データ整備／データ基盤システムの構築／データ分析組織立ち上げのプロがすぐ効くノウハウを教えます！ 「会社内でバラバラになっているデータを集めたが，これから何をしていいか分からない」 「最新技術を利用してデータ基盤をつくったがニーズがなかった」 「頻繁に障害が発生するデータ収集に対応してきたが，そのデータは誰にも利用されていなかった」 「データの意味が分からず，データの意味の聞き込み調査で1日が終わった」 データを活用してビジネス価値を創出したいと考える企業は増えています。そのために，とりあえずデータを集めて，データレイク，データウェアハウス，BIツールなどのソフトウェアを導入したのですが，データ活用が進まないという声を聞きます。なぜ，せっかくコストをかけてつくったデータ基盤なのに機能しないのでしょうか？ Garbage In Garbage Out（ゴミを入れたらゴミが出てくる）という言葉があるように，適切な形でデータを取得しなければ，適切な分析はできません。また，各ソフトウェアに限定した知識ではなく，データ基盤システムとして利用するためのノウハウがなければ，データ基盤は機能しません。さらにデータ基盤にはたくさんの人が関わるため，組織のあり方やデータの取り扱いにも注意が必要です。 取得したデータからデータ活用までの架け橋となるのがデータ基盤のはずです。ビジネス価値につながらないデータ基盤はコストを垂れ流すだけの病んだシステムになりかねません。そこで本書では，データ基盤の本来の機能を甦らせるため，またデータ基盤の構築でつまづかないためノウハウを処方します。データ整備，システムの知識，組織のあり方，データの取り扱いといった"データ基盤を機能させるためのノウハウ"を，この道のプロが惜しげもなく披露します。データ基盤が思うように機能していない，これからデータ基盤を構築したいが何からはじめればよいか分からない，といったことで悩まれている方には一読の価値があるはずです。

●なぜ、大学入学共通テストで情報Ⅰが課されるのか。　●なぜ、小学生から統計を学ぶようになったのか。　●なぜ、情報ⅠがITパスポートの基礎となったのか。　2022年4月から高校の必修科目となり、2025年1月実施の大学入学共通テストからほぼ全ての国公立大学で必須科目となる「情報Ⅰ」。今では当たり前となったインターネットの社会的利用から、関連法、アルゴリズムの考え方、プログラムの基礎など多分野にわたる「情報Ⅰ」の内容を社会人向けに解説。また、「DX（デジタルトランスフォーメーション）」「Society 5.0」など、よく耳にするが今ひとつ腑に落ちにくい用語の本質もつかめる。「自分でプログラムを組む」のではなく「プログラマーに何を伝えれば仕事がはかどるか」がわかる、社会人注目の1冊！

データサイエンティストと呼ばれる職種が登場して、いまや10年以上が経過しようとしています。ビッグデータやディープラーニングなど技術的な流行も後押しして、AI・データ分析プロジェクトに取り組む企業も増えました。また、データサイエンス、データエンジニアリングに関する技術情報は次第に増え、データ分析コンペティションの盛り上がりもあって技術的な知識を持つ方が増えているのは事実です。ところが、実際にAI・データ分析プロジェクトに取り組んでみると、そううまくはいかないようです。プロジェクトを進めるには技術知識だけでなく「ビジネス⼒」が必要なのです。 そこで、本書はこれまでメインテーマとして語られることのなかった「ビジネス⼒」に焦点をあてて、データ分析プロジェクトを一通り解説していきます。プロジェクトの⼊⼝として「組織の立ち上げ方」から「案件獲得」にふれ、続く実際のデータ分析プロセスにおいては、課題とゴールを明確にして、分析結果は出して終わりではなく共有、評価のサイクルが必要であることを解説します。最後に出⼝となる「収益化」に関する情報をまとめます。 先を行くデータ分析者達は、これまでさまざまな罠にかかり、見えない落とし穴にはまっても奮闘してノウハウを蓄積してきたのがこの10年です。これからAI・データ分析プロジェクトに取り組む方／関わる方へ向けて、先人たちのノウハウをまとめたのが本書です。

統合ＡＩが完成する前時代である現代を著者は「機械脳の時代」と位置付け、１０数社のケースを取り上げながら、人々の仕事はどのように変わるか、そして個人は何を学びキャリアを形成していけばよいかを解説します。同時に、機械学習システムを作るためのメソッドを「Ａ　Ｂ　Ｃ　Ｄ　Ｅフレームワーク」としてまとめます。

