ビッグデータビジネス活用講座 - データサイエンティスト入門

ビッグデータを正しく理解して、
成果を出せるデータサイエンティストになる！

データ活用がビジネスに大きな効果をもたらすことは分かっているけれど、データ分析の知識がない。
データサイエンスを学んでいるけれど、ビッグデータをどのように扱えば良いのかいまいち分からない。
ビッグデータと聞くけれど、要するにどういうもの？

営業・マーケティング職の方や経営企画担当の方、管理職の方、または経験の浅いデータサイエンティストの方には、そのように感じている方も多いのではないでしょうか。

また、すでにプロジェクトマネージャーとして分析プロジェクトに従事している方でも、分析結果を活かす提案や伝え方に悩んでいたり、ご自身の解析手法に疑問を感じている方もおられると思います。

データ分析をビジネスの改善のため有効に活用したいなら、データ分析プロジェクトのステップをきちんと理解し、ポイントをしっかり押さえておく必要があります。

データ分析の基礎から課題解決へ用いる思考法まで、
ビジネスにおけるビッグデータ活用の全てがこの1本で学べる！

このコースでは、「ビッグデータとは何か」といった基本知識から学び、ビッグデータの要素である「Data （データ）」「Technology （技術）」「People （人・組織）」といった面から、それをどのように経営課題への活用に用いるかといった実践的な内容を学びます。

時代の変遷からビッグデータ以前と以後の変化を見た上で、急速に発展する分析技術のトレンド、データサイエンティスト・組織のあり方、ビッグデータを使って何ができるか、どのような経営資源が必要なのか、ロードマップは何かといったビッグデータの基礎から応用までを網羅しています。

そして後半ではデータ分析の踏むべきステップを学習し、データ分析プロジェクトの要件定義のコツからデータを使ったプレゼンテーションのコツまで、「データ分析プロジェクトの設計方法」を丸ごと学ぶことができます。

ビッグデータのビジネス活用について初めて学ぶ方はもちろん、ビジネスマネージャー・データサイエンティストとしてスキルアップしたい方まで、幅広く学んでいただけます。

このコースで得られるもの

ビッグデータを使って何ができるのか

データにおける変化

まずは10年前、モバイル環境やガジェットなど身の回りのモノがどうであったかを思い出しながら、データ分析やデータサイエンティストが注目され始めたきっかけ、そして「ビッグデータ」への変遷について知り、ビッグデータビジネスを考えるための要素と、そのデータの変化などを理解します。

ビッグデータで何ができるのか

ビッグデータへと変遷したところでできるようになった、「リアルタイムで見える化」「レコメンデーション」「ユーザーのグルーピング」「故障・異常検知」「自然言語処理(NLP)」「画像分析」について説明します。

分析技術と人・組織

ビッグデータを支える技術

ビッグデータビジネスを考えるための2つめの要素である「Technology(技術)」について解説します。
「機械学習」「自然言語処理」「ディープラーニング」といった技術のエッセンスは、ビジネスマネージャーが理解しておく必要がありますので、しっかり概要を掴んでください。

ディープラーニングとは

先ほど技術のエッセンスとして紹介した「ディープラーニング」について、「なぜ“ディープ”なのか？」ということから、適用領域、用いる場合の重要なポイントなどをお話しします。
実は「使えば簡単」と誤解されがちなディープラーニング、この機会に正しい知識をつけておきましょう。

人・組織について

ビッグデータビジネスを考えるための3つめの要素は、「People(人・組織)」です。
データサイエンティストという人材にどのような変化がるのか、分析チームはどのようにケイバビリティを備えれば良いのかを学びます。

ビッグデータをビジネスに組み込む

分析したいことの明確化

これまでビッグデータの3つの要素について学習しましたが、ではそれらをどのようにしてビジネスに活かしていけば良いのでしょうか。

「ビッグデータ分析」と聞くと、漠然と「何かできそう」「何かやればいい」と考えて思考停止に陥るケースが度々見られますが、ここでは思考停止せずに具体的にどうするべきかを考える練習をしていきます。

分析課題の翻訳

「分析したいこと」が明確になったなら、次は問題解決へのアプローチとして、これまで学んだData(データ)、Technology(技術)、People(人材・チーム体制)の視点で翻訳することが求められます。

ここでは、そのアウトプット方法について解説していきます。

分析課題への評価・選択

ここまでで「どんなデータを使って」「どんな分析ができそうで」「どんなケイパビリティ」が必要かを洗い出すことができました。
では、これらのリストの中でどこから始めれば良いのか、その優先順位の考え方と分析プロジェクトを行なっていく過程で必要なポイントを説明します。

データ分析プロジェクトのステップ

インパクトを出したいKPIは何か？

通常のプロジェクト計画と同様に分析計画の立案にもステップがあり、それらを明確にして進めなければなりません。
その初めのステップが「KPI」となります。

何をKPIとするか迷う段階でもありますが、現実的なKPIを決め、「分析したいこと」から詳細なKPIへと変換する考え方をお教えします。

アウトプットは何か？

求められているアウトプットが意思決定者とデータサイエンティストのあいだで違っていると、分析結果をプレゼンしても実りにならない悲しい結果を招いてしまいます。

分析結果を利用する側と分析者であらかじめ求めるアウトプットを話し合っておく必要がありますが、その際にアウトプットを考えるための視点や例について解説します。

PDCAはどのように回すのか？

PDCAで重要なのは「CHECK(上手くいったのか・いかなかったのか=検証)」という部分です。
「分析をしながら考えればいい」と思われれがちですが、分析計画時点でCHECKのタイミングと検証方法を握っておかないといけない、その理由をお話しします。

使用するデータは？

分析プロジェクトになると、ある程度使うデータの「あたり」は付いていると思いますが、より詳しく整理する方法を紹介します。
詳細な使用データをまとめておくことで、関係部署などのコミュニケーションにも有効です。

分析アプローチ(初期仮説)は?

データ分析の手法をどう使うかは、様々なバリエーションがあります。
本来、分析担当者が考えることではありますが、ここではプロジェクトマネージャーが押さえておくべきことについてお話します。

データ収集・分析・アウトプットのステップ

データ収集

データ分析の２つ目のステップであり、全体の80%を占める工数である「データ収集」についてレクチャーします。
あとで不備に気付くことも多いのがこのデータ収集の課程ですが、極力効率よくデータを集めていくためのポイントを学びます。

分析

分析担当者にとっては一番楽しい段階である「分析」ですが、プロジェクトマネージャーから見た分析フェーズの課題やプロジェクトマネージャーに押さえていてほしいことについてレクチャーします。

アウトプット作成

意思決定者や関連部署を動かさなければならない、最難関かつ最重要なステップがこの「アウトプット作成」です。
信頼関係を築く分析結果のプレゼンテクニックや、コントロールしておくべきこと、スケジューリングのポイントなどについて紹介します。

データプレゼンテーション入門

データプレゼンテーションの基本を学習する

データを使った報告・プレゼンの構成要素から、可視化する場合の手法と注意点を学びます。

こんな方にオススメ

• データサイエンス初学者
• プロジェクトマネージャー
• 営業担当者や管理職、経営層
• 経営企画部署

ただ知識や方法を学ぶだけではなく、「どのようにビッグデータを経営課題解決に落とし込むか」「どのように分析し活用すればビジネスで成果が出るのか」といった思考法に重点を置いて解説していますので、すぐに実践に役立てることができます！