しんゆう/ データ分析とインテリジェンス
@data_analyst_
Followers
7,623
Following
607
Media
8
Statuses
8,612
知ることに強い興味があり、うまくやるのが多分得意。フリーランスで活動する「データを使いやすくする人」たまに「データを分析してインテリジェンスを提供する人」。その実態は謎のデータ分析業界ウォッチャー。最近のテーマは「もっとうまくやる」こと。
Joined August 2014
Don't wanna be here?
Send us removal request.
Explore trending content on Musk Viewer
#BUS_KnockKnockKnock_KhonKaen
• 861799 Tweets
Bama
• 106794 Tweets
スプリンターズS
• 88287 Tweets
CRかるび
• 33761 Tweets
ナムラクレア
• 24772 Tweets
サトノレーヴ
• 19357 Tweets
三原じゅん子
• 19322 Tweets
WIN AT TODAY SHOW
• 19309 Tweets
ママコチャ
• 18951 Tweets
西村騎手
• 18405 Tweets
ショアキーパー
• 16955 Tweets
西村淳也
• 16008 Tweets
マッドクール
• 14245 Tweets
#njdest
• 11406 Tweets
ドゥラメンテ産駒
• 10391 Tweets
ピューロマジック
• 10017 Tweets
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ。
3
509
3K
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ。
4
489
2K
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ
3
574
2K
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ。
4
113
796
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ
1
246
734
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ。
0
327
626
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ
1
368
578
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ
0
257
530
NHKのAIの件が炎上しているが、
・言葉を聞きかじっただけの人が
・専門家の話よりもウケの良さだけを優先し
・根拠も分析もでたらめだけれど
・まったく知らない人向けに”AI”の名前を借りて自分に都合の良いことを伝える
姿はまさに今起きている”AI”の縮図なのかなとぼんやり見てる
1
518
538
「データ整備の基礎」を公開しました。データ整備の定義や仕事の具体的な話、プロセスにおける位置づけまで含め、データ整備の全体像を捉える試みの最初の発表になります。
データ活用に貢献できるよう今後も更新していきます。感想・批評たくさんお待ちしております。
1
72
488
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ。
6
128
463
データの仕事をしている人（主語でかめ）には当たり前のことでも、依頼を出す側の経営者・PM・マーケター・営業とかにはまだちゃんと伝わっていない気がしているので自分なりの説明をしてみた。簡潔にしたつもりだけどまだ長いな。。。
0
24
421
ダッシュボード作りにかかる工数は、この記事の内容に気を付けたらすぐにでも半分ぐらいに減らせるのでは。もしかしたら3分の1とかにもなっちゃうかもしれない。
0
35
416
その通り / そもそもおしゃれなオフィスで有名なサービスを開発している高収入なデータサイエンティストは、そのほとんどが学生時代からプログラミングを学んでいた理系大卒です。未経験者が3カ月スクールに通っただけでは、データサイエンティストにも魔法少女にもなれません
1
153
395
今日のData Analyst Meetup Tokyo vol.9の登壇資料をアップしました。イベントに来ない方でもご質問などあればお気軽にどうぞ！
2
91
348
「データ分析で最低限知らないといけないこと」とは「みんなが知っておかないといけないこと」であり、データ分析について共通認識として最低限持っておくべきことは何だろう、とふと思い立ってまとめた。定期的に更新するテーマの1つになりそう。
1
25
350