※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。 ◆必要なのはExcelだけ! トップデータサイエンティストが教える、ワンランク上の分析手法! ◆ ●まずリトルデータで勘所を養う ●指標(KPI)を制する者がデータ分析を制する ●現場を躍動させる“OODA”ループ ●話題の“scExcel”で分析ツールRを操る ●特別付録[Excelを高機能な定量分析ツールにするための諸設定] 「なんか、ビッグデータ的なこと、やってよ!」 会社のエライ人から、このようなことをいわれたビジネスパーソンは、たまったものではない。 何をすればいいのかわからない。 本書は、あなたが「最速で収益につなげる完全自動のデータ分析」に向けて動き出すための、 地に足の着いた実践的な知識を共有する。それは、主に以下の2つである。 1.データ分析の民主化 2.定量分析の完全自動化 データを活用し成果を出すには、より多くの人が、当たり前のように、気軽に、データ分析ができた方がいい。 少なくとも、データ分析の効用を知っていた方がいい。それが、「データ分析の民主化」である。 データ分析と聞くと、定量分析のイメージが強いが、本当に重要なのは、次につなげるために できるだけ解釈や整理、洞察といった定性的なブレインワークに時間を割けるようにすることだ。 そのために「定量分析の完全自動化」を目指す。 したがって、「最速で収益につなげる完全自動のデータ分析」とは、 「データ分析の民主化」と「定量分析の完全自動化」を目指した、質の高いデータ分析の活用のことを指す。 (「はじめに」より)

近年ビジネスにおいて、現状を分析し、意思決定を行ったり、説得力のある提案をするためのツールとして、膨大なデータを介したデータ分析の必要性がますます高まっています。膨大なデータを蓄積し続けてはいるものの、それらを有効活用している企業は非常に少なく、分析ニーズも高まるばかりです。本書は、データ分析の初心者や企業担当者を対象に、データ分析の実際を解説するものです。 「人は成功からは学べない、失敗からこそ多くを学ぶのだ」という認識から、SBTが手掛けた事例を元に、データ分析を行う際に起こりやすい失敗事例とその克服法を解説します。これにより、読者は、リアリティのある、真に役立つデータ分析の実例を学ぶことができます。 著者は、豊富なデータ分析の経験を持つSBT社データサイエンス部のスタッフであり、ダイナミックかつ具体的な事例を紹介します。

