伊藤徹郎のレビュー一覧

ビフォー
仕事でデータサイエンティストをしているので、自分の仕事や現在地を確認する上で、よく読まれているこの本を手に取った。

気づき
約1年半前プロジェクトに参画する前に知っておきたいことが書かれていた。特にこれ以上精度を上げていくことが厳しいということが伝わらず、期待値調整をミスっていたり、翻訳...続きを読むできていなかったりしていた。またうまくいかないと時にどうすべきかを決めきれておらず、苦労した。事前に読んでおくことができたら、ここらへんで悩むことがなかったかもしれない。

TODO
今後のプロジェクトでは上記の失敗をしないように、期待値調整や説明が伝わるような翻訳を意識していきたい。

この本は主に現役エンジニア、データサイエンティストのための内容が主になっています。そのため、勉強のためにこの書籍を買ったのですが、自分は学生でエンジニア経験が乏しかったため、あまり理解はできませんでしたが、その一方で将来その職に就いた際の状況が少しわかったのでタメにはなったと思います。難しい内容では...続きを読むありませんが、実務未経験の方にはあまり向かない内容かもしれませんね。

私はエンジニアではあるが、データサイエンスに関しては門外漢だったので、学生としての立場で読んだ。概要把握にうってつけであり、参考文献を読むことによってより詳細を知ることができそうに思った。
対象読者によっておすすめの読み方と対象の章が分かれており、学生→エントリー→ミドルとレイヤーが上がっていくのと...続きを読む同時にこの本を読み返すことがあるだろうと思う。

データを使って何か新しいことをしようとしている人必読の本。

いざデータ活用をするとなると、必要となる知識が膨大すぎて困る時がくるはず。この本で広く浅く網羅的に学んだあと、気になったことは追加で学ぶのがおすすめ。

データ分析を通じた課題解決のプロセスを、順を追って幅広い観点からまとめている。
分析手法などの技術的な話ではなく、プロジェクトをうまくマネジメントするには、という視点で語られている。

データ分析を通じた意思決定支援をやっている身として、どれも頷くものばかりだった。
とくに、経営層や発注者とのコミュ...続きを読むニケーションについては、私自身苦労が多い部分でもあるため、非常に勉強になった。

技術的な話をメインに据える書籍はこれまで数多くあったが、本書籍のような、プロセス全体が俯瞰的に、かつ、簡潔にまとまっている本は無かったと思う。

初学者にとっては教科書的な意味合いで、経験者にとっては知識経験の整理という意味合いで、重宝したいものである。

第1章がビジネス活用編と第されたこ書籍を象徴していると思います。

--------------------
①データ分析によるビジネス成果を金額換算して示せ
　└金額換算して初めて分析価値が評価される

②スゴイ分析よりも「成果が出る分析」を優先せよ
　└学問的ではなく、実践的な読み方をすること
...続きを読む
③分析結果を現場に丸投げするな
　└ビジネス成果まで「分析者が」責任を持ちやりきる

④「現場」を知る努力をせよ
　└現場感覚を捉えて初めて信用される
　└信用されて初めて分析の話を聞いてもらえる

⑤業務プロセスレベルまで現場を把握せよ
　└誰が、どのタイミングで、どの分析結果を基に、どう動くべきなのか。この４つが明確になっていること。
　└分析を基に現場業務がどう変わるかまで見据える

⑥小さく初めて大きく波及させよ

⑦問題解決に積極的に関与せよ
　└課題先行で逆算思考で挑む。結果、分析が課題解決に寄与しないならそれはそれで良いのスタンス
--------------------

技術的な分析スキルが高い=ビジネス成果を出せるわけではない。分業したほうが良いかもしれないレベルで分析結果と活用は大きな隔たりがあると思います。上記、忘れがちなので、何度も初心に返って、立ち戻ってこようと思わされました。


▼他の章も多くの気付きがありました。

第2章
・ヒアリング→ニーズの洗い出し→分析テーマ洗い出し→カテゴリ化→優先順位付けとキレイに整理して皆が理解・納得して進められたら理想なんだろうけど、実際には現場がイニシアチブを握ることはない「お任せ」だからうまくいかない事が多い気がする。実際には活用×インパクト確度が高そうなテーマを一つやってみて事例化して横展開がスピーディなんだろうなと思う。