【DI-SQL本日正式公開】データ分析のためのSQLについて文法の解説、練習問題とその回答、その他TIPSをまとめたサイトを作っていて、そのうちまとまったらと思ってたけどまだJOINにもたどり着いていないのにパワポ１００枚分ぐらいになっておりきりがないので公開します！
2
64
309
「戦略の失敗は戦術の失敗では取り戻せない」のと同じでデータ分析も最初に間違えていたら後でどんなに頑張ったところで取り戻すことは難しい。だから「データ分析」を行う時に思い出して欲しい記事を書いた。特に経営者やPMなど意思決定をする側の人に知っておいて欲しい。
0
40
305
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ
0
113
272
時折見かける「〇〇社ではデータサイエンティスト／データ分析人材を何百人育成する」系の話、「それより先にその１００分の１でいいからデータ分析者を使える経営者を育てるのが先では」という感想しか思い浮かばない。
1
75
259
「データ分析」＝「意思決定と分析のプロセス」として概観をまとめた。データ活用まで含めると範囲が広すぎるのでまず「データ分析」だけに絞ったけれどもそれでもやっぱりとても大きな領域であることを再確認した。
0
20
248
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ。
4
67
228
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ
1
165
221
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ。
1
45
207
「仮説」とはよく聞くが、考えるための道具にすぎないので正しく使わないとケガをすることになる。そうならないようにどんなことに気を付けているかをまとめた。というかこれも「仮説」という言葉が独り歩きしすぎなのでは。
1
31
212
手法もプログラミングもデータ基盤も全部必要だけれども順番はあって、データ分析をやるなら最初に必要なのに足りてないのがそもそも何をしなければならないのだっけ、な話な気がしているので改めて考えてみたところ2つのことに行きついた。
0
22
211
「デジタル人材」が何を意味しているのかさっぱりわからない。さらに「データ分析」を「デジタル」と繋げているからますます意味不明。先に必要なのは「データ分析して意思決定する＝何かする前にもっとよく考える」文化であってデータをいじるスキルじゃないのに。
4
39
201
「効果測定」を施策の後で行ってはいけない理由と、後で行ってしまう原因がその言葉にあるなら使うのを止めたらいいのでは。
1
18
197
【ブログ追加】「データ整備人（仮）」という、「データベースからSQLを書いて抽出する」という仕事についての考察というか「なにこれ？」という話
久しぶりにnoteではなくブログを更新。名前はともかくこの役割は本当に必要なのかはまたあら貯めて考えてみたい。
10
45
187
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ
0
91
177
15年以上データ分析の動きを見ていているけど、最近のビックデータやデータサイエンティストのブームでは「データをどう扱うか」の議論はたくさんされてきたけれども「データ分析による意思決定の文化」にはほとんど影響がなくて相変わらず蔑ろだし、それはこれから先も簡単には変わらないだろう。
1
42
171
GA4+BigQueryの情報があまりない上に散財しているのでまとめようとして、だったらついでに公開しようとふと思い立って作り始めたものの1人ではとても手が回らなそうなので手伝ってくれる企業や人がいたらお声がけください。スライドのイメージはこんな感じ。
1
29
177
某所で行った講演の資料。せっかく作ったので公開してみる。
データ分析のプロセスを前提にして、「データ分析」が何をしているのかと、「データ分析」にまつわるいろいろな話を書いた。雑多な内容を含んでいる後半がむしろ本番かも。
1
27
174
相変わらず「提案」「インテリジェンス」「データ」の区別がついていないから「データ分析」が混乱していると思ったので整理した。この話はデータに関わることになって最初に考えておくべきだったと改めて反省している。
0
21
166
将来はともかく、現状のAIと呼ばれるものは
・人が決めた目標に向かって
・人が用意したデータを使い
・人が設定したルールに基づいて
・自動で膨大なPDCAをまわす
ことで、だから「PDCAを回せない企業に機械学習は使えない」と思う
0
111
153
本日の #白金鉱業 登壇資料をアップしました / それでも「データ分析」で仕事をしたい人のためのデータ分析業界長期予とこれからの選択肢について
1
41
152
軽くバズってるのでnoteの中でも最近の一押しを宣伝しておこう。
