#084 意思が弱い社会人の為の勉強方法を考える

さて、今年に入って統計を学び直すぞ！とはりきったものの、現業や家庭が忙しいからつい後回し…そんなことが続いて結局今に至ります。

結局のところ私のように意思の弱い人間には、なんらか外発的な強制力がないとやらないわけです。裏を返すと現業にかかわるなどの強制力をかければやります。（残念な社畜気質です）

ということで、今回は如何にして意志の弱い自分でも勉強するような勉強の仕掛けができるか。この具体的な方法を整理したので備忘録としてまとめます。

▼今回のアイディア

結論から申し上げると、私のように意思の弱い人間には『積み上げ式の勉強でなく逆算式の勉強』を行うのがよいのかなと思っております。下記にイメージを書いてみます。

（メモがひどい…）

つまり、右から左の考え方（闇雲にインプットをした後に現場に活かす）ではなく、左から右の考え方（現場の課題を分解してあるべきインプットを特定してから行う）が良いと思うのです。

▼現業の課題の種類

今年にはいってからは統計の勉強をしているので、統計に絡む領域において現業の課題（社内で上がる声）について考えます。

まず、よくこんな声が聞こえてきます。

社内のビッグデータでなんとかできないの？

うーん…。。。

ただ、これを「うちの上司は何も分かってない…」と突っぱねるだけでは何も生まれません。

そのため、ここで少し深ぼってみると以下のような意図に分解されるような気がします。

課題①：もっと負荷軽減できないか？
　→手段：業務プロセスを自動化するツール開発

課題②：活動を可視化して定量化できないか？
　→手段：根拠をもった意思決定を実現する社内基盤

課題③：予測の機能を付与できないか？
　→手段：機械学習を考慮した新商品の設計

さらに、これをどのように自分の勉強内容に落とし込めるか？

手段：業務プロセスを自動化するツール開発
 　→勉強：VBAで既存工程の自動化のお勉強（RPAも調べる）

手段：根拠をもった意思決定を実現する社内基盤
　→勉強：BIツールやDB系のデータ可視化のお勉強（他社事例も調べる）

手段：機械学習を考慮した新商品の設計
　→勉強：R/Python等で機械学習周りをお勉強

ということで、結論としてはVBA, BI, R, Python周りの勉強をしておけば無駄にはならないかなと多います。勉強する際の留意点としては現場課題への寄り添いです。

▼現業の課題を分解

では、次やるべき勉強にどうやって落とし込むべきか。大きくは下記の3ステップで課題を分解します。

STEP1：現業課題は定量的な分析か定性的な分析か？
STEP2：定量的な分析の場合、考慮する変数は多いのか？
STEP3：考慮する変数が多い場合、未来を予測するものか？

上記のステップを踏まえてはじめてやるべき手段が見えてくる気がします。図式化すると以下のようなイメージです。左から順に触れます。

（図も上手くなりたい…）

▽STEP1  定量 or 定性での分解

やること：要望が数字と文字のどちらの分析を求めているか判断する。

例えば、調査会社を通じてまとまったヒアリングデータ（定性情報）で顧客の要望を可視化してほしいなどであれば、大方はアンケート読み込みで事足りるケースが多い気がします。

手段：示したい声を引っ張り出して、よくある声、的に根拠データとして示すで終わりです。ただ、それだと味気ないというのであれば、形態素分析などして頻出語句を可視化することや、ワードクラウドなどで視覚的に分析感を出すなどもあると思いますが、往々にしてパッと読んで見える事以外はあまり見えなかったりします。

知識：アンケート調査系まわりのハウツー本を一冊インプットするでよいかなと思います。またそれっぽいテキストマイニング・自然言語処理も参考書を見るというよりはpythonでもRでもライブラリを使いこなせるようになれていればいいのかなと思います。

▽STEP2  多変数 or notでの分解

やること：見るべき変数が既に決まっているのか、否かを判断する。

例えば、社内にある営業活動の売れている商品、売れている担当とそうでない担当、売れているエリアの分析を頼む！みたいなオーダーである場合、わりと見るべき変数も固定化されています。

手段：この場合、エクセルでピポットテーブルを組むなりしてクロス集計をし、ちょっとした考察を添えれば完了します。また、ここは一歩踏み込んでVBAで自動化したりBIツールで手軽に可視化という手段も考えられます。

知識：上記を実現するためにはエクセルの基本操作でいけます。一歩踏み込むためにはVBAで自動化させる知識や、BIツールの使い方に踏み込む必要もあります。

▽STEP3 予測問題 or not での分解

やること：未来に焦点をあてた予測問題か否かを判断する。

例えば、今までの売り上げデータから、諸々の顧客の属性データや売上データや販促データや社内データも含めて、各サービスの予測ができないかというオーダーが来た場合、変数が無数にあります。

手段：この場合は、何が影響しそうかの仮説を練る必要があります。その上で、データを突合して最適なデータセットを作り、そこからはじめて分析スタートという形になります。

予測問題になるので、R/Pythonの機械学習のライブラリを用いながら、現業の状態に併せて独自のチューニングを施していく必要もあります。

知識：使用したライブラリの意図や出てきたアウトプットの解釈という点でわりと座学の知識も必要になったりします。（有意水準が5%って何？T値って何？それはなぜ？の説明等）

▼まとめ

上記を踏まえ、分析は現業での課題に併せて逆算で考える必要があります。そしてその課題を以下のような分解をしていくのが良さそうです。

STEP1：現業課題は定量的な分析か定性的な分析か？
STEP2：定量的な分析の場合、考慮する変数は多いのか？
STEP3：考慮する変数が多い場合、未来を予測するものか？

さらに、勉強をする際は以下の3つの観点も留意する必要がありそうです。

目的：どんな業務上の課題を解決したいか。
　→例：販促活動のハイパフォーマー分析をしたい
手段：どのツールをどう使えば目的が達成できるか。
　→例：社内情報の整理とBIツールの活用で可視化
知識：手段を講じるために必要なインプットは何か。
　→例：BIツールの参考書や他社事例を検索して試してみる

私のように意思の弱い人間こそ、勉強する際は現業につながることを逆算的に考え、”やらねばならぬ！”という状況を作って自分を追い込む工夫が必要なんだろうなと思います。