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。

【データに基づく議論・意思決定が生み出す競争戦略】 「データで話す組織」づくりを通じて、その先にあるDXを実現するための基礎を解説していきます。本書では、データを活用したいと考える組織が備えるべきケイパビリティを課題発見力、人材力、データ力、施策実行力の4つに整理して、それぞれ解説します。 また、一足飛びにAIやデータサイエンスに取り組んでも、基礎ができていない／用意ができていないために、うまくいかないことがあります。データ活用を考える組織はデジタル化、データ分析、AI・データサイエンスの3つのフェーズを一段ずつ越えていくことをおすすめします。 ■こんな方におすすめ - 事業会社のDX・データ活用プロジェクトの担当者 - 会社にデータドリブンな文化を持ち込みたい経営層・マネージャ層 ■目次 第1章 データで話す組織づくり 　　1-1 一歩ずつデータ活用力を上げる長期スパンでの文化醸成 　　1-2 「データで話す組織」を追求する戦略的意義 　　1-3 「データで話す組織」づくりのアプローチ 　　1-4 予算・リソースに応じたプロジェクトの進め方 　　1-5 データ活用による価値創出と継続の重要性 　　コラム タクシー業界でのデジタル化とデータ分析技術の活用 　　コラム ワークマンでのデータ活用の軌跡 第2章 現状把握とデジタル化 　　2-1 社内業務の把握 　　2-2 意思決定プロセスの把握 　　2-3 事業課題の把握 　　2-4 アクションのための情報収集 　　2-5 情報システム部門の把握 　　2-6 ステークホルダーの把握 　　2-7 外部人材の活用 　　2-8 情報セキュリティの把握 　　2-9 社内システムの把握 　　2-10 データの把握 　　2-11 システムによる課題解決の実践 　　2-12 いつでも振り返れるように現状を整理 第3章 データ分析チームの組成 　　3-1 分析テーマの選定 　　3-2 類似事例の調査と比較 　　3-3 ビジネスフレームワークの活用 　　3-4 データ分析チームを構成する人員 　　3-5 兼任担当者から専任へ 　　3-6 データ理解とデータ整備 　　3-7 定常モニタリングとBIツールの用途 　　3-8 データの伝え方 　　3-9 効果の計測 　　コラム データ分析組織の継続 　　コラム データ基盤の重要性 第4章 AI・データサイエンスの応用 　　4-1 統計・AIモデルでできること 　　4-2 統計・AIモデルにおける課題設定 　　4-3 データ分析人材のスキルセットと獲得戦略 　　4-4 育成のためのしくみづくり 　　4-5 評価体系の構築 　　4-6 AI・統計モデルのためのデータ選定 　　4-7 モデルの評価 　　4-8 MLOps 　　コラム 中央集権型かデータの民主化か ■著者プロフィール 大城 信晃：NOB DATA株式会社 代表取締役。データサイエンティスト協会九州支部 支部長。主に地方のインフラ企業にてDX推進という文脈で各社に自走できる分析チームの立ち上げに関する伴走支援を、東京エリアを中心とする企業にてChatGPT等のLLM技術を応用したサービス開発・業務活用支援を行っている。 油井 志郎：株式会社ししまろ CEO（代表取締役）。金融、医療、製薬、製造メーカー、IT、観光、運送、小売などの様々なデータ分析・AI関連などの分析全般を伴走型で支援を行っている。 小西 哲平：株式会社biomy 代表取締役社長。がん微小環境のAI解析を通して個別化医療の実現を目指す。秋田大学大学院医学系研究科博士課程(病理学)、理化学研究所に研究員としても在籍。 伊藤 徹郎：Classi株式会社 プロダクト本部 本部長。徳島大学 デザイン型AI教育研究センター 客員准教授。Classi株式会社にて、データ組織の立ち上げからエンジニア組織の統括。2023年8月よりプロダクト開発に関わるすべての職能を統括した部署の本部長に就任し、奮闘するかたわら、大学にも籍を置く。 落合 桂一：大手通信会社R&D部門　データサイエンティスト。東京大学大学院工学系研究科 特任助教。位置情報、端末ログなどのモバイル関連データに対する機械学習の応用に関する研究開発に従事。また、自らの経験を活かし大学で社会人ドクターの研究を指導。国際的なデータ分析コンペKDD Cupにおいて2019年の1位をはじめ複数回入賞。 宮田 和三郎：株式会社カホエンタープライズ CTO。業種業態を問わず、様々な組織におけるデータ利活用の支援を行なっている。経営や組織の観点でのデータ利活用に深い興味を持つ。

最適なデータを駆使し、ビジネスで成果を上げるための実用書。 顧客別DMや見込み客の見極めなど「顧客との関係性の視点」、高付加価値商品リストやセットメニューなど「製品からの視点」、利益最大化を実現するセールスミックスなど「財務の視点」といった具体的事例で、制度の高い、アクション(意思決定)につながる分析法を解説。

正しい分析をしているのになぜ失敗するのか－－。 『スピーディーに収益につなげる新手法 ロジカルデータ分析』は、ビジネスデータ活用で評価の高い高橋威知郎氏が、長年のノウハウを基にロジカルに解決する方法をまとめあげたものです。 ビジネスデータ分析に活用できる独自のフレームワークや事例を基に、「収益効果が見えない」「投資に見合っているのか分からない」「後追いしかできない」といった課題を解決する道筋を示します。 データの分析活用を成功させるには、着手する「スピード」と取り組む「パッション」が重要です。そうした“やる気の出る”データ分析のために必要なKPI（重要業績指標）や組織間連携についても独自の視点で解説します。 著者の高橋威知郎氏は内閣府（旧総理府）およびコンサルティング会社を経て、現在はソフトバンク・テクノロジーでデータサイエンス部のシニアコンサルタントを務め、これまで20年近くデータ分析にかかわってきました。 日経ビッグデータの連載講座 「データ分析で時流を先取りする方法」でも読者から高い評価を得ており、今回ノウハウを一冊にまとめました。 データ分析の現場だけでなくデータを活用するあらゆる組織のマネジメント層にもお薦めです。