ポール・ブラウンのレビュー一覧
-
-
-
読みやすく深い
紙の本と値段がかわらないけれど、紙の方は厚さ4センチ程度ということを考えれば、電子で買ったほうが場所とらないし重くないしで正解か。
実際の事例をもとに、考え方をなぞる形でページがすすむ。どんな風にデータ分析を行うかはもちろん、どういう風に考えるかがわかるので、実務で分析を行う人には、発想などの面で役に立つに違いない。
ただ、詳しい手法の説明はないので、実際に行うに当たっては、調べたり工夫したりする必要はあるだろう。ある程度、分析の流れや行い方が分かっている人向けの本。
-
Posted by ブクログ
実際のマーケティング戦略に基づいて、それぞれのステップ（ターゲティング、メッセージ、ロケーション、予算、測定、最適化）で判断を下すために、どのようにデータを分析し活用しているかということが内容の中心。データをビジネスにどう活かしていくかを知るための良書。
具体的な分析方法を知るというよりは、ビックデータと呼ばれるように今後扱うデータがより膨大になるなかで、それらをいかに有用に使えるかがキーとなってくることがわかる。
「アナリティクスの未来」の章では、ビックデータを使用しての分析が進み、そして分析の手法自体の自動化が進んだとき、データ分析をサポートする「技術者」もしくは分析結果をactionにつなげる「魔法使い」としてどちらのキャリアを進むかという点についても触れてある。
今度のキャリアを考えるうえでもとても役立った。 -
Posted by ブクログ
きっとこの本は自分のこれからの働き方と実際の仕事の中身を変えていく礎になる。この間この著者のディミトリさんの講演を聞くことができて、その感覚は確信に。講演ではデータサイエンティストが陥りがちな5つのポイントと題してプレゼンされたが、この本からの引用も多く、示唆にとんだプレゼンだった。題名（英題：Sexy Little Data）からもわかるように、この本のテーゼは「ビッグデータなんか使わなくても、手元にある数字だけでも十分アナリシスはできるし、示唆に富む知見をえることもできる。自分の会社が測定できている数字はなんだろうか。どうやったらそれらに触れることができるのだろうか。何と何を組み合わせて分析すると、どんな知見が得られるだろうか。そんなことを考えながらこの本を読んでいると、自分の仕事が毎日楽しくてしょうがなくなった。
それから、文中で紹介されているフレームワークやテクニックはとてもシンプルな分析と実験デザインだが、これはすぐにでも実践できるものばかり。
そういえばディミトリさんは、"（Data DrivenではなくてScientifick Driven"といっていたな。そうか、これはScientificなあぷろーちだなあ -
-
-
Posted by ブクログ
ネタバレ【Summary】
データ分析によって、企業の課題解決をしてきた著者の過去プロジェクトをベースとした内容。
既存の理論に沿った分析というよりも、この著者独自のフレームワークの紹介がされている。
高度な分析をする研究者的アプローチというより、単純で誰もが理解可能なフレームワークでシンプルに分析するコンサル的なアプローチが多い印象。
自分自身も今後データ分析のプロジェクトをする場合は、コンサルという立ち位置上、高度で複雑な分析をすることが目的ではなく、いかに早くそこそこ妥当な解を出し、クライアントを動かすかということが大事になりそうなので、その点では本書は参考になった。 -
Posted by ブクログ
世界的な広告会社オグルヴィで「データ・サイエンティスト」として活躍してきた著者が、数々のクライアントとの仕事を通じて実践してきたデータ分析ノウハウを体系的にまとめた一冊。具体的事例に基づく実用書でありながら、次の時代を見据えたマーケティング／コミュニケーション戦略のあり方も提示していて興味深い。
