西田勘一郎の作品一覧
「西田勘一郎」の「データサイエンティスト養成読本 ビジネス活用編」「データに触れながら学ぶ統計学 R言語のUIツール「Exploratory」で身につくデータサイエンスの手法」ほか、ユーザーレビューをお届けします！
- 作者をフォローする
- フォローすると、この作者の新刊が配信された際に、お知らせします。
作品一覧
-
データサイエンティスト養成読本 ビジネス活用編
ビジネス・実用
4.01巻2,178円 (税込)ビッグデータ、機械学習、人工知能など、データ分析に関連するキーワードを聞かない日はありません。データサイエンティストブームからはや数年、多くの日本の組織がデータ分析に取り組み、成功と失敗を繰り返してきました。いまや、データ分析からビジネス価値を見出した組織とデータ分析が根付かなかった組織との差が明らかに広がりはじめています。 本書は、データ分析がうまく機能している組織から執筆者を迎え、実務担当者の振る舞いからマネージャ／経営者層が持つべきデータ分析プロジェクトの進め方などのノウハウをお届けします。データ分析組織を本気で起ち上げたい方、データ分析が実現する幸せな未来を目指す方は必読の内容です。 -
完結データに触れながら学ぶ統計学 R言語のUIツール「Exploratory」で身につくデータサイエンスの手法
ビジネス・実用
-全1巻2,750円 (税込)※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 「数式」や「プログラミング」で挫折したすべての人へ。 シリコンバレー発、統計学＆データサイエンス入門書の決定版。 データに基づいた意思決定が重要。 そう言われて統計学を学び始めたものの、難解な数式や「R」「Python」といったプログラミング言語の壁にぶつかり、挫折してしまった経験はありませんか？ 本書は、そうした「統計学に挫折した経験がある人」や「文系で数学に苦手意識がある人」のために書かれた、実践的な統計学・データサイエンスの入門書です。 ◆ 本書の3つのポイント 1. 世界標準の「R言語」を、マウス操作だけで使いこなす 本書では、世界中のデータサイエンティストに愛用されているR言語のパワフルな機能を、プログラミングなし（ノーコード）で扱えるUIツール「Exploratory」（エクスプロラトリー）を学習に使用します。環境構築やコードのエラーに悩まされる時間は、もう必要ありません。クリックだけの直感的な操作で、誰でも本格的なデータ分析が可能になります。 2. ツールは「無料」、サンプルファイルで手を動かしながら学べる Exploratoryには、永続的に無料で使えるPublic版や、学生や先生の方々が無料で使えるAcademic版が用意されています。本書では、架空の企業の従業員データをサンプルファイルとして使い、自分で実際にデータの可視化・分析を行いながら、統計学やデータサイエンスの手法を学べます。 3. シリコンバレー発の人気ブートキャンプを1冊に凝縮 著者は、シリコンバレーにてExploratory社を創業し、「データサイエンスの民主化」を掲げて活動する西田勘一郎氏。日米で10年近く開催され、数千人が受講した「データサイエンス・ブートキャンプ」の実践的ノウハウを、この1冊に凝縮しています。 ◆ 本書で身につく主な知識とスキル 記述統計： データを要約する指標や「ばらつき」を表す指標を正しく理解する（平均値、中央値、標準偏差） 仮説検定： 複数のグループにおける平均や割合の差が有意かを見極める（t検定、ANOVA検定、カイ2乗検定） 多変量分析： 目的変数に影響する説明変数を特定し、関係性を解き明かす（線形回帰、ロジスティック回帰） 機械学習モデルと予測： 機械学習モデルを作成する（決定木、ランダムフォレスト）、モデルから未来を予測する ◆ 本書はこんな方におすすめです ・過去に統計学の教科書で挫折した経験がある方 ・Excelでの分析に限界を感じているが、プログラミングはハードルが高いと感じる方 ・「勘」や「経験」だけでなく、客観的なデータで意思決定を行いたいビジネスパーソン ・学生に実践的なデータサイエンスを教えたい教育関係者
ユーザーレビュー
-
Posted by ブクログ
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
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。 -
-
-
Posted by ブクログ
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。 -