・何となくデータを見ることで目的など生まれない
・目的なしに集めたデータは単なる雑学に過ぎない
とかまさにこのツイートの話をより詳しく書いている。
1
25
135
ビジネスサイド向けに「データの依頼のやり方」をまとめるのについに着手するもまだ当分できなさそうなので、さわりの部分を文章化してみた。
0
10
120
「専門家がいなくてもできるツール」がずれてるなと思うのは、専門家がいないことで問題になるのはツール化できる部分よりも目的をその分野の言語に翻訳することやディレクションすることなのでツールを入れてもさほど解決しないのではということ。「専門家の仕事をやりやすくする」の方が正しい。
1
39
117
後半公開されたー。今回は「データ分析」の話が中心で、「分析」や「データアナリスト」という名称が混乱しているのでなんとかしないとねという話と日本のデータ分析文化について。より詳しくはブログで補足予定。前後通してAIの話は全然してないな。
0
24
109
データ分析や機械学習の民主化というのは全体の底上げにはなるけれども専門家が必要なくなるということではないのだが、どうもそこを勘違いしている人がいるような。いくら庶民の料理レベルが上がってもレストランが無くならないのと同じじゃないかな。
1
30
106
【note追加】SQLを始めてちょうど１０年経ったこともあり、自分の思考や行動を始めて文章化してみた。独学ばかりで検証したことが無いのでたくさんのつっこみをお待ちしています。
抽出でSQLを書くときに考えていること｜データ分析とインテリジェンス
@data_analyst_
#note
0
17
110
データ分析本で翻訳書と日本人の著作の一番の違いは「データを集めることにどれだけ注力しているか」な気がする。翻訳書はデータ収集に非常にページを割く一方で、日本人の著作はデータが集まっていることが前提でそれをどう扱うか、に焦点が当たっていることが多いように見受けられる。
1
27
106
コンサルの人に「コンサルタントとデータアナリストは何が違うのか？」と聞かれたので「コンサルタントは外から言うだけで結果がどうあろうと対して関係ないが、データアナリストは結果が悪ければその企業と一緒に沈んでいく人だ」と思ったけど言わなかった。
1
32
103
「データサイエンティストにどんな線形代数が必要か？」という話題は、海外旅行に行ったことがない人が「海外ではどれぐらいの英会話レベルが必要か？」と言っているようなもので、もし聞かれたら「最低限は必要だけど後は必要になったら勉強したらいいんじゃないの」と言うのがよいのだろうか。
0
22
102
分析チームを作ってもろくに機能せずに数年で崩壊していく原因については発達や崩壊を経験したり人伝てに聞いたりして大体様子が解ってきたつもりなのでブログに書いて評価を受けたい。なお、対策については誠に残念ながら「現場のアナリストがその企業で実績を積んでがんばるしかない」ようですが。
0
25
90
現在の「データ分析」の実情について非常に的を得た記事であり、例外はあれど多くの人が該当するのでは。
とあるデータ分析/データエンジニアリングの現場からの雑感 - データエンジニアの酩酊日記
1
24
99
ざっくり感想
・前処理は自動化されてない模様
・設定して放り込むと結果がでてくるらしい
・DataRobot（と今後出てくるだろうツール）と基本的には同じらしい
・あとは価格や速さや便利さの勝負か。BQからそのまま使えたら強そう
・機械学習自動化の流れは思ったより早そう
ブログ更新しました。 / AutoML Tablesと他の機械学習モデルとのパフォーマンス比較をしてみた - 六本木で働くデータサイエンティストのブログ
0
23
95
1
19
97
【ブログ更新】みんなでうまいこと分担しようよ派なのでかなり大雑把にだが「どんな仕事をするならどれぐらいのSQLが必要なのか」をまとめてみた。
データアナリストやデータサイエンティストはどれぐらいのSQLが使えるべきなのか
2
9
95
アナリストに必要なこと
・好奇心。分析とはつまりは知ろうとすることなのでこれがないと多分無理
・客観的に冷静にデータを見る力。自分の意見が紛れ込んではいけない
・どうあるべきかに口を出さない。聞かれても「それを決めるのはあなたの仕事だ」と言えるか
ぱっと３つ思いついた。あと何だろう。
4
7
95
データ基盤を作るだけでは正しく使えるようにはならないし、「作ること」と「使うこと」は別のスキルなので身に着ける努力をしなければならない。ビジネスサイドにもその「使うこと」を身に着けてほしいのだけど、学ぶ手段がないところは自分が書く、という宣言。
0
8
94
「誰かがやらないといけないが間に落ちている話」のエンジニア側の話。分析側でいうアナリティクスディレクターみたいな感じで
ビッグデータと機械学習の狭間で -データエンジニアに求められる役割-
1
13
93