どの顧客に対して、どんなメッセージを、どのようにして届けるのか、それにどの程度のコストをかけるのか等を検討し実行するために有用なフレームワークや定量的分析手法が数多く紹介されるが、その中で著者はICTの発展によって可能になったビッグデータの有用性を認めつつ、企業が普通に入手可能な「リトルデータ」であっても分析は十分可能であり、重要なのはデータから意味あるメッセージを引き出し、それを誰にでもわかる形で提示することだと主張する。
さらに著者は、近未来の消費者が個人情報をより主体的にデジタル世界の中で開示することで、企業がそれを的確に分析し、真に価値ある広告のみが表示される「価値交換」社会の進展を予測する。サイエンスとアート両面からアプローチに長けた著者ならではの語り口には、単なる分析ノウハウ本にはない奥深さを感じることができる。 -
-
Posted by ブクログ
昨年（2013年）の2月にハーバード・ビジネス・レビューにて、”データ・サイエンティストほど素敵な商売はない”と魅力的な仕事ということで紹介されてから、「ビックデータ分析」、「データ・サイエンティスト」というのが、IT業界のバズワードとして人気を博してきた（最近は少し落ち着いてきた感がありますが）。インターネットを中心にIT業界が活性化し、PCの高性能化はもとい、手持ちのモバイル端末でも高品位の処理が可能になってきた。LTEで通信も高速になり、ストレージも大容量化の時代、情報の通信＆蓄積は技術革新とともに安価にもなりつつあります。
これだけ分析ブームでもありますが、ITの世界でももともとデータアナリストとか、システムアナリストと呼ばれる人は結構いたと思います。前者は広告や商品の効果測定とするリサーチ会社のイメージだし、後者はSIをする中でのコンサルタント的な立場で業務の分析などをしていたイメージです。その中で、”データ・サイエンティスト”が職業として出てきたのはなぜなのか？ まず、この「データ・サイエンティストに学ぶ「分析力」」では、そもそもサイエンティスト＝（科学者）とつけるだけに、従来のアナリスト＝（分析者）とは違う、「分析力」とは何なのかという言及があります。
分析をするだけではなく、それを実施することで何か変わるのか。そして変えたことでの変化量を常に計測することで、継続的な業務変革につなげていく。まさにプロセスを提案するだけではなく（ここまでだとサイエンティスト止まり）、プロセスを変革していくイノベータにならないと意味がないのかなと思います。
データの取り扱い方もそうですが、単純に数字や文字の並びを分析するだけでなく、その裏にどのような現象が潜んでいるかを知るというのは、僕自身、学生時代の卒業研究でやっていた材料研究やプラズマの物性研究に近いなと感じました。データとしては確かに数値で上がってくるんだけど、それは計測誤差なのか、想定している現象の外からくる雑音なのか、そもそもの想定とは全く違う現象がそこで起こっているのか、、数字1つでも正しさをとことん考え抜く、それが単に数字を整理するだけのアナリストと、複数要因を想定する「分析力」を持ったサイエンティストの違いなのだと思います。 -
-
-
-
Posted by ブクログ
ビッグデータ・・・よく聞く言葉。
とはいえ、その実態は？
ビッグというのも、ザックリで、どこからどこまでを選択するか?
その実態がわからないからこそ、それをいかに定義して、選択し、読み取るか?
キュレーション能力が問われるのだろう。
まずはスモールから、自身の手にある（だろう）データから扱ってみる。
そして、既にある分析方法でいろいろつなげたり、グルーピングしてみる。
そして、実際試してみる。（←ITの技術の上で、日々データと結果を積み重ねることができるから、迷わず少しづつでも確実にやりたいことを進める実験の継続がある。だから、考えのストーリーが実現に繋がる）
だから、スモールが自身の方向性でビッグになる。
そんな思考と施行の実態を教えてくれる一冊。
それをマーケターマインドとサイエンスの融合と調和というのではないだろうか?
