データサイエンス実践、3つの壁 データ分析講座(その178)

更新日

投稿日

データ分析

 

◆ データ分析・活用(データサイエンス実践)の3つの壁

 データ活用が上手くいかない原因として、何があると思いますか? 江戸時代の剣豪・松浦静山の言葉に「勝ちに不思議の勝ちあり、負けに不思議の負けなし」というのがあります。データ分析・活用(データサイエンス実践)も偶然上手くいくことはあります。上手く機能しないときには決まって「ある壁」が立ちふさがっています。今回は「データ分析・活用(データサイエンス実践)の3つの壁」というお話しをします。

【目次】
1. 3つの壁
 (1)ここ10年間でよくされる質問があります
 (2)未だに「テーマが不明確」というのもあるが……
 (3)テーマが明確でも上手くいかないことも多い
2. 最大の壁
3. 今回のまとめ

 

1. データ分析:3つの壁

 データ分析・活用(データサイエンス実践)の壁とは、次の3つです。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁

 「テーマ設定の壁」とは、勝ち筋のテーマを設定できちるかどうか、という壁です。筋の悪いテーマを設定してしまうと、どんなに頑張っても成果はでません。「アナリティクスの壁」とは、データを集計し分析し数理モデル(異常検知・要因分析・将来予測など)構築などが上手くできるかどうか、という壁です。

 多くの人が注目する壁です。「定着化の壁」とは、データ分析・活用の現場に定着するかどうか、という壁です。現場で活用されなければ、成果を出しようがありません。

(1)ここ10年間でよくされる質問があります

 ここ10年間でよくされる質問があります。

  • 「どのようなデータでどのような分析をすればいいの?」
  • 「どのようなデータを取れば何が解決できるの?」
  • 「どの分析手法を使うと何が解決できるの?」

 難問です。なぜならば、データ分析・活用テーマ(成し遂げたいこと) によって変化するからです。

(2) 未だに「テーマが不明確」というのもあるが……

 では、データ分析・活用テーマ(成し遂げたいこと)が明確であればいいのか、となりますが、そうではありません。成果が出ないときはどんなに頑張っても成果はでません。例えテーマが明確であっても、どんなに素晴らしいデータがあっても、どんなに素晴らしい分析をしても、成果が出ないときはどんなに頑張っても成果はでません。

(3) テーマが明確でも上手くいかないことも多い

 要するに、テーマが明確でも上手くいかないことも多いのです。そのテーマのインパクト(ビジネス成果の大きさ)が小さく非常に難しい場合、最悪です。苦労してデータ分析・活用を実現しても、ビジネス成果が小さいのです。テーマの決め方が「雑」すぎるのです。

 

2. データ分析:最大の壁

 先ほど、データ分析・活用(データサイエンス実践)の次の3つの壁を説明しました。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁 

 よく注目されるのが「アナリティクスの壁」です。だらこそ、データ分析者が足りない、データサイエンティストが足りない、AI人財が足りない、と叫ばれるのでしょう。どんなにそのような素晴らしい人財を揃えても、筋の悪いテーマに挑んでしまうと浮かばれません。

 さらに、テクノロジーの発展で「データ分析業務(アナリティクス)そのもの」の敷居は低くなっています。そして、定着するかどうかもテーマ設定が大きく影響しています。つまり、データ分析・活用(データサイエンス実践)の最大の壁は「テーマ設定」にあるのです。

 

3. データ分析:今回のまとめ

 今回は、「データ分析・活用(データサイエンス実践)の3つの壁」というお話しをしました。江戸時代の剣豪・松浦静山の言葉に、「勝ちに不思議の勝ちあり、負けに不思議の負けなし」というのがあります。データ分析・活用(データサイエンス実践)も偶然上手くいくことはあります。上手く機能しないときには決まって「ある壁」が立ちふさがっています。

 データ分析・活用(データサイエンス実践)の3つの壁とは、次の3つです。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁

 「テーマ設定の壁」とは、勝ち筋のテーマを設定できちるかどうか、という壁です。「...

データ分析

 

◆ データ分析・活用(データサイエンス実践)の3つの壁

 データ活用が上手くいかない原因として、何があると思いますか? 江戸時代の剣豪・松浦静山の言葉に「勝ちに不思議の勝ちあり、負けに不思議の負けなし」というのがあります。データ分析・活用(データサイエンス実践)も偶然上手くいくことはあります。上手く機能しないときには決まって「ある壁」が立ちふさがっています。今回は「データ分析・活用(データサイエンス実践)の3つの壁」というお話しをします。

【目次】
1. 3つの壁
 (1)ここ10年間でよくされる質問があります
 (2)未だに「テーマが不明確」というのもあるが……
 (3)テーマが明確でも上手くいかないことも多い
2. 最大の壁
3. 今回のまとめ

 

1. データ分析:3つの壁

 データ分析・活用(データサイエンス実践)の壁とは、次の3つです。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁

 「テーマ設定の壁」とは、勝ち筋のテーマを設定できちるかどうか、という壁です。筋の悪いテーマを設定してしまうと、どんなに頑張っても成果はでません。「アナリティクスの壁」とは、データを集計し分析し数理モデル(異常検知・要因分析・将来予測など)構築などが上手くできるかどうか、という壁です。

 多くの人が注目する壁です。「定着化の壁」とは、データ分析・活用の現場に定着するかどうか、という壁です。現場で活用されなければ、成果を出しようがありません。

(1)ここ10年間でよくされる質問があります

 ここ10年間でよくされる質問があります。

  • 「どのようなデータでどのような分析をすればいいの?」
  • 「どのようなデータを取れば何が解決できるの?」
  • 「どの分析手法を使うと何が解決できるの?」

