企業活動におけるデータ分析の必要性、分析人材の育成が重要になって来ている。これには５Ｄのモデルを使って、周りを巻き込んで行く方法が有効である。分析人材は、理系だけでなく、文系からも育てていく必要がある。なぜなら、ビジネス的視点の解析も必要のため。今は色々なGUIを備えたツールがあるので、それを使いこなすことで、分析作業に集中できる。筆者らは、IBM SPSS modelarと tableauを連携させて使い込んでいるとのこと。データ分析には失敗もつきもの。早く経験値を高めることが今後の企業競争力につながる。

「データ分析人材になる」というタイトルにあった内容の本。 なので、決意した瞬間に読むべきであって、やり始めた後だとよくあるよね、そうやるよねで終わってしまうと思う。 全体を5Dフレームワークとしてまとめている。 Deamand：要求を聞く Design：全体の絵を描く Data：データを集める Develop：分析する Deploy：展開する 単純にデータを分析するだけでなく、ビジネスにどう繋げるかが重要で、データサイエンティストとか言葉に惑わされないという事が必要だという事を述べている。 言われた事、自分がやる作業を盲目的に捉えすぎないようにという仕事全般に言える内容でもあるので、やっぱりなろうと思った瞬間に読む本なんだろう。

データが重要な時代であるが、そもそもどういうデータが重要なのかと使っていくのかということを押さえた。本。 ビジネストランスレーターという言葉が適正かどうかは疑問が残るが、そういった職種にもしくは役割ロールというものは必要であろうなと思う。 今後仕事においては色々な意味での翻訳者が活躍していくのではないだろうか。

データサイエンティストとして働く上で必要なことを書く本 5dという観点でうまくまとめている。ちゃんと使うという視点で考えてるのも良い demand①ヒアリング②課題理解③提案④期待値調整 design：①目的②仮説③データ④手段、を決定 data：①データ検討②洗い出し③入手 depelop：①環境構築②データチェック③分析④ストーリー提示⑤議論 deploy：①データ自動取得②自動加工③モデル更新④アウトプット構築

友人から「ビジネストランスレーター」なるキーワードを聞いて読んでみました。 具体例を挙げながらデータ分析の進め方や陥りがちな課題が説明されており、とても分かりやすかった。 データ分析ツールやコンサルの営業担当者にも参考になる一冊です。

データ分析において問題解決思考とロジカルシンキングは必須のスキル。分析ツールを使って様々な切り口でデータを加工修正することでこれらのスキルを身につけられる。Tableauのような可視化ツールを使えばWhereやWhyを身につけられる。また、解析対象とするデータセットはこれだけでいいのかというMECEといった思考も自然に行うことになる。まず、Whereでどこが問題なのかを特定する。次に、Whyで問題を掘り下げる。この時に注意しなければならないのは世間でありふれているフレームワークで掘り下げることが大事。なぜかというと偏った自分のドメイン知識で判断してしまうから。最後にHowで原因に対する打ち手を考える。 近年注目されているのはビジネストランスレーター。現場と分析者のギャップを埋める存在で、データ分析手法の理解や分析ツールの基本的な操作ができて、業務の経験や実績があって企画が得意な人。 データサイエンティストを目指そうとしていたけど、問題解決思考とロジカルシンキングを身につけてビジネストランスレーターとなることが一番会社にとっていいのかもしれない。現場と分析者は余ってることが理由だ。　

会社がIT人材を育成すると言い出した。 これからの時代ITは必須なので会社の決定には賛成。でも、会社は特に有効な手立ては持っていないよう。 自分は会社の言う応用IT人材になりたいので、とりあえず独学で統計検定でも勉強するかと思い、勉強を始めた。 そんな時に出会った本が本書。文系の自分がIT人材になれるか疑問に思っていたところだったので、文系でもIT人材になれる！と謳っている本書は自分にバッチリだと思った。 内容的には、プログラミングをバンバン使ってデータ分析をするには時間がかかるが、いろいろなITツールを使えるようになれば文系でも充分IT人材になれる！というもの。 一般論的な内容が多い感じがしたので、星は３つですが、データ分析を勉強する文系の人は一読の価値ありかな。

