木田浩理のレビュー一覧
-
Posted by ブクログ
「ビジネストランスレーター」
このキーワードがすべて。
AIを使いこなす、味方につけるのは、システム力とはちと違う。
むろんアルゴリズムやデータ構造の考えを理解していることは有利だが、
それ以上に、いやそれ以前に、
現場を知ることが大事、と言っている本、と私は理解した。
それが「ビジネストランスレーター」翻訳力、だと。
現場で言語化されていない仕事の進め方を、
いかにAIに理解させるか。
それができるか否かで、AIは有力なツールにもなるし、
流行りの何とか、で終わってしまう。
要は人間が、現場で、データになっていない世界を、
いかに読み取り、形に変えるか。
んーー、何か結局ウォーターフォールモデルの要件定義と
大して変わらないような気もしてきたが、
AIによって大きく変わったのは、
現場の実態をつかんだらその人がそのままAIに命じてシステムが作れちゃう、
ってところではなかろうか。
違うけど、根は同じ。
そんな気がする、元システム要員であった。
前の日に聞いたセミナーで、株式会社TOKIUMの人が、
とにかく現場、横に座って、内側から要件を見つけるといってたのが思い出される。
はじめに
第1章 AI時代を生き抜くための「翻訳力」
1-1 あなたの仕事は、3年後も人間がやっているか？
1-2 ある28歳社員の「成功」と「挫折」の金曜日
1-3 顧客も「AI武装」した――情報の非対称性の完全崩壊
1-4 20代・30代の二極化――あなたはどちら側に立つか？
1-5 ビジネストランスレーターになろう
第1章のまとめ 「翻訳力」でAI時代を生き抜く
第2章 なぜあなたの会社のAI活用は失敗するのか
2-1 あなたのチームは「危険水域」にいないか？
2-2 「翻訳不全」という組織の病
2-3 日本企業の「壁」と「落とし穴」
2-4 ビジネストランスレーターが「翻訳」する
第2章のまとめ 「翻訳不全」という組織の病を乗り越える
第3章 5Dフレームワーク――正しい山を正しく登る思考法
3-1 なぜ「思考の地図」が必要なのか
3-2 5Dフレームワークとは何か
STEP 1: Demand（要求） 本質的な課題を発見する
STEP 2: Design（デザイン） 成功のイメージを共有する
STEP 3: Data（データ） 信頼できる証拠を揃える
STEP 4: Develop（開発） 客観的な答えを出す
STEP 5: Deploy（展開） 具体的な次の行動を生み出す
第3章のまとめ 「地図」を使いこなすための思考法
コラム 5Dフレームワーク実践チェックシート
第4章 ケーススタディ 地域密着コンビニの逆襲――AIで顧客の「声なき声」をつかむ
4-1 物語の始まり――黄昏の地元チェーン「湘南マート」
STEP 1: Demand（要求） AIで「売上減」の裏に隠れた本質的課題を発見する
STEP 2: Design（デザイン） AIとの壁打ちで「町のコンシェルジュ」という成功イメージを築く
STEP 3: Data（データ） AIでアンケートを設計し、手書きメモを最強のデータに変える
STEP 4: Develop（開発） 情シスと連携し、施策につながる分析を高速で進める
STEP 5: Deploy（展開） データで成果を証明し、全社展開への道を開く
第4章のまとめ 物語から学ぶ、現場を動かすヒント
第5章 ビジネストランスレーターとして動く――3つの条件を身に付ける
5-1 ビジネストランスレーターの働き方
5-2 「60点の基礎」の土台となる3つの共通リテラシー
5-3 越境学習で「複数領域の横断」を実現する
5-4 「AIとの協働」で深さを補完する
第5章のまとめ ビジネストランスレーターへの進化とアクションプラン
第6章 分析して終わらせない――人を動かす3つの実践力
6-1 人を動かす3つのコアスキル
6-2 共感洞察力――相手の世界を理解する
6-3 本質深掘力――表面的な課題の奥にある真の問題を見抜く
