」の3つが重要ではないか?という仮説を立てて、この3つのデータに絞って、分析をする。
顔のデータは無数に取れるけど、3つくらいの重要そうなデータから始めてみる。
あなたは「降水確率」何%だったら、傘を持っていく?
本間さんから、会場の参加者に対してこのような問いかけがありました。
あなたは「降水確率」何%だったら、傘を持っていく?
会場で手を挙げましたが、答えはバラバラ。
ここで本間さんが言いたかったのは、
データがあっても、「判断」が大切。
判断できるのは、人間。
データを目的化するのではなく、あくまでも私たち人間が主役。
いろんな例えがあって、おもしろかったです。データを使って、こんなにおもしろい話ができるのか、と目からウロコでした。ありがとうございました。
コメントを残す