　分析の価値は、分析結果にあるのではなく、分析結果が意思決定者の背中を押すことにあります。分析結果を基に意思決定者が人・モノ・カネを動かしていく、ここに価値があります。 ■データ分析ツールを導入した方が良いケース ○データ行数や列数が数十万を超える場合 　理由：Excelではデータ量が多くなると計算速度が遅くなる ○多変量解析やテキスト分析を行いたい場合 　理由：一部の多変量解析（回帰分析など）は分析ツールを使えばExcelでも可能だが限られている ○様々な条件でグラフをたくさん作り、グラフの各要素がどういったデータがあるのかを素早く確認したい場合 　理由：Excelの場合、テクニックが必要 ○地図などに集計結果をマッピングするなど、いろいろな可視化の表現をしたい場合 　理由：基本的なExcelのグラフでは限界がある（アドインと呼ばれる有志が作成したExcelで動かせる可視化ツールを使うとできないことはないが利用するまでのハードルが少し高い） ■データ分析２類型 　データマイニングとは、マイニング＝採掘という単語が表しているように、データから金脈を発見するという意味から、「データマイニング」という言葉が生まれました。データから意思決定につながるような重要な要素を見つけるのがデータマイニングという方向性です。具体的には、現状を把握したり、どんなタイプがいるのかを明らかにしたり、原因を発見したりすることにつながります。 　もう一つの「予測モデリング」とは、様々なパターンから将来を予測することを意味します。「AI」はこちらに使います。AIの定義によりますが、最近様々な企業から「○○AIソリューション」と呼ばれているものの多くは、「2001年宇宙の旅」で出てくるHALやドラえもんのようなAIとは異なり、この「予測モデリング」をベースにしています。

データサイエンティストは、今後ますます必要とされるけど、ビジネス力（何をしたいのか目的をはっきりさせる）がないと本末転倒。 そこで、ビジネス力が備わった文系人材が橋渡し役になれる。そんな人材＝ビジネストランスレーターになりたいと思った。

めちゃくちゃ良かった。文系から分析系を目指すのって半端なく努力が必要だし心意気もそこらのものじゃ一人前なれないんだろうな〜と思っていたが、ビジネストランスレーターというポジションがあるとは！ ただやはりプログラミングできてナンボだと思うので、勉強頑張っていきたいとおもう。

本書のレイアウトにデータサイエンティストの特徴が現れている。 型に納めた構成をしており、形式ばったタイトルの名付けがされている。 この本が読みやすいと思えるのなら、データサイエンティストの素養がある。 逆に読みにくいのなら、感覚肌のタイプと思われる。

データサイエンスというと敷居が高くてどうしたらよいか分からないが、これは自社でどのように取り組んでよいか5つのフレームワークを通して紹介しているため、とっつきやすく、AIや分析これから導入する企業の方が読むといい本

文系のためのデータ分析入門書 仕事の進め方や方法論について実際の事例をもとに解説してある。 反面、具体的な分析手法についてはほとんど記載がないため、データ加工、データ分析、機械学習といった手法について知りたい場合は読む必要がない。 あくまでビジネスにおいてデータ分析をなぜ、どのように使うのかを文系出身者に向けて説明した本である。

◾️所感 ビジネストランスレーターとは何か、どうすればなれるかを知るため読みました。ビジネストランスレーターという単語が出てくるのは最終盤で、かつ割かれているページも僅かだったので私の目的には合いませんでした。SEDA人材が重要ということは理解できたので、それを実現する方法論を別途学びたいと思います。

専門家向けではないけど、役には立つ。 HowよりもWhyやwhatに重きを置いてますが、ビジネス上はその通りだよね。技術者の自己満足で作られたシステムは使ってもらえない。そう考えると営業やビジネスサイドからの分析への参画はリーズナブル。

データ分析プロジェクトを成功に導くための5Dフレームワークに関する内容でした。内容としては面白く、読みやすいものでしたが、すごいノウハウが紹介されている訳ではなく、至極当たり前のことが記載されている印象でした。フレームワークはそれくらいシンプルのものの方が良いということなのかもしれません。

ビックデータや様々なデータを利用したデータ分析のビジネスにおける重要性が高まっている昨今、データサイエンティスト程のスキルまでなくとも、ビジネス力を身に付けたビジネスに役立つデータ分析ができる人材を育成すること、目指すために身に付けるべきフレームワークを、筆者の経験談も交えて紹介。データ分析を直接の仕事にしていない人にも、有益なフレームワークだと思う。

データ分析手法が体系的にまとめてあり、とても読みやすく分かりやすかったです。 文系のデータ分析未経験からデータサイエンティストとして働いている実体験を元に高度な分析スキルよりもビジネス課題を解決するビジネストランスレーター人材が重要であるという点もとても良かったです。

