【感想・ネタバレ】データ・サイエンティストに学ぶ「分析力」 ビッグデータからビジネス・チャンスをつかむのレビュー

ディミトリ・マークス / ポール・ブラウン / 馬渕邦美 / 小林啓倫

[ゼロ · ★★★★★]

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。

[ブクログ · ★★★★★]

非常に実践的なデータ分析本です

残念なのが、若干タイトルとあっていません

「手元にある小規模のデータから分析しろ！」という感じの主張が本でなされていますが、、、副題に「ビッグデータから・・・」となっています。英文のタイトルも「Sexy Little Numbers」ですから、、、

タイトルは微妙ですが、中身は本物です

実務家にお勧めです

[ブクログ · ★★★★★]

ビッグデータに限らず、集めたデータから新しいビジネスにつなげた例がたくさん紹介されている。日本語タイトルは分析の本のように読めてしまうのでよろしくない。
原題は
How to grow your business using the data you already have
であり、すでに持っているデータを使ってビジネスを延ばすくらいの意味であり、ビッグデータに限った話でもない。
ビジネスでたまったデータを使ってマーケティングに活用しましょうという本なので、多くの人にお勧めできる本だと思う。

[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。

[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

[ブクログ · ★★★★☆]

著者が言うように「数字はいつも魅力的だった」というように、最近ビックデータがもてはやされているが、昔から、データや数字をどう分析、活用するかが問題で、その気づきを感じるには本書はわかりやすい。

[ブクログ · ★★★★☆]

データの分析に基づくマーケティングの手法の解説
非常に論理的で合理的に説明されている
必ずしもビッグデータではないが最新の手法が解説されていて面白い

[ブクログ · ★★★★☆]

【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。

[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。

[ブクログ · ★★★★☆]

データをどう実際のマーケティングに活かしていくか具体的な事例で多角的に解説された良書。データを解析するだけでなくそこから魅力的なストーリーを描き業績を飛躍的に改善させられる"魔法使い"は今後一層求められる存在になるだろうし、自分もそうなって行きたいと思いました。

[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。

[ブクログ · ★★★★☆]

ビッグデータがバズワード化してる昨今において、「魅力的なリトルデータ」をキーワードに、分析の有用性や活用方法について実例を交えながら解説している本。
非常に読みやすい文体で翻訳されているので、要点は掴みやすいと思います。
数式は全くと言っていいほど出てこないので、基本的には文系の人向けのデータ活用の入門書としてオススメです。

[ブクログ · ★★★★☆]

どんなことができるのか、どんな考え方をすべきなのか、多くの事例を交えて開設されており、わかりやすい。最後に、”もはや逃げる場所はない。「データで何ができるか」ということについて、誰もが基礎知識を持たなければならないのだ。”とあるが、どんどん楽しくなる気にさせてくれる。

[ブクログ · ★★★★☆]

想像とは少し異なる内容だったが、読み進めるほど面白かった。
もう少し読み込みたい。

そのまま仕事に適用するのは難しいが、考え方や考えるべき点は参考になると思う。

[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。

[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？？

[ブクログ · ★★★★☆]

ゾクゾクされられた本。
巷でバズワードとなっているビッグデータの取り扱いを具体例で示している。
需要創造にむけた顧客のセグメントとメッセージの構築の手順を学べたのが大収穫。
今後も読み返したい。

[ブクログ · ★★★☆☆]

本書は数々のデータをいかにマネジメントして活かしていくかという話なのでこれは転職前に読むべきだった。ECサイトの話辺りは興味深かった。確かにTOPページはお店の顔。しかしデザインが変わらなければそれ程影響はないだろうと思っていたが、正確に分析すればかなりの違いがあるようだ。
あとは、何度も形を変えて出てきたクロス集計。他書でも見かけたしやはり分析の基本になるのだろう。だが、この領域の顧客はこうしたら良い、と分かってもその通りにならないのが現実。皆と同じ分析をしていたら勝てない。独創性が必要になるのだろう。

[ブクログ · ★★★☆☆]

統計学やデータ分析に関するビジネス書を集中的に読んだ中の1冊。

テクニカルな部分ではだいたい知ってることが出てくるんだけど、どういう点に目星をつけるか、どういう風に進めるか、というところがミソで、最近の（に限らず）マーケ本に通底する共通課題なわけですね。

「ビッグデータ」がキーワードになっている昨今だけど（もう賞味期限切れかな？）、そこから抽出される「セクシーなスモールデータ」こそが肝心だよ、という辺りが面白かった。

[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。」

[ブクログ · ★★★☆☆]

広告会社オグルヴィのマーケティング担当が書いた本。

オムツとビールのバスケット分析が嘘だったってことが一番の収穫。

web画面の見せ方を工夫すると、入会率が上がるよっていうことを言っている。（入会ボタンを、オレンジから緑にすると良いなど。オレンジは目立つけど、警告の意味があるからとのこと）こういったことを、統計的に分析し、提案し、実践し、改善するのがお仕事のよう。

A=(P*MC)/ROIで、ある広告を特定の人物に表示することに対して支払う金額がわかる。
Pは、広告を閲覧した人物が口座を開設する確率。
MCは、実際の顧客になる毎にもらえるマージン。
ROIは、企業が投資したことに対して得られる利益の割合。

広告予算の削減は、長期的にマイナスの影響をもたらす。

目標には、「測定方法」「ベンチマーク」「時間設定」が必要。この3つがそろわないと、目標は単に緩い方向性を示すものか、願望のようなものになる。

財務管理サービスのミント・ドットコムはおもしろい。「あなたの財務状況を教えてください。私たちはその改善に向けたお手伝いをします」財務諸表から何かを読み取るのは難しいので、専門家に見てもらったほうが効率的であれば、こういったサービスは有効。

OODAループ。人間が素早い、直感的に言える意思決定を下す際のステップで、戦闘機の設計経験もある、パイロットのボイドが発明したフレームワーク。
Observe（観察）
Orient（情勢判断）
Decide（意思決定）
Act（行動）

専門的な数学・統計学を学ぶとどれだけ分析の切り口が増えるのか、ぼくには見当がつかないなー。
結局、納得感あるものを出せる、顧客目線の方針を出せるかどうかだと思う。

[ブクログ · ★★★☆☆]

マーケティングの知識としてタメになった一冊。このような本を読むと自分はなんて狭い世界で分析をしているんだろうと痛感する。何のため、誰のため、という思いは大切だ。

[ブクログ · ★★★☆☆]

理想的な顧客はどれか、その顧客が求めるものは何か、何をどのようにすればその顧客に伝わるか、その分析のためには何をどのように測定するか、その活動がどれだけの効果を上げているか、使える予算はいくらか、データ分析の視点でその具体的なアプローチ方法を説明している。

[ブクログ · ★★★☆☆]

ざっと流し読み。軽くメモ。
・顧客マトリックス、セグメント化
・将来予測。パーソナルデータの収集が用意に。いつ、なにを、どこで。顧客の年齢などのデモグラフィック
・機敏にうごき、PDCA
・定性の調査方法は、口コミサイトに目を通す、というもの
・データの価値。それがいくら利益をうむのか、排他性ー誰でも入手できるのか、鮮度ー最新のものか。
・ログ取得の目標の設定、方法、達成可能性、現実性
・誠実でないデータを創るな
・A2Aテスト
・エンジニアはグローバルな土俵で戦う時代。

所感。
・確かに鮮度は大事だ、刻一刻と状況は変化する。

[ブクログ · ★★★☆☆]

途中で読むのをやめたので積読行きに。こういう海外での最新トレンド事情を翻訳された本に学びが少ないと感じるようになった気がする。これでは本質を取れず、自分が直面しているシチュエーションに応用できない。

[ブクログ · ★★★☆☆]

元オグルヴィのデジタルマーケティング担当者によるデータマーケティング解説書。タイトルに「データ・サイエンティスト」「ビッグデータ」という流行り言葉が踊るが、これらはほぼ無関係。比較的旧態依然としたデータを活用して多面的に分析活用するマーケッターのフレームワークと事例紹介が主。

如何せんタイトルの付け方が酷すぎる。マーケティングターゲットを指南する以前に本書のターゲティングが失敗している。出版社の戦略ミスだろう。内容自体は回りくどいながらも悪くはないので残念だ。

[ブクログ · ★★★☆☆]

サブタイトルのビッグデータというより、本題のとおり分析をどのようにして経営・広告に活かしていくかということを中心に書かれている。

[ブクログ · ★★★☆☆]

マーケティングを今自社が持っているデータから、どのように有効に行うか。アナリシス。

・特に固定電話など、成長が止まっている市場においては、財布内シェアの情報が不可欠になる。固定電話サービスの利用傾向を左右するのは主に、
・顧客企業が保有している電話回線の総数
・顧客企業がどの産業に属しているか
・企業内の地理的なばらつき（拠点が1カ所か、複数か）
である。
そこで、どこに営業の最大のチャンスが転がっているか割り出すために、次のような分析を行った。
まず顧客を1回線毎の請求料の大小でソートする。例えばレンタカー事業を営むA社が40回線所有していて、1ヶ月あたりの請求が合計3000ドルなら、1回線あたり75ドルを支出している。
次に地理的にA社に近く、業態が同じで1回線あたりの請求額が高い他社と比べる。同じ地域の上位の他レンタカー会社が1回線につき平均120ドル使っているとする。
そして、’1回線あたり120ドルがその地域の同業者で財布内シェアの100％を握っている’ものと考える（支出額が最も大きいので）。
1回線あたり75ドルのA社はまだ45ドルを競合他社の電話回線に使っているので、A社をターゲットにするのは、有意義だとの結論が出る。

・人々の感情を理解することに特化している企業として、他にボイスプリズムが挙げられる。彼らは人間の声の音波を分析する。誰かに10分ほど喋ってもらい、基準値となるベースラインを把握した後で、提示される様々な刺激物（この場合は広告）について語ってもらう。そしてその際の反応とベースラインとを比較し、興奮やストレス、喜び、怒りといった感情を明らかにするのだ。声は無意識下で何が起きているのかを理解するのに役立てることができる。何千人もの消費者の無意識に関するデータを集められる技術など、私はほかに見たことがない。

[ブクログ · ★★★☆☆]

ビッグデータの分析入門

「UPSのトラックは左折時の待ち時間を回避するためにほとんど左折しない。それによって毎年数百万ドルのコストを削減している。」だって

[ブクログ · ★★★☆☆]

やはり、Webで蓄積されるデータについてのお話だった。残念。
・ありがちな罠。「データで何ができるか」を考えてしまい、「データで何をすべきか」を考えることがおろそかになってしまう。

[ブクログ · ★★★☆☆]

オグルヴィ社のマーケティング戦略立案時のデータ活用方法を整理し、方法論として体系化した。対象、メッセージ、場所、予算、測定、最適化。

原題、セクシー・リトル・ナンバーズ。ビッグに対するリトルなのに、日本語副題はビッグデータになってるのはミスリード。
もとの副題は、既に持っているデータを使って、だもの。