【ブログ追加】「職名はどうでもいいのでその時に何が求められているかから考えよう」を言うために前提から話を整理したら随分長くなってしまった。
データサイエンティストには社内調整が必要なのか | データ分析とインテリジェンス
0
21
90
「データ分析」といっても責任として求められているのは「分析すること」ではなく「提案」なので、実質マーケターやコンサルタントとして自分で主導していくタイプの方が評価されるのは自然だったということなのでは。
その意味で言うと、実務データ分析でバリューを出すためには程度の多寡はあれどownershipを取って分析者自身がそれなりの方向性を示して合意形成しながらプロジェクトを前に進めていく必要があるわけだ。この辺が成果の出ている人は無意識のうちに出来ていて、出てない人はそうではない印象がある
0
15
118
0
14
91
データ分析はじめに（どころか多分ずっと起きる）あるある。でも本当の問題はこういった話が体系化されずみんな独学で車輪の再発明を繰り返してい���ようにみえることなのでどうにかしよう。
Two years have passed since I got into data analysis
1
10
86
「データアナリスト」を整理しようとしたらわけがわからなくなってきた。なのでまずは混乱の原因について考察すると「インテリジェンス」の認識不足がそもそもの原因なのでは、というところに思い当たった。ただ、まだ何も解決してない。
1
11
89
うわ、これは相当なインパクトありそう。AutoMLとLookerだけで中途半端なことやってる機械学習エンジニア＋BI使い＋データアナリストは軒並み仕事を奪われるんじゃないか。
Googleがデータ分析プラットフォームLookerを2,800億円で買収。
Lookerは「データの民主化」というビジョンで、全社データの定義を統一し、簡単に分析やレポート構築が出来るツール。
将来的にGoogle Cloudに統合されるとのこと。
イギリスに来てから日々使ってるけど本当に素晴らしいツール。
0
129
511
1
31
86
【予告】ハーバード大学博士課程に留学中の
@koro485
さんによるセミナーを開催します！
タイトル：「統計的因果推論のための３ステップ」
日程 ： 12月12日（木）19:00～
詳細＆compassでの募集は今週中に開始です！
やっと公表できたー
0
9
84
何度でも言うが、「今あるデータを使って何かできないか」とか「せっかくツールを導入したのだから使いたい」とか「新しい理論を勉強したので使ってみたい」とか、とにかく「何が問題なのか」から出発しない分析は失敗するかほとんどが無駄になるだけだ。が、世の中の分析の大半はこのうちのどれかだ
0
23
84
統計学の勉強を久しぶりにやってて思うことはこの分野でも「データがあっていかにそれを処理するか」に注目が行くけれど「いかにしてデータを手に入れるか」「そのデータが正確かをどう確かめるか」とかの議論はあまりない。情報やデータを入手することの重要性についてももっと広める活動もしたい。
1
5
83
【ブログ追加】『データアーキテクト（データ整備人）を”前向きに”考える会』の資料をアップ
本日のイベントで話す資料をアップしたのでお知らせ。前日に間に合わなかったのが悔やまれるので次回こそは。出オチは許してください。
1
16
83
【登壇資料アップ】
明日のイベントの登壇資料をアップ。『それでも「データ分析」で（長いので略）』というタイトルでお話します。ご参加予定の方はお時間あれば目を通しておいていただけると当日より話が頭に入りやすくなるかと思います。
4
25
79
「データ分析」は意思決定のためなのでそれだけではダメだというのはわかる。それでも役割の話をしているのに「データ分析だけでは・・・」と言うのはゴールキーパーがキャッチの練習をしているのに「サッカーでは点を取らないと勝てないぞ」と言うのと同じで間違いではないがあまり意味はない。
1
11
77
つまりはデータアーキテクト（データ整備人）やデータスチュワードがもっと必要だ、ということですね。
1
7
81
「データサイエンスの専門家」は「データサイエンス」を知っているかどうか。それなのに企画や実行が期待されるポジションに着けて失敗した時に「やっぱりデータ分析なんて何の役にも経たない」とスケープゴートにされるのが怖い。
1
10
75
データサイエンティストとかデータアナリストを採用したいなら、環境とか給料以上に「データ分析に理解のある経営者やマネージャーがいて会社全体でデータ分析を後押しする」ことをもっとアピールしたらいいのにとは思う。いればだけど。
1
38
75
明日開催の第2回『 データアーキテクト（データ整備人）を”前向きに”考える会』での発表スライドをアップ。タイトルは「抽出や集計の依頼を受ける時に気を付けていること」。改めて振り返って基本が疎かになっていることに恐れを感じる。土台からしっかりやり直そう。
1
17
75
データ分析のリテラシーには
・みんなが持つべき最低限の