「データ分析人材になる」　 1.本書の読みどころ 三井住友海上火災保険　デジタル戦略部の現役社員の皆様の書き下ろし。 2020年10月現在13名。そのうち4名が執筆に関わりがあること。 会社、部門の実績のPRではなくて、 ①分析手順 ②分析方法 　ツール、プログラミング ③分析組織の作り方 を展開してくれていること。 2.たしかに、なるほどの視点。 分析結果を報告すると、依頼元の 「だから？それで？」の反応の返り。 これを少なくするには？　は、まさに、現場を司る人のリアリティ。 3.分析結果報告。依頼元の共感をつくるには？ ①納得→発見の順序で、事実を展開すること。 ②納得とは？ 依頼元の感覚の裏づけ ③発見とは？ 依頼元の課題解決のヒント。 仮説とその裏づけ。 ④依頼元が行動できる道筋の提示 分析の依頼を受けるとき、依頼元が 何をしたいのか？ なぜしたいのか？ どんな行動を取りたいのか？ これを抑えること。ピンずれ防止。 4.三井住友海上火災保険の取り組み 東洋大学情報連携学部での社員研修。 デジタル戦略部以外の各部門で、データ活用できる人材づくり。地道かつ未来への取り組み。

【総括】 データ分析で案件を回してきた人にしたわからない実体験を踏まえているため、高い説得力のある本であった。 データ分析には「ビジネス力」「データエンジニアリング力」「データサイエンス力」の3要素が必要であり、ビジネス力、データエンジニア力は机の上では勉強できない。この2つはとにかく経験から学ぶ力である。これからデータ分析を仕事していくにあたって、5Dフレームワークを意識しようと思った。 【メモ】 ●1章 ・「データあるから分析してみてよ」というお願いをしてくる企業はたくさんある。そんななかでどんな目的で何を分析して欲しいのか詰めていくことは大事である。とにかくwhatを見極める。 ・データ分析の案件として、whatが分かれば非常にスムーズなフローで対応できる。データ分析自体がhowであるため。 ●2章 ・この章は実際にデータ分析の案件を持っている人にとっては痛感する箇所と思われる。 ・料理と同じで調理フローの定石があり。whatに向かってどのようなhowを考えるか。 ●3章 ・基本的にどうでも良い内容。 ・データ分析と現場担当者の意見の乖離をどのように合わせていくのか。これを2章で唱えたdemand.deployで解消していくべきだ。

21世紀最もセクシーな職業「データサイエンティスト」と呼ばれて久しいが、それがどんなもんか知りたく読了。この時点で分かる通り、データサイエンティスト＝データ分析という固定観念があった。 この本の目的は、『急遽、データ分析チームを率いたり、データ分析チームメンバになったときに進むべき方向を示したガイドブック』としている。 前提としては、現在大企業に属した転職者が、長年データ分析に携わったそのまとめとして書いている。そのため、書かれてる内容はベンチャーや小規模の企業に直接当て嵌めるのはいろいろな制約(時間のなさ、お金のなさ、人のいなさなど)から難しいかもしれない。 おそらく、日本もデータ分析から始まる業務の効率化や事業の創設がこれから頻繁に行われていくだろう。その先駆けとして十分すぎるほど役立つ本だと感じた。無論、まだわたしの職場にはその波は来ておらず、データ分析を適用した業務は行ったことがないのは前提になるがそう感じた。 『データ分析』と聞くと、理系出身者や理系科目に明るい人が分析する、海外だとGAFAMがやってる、プログラミング言語を理解する必要があるといった固定概念が生まれることが多いが、そのうち崩しが多く記載される。 データ分析のやり方を、5Dフレームワークとして体系的にまとめてるところも良かった。 5Dフレームワークとは、 ①Demand:要求を聞く(何をしたいか期待してるか目的は何か。問題の焦点はどこか。) ②Design:全体像を把握する(どこまで対応するかできるか。プロトタイプによる即時・途中経過・仮説の仮検証は出戻りや認識齟齬を減らせるかも。) ③Data:データを集める(分析に使えるデータとは？聞き方や集め方を考える。) ④Develop:分析する(過程や論拠は重要？説明や根拠について。何を軸に評価するか。) ⑤Deploy:展開する(形骸化を防ぐ。見せ方や訴求方法。) サブタイトルのビジネス・トランスレーターは、現場担当(分析対象のデータ元)と分析官の橋渡しとなる役割のことと定義している。基盤とユーザ部門の中間にあたる業務層のようなもの。 本書はやり方論や技術に囚われすぎず、全体的な概念の説明、固定観念への否定が書かれてるのも良いが、読み方や章構成が企業人のそれで好きだった。 失敗エピソードや成功エピソードは珍しいなと思いつつ、体験が共有されてることの珍しさ、想像が具体的にされるのは良かった。 これからデータ分析業務は企業規模や業態、所属してる組織に依らず必須になっていくだろう。そこに向けて心構えややり方を簡単にだが要点を抑えて書いた良書だと感じた。

めちゃめちゃ良い本。 データ分析を業務で行う方はぜひ読んだほうがいい。 データ分析のhowというよりも、データ分析業務を行う際の哲学みたいなところがきれいにまとまっている。 これを外すと「せっかくデータ分析したけど、使い物にならない…」みたいなことを起こさないでよくなるはず。