 難問です。なぜならば、データ分析・活用テーマ(成し遂げたいこと) によって変化するからです。

(2) 未だに「テーマが不明確」というのもあるが……

 では、データ分析・活用テーマ(成し遂げたいこと)が明確であればいいのか、となりますが、そうではありません。成果が出ないときはどんなに頑張っても成果はでません。例えテーマが明確であっても、どんなに素晴らしいデータがあっても、どんなに素晴らしい分析をしても、成果が出ないときはどんなに頑張っても成果はでません。

(3) テーマが明確でも上手くいかないことも多い

 要するに、テーマが明確でも上手くいかないことも多いのです。そのテーマのインパクト(ビジネス成果の大きさ)が小さく非常に難しい場合、最悪です。苦労してデータ分析・活用を実現しても、ビジネス成果が小さいのです。テーマの決め方が「雑」すぎるのです。

 

2. データ分析:最大の壁

 先ほど、データ分析・活用(データサイエンス実践)の次の3つの壁を説明しました。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁 

 よく注目されるのが「アナリティクスの壁」です。だらこそ、データ分析者が足りない、データサイエンティストが足りない、AI人財が足りない、と叫ばれるのでしょう。どんなにそのような素晴らしい人財を揃えても、筋の悪いテーマに挑んでしまうと浮かばれません。

 さらに、テクノロジーの発展で「データ分析業務(アナリティクス)そのもの」の敷居は低くなっています。そして、定着するかどうかもテーマ設定が大きく影響しています。つまり、データ分析・活用(データサイエンス実践)の最大の壁は「テーマ設定」にあるのです。

 

3. データ分析:今回のまとめ

 今回は、「データ分析・活用(データサイエンス実践)の3つの壁」というお話しをしました。江戸時代の剣豪・松浦静山の言葉に、「勝ちに不思議の勝ちあり、負けに不思議の負けなし」というのがあります。データ分析・活用(データサイエンス実践)も偶然上手くいくことはあります。上手く機能しないときには決まって「ある壁」が立ちふさがっています。

 データ分析・活用(データサイエンス実践)の3つの壁とは、次の3つです。

  • テーマ設定の壁
  • アナリティクスの壁
  • 定着化の壁

 「テーマ設定の壁」とは、勝ち筋のテーマを設定できちるかどうか、という壁です。「アナリティクスの壁」とは、データを集計し分析し数理モデル(異常検知・要因分析・将来予測など)構築などが上手くできるかどうか、という壁です。「定着化の壁」とは、データ分析・活用の現場に定着するかどうか、という壁です。

 最大の壁が、「テーマ設定の壁」です。テクノロジーの発展で「データ分析業務(アナリティクス)そのもの」の敷居は低くなっています。定着するかどうかもテーマ設定が大きく影響しています。筋の悪いテーマを設定してしまうと、どんなに頑張っても成果はでません。テーマが明確でも上手くいかないことも多いのです。テーマの決め方が「雑」すぎるのです。

 少なくともテーマ検討時に、、、

  • インパクトの大きさ(ビジネス成果の大きさ)
  • 容易性(データ取得容易性×データ分析容易性×現場活用容易性)

 、、、の2軸で評価・検討しましょう。次回に続きます。

 

 

   続きを読むには・・・


この記事の著者

高橋 威知郎

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)


「情報マネジメント一般」の他のキーワード解説記事

もっと見る
2種類の時系列データとは、 データ分析講座(その305)

  時系列データといっても色々な形のものがあります。よく見かけるのが次の2種類です。 縦持ち時系列データ(時間軸が縦方向) 横持ち...

  時系列データといっても色々な形のものがあります。よく見かけるのが次の2種類です。 縦持ち時系列データ(時間軸が縦方向) 横持ち...


データ分析と指標 データ分析講座(その22)

  ◆ データ分析時にどの指標(KPIなど)を最重視するかで、ビジネス成果は変化する  この間お会いした、売上重視の企業体質を利益重視に...

  ◆ データ分析時にどの指標(KPIなど)を最重視するかで、ビジネス成果は変化する  この間お会いした、売上重視の企業体質を利益重視に...


ビジネスデータ分析は因果関係を知りたい データ分析講座(その73)

◆ 結局のところ、ビジネスデータ分析は因果関係を知りたい  ここ数年、統計学系のモデルよりも機械学習系のモデルに注目が集まっているように感じられます...

◆ 結局のところ、ビジネスデータ分析は因果関係を知りたい  ここ数年、統計学系のモデルよりも機械学習系のモデルに注目が集まっているように感じられます...


「情報マネジメント一般」の活用事例

もっと見る
‐社内の問題克服による開発活動‐  製品・技術開発力強化策の事例(その14)

 前回の事例その13に続いて解説します。社内における様々な問題を高いレベルで深く追及して解決することが、競争力のある技術を育成し、売れる製品を生み出す事に...

 前回の事例その13に続いて解説します。社内における様々な問題を高いレベルで深く追及して解決することが、競争力のある技術を育成し、売れる製品を生み出す事に...


人的資源マネジメント:製品開発の滞留を引き起こすファイルとは(その2)

 今回は、PDM/PLMに代表される製品開発業務のIT化をどのように考え、進めるのがよいのかについて解説します。    前回まで続けていたテ...

 今回は、PDM/PLMに代表される製品開発業務のIT化をどのように考え、進めるのがよいのかについて解説します。    前回まで続けていたテ...


現場情報の自動収集に道具だてを

 一日の作業指示の出し方で、次のどちらの組織の管理レベルの改善がより進むでしょうか?        ・A社 ➡「x製品を◯個」     ・B...

 一日の作業指示の出し方で、次のどちらの組織の管理レベルの改善がより進むでしょうか?        ・A社 ➡「x製品を◯個」     ・B...