『動き出すデータドリブン組織のつくりかた Tableau Blueprint に学ぶ実践的アプローチ』(山﨑 淳一朗他,日本能率協会マネジメントセンター,2022年3月10日)を読了。
「DX 実現を妨げる障壁」を探った結果,IT などの技術力,いわゆる「ハード」面に問題があるケースよりも,人材や組織,文化といった「ソフト」面に原因があることがわかっています。(位置 No. 225)
人材,組織,文化を変革するのが DX の本質ともいえる。
- 分析の目的を定義する(Task)
- 目的に沿ってデータを集める・あるいは今あるデータから着手する(Get data)
- 目的に適した表現方法を選択する(Choose visual mapping,例:連続値の分析を線グラフで行うか?大小比較を棒グラフで行うか?など)
- その表現方法でデータを可視化する(View data)
- 可視化を通じて発見する(Develop insight)
- その発見を上司,チーム,部署,組織に共有し,行動する(Act/Share)
- 分析課題として定義した ”Task” を達成する(位置 No. 459)
データ分析は,目的の定義から始まる。
最初の小さな成功を生み出すには,データ活用による「効率化」を目的とした取り組みが最適です。なぜなら,素早く目に見える効果が出せ,成果としてアピールしやすいからです。(位置 No. 471)
データ活用による成功体験を重ねる。
「スモールスタートで着火し,トップダウンで燃料を投下してもらい,データ活用の火を社内に広げる」(位置 No. 691)
私が勤めている会社では,スモールスタートで着火されているだろうか。
トップダウンの燃料投下は,しばしばあるが。
収集したデータはすぐに分析できる状態とは限らないので,データを加工し,分析しやすい状態に整理することをデータの前処理と呼びます。
データの前処理の主な作業は,「データスクリーニング」「データクレンジング」「データ統合」があります。(位置 No. 968)
- データスクリーニング:特定のデータを選別し,抽出する作業
- データクレンジング:データの重複,欠損,誤りを洗い出し,削除や修正,置換を行う作業
- データ統合:異なる環境にあるデータを一元化する作業
データの前処理のノウハウを体得する。
「データは見られるほど美しくなる」という言葉がありますが,鶏の存在なくして,データ品質は上がりません。(位置 No. 1217)
データを多くの人に見せて,美しさを磨いていく。
勘と経験は,言語化の可否で分類できる。
スキルを身につけるのに一番効果的な方法が,「人に教える」こと
アメリカの国立訓練研究所で開発された「ラーニングピラミッド」という学習モデルは,学びの習得や定着には,講義の受講や読書といった受動的な学習だけでは不十分であり,学んだことを実践してみること,さらには,学んだことを他人に教えることがより効果的であるとしています。(位置 No. 1452)
学んだことを他人に教える,というプロセスを通して,自分の学びを深めていく。
動き出すデータドリブン組織のつくりかた [ 山崎 淳一朗 ]
- 価格: 2200 円
- 楽天で詳細を見る