Saga Smart Center: データ分析の基礎
•Als PPTX, PDF herunterladen•
0 gefällt mir•511 views
今後の経営戦略において重要なポイントとなるのが、データ活用です。データ活用を行っていく上では必要性をしっかりと理解し、浸透させることが不可欠となります。今回はハンズオンを交えて「データ分析の基礎」についてもお伝えします。
Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Ähnlich wie Saga Smart Center: データ分析の基礎
Ähnlich wie Saga Smart Center: データ分析の基礎 (20)
Mehr von Daiyu Hatakeyama
Mehr von Daiyu Hatakeyama (20)
Saga Smart Center: データ分析の基礎
- 1. Data とお付き合いするコツ - 丸投げが絶対に出来ないところ - 畠山 大有 | Daiyu Hatakeyama Architect && Software Engineer && Applied Data Scientist Microsoft Japan /dahatake @dahatake /in/dahatake /dahatake /dahatake
- 3. Data-Driven 変革がもたらす 大きな利点 収益の増加 54% 44% 市場投入までの時間を短縮 顧客満足度の向上 62% Source: How to lead a data-driven digital transformation by Harvard Business Reveiw
- 4. 明確なビジネス戦略 組織にアサインされた ビジネスの責任 施策の採用と メトリクスのレビュー 全ての実行と計測の実 施 Executives – Top-Down: • 指標として定義され、目標を設定するビジネス戦略 • 指標と目標は、細分化/LoBレベルに分類 • パフォーマンスはメトリックに基づいて評価 Line of Business: Bottom-Up: • Feature Team は新しい指標に仮説を作成 • アイデアを試し、データを取得し、検証 • Go/No-Goの決定は、上記の決定に基づいて
- 5. “1つ の正確な測定は 1,000名 の専門家の意見に 匹敵する” グレース・ホッパー - Wikipedia
- 6. Data に関する 私の 2つ の ”お気に入り” 主要な指標を追跡するには、 ダッシュボードアプリケーションが 必要 そうすれば、意思決定を行う際に 無視できる Data 項目が増える Data を持つ != Data を活用 する Data > あなたの視点。常に そうではありません。 このようなデータを無視す るつもりはありませんが、 私の豊富なマーケティング 経験も考慮しなければなり ません。
- 7. ※1 Life of Thomas Alva Edison | Biography | Articles and Essays | Inventing Entertainment: The Early Motion Pictures and Sound Recordings of the Edison Companies | Digital Collections | Library of Congress (loc.gov) Case Files: Thomas A. Edison | The Franklin Institute ※2 "I think there is a world market for maybe five computers." – Lexology No. 1059: Inventing the Computer (uh.edu) ※3 Ken Olsen – Wikipedia
- 8. 高木兼寛 と 脚気 (かっけ) – beriberi-
- 9. beriberi 平安時代から続くという説もある かつて 毎年1-3万人以上が亡くなった病 精米 白米 日本の脚気史 - Wikipedia 当時のヨーロッパには脚気の 患者が殆どいなかった イギリス ドイツ 細菌説? 陸軍 海軍 タンパク質不足 説? 麦飯が良い? 激減 実験
- 10. 実験 0 200 400 600 800 1000 1200 1400 1883年 1884年 1885年 新規感染者数 発生率 死亡数 日本の脚気史 - Wikipedia 実験
- 11. beriberi 平安時代から続くという説もある かつて 毎年1-3万人以上が亡くなった病 精米 白米 日本の脚気史 - Wikipedia 当時のヨーロッパには脚気の 患者が殆どいなかった イギリス ドイツ 細菌説? 陸軍 海軍 タンパク質不足 説? 麦飯が良い? 実験 脚気大流行 激減
- 13. 『ビタミン』 カジュミシュ・ フンク ビタミン欠乏症という概念を発 表 日本でもヒトの ビタミンB 欠乏食試験 実施。 脚気の原因として、ほぼ確定 日本の脚気史 - Wikipedia 高木兼寛 自宅で散歩中に脳溢血発症 死去