6-4 物語化力――データを意思決定の言葉に変える
第6章のまとめ 3つのスキルが描く「価値の螺旋」
第7章 役職別スキルセット――あなたの立場で今日からできること
7-1 あなたの立場で必要なスキルセットは？
7-2 担当者のスキルセット――現場の「もやもや」を検証可能な問いに変える
7-3 リーダーのスキルセット――担当者の発見を昇華させ組織を動かす
7-4 これから管理職になるあなたへ――次のステージで求められる視座
第8章 あなた自身の「物語」を始めよう
8-1 AI時代を生き抜く、あなたの未来のために
8-2 ビジネストランスレーターの道具箱
おわりに
著者プロフィール
読者アンケートのお願い -
-
-
-
-
Posted by ブクログ
「データ分析人材になる」
1.本書の読みどころ
三井住友海上火災保険 デジタル戦略部の現役社員の皆様の書き下ろし。
2020年10月現在13名。そのうち4名が執筆に関わりがあること。
会社、部門の実績のPRではなくて、
①分析手順
②分析方法
ツール、プログラミング
③分析組織の作り方
を展開してくれていること。
2.たしかに、なるほどの視点。
分析結果を報告すると、依頼元の
「だから？それで？」の反応の返り。
これを少なくするには？ は、まさに、現場を司る人のリアリティ。
3.分析結果報告。依頼元の共感をつくるには？
①納得→発見の順序で、事実を展開すること。
②納得とは？
依頼元の感覚の裏づけ
③発見とは？
依頼元の課題解決のヒント。
仮説とその裏づけ。
④依頼元が行動できる道筋の提示
分析の依頼を受けるとき、依頼元が
何をしたいのか？
なぜしたいのか？
どんな行動を取りたいのか？
これを抑えること。ピンずれ防止。
4.三井住友海上火災保険の取り組み
東洋大学情報連携学部での社員研修。
デジタル戦略部以外の各部門で、データ活用できる人材づくり。地道かつ未来への取り組み。
-
Posted by ブクログ
「データ分析人材になる」というタイトルにあった内容の本。
なので、決意した瞬間に読むべきであって、やり始めた後だとよくあるよね、そうやるよねで終わってしまうと思う。
全体を5Dフレームワークとしてまとめている。
Deamand：要求を聞く
Design：全体の絵を描く
Data：データを集める
Develop：分析する
Deploy：展開する
単純にデータを分析するだけでなく、ビジネスにどう繋げるかが重要で、データサイエンティストとか言葉に惑わされないという事が必要だという事を述べている。
言われた事、自分がやる作業を盲目的に捉えすぎないようにという仕事全般に言える内容でもあるので、やっぱりなろうと思った瞬間に読む本なんだろう。 -
-
-
-
-
-
-
-
-
-
-
-
-
Posted by ブクログ
データ分析において問題解決思考とロジカルシンキングは必須のスキル。分析ツールを使って様々な切り口でデータを加工修正することでこれらのスキルを身につけられる。Tableauのような可視化ツールを使えばWhereやWhyを身につけられる。また、解析対象とするデータセットはこれだけでいいのかというMECEといった思考も自然に行うことになる。まず、Whereでどこが問題なのかを特定する。次に、Whyで問題を掘り下げる。この時に注意しなければならないのは世間でありふれているフレームワークで掘り下げることが大事。なぜかというと偏った自分のドメイン知識で判断してしまうから。最後にHowで原因に対する打ち手を考える。
近年注目されているのはビジネストランスレーター。現場と分析者のギャップを埋める存在で、データ分析手法の理解や分析ツールの基本的な操作ができて、業務の経験や実績があって企画が得意な人。
データサイエンティストを目指そうとしていたけど、問題解決思考とロジカルシンキングを身につけてビジネストランスレーターとなることが一番会社にとっていいのかもしれない。現場と分析者は余ってることが理由だ。