河本薫のレビュー一覧

最強のデータ分析組織 なぜ大阪ガスは成功したのか

河本薫

## わかったこと
- データ分析はビジネスの現場で役立たれて初めて価値が生まれる。「見つける力」「解く力」「使わせる力」
- 「すごい」と「役立つ」は違う。役に立たなければ意味がない、だれも関心を示さない。
- 負け戦に挑む数を減らす。①現場担当者の本気度が足りない、②どれだけ頑張っても得られる効果が小さい、③素晴らしい予測をしても行動できない。

## 感想
おもしろかった。内容自体は自分も何となく感じていることが多かったが、それを整理しつつ、考えをブラッシュアップすることができた。自分も多くの分析担当者と同様、「見つける力」と「解く力」が弱いと感じる。ここを意識して日々の業務に取り組みたい。

最強のデータ分析組織 なぜ大阪ガスは成功したのか

河本薫

データ分析はあくまで手段であって業務や意思決定のやり方・プロセスに変革を起こすことこそが目指す分析組織のビジョンであり存在意義であり、そのためにはPCの前で分析作業に終始するのではなく事業部門や業務部門に深く入り込んで業務とその課題をよく知り探掘していくことが肝要、という話。分析方法や技術的工夫に関心がいきがちなエンジニアこそ読むべき一冊

最強のデータ分析組織 なぜ大阪ガスは成功したのか

河本薫

ビフォー
今後データ分析に携わる者として、読み物的な位置付けで手に取った。大阪ガスではないけれど、データ分析組織の在り方が学べたら良いなと思っていた。

気づき
まず、大阪ガスの『ビジネスアナリシスセンター』は社内コンサルティングのような立ち位置で、事業部門の関節部門として存在した。その点がコンサルファームでデータサイエンティストをしていく自分にマッチしていると感じた。
「見つける→解く→使わせる」「高度な分析をするのではなく、業務改革をして初めて価値がある」ことを常に考えており、組織論ではなく一データサイエンティストとして非常大事な心構えだと思った。

TODO
学習を継続して解く力を付けていくとともに、使わせる意識を常に念頭においてプロジェクトに対峙していきたい。目先の改善ではなく、より上位目的を達成する改革となるように考え、物事を見ていく。

最強のデータ分析組織 なぜ大阪ガスは成功したのか

河本薫

企業の中でデータ分析をする人にとっての羅針盤とも云うべき名著。ただ問題を解くだけでなく、それをビジネスに活かすところまでやってこそのデータ分析組織であるということは、肝に銘じておきたいと思った。

要所要所でポイントが3つの箇条書きで書かれていて、読みやすかった。

データ分析・AIを実務に活かす データドリブン思考

河本薫

データ分析を意思決定に繋げるための考え方が整理されてありとても良かった。テクニカルな話ではなく方法論として特に意思決定プロセスに着目する部分は非常に重要だと思う。

最強のデータ分析組織 なぜ大阪ガスは成功したのか

河本薫

データ分析の方法論ではなく組織論について述べた本。データ分析するだけでは不十分でビジネスの場で課題を発見し、事業部門の人に結果を使ってもらって初めて役に立ったといえる。そのためには分析部門だけでなく事業部門との連携が必須となってくる。末端だったデータ分析チームがビジネスアナリシスセンターとして内外で注目されるようになるまでのボトムアップの取り組みについても書かれている。3つの無形財産、ミッション、カルチャー、レピュテーションを築いた。

データ分析・AIを実務に活かす データドリブン思考

河本薫

1章2章は現行業務に活かせまくり。
3章は自身なりの仮説を立てて、固めていく必要あり。やはり実践が課題。

会社を変える分析の力

河本薫

数字遊びではなく、仕事人としての責任をはたすためのデータ分析は如何にあるべきかという内容。

データ分析従事者のみならず、組織文化にインパクトを与えたいと考える企画関連者にはバイブルとなりうる。

会社を変える分析の力

河本薫

データ分析がなぜ重要なのか、良いデータ分析とは何で、それをどう実現するかが書かれておりとても良い内容だった。ビジネスパーソンとして誰もが知っておくべき考え方がまとまっているのでとても参考になる。

最強のデータ分析組織 なぜ大阪ガスは成功したのか

河本薫

データ分析から会社の成果につなげるということが、どれだけ簡単ではないか、簡単ではないけど魅力的でやりがいのある仕事なのかを書いてあると思います。
近頃はデータ分析系のコンサル会社も多くありますが、いかにコンサルを使って成果を出すのが難しいか推察できます。データ分析が活用される現場・事業サイドと、分析結果を生む分析組織をいかに協働させるかがポイントになると書いてあるからです。