第7章
・統計モデルと機械学習モデルの使い分け。どういうケースでどちらをもちいるか判断できるように。機械学習モデルでは予測区間の推定ができない。統計モデルは解釈ができる。係数を用いて何が目的変数に影響を与えるか、ビジネス的な示唆を得ることができる。但し、これは現時点での整理。将来的には予測精度が高く、解釈性も高い手法も出てくるかもしれない。DataRobotもその一つ。

第10章
・people analyticsの領域ではハイパフォーマーのコンピテンシーの定量的裏付けは有用なテーマ。人事領域に詳しくないと土地勘ある分析が難しい領域でもある＝外部の専門家に頼むのも手。なのでシステムベンダー選定から入らないこと。
・マッキンゼーでは「obligation to Dissent」という概念がある。批評や否定的な意見の述べることは義務であるという考え方。データ分析では偉い人が決めたことが進むことが多い。そうではない議論がPMには求められる。

データ分析系のマネージャーがデータ分析とそれを普段の業務でどのように取り入れて仕事をしているかがわかる一冊。 データ分析は便利屋となりやすいのだが、どうしたらPMといい感じに仕事ができるか、どうしたらバリューを最大化できるかが載っている。 何度も読み返して普段の業務に取り入れたい一冊。

2021年に主流となっているデータ基盤について網羅的に書かれている。組織面や製品選定、基盤のスケール方法など含め、構築の進め方のイメージを持ちたかったので、ちょうど良い本だった。

データの利活用を進めるためにはデータを収集、蓄積するための基盤づくりが必要になる。本書はデータ基盤構築のための人、技術、組織に関わるポイントを三人の専門家が解説している。IT初心者にも比較的わかりやすいので、関連する業務に関わる方にはオススメ。

データ分析プロジェクトの概要を掴むのに最適。
都度読み返したい本だと思った。
複数人で書かれているためところどころ内容の重複が見られる。

データサイエンティストの仕事のイメージが、実例付きで分かりやすく書かれている。　文系（または数学やプログラミング苦手）だけど、データ解析につき仕事である程度分かったふりをしないといけない人には、丁度いい。

内容としてはこれからデータ分析したい人向けにはぴったりで基本的な話から実務的な話まで順に書かれておりとても参考になると思います。

既にデータ分析経験がある人でも体系的に要点がまとめられているので一度読んでみると頭の中が整理されて良いなと思います。

個人的にはメルカリのBIチームの話題がとてもおもしろく参考になった。

横断組織としてのBIチームがあり、プロダクトやプロジェクト単位でアサインする体制をとることでのメリデメおよびデメリットへの対策がかなり具体的に書かれていてすぐにでも真似したい内容がたくさん。

またメルカリでは取締役や執行役員ク...続きを読むラスでも必要に応じてSQLを書きデータに主体的に触れる文化があり、それも全社的に職種関わらずあるということで、レガシー企業のマイクロソフトOffice並に当たり前にデータ分析に取り組んでいるというのも読んでいて感服した次第。

そりゃグロースするわメルカリ。と思わずにいられない。

データ分析にあまり親和性がない人でも読みやすく、またぜひ読んでほしい本だと思った。

データ分析組織の作り方について言及されている書籍は少ない印象だったのでその意味では貴重な内容が書かれてあり良かった。一方でかなり表面的な話が多く個人的には新しく得られたものは少なかった。実際にデータ分析組織を立ち上げた企業などの具体例がいくつか載ってたりするともっと良かったとは思う。

データに基づく議論・意思決定について、概説的にまとめた本。要領よくまとめられている。付録Bの参考書籍のリストが本書の一番の売りかもしれない。

企業でデータを管理するプラットフォームの運営やデータ分析に関わっている人であれば手元に置いておきたい本．
組織・カルチャ・技術のあらゆる側面で何を考えればよいのか総合的に書かれている．
図が多く文章もわかりやすいのだが，よくありがちな落とし穴事例のような具体的な注意ポイントが列挙されていると親切だっ...続きを読むたかもしれない．

データ分析系のプロジェクトがどのようにスタートし、進むのか、またそこで活躍するにはどうすれば良いかなど、実務が分かっている方が書いていて参考になる本。

AIと付いているが、基本は一般的なデータ分析系のプロジェクトの話題であり、コンサルティング会社などで経験のある人は読む必要がないように感じた。