- 14. デジタルビジネスを実践 予測分析を実践 現状把握の分析レベル データ分析はほどんど活用していない 出展：IDC Japan, [2020 年 国内ビッグデータ／アナリティクス市場 企業ユーザー調査」, 2020 年 7 月 31.2 % 35.3 % 21.5 % 12 %
- 15. 46.7% 45.6% 23.8% 6.6% 5.2% 31.2% 0.4% 7.6% 5.7% 14.1% 1.2% 5.2% 2.0% 1.2% 1.3% 1.0% 1.3% 2.2% 3.5% 3.6% 5.7% 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 顧客データ 経理データ 業務日誌データ POSデータ eコマースにおける販売データ 電子メール CTI音声データ 固定電話 携帯電話 アクセスログ 動画・映像視聴ログ Blog、SNS等記事データ GPSデータ RFIDデータ センサーデータ 交通量・渋滞情報データ 気象データ 防犯・遠隔監視カメラデータ 電子カルテデータ 画像診断データ 電子レセプトデータ 業務デー タ 販売記 録 顧客等とのコ ミュニケー ション 自動取得 自動取得（M2M） 医療 いわゆる「業務Data」 活用レベルで止まってい る 企業がまだまだ多い （出典）総務省「ビッグデータの流通量の推計及びビッグデータの活用実態に関する調査研究」（平成27年） 業務 Data 販売記録など
- 17. 変革を進めるために
- 18. 変革が必要なのに、変革が進まない 意識改革は一朝一夕で達成できるものではない。 チームに対しての継続的アプローチで意識改革の価値を正確に理解してもらうことが重要 意識改革がうまくいかない理由 1 • それは必要か？ やるとしたらどの課題の改善が目的になるか？ • 導入したらどのような効果があるか？ 数値では何がどうなるか？ • 過去・現在の事象が数値化（可視化）されていないから何が原因かわからない • 数値化されていても役割や時期等から多面的分析されておらず、何が課題か見えていない 問題を問題として正しく認知されていない • セミナーやトレーニング受講時にはあんなに覚えていたはずなのに、いざ理解度調査をしてみると理解度は想像よりも低いものであった •時間と共に問題意識は風化する • 組織が複数階層に分かれている大規模組織では決裁者や管理層の意図が組織職員全員に正しく伝わっていない • 決裁者やマネジメントが業務と並行して片手間でやらせる指示が多い。 その結果、現場が困っていることは吸い上げられず、いざ変えようとしても課題もわからず、それを指摘してくれる現場のメンバーもいない。 組織として機能不全に陥っている
- 20. 変革を行う際には、時間軸も意識が必要 問題意識を組織内で共有しその重要性に組織メンバーが 理解したとしても、時間と共にその問題意識は風化しま す 風化を未然に防ぐために何ができるでしょうか？ 時間と共に問題意識は風化する 3 「風化は必然」前提で計画策定 E-learningやトレーニングなどで学んだ内容 の50% は数日以内に記憶から消えていく可 能性があり、すべての内容を参加者が覚え ておくことは不可能（エピングハウスの忘 却曲線）。 消えた知識を定着させるためには継続した 振り返り（意識への刺激）が必須。 定期的なアンケート等で知識定着状況を図 ることは、過去の意識への振り替えりには とても有効な対策。 また繰り返し行う事による、知識の定着を 推進 重要なことは問題意識の風化そのものを防 ぐ方法を検討するのではなく、風化前提で フォローアップ プランを検討し、参加者の意識改革を促進 する 分析データ公開を計画策定時に考えていく こと トレーニングの実施 振り返り：意識への刺激 アンケート 通 知 振り返り/意識への刺激がない場合 1日後 2日後 1週間後 数か月後 意識への刺激を行う 繰り返し行う事で定着化 65% 忘れる 74% 忘れる 学習を行った日からの経過日数 覚 え て い る 割 合 100% 80% 60% 40% 20% 0% エビングハウスの忘却曲線 脳の忘れる仕組み 繰り返しの意識への刺激 学んだことを思い出す、使う仕組み 行 動 変 革 の 差 定 着 率 の 差 ＝ イメージ例
- 22. 意識改革は繰り返し、継続的に行う 継続的に意識改革理解度を測定することは特定の意識 改革 プロジェクトでのデータ活用にとどまらず、他プロ ジェクトデータとの 比較等でも活用することができる。 また習慣化（継続実施）することで理解度の定着率も 上がる。 意識改革の理解度合いを継続測定 5 継続的実施の2つのメリット 1. データの蓄積 定期的な一定間隔で採取される測定データは、時系列、 組織別等での変化比較の基礎データとなる。 2. 継続的測定による理解度維持 継続化された理解度測定により組織内では、求められた 意識改革を意識する時期が発生。 定期的な意識の刺激により、忘れにくい環境を組織内に 定着させる。 継続実施時の注意点 • 質問項目を大幅に変更しない 項目を変更すると純粋な比較ができなくなる。 • 個人単位の認識を行う 部門や職位による違いが把握可能になる。 