独学MBA15_ビジネスリーダーのためのビジネスデータ分析

1. 思考(クリシン・データ)
この記事は約8分で読めます。

IEに入学し、6ヶ月間のCore Period(必修)、5週間のLab Periodを終えