動き出すデータドリブン組織のつくりかた

『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。

言語化しづらい暗黙知が勘で，言語化できる形式知が経験だと言える（位置 No. 1241）

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。