以下のことが書いてあると思います。実践的で、ちょっと燃える？テンションの上がる？ような本です。
・データ分析という手段をどうやって成果に結びつけるか、という、実践的で非常に分析者にとって重要分析的な考え方を語られています。見つける、解く、使わせる。
・分析手法の観点と、会社の中の組織折衝の観点と２つが語られていると思います。組織感の折衝の話の方が心を砕いていて、ページも割いている印象です。
・分析組織目線で、どうやって組織のレベルを上げていくか、という内容も勉強になりました。

最強のデータ分析組織 なぜ大阪ガスは成功したのか

河本薫

2017年の本ですが、データ分析のあるべき仕事論・組織論はこの本でほぼ出尽くしていると感じます。それくらい秀逸な内容。個人的には頷きすぎて500回くらい首がもげました。

データ分析・AIを実務に活かす データドリブン思考

河本薫

組織とデータについてちょっと考える必要性が出てきたので読んだのですが、この本は本当にすごい。
組織の中で実務にデータを活かすことを、25年間考え（多分）そうとう苦しんだ著者の知見が、惜しげもなく披露されてます。

著者があとがきに書かれているように、腹落ちしない人もいると思うんだけど、同じような考え方をしているからなのか、私からするとほとんどは納得できる内容で、特に前半は「せやな」と、「なるほど」が止まらなかった。
ぜひとも、別途まとめて理解をさらに深めておきたい本。

会社を変える分析の力

河本薫

ビジネスにデータや分析をどう活かすか、というシンプルな問いに対して、真っ向から回答している本。
著者は恐らく、一般的でデータなどのない世界で、努力されてきたのだと思うが、意外にビジネス目線での本はないので、馬鹿正直に時間のかかる統計の本に手を出すより全然仕事に活きると思う。

会社を変える分析の力

河本薫

分析とは、なにか？
データから、現場が困っていることを改善する傾向を探り出し、現場の人たちの行動を変えて、成果に導くこと。あるいは、経営判断の一助になること。
現場の困りごとをよく確認し、現場が持っている経験と勘と度胸を聞き出すことも大切だ。前提や扱うデータが的外れでは、どんなに分析しても意味がない。
分析の価値は、「意思決定への寄与度」掛ける「意思決定の重要性」と定義している。
分析をすることで、ビジネス上でどんな成果が期待できるのかを意識できないといけない。
本書で、データ分析のプロフェッショナルがどんな人材なのかが学べる。

最強のデータ分析組織 なぜ大阪ガスは成功したのか

河本薫

チームビルディングや仕事に対する姿勢がとても刺激になった。自分や組織ではなく会社を主語にして物事を考える、手段に固執してビジネスに貢献するという目的を見失わない、メンバーのモチベーションに対するアプローチの例等、ヒントをたくさんいただいた。
個人的には便利屋にならないというのが1番響いたかも…

フォーワード型分析者:見つける力、解く力、使わせる力
3つのモチベーション:挑戦するモチベーション(やりたい、やるべき、やれるの合致)、壁を乗り越えるモチベーション、継続するモチベーション

最強のデータ分析組織 なぜ大阪ガスは成功したのか

河本薫

元大阪ガス ビジネスアナリシスセンター所長の河本薫氏が、データ分析を成長させるノウハウを説明する本である。分析についての技術的な内容ではなく、データ分析組織の運営・成長がテーマである。前半は「データ分析組織を成功させる」、後半は「データ分析組織のリーダーとして人を育てる」を主題としている。データ分析に携わる人には、ぜひ一読を勧めたい。
製造業におけるデータ分析者には「見つける力」「解く力」「使わせる力」の３つが必要である。このうち、「解く力」について、昨今話題となっている技法を使うことに固執してしまうことがよくある。しかし、手法を使うことが目的となってはいけないと警笛を鳴らす。あくまで、会社に貢献することを目的としなければならない。また、私自身、社外との交流に対して積極的に参加することで、自分の実力を比較し、情報収集をしていかなければならないと思う。

最強のデータ分析組織 なぜ大阪ガスは成功したのか

河本薫

著者のデータ分析者としての仕事の流儀がとても良く分かります。
分析するだけでは何の意味も持たず、それを現場でソリューションとして活用してもらわなくては意味がない。その為に「自分は何をして来たか」を書かれています。（これがそのまま「何をすべきか」ではない。答えを教えているわけではないと感じました。）
特に、社内スポンサーシップ制度については私自身の仕事経験から言ってもとても実感を持って学べました。
その他、データ分析におけるリーダーのあり方についても良く書かれています。