そして、現代のデジタルを使ったソーシャルで、ファンとともに参加するメーカーの在り方なのかもしれないと思うのである。 -
Posted by ブクログ
原題は「SEXY LITTLE NUMBERS」、既に手元にある魅力的なデータを意味するらしい。ビジネスを進める上での判断においては、既に手元にあるデータからでも十分に良い判断材料というものが埋れているということで、既にトップカンパニーはこれをアナリティクスと言って、十分に活用しているらしい。これら、手元のデータをまとめ上げ、進むべき道を示す人をデータサイエンティストと言うようだ。今はIT化により、わりとこの種の分析作業も大変ではないようだ。アメリカでは最もセクシーな仕事も言われているとか。確かに面白い話だと思う。昨今、製薬会社等でも、DM部がデータサイエンス部と部署名が変わっていたりしたのも妙に納得。最近は色々なものをメトリクス評価しているみたいだし、定量化して、分析することで、先に進むべき道が見えるのかしれない。
周りがどうだとか色々言う人もいるが、まずは自分の足元からしっかりと固めないと進むべき道も見えてこない。まだ、今の自分では全てをうまく使いこなすことができないが、この目線は忘れないようにしないと。
また、得られた発見を基に変えていくフレームワークにOODAというものがあるらしい。
O:観察(observe)
O:情勢判断(orient)
D:意思決定(decide)
A:行動(act)
このループを回していくことは、
競争上の優位性を得るためには非常に有効であるとのこと。
さて、本書によるとこれからの時代は、データを解析するシステムを監視する「技術者」と得られた発見をアクションへと変える、つまり、魔法を起こす「魔法使い」の二者に分かれるらしい。自分はどちらになれるだろうか？？ -
-
-
-
Posted by ブクログ
先日、デイヴィッド・オグルヴィ「ある広告人の告白」を読んだ。オグルヴィが創始した会社が、オグルヴィ・アンド・メイザー。そしてこの会社がクライアント企業との間で培ってきたマーケティング戦略立案時のデータ活用方法を整理し、マーケター的戦略立案手法とサイエンス的アプローチを融合させ、方法論として体系化している。
「『バランス・スコアカード―戦略経営への変革』では、戦略上の成功に関係する重要な要素を定義し、その間にある因果関係を評価するという方法が解説されている。特に企業のリーダーに対して、次の４つの重要領域に集中することをアドバイスしている。
・財務の視点：私たちは株主からどう見られているか？
・顧客の視点：私たちは顧客からどう見られているか？
・業務プロセスの視点：成功するためにはどの業務プロセスで優位に立たなければならないか？
・学習と成長の視点：変化と改善を行う能力をどうやって保ち続けるか？」
「消費者データの売買は、既に長い間行われてきているが、データの価値（そして値段）を決めるものは何だろうか。そこには『予測貢献度』『鮮度』『排他性』という３つの要素が考えられる。」
「分析チームに求められるスキル
・ビジネスプラニング
予算設定と配分
ビジネスケース作成
シナリオプラニング
・オンラインメディア分析
オンライン行動ターゲティング
ソーシャルメディア分析
オンラインメディア分析
検索分析
・計量経済学モデル
キャンペーンパフォーマンス測定
マーケティングミックス測定
メディアミックスのモデル化
・360度評価とレポーティング
パフォーマンス報告
ダッシュボード
・ウェブ分析
ウェブサイト報告
テストと最適化
・ターゲティング
セグメント化
予測モデル
・定量的リサーチ
追跡調査
オンラインリサーチ」
「アジャイルマーケティングを実現するには・・・・
感度を高める：常に顧客に注意を向ける。何が価値をもたらすのか、決めるのは顧客だからだ。
適応する：古い計画に固執しない。変化と不確実性を予期し、状況に応じた対応を行う。
学ぶ：顧客が定めた価値をつくり出すことに集中し、無駄な行動を取り除く。
素早く動く：行動を速くする。ただし焦らないように。
フィードバックを繰り返す：今日行動し、明日修正する。テストし、観察し、学ぶというサイクルを繰り返すこと。」
