DSBにチャレンジ3　Master KTさんの『データドリブンの極意』を読んでみた。そのニ（DAY２とDAY３）

ただいま、理由あってDATA SABERにチャレンジ中です。で、DATA　SABERに認定されるためには、導く力の証であるコミュニティ活動の一環として、Tableau関連のブログ記事の投稿が求められており、こうして書いている次第です。

今回は、このDATA SABERの生みの親である、Master KTさんの『データドリブンの極意』を読んでみましたので、その内容を3回に分けてご紹介します。

で、今回はその二回目ということで、DAY2のビジュアル分析とDAY3の分析プラットフォームをご紹介します。

先ず、ビジュアル分析ですが、Ordでいうと、Visual Best Practice IとVisual Best Practice IIが対象範囲となると思います。

ポイント以下に書きます。

・なぜビジュアル分析したほうがよいのか？ということを理解する
　まあ、いわゆる百聞は一見に如かずという諺にもあるように、一見して状況を理解するということは人間にとって得意なわけです。理解の深さがどこまでになるかというのは、人によって区々ではありますが、単なる数値やデータの並びよりははるかに理解しやすいわけです。ただし、「見やすく」することは大事ですし、ビジュアルを正しく使うことも大事です。さもないと、ビジュアルを使うことで却って誤解や錯誤を招く結果になるからです。

・ビジュアル分析のサイクルを理解する
　これも大事ですね。ビジュアル分析というだけあって、このサイクルも画でみたほうが理解しやすいとおもうので、図を貼ります。

https://help.tableau.com/current/blueprint/ja-jp/bp_cycle_of_visual_analysis.htm

ここで特に大事なのは、最初のTaskが明確になっているかということを確認することです。いわゆる分析のための分析にならないためには、まず、データを利用して解決したい課題がなんであるかを明確にするということです。また、VIZを作ってインサイトを得たら、それを共有して、アクションするという点も欠かせないところです。ここがないと、単なる可視化ワークになってしまいます。

・視覚属性を正しく理解する
　これは、普段データの可視化をする際、なんとなく使い分けしているところがあって、ちゃんと法則に従って使い分けしないといけないなと思いました。ゲシュタルトの法則と合わせて覚えておくといいですね。
で、視覚属性については、10種類ほどあります。

 https://help.tableau.com/current/blueprint/ja-jp/bp_why_visual_analytics.htm

これも日本語になると、ややわかりづらくなりますね。
長さ　幅　向き　サイズ　形状
囲い　位置　空間グループ　色相　彩度

で、データの型（分類的な名義、順序的な名義、量的なもの）によって相性があるというのも押さえておかなくてはいけません。

分類的な名義と相性がよいもの　色相、形状
順序的な名義と相性がよいもの　位置、サイズ、彩度、色相、形状
量的なものと相性がよいもの　　位置、サイズ、彩度、長さ

ここは、どう理解するかですが、視覚属性そのものが背景に持つ意味を考えるとわかりやすいのかなと思いました。

例えば、分類的なものと相性がよいとされる、色と形ですが、標識など考えると色自体に意味を持たせてますよね。例えば、赤は危険、黄色は注意、青は安全など。また、形でいえばインフォグラフィックはまさにそのもだし、順序でいえば、順番を考えるときは、左から右、上から下と自然と目が行きますし、量的なものでも上のほうが量が多い、サイズも大きいほうが量が多いという意味を背景に持っていますので、その辺りを頭に描きながら適切な視覚属性を使い分けることが大事かと思いました。

・相手に合わせてビジュアルのタイプ（探索型か説明型か）を使い分ける
　これも大事ですね。よくやってしまうのは、マネジメント層へ提供するダッシュボードでこれでもかとフィルタを付けまったダッシュボードを提供してしまい、さあなんでも見せることができますよ的な自己満足に陥るパターン。マネジメント層はそんなこと望んでいません。簡単に要点だけわかるダッシュボードを提供してほしいわけです。

ということで、適切なチャートを利用するというものもちろん大事なのですが、特に視覚属性について力が入っていたのが印象的でした。

次に分析プラットフォームですが、Ordでいうと、DATA Platformになります。このパートOrdなかで、意外と難関かと思います。

このパートでは、データドリブン文化が組織根付くのに必要な3大要素（教育、プラットフォーム、コミュニティ）の中で、多くの場合、後回しになりがちな情報系プラットフォーム、データ分析基盤を他の要素と並行して整備しなければならないことを強く説明しています。

とりあえず、SSOTなデータを正しいタイミングで、正しいフォーマットで皆が安全に共有できる環境がないと、データドリブン文化は作れないわけですが、この面倒で地味でありながら、スキル的には非常に高いものを要求される役割を担う人が、どの組織においても不足していることが、データドリブン文化の浸透を阻害しているのかなと思うところです。今回はここまでです。

そのサン（DAY４とDAY５）へ続く