なぜデータカルチャー・データドリブンが注目されているのでしょうか。 そもそもデータドリブンやデータドリブン経営、データカルチャーとはどういう意味なんでしょうか。 個人的な考えでは、データドリブンは一部の人（経営陣）だけでも実現可能な概念ですが、データカルチャーは組織大に適用するような概念で、例えば、データドリブンで経営層が作成した戦略に従って組織が動く、ということとは厳密には異なるように感じています。 最近はあまり聞かないですが、少し前は、データを活用することの意義を受け
①具体と抽象 抽象の英語はabstract。 abstractは要約とも訳されます。 また、動詞では抽出する、となります。 最初はabstractは違う意味の訳があるんだな、と思っていたものですが、最近、文章の意味を抽出したものが要約だし、具体的なものの概念を抽出したものが抽象ということなんだと気づき、同じ意味なんだと気づきました。 具体と抽象について、もう少し分かりやすく書くと、 具体的なモノ、例えば、ペンがあるとすると、「ペンって（そもそも）何？」に対する答えが抽象化
資料を細部にこだわって作ってます。 最初は時間がかかりますが、「そんなに時間をかけなくてもいいよ。」の言葉に甘えないように心がけています。 振り返って考えると、結局「適当に」作った資料は、見てもらえず、理解されず、進めたい方向に進まないことが多いです。 もちろん、本質的ではないところに時間をかけて、本質的なところがおろそかになってはダメですが、時間をかけずに細部にこだわった資料が作れるようになれば、本質的なところをしっかりやりつつ、人に伝わるように最大限工夫した資料ができ
②知りたいことを端的に示す 全国展開している小売店における本社の営業本部長は、これまで各都道府県単位でのエリアを設け、各エリア毎に販売戦略を任せていました。今後も全国で画一的な販売戦略を取る予定はありませんが、都道府県別・商品別の売上データを見てみると、商品ごとの売上にかなりばらつきがあることが分かりました。 今後、会社の売上を拡大させるためには、各都道府県で売れているもののさらなる増販も重要ですが、売れていないものの底上げも大事だと考えています。そのため、営業本部長は一つ
会議をしていて一番無駄だと感じる時間は、ファクト（データ）があれば明らかなことでも、手元にファクトがないために推測で話を進めている時です。ファクトがあるので、推測である人がこういうふうになっている、別の人がそうじゃなくてこうなっている、みたいなことを「議論」しても、なんの意味もないです。 以下のような議論で（少なくとも）５～１０分会議時間が過ぎていく状況に心当たりがある方はご注意を！ Aさん「〇〇の売上は最近下がっているから、、、」 Bさん「いや、下がっているのは一部で、全
①分類（グルーピング）と割合 データリテラシーの初歩の初歩③で書いた時刻表を比較する例について、もう少し書いてみたいと思います。この例のように異なる集合を比較する際には同じくデータリテラシー②で書いた「割合」がすごく重要になります。 例えば、 ・全体に対する各時間の電車の本数の割合 ・全体に対する本数が最大・最小の時の本数の割合 ・最大に対する他の時間帯の割合 などは、すぐに思いつく割合として挙げられるかと思います。 ですが、これらを計算して眺めていても、なかなかその意味
③データから情報を抽出する 今回は、今までより少しデータの見方を深掘りしたいと思います。 突然ですが、以下に３つの時刻表があります。（最近、時刻表自体を見る機会が少なくなりましたが。。。） これらの時刻表を比較して、特徴を述べてみてください。 感覚的なものではなく、定量的に比較するにはどうしますか。 こんなふうにしてみると、比べるヒントが得られるでしょうか。 上の時刻表のままでも同じように見えますが、このように見ると、例えば、Aはあまり時間帯によって本数が変わらないこと
アウトプット（output）とアウトカム（outcome）という英語の違いをしっかりと理解したのはロジックモデルというフレームワークを勉強した時でした。ビジネスの文脈ではあまりポピュラーなフレームワーカではないですが、政策立案の文脈では知る人ぞ知る政策・事業評価のフレームワークです。 このロジックモデルというフレームワークはインプット、アクティビティ、アウトプット、アウトカムの4つからなるのですが、最初はアウトプットとアウトカムの違いがいまいちよく分かりませんでした。日本語
②割合 データを使う・見るにあたって、最も重要だと個人的に考えているのが割合です。 割合を出すことによって、別のデータ集合（例えば、前年のデータや他社・他事業のデータなど）で数字の大きさ・規模が異なる場合でも、比較することができます。生の数字を見てもよく分からない場合でも、割合にすると、0〜100%に標準化されるので、感覚として大きいか小さいかが掴みやすくなります。 ですが、割合と言ってもいろんな割合があります。 例えば、こちらの割合はなんの割合でしょうか。 こちらは、
データリテラシーという言葉がよく使われるようになっています。 データ・分析に長く携わっていると、データを扱う「センス」がないな、と感じる人も多いですが、どうやってその「センス」を磨けばいいのか、なかなか難しいと常々感じます。 最近よく聞く「データリテラシー」という言葉は、そういうのを解決してくれるような気がしますが、定義があいまいだし、その解説・教材を見ると、統計などの要素も入っていて、少し敷居が高い気がして、もっと手前のところにギャップがあるように感じています。 データリ