会社を変える分析の力

河本薫

著者は大阪ガスビジネスアナリシスセンター所長で、日経情報ストラテジーが選ぶデータサイエンティスト・オブ・ザ・イヤーを受賞。本書は、分析をテーマにして書かれているが、実際には仕事論だと思った。共感の連続だった。思っていること、考えていることを整理、代弁してくれた気がする。ウチの会社にもこういう人がいてくれたらと切に思う。

「X氏とY氏の成否を分けたのは何でしょうか？X氏は営業部で仕事をしており、身近にいる営業マンとのコミュニケーションを通して、『こういった顧客属性にはこのような商品が売れるのではないだろうか？』という仮説力、そして『その仮説が正しくても、施策として実行できなければ意味がない』という当事者意識を持っていたのです。」
「分析モデルは、所詮、現実を単純化かつ近似化したものに過ぎない、されど、現実のある特定の特徴について定量的な知見を与えてくれる。」
「データ分析でビジネスを変革していくサクセスストーリーは、このヒラメキが原点になります。でも、何もないところからヒラメキが生まれることはありません。日頃から、ビジネスに悩み、データに関心を持ち、データ分析を活用する機会を貪欲に探している、そういった土壌でヒラメキが生まれるのです。」
「私は、データ分析を意思決定に使う際に、『所詮』と『されど』の二つの言葉を胸に刻んでいます。データ分析で得られるのは、所詮、『連続性の世界』での解に過ぎない。されど、『連続性の世界』での解は、『不連続性の世界』においても何らかの手掛かりにはなります。」
「…誘惑に打ち勝てるのは、『自分が作った数字は経営を左右する』という責任感だけです。」

最強のデータ分析組織 なぜ大阪ガスは成功したのか

河本薫

分析とは会社を主語にして現場に使われて役立つものであるという基本理念を説いた本。本当に目的なき・活用する工程まで設計できてない分析は多い。動物的に課題に反応して、オーダーがくるケースも多い。熟考不足。

ミッションに沿わないことは手を出さない。という意思が大事だと再確認できました。以下を意識していかに負け戦を避けるか。最初の判断が大事だと思います。

１．現場担当者の本気度が足りない
２．どれだけ頑張っても得られる効果が小さい
３．素晴らしい予測をしても行動できない

使われて・役立つ分析活動にするには、前提として担当者＝使う人・現場の責任者と共同で目的とアウトプットを設計して納得していることが必要だと思います。その共同作業をいかに最初に行えるか。高度なファシリテーション能力が必要になると思います。

大阪ガスの場合は、スポンサーシップ制度を導入して、現場担当者がノーリスクで依頼＝丸投げ・コミットしない状況を作らせない。予算を投じているからこそ、本気度もPJTへのコミット度も違う。そういうルール作りも必要だと思います。


「解く」までは進んでも、多くの場合は「使わせる」で止まるケースが多いと思います。その理由となる３つがわかりやすいです。

１．意思決定に役立たない
２．意思決定に役立つが使えない
３．意思決定に使えるのに現場に拒否される

２．に関して、結果責任と説明責任はトレードオフになっていること。精度を上げると予測ロジックがブラックボックス化して説明・解釈のしやすさが落ちる。説明責任を果たせない。この２つの責任を負う覚悟ができるか次第で使われるかは決まる。責任を果たす際にどちらを重視すべきかも、担当者次第なんだと思います（トレードオフなので両方一度に求められないので）

また、現場の方といかに心を開いて話しているか信頼を得ているかが使われるには大事。結局ミッションとかお題目とかルールとか強制力とかでは、その監視・強制力がなくなった瞬間に使われなくなるので、本質的に役立つことの理解促進とそれを実現するアウトプットが必要なんだと思います。そのためには、業務をまなび心を開く姿勢が大事だと思います。

あとはプロトタイプを作ってと価値に気づいてもらって納得の醸成すること。実際に使ってみないとだめなんだと思います。

さて、意思決定は選択肢が伴うので、選択肢が出せてない問題には分析は貢献しにくい。そもそもプロセス設計がされていない場合は意思決定ができない。業務設計の姿勢が大事だと思います。

最後に、納得できるストーリーとビジョンメイキング。そして、計画はリーダーの仕事。みんなで決めたら理想的だけれど、そこは独断のほうが良いんだと思います。リーダーは広告塔。リーダーが重しになってオーバーコミットしない。肝に命じようと思います。

全方向型のセンター型組織のあるべき姿。必ず現場にわたす。分析を持たないこと。

会社を変える分析の力

河本薫

分析とは意思決定を変えるために行うもの。意思決定を変えられない・意思決定に繋がらない分析は無価値という根本的な考え方を、この本で初めて知覚した。分析者は意思決定問題にも取り組む必要がある。