・分析を使う人が持つべきそこそこの
・分析者として仕事をするプロとしての
の3つがあって、デザイナーやマーケターには2つ目までは持ってほしい。それでデータ分析が「できる」と言うと違う気はするが、よりあるならそれが良いのはたしか。
1
11
75
これで全て解決することはないが、「ダッシュボードを作ったのに使われない問題」の大半は解決する（はず）。
[データ整備／抽出] 使ってもらえるダッシュボードをつくろう | データ分析とインテリジェンス
1
14
74
ふと「SQL駆け込み寺」を思いついた。PdM・PM・マーケターとかの要するに非エンジニアがSQLを書いていて「これどうやったら出せるか」「もっと簡単にできないか」とかに答える。詳細なデータはいらないけどロジックはブログのネタにしてもいいなら無料でやる。
5
8
75
データ分析の経験がない人に限って前処理とかはただの単純作業で社員がやるべきことではないと思っている。その影響で若手も同じように考えたり、そうは思わずとも経験がつめないので頭ではなんとなく理解できても実感としてとらえられず、結局は外部に丸投げする自称マネジメントが再生産される。
前処理を自分でやらないでデータアナリストになろう、というのは下ごしらえや仕入れの経験をせずに調理だけで料理人をめざすのと似たようなもの。その会社に守られているうちは良いけれども、他社に移って環境が変わった時に対応ができなくなる。
0
27
47
0
43
71
【note追加】データ分析の基本をまとめてみる／データ分析は「次にどうするかを決めるため」にやることです｜しんゆう
@data_analyst_
｜note（ノート）
前からやろう思ってたのでとにかく書き始める。どうしたらうまく伝わるのかを意識しながら書いたけど難しい。
1
19
73
#前向きデータ整備人
今日話した資料
抽出や集計の依頼を受ける時に気を付けていること /
1
15
71
分析する人が自分の考えを優先したいばかりに情報・データから客観的な結論を引き出すのではなく自分が望む方向に誘導しようとするのは最も避けるべきだと考えているが、最近言われている「分析」はむしろ都合がいいように誘導するための拍付けにしか使われていない感はある。
1
8
71
400万円で雇える3人より800万円出さないと雇えない人1人の方が生産性が高い場合があるのは特にITでは顕著であるが、企業の大小、社長の老若男女問わず前者を取りたがるのは、長時間働けば成果につながる農耕民族としての感覚が未だに抜けていないからなのだろうか。
3
9
70
BIを使う時にツールの中でクエリ書いたりフラグを作ったりはしないほうがいい。関数は貧弱・使いまわしできない・個別に修正が必要・そしてとんでもなく重い。データマートを別に作って読み込ませるだけなら数分が秒になることもざら。でもこの方法、思っているよりも広まっていないっぽい？
1
13
71
おもしろそうなのが出てきた。チューニングに差が出ない規模とかまずはやってみたいならこれでかなりカバーできるのでは。使い方覚えて機械学習できますとか言ってみるか（え
DataRobotの無料版！？機械学習を自動化するライブラリ『PyCaret』入門
#Qiita
1
7
70
道具は正しく使うことが大事なので「ダッシュボードという道具」についての使い方をまとめた。もちろんその多くは「データ」全般にもあてはまる。
0
7
71
データ整備のアンチパターンの中でも両極端にある「データ整備を認識しない」と「 データ整備をやりすぎる」場合について取り上げた。おそらく多くの組織はこのどちらかに引っ掛かるのでは。
0
9
71
＞要は「データドリブン『文化』である以上はその担い手はやはり『人』『社員』である」ということです
これに尽きる。さらにいえば日本では歴史的に見ても情報やデータに対する感度が非常に鈍い。現状の「データ活用」も意思決定の向上が評価されているわけでもない。文化は未だに育っていない。
1
12
68
この先はもっと厳しくなる。東大や外国の大学院で理論から専門的に学んだ人達と同じフィールドで戦うなら相当の準備と覚悟が必要だが、そのことに触れている記事は少ない。
1
22
66
アナリストにお勧めな本としては『CIA極秘分析マニュアル「HEAD」――武器としてのインテリジェンス 』もお勧め。分析の考え方とかあまり他にないので参考になると思う。邦題があまりに胡散臭いせいでスルーされているのではないかと疑っているがそこはスルーで。いまなら安い。
『大本営参謀の情報戦記』はデータ分析に関わる人には必読だと思っている。買ってから毎年最低1回は読んでたけど去年はさぼってしまった。『大本営参謀の情報戦記』の著者の上司が書いてる『情報無き戦争指導』もまたおすすめ。
0
6
62
1
4
66
ワークマン本のデータ分析のところだけ読んだけど、すでに多店舗展開してかつ商品も多いという「基礎体力」のあった企業がExcel活用などの「基礎練習」に力を入れたことによる成功例として日本企業は大いに参考になるとは思うがリーダーが実践するところから始めるというのは高いハードルなのかも。