ここで言う「個人単位を認識する」ことは、実際の個人 を特定することとは違う。悪者探しをしたいわけではな く、違いの原因を分析したい 2018年 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 情報セキュリティ 意識調査 コンプライアンス 意識調査 職員満足度 調査 ハラスメント 意識調査 2019年 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 情報セキュリティ 意識調査 コンプライアンス 意識調査 職員満足度 調査 ハラスメント 意識調査 2020年 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 情報セキュリティ 意識調査 コンプライアンス 意識調査 職員満足度 調査 ハラスメント 意識調査 ハラスメント 意識調査 ハラスメント 意識調査 2019年 2020年 意識改革の成果の数値化 ハラスメント 意識調査 コンプライアンス 意識調査 2019年 2020年 相関関係の数値化
- 25. Power BI Forms 継続的な意識改革を促進する「意識調査」 意識改革プロセス（アンケート等）により 蓄積されたデータをわかりやすく可視化する ツール 組織内ユーザーの理解度測定用フォームには ユーザー利便性が高いツールを選択 意識改革を効率的に推進する Power BI & Microsoft Forms 8 意識調査データを分析し広く公開 意識調査から、理解度調査など、職員の意識を刺 激するアンケートを作り、データの可視化・公開 を繰り返すことで、効率的に意識改革を促します。 実現するために必要なツールは以下の2種類です。 • 理解度調査/アンケート作成ツール Microsoft Forms または Power Apps • 定期的なアンケートのためのテンプレー ト機能や匿名、記名などの柔軟な機能 • 取得後のデータの取り扱いが容易に可能 • データ可視化ツール Power BI • アンケート結果を簡単かつ柔軟に分析で きる分析および可視化プラットフォーム • 多彩な表現方法と、直感的に理解できる 操作方法 意識改革チーム アンケート／ 意識調査等の実施 意識改善項目の 選定と調査票作成 意識調査データ 2018年 2019年 2020年 分 析 表 現 公 開 アンケート／ 意識調査等の結果公開 意識への刺激 • 自身と他者の比較 • 自組織と他者組織の比較 意識への刺激 • 記入による自身の振り返り 社 員 Power BI クラウド or オンプレミス
- 26. ここまでは 構造化 Data のお話 世の中には 非構造化 Data もある
- 27. 23.9% 27.6% 11.1% 23.9％ 4.6％ 1.4％ その他 5.5％ メール／予定調整 非定型作業 （主にExcelとPPT） 情報検索 顧客管理系 技術情報 管理系 営業支援系 着色：在席、空白：離席 ・自席とnot自席比率は、71.5%：28.5% ・1週間の平均値と比較しほぼ標準的 ・部門平均比で約1割程度自席作業が多い ・本人の申告では自席が8割との認識 ・残業を行った日は自席率が5%程度上昇 not自席 28.5% 自席 71.5% ・調査対象時間の内、自席業務について評価 ・コア業務とnotコア業務比率は79%：21% ・1週間の平均値と比較しほぼ標準的 ・設計部門平均比で約15%程度コア業務が多い ・本人の申告でもコア業務が8割との認識 コア業務 78.9% notコア業務 21.1% ビデオ／PCログによる 情報活用状態の可視化 IPA Individual Productivity Assessment （*1） Mail 確認 提案 業務 提案 業務 資料 作成 資料 作成 報告 業務 資料 作成 コア業務 not コア業務 ↓ not コア業務 ↓ コア業務 not コア 業務 ↓ 9:17 出社 ↓ Mail 確認 ↓ 来客 ↙ 提案署 作成 ↓ 社内 会議 ↓ QA 対応 ↓ 昼食 ↓ 提案署 作成 ↓ 資料 作成 ↓ 社内 会議 ↓ 報告書 作成 ↓ 来客 （業者） ↓ 資料 作成 ↓ 19:05 退社 ↓ 資料 作成 ↓ コア業務の中で業務系（赤）と情報系（青）が 複雑に絡み合う ■B部門Xさんの1日を「コア業務／notコア業務」に分類
- 28. 非定型的 or 人がやった方が早い 業務 定型的 業務 RPA メール、ファイル、タスク管理 LOB 構造化Data 非構造化Data = ファイル Knowledge Management KPI Base 取り込めないか?
- 29. 非構造化 Data 構造化/半構造化 Data Data Lake Dataverse
- 34. まとめ
- 35. 加える • 定点観測 全体像
- 36. Digital Feedback Loop = Data Centric Data AI 顧客 とのエンゲージ 従業員 が最大限に力を発揮できる 製品 の変革 業務プロセス の最適化
- 37. 遠い メーカー 卸 小売 購買者 顧客 従業員 製品 業務プロセ ス