0
8
64
バズったみたいなので宣伝。
データ分析についてのブログ書いてます。アナリストによる実務についてから、日本のデータ分析文化まで幅広く。
データ分析とインテリジェンス
1
14
63
データの仕事では時折異常にコミュニケーションコストが高い人がいる。他の人と同じやり取りをしているはずなのに話がまとまらず気づくと膨大な時間を取られる。職種や職位にも関連は少なそう。しかも実際にやり取りをしないとわからない。対策を取りたいがあれはいったい何が原因なのだろう。
1
13
64
データ基盤作りをエンジニアだけでやると「何だかすごいのだろうけど使いづらい」みたいな状況に陥りやすいので分析者も参画した方がいいけれども基盤を作る段階だとマッチする人がいないので結局エンジニア主導になってしまって後で大変なことになった、みたいな事例は今後多く出てくると予想してる。
2
4
67
「意思決定のためにはデータを集めるだけでなくインテリジェンスにしなければならない」の一言を伝えるためにいろいろ書いた。もう区別がついているなら読む必要なさそう。
「データ」と「インフォメーション」と「インテリジェンス」の違い | データ分析とインテリジェンス
1
15
64
>データを集めて、分析したところで、相手に「は、それで？」と言われたら終わりなんです
その後の「人間の理解が必要」もたしかにそう。でも文系理系の話にしてしまうと何を話してるかわからなくなる。問題はプロセスの全体像が意識されないのと役割分担が不明確なこと。
0
5
65
軽くバズってきたのでお作法にのっとって宣伝。データ分析や整備に関するブログ（今はnote）書いてます。このツイートに同意してくれるなら『目的無きデータ分析は無駄である』の記事も気に入ってもらえるはず。
0
12
63
昔バイトしていた会社で手作業で延々Webからデータをコピーさせられたので
「プログラム書いて自動化したい」と言ったら
「そんなに楽がしたいのか」と蔑んだ目で見られたのを思い出した。
それですぐ止めたし、しばらくしたら会社が無くなってた。
でも世の中には「忙しい人間ほど偉い」という価値観の御仁もいて不思議だなとよく思う。そういや、いつだかの現場で「自分の仕事は統計学や機械学習を使って皆さんの仕事を楽にすることです」と自己紹介したら「うわっ…何この最低の怠け者…」みたいな目で周囲から見られたことがあったな
1
10
76
1
17
59
【ブログ追加】エンジニアとアナリストの間で兵站を担う「データアーキテクト」は1つの役割として確立しておいた方が良いと思うので整理してみた
ようやく書けたので公開！「データ整備人（仮）」は今後このブログでは「データアーキテクト」と呼ぶことにする。
2
18
62
「データサイエンス」が一体何を意味するのかわからないので、答えを求めて大きな書店に今日も向かうのであった（そしてさらにわからなくなる）
1
2
61
今日これから2か月ぶりに講演。前回のイベントでお声がけいただいたのがきっかけ。
前半は「あるある話」だけど、一番言いたいことはあえて後半に書いてあるのでそこまで読んでもらえると嬉しい。
1
16
63
セールスフォースがタブローを買収とのこと。こっちかー。Amazonはどうするのか？
0
25
62
【お知らせ】Data Analyst Meetup Tokyo vol.9で＜「データ分析」において「分析以外の役割」はキャリアになるのかを考える＞というテーマで登壇することになりました。こういったイベントは初めてなので今から緊張しまくりですが、興味があれば是非。
1
14
62
【１９時開始】遅くなってしまいましたが本日開催の #前向きデータ整備人 での資料をアップしたので公開。
初めてのオンラインでの開催なのでうまくやれるかドキドキしておりますが、生暖かく見守ってください。
本日19:00開始です。お待ちしておりまーす。
0
19
64
「データサイエンティスト」の実情が広がったからなのか「データアナリスト」についての話が増えてきている感があるが、何がどれぐらいできるとか以前に「意思決定のための情報を作る仕事」そのものに需要がほとんどないのに一体何をしようとしているのだろう。名前が違うだけで実質マーケター？
1
10
59
「データ」がこの10年で急激に盛り上がっている。ところが話の大半は「分析」という名前で「いかにデータを処理するか」だけに偏っている。実際には洞察・収集（その中には基盤への集約と整備もある）・セキュリティもセットだ。さらに活用する文化まで入れると本当に広い領域なのに無視されがちだ。
1
11
62
× 高スキル人材、不足
〇 高スキル人材を使える経営者、見合った報酬、役立てる環境、不足
主要な読者層に配慮しているのか知らないけど現場だけの問題にしようとするのは違うでしょ。
高スキル人材、不足なお：日本経済新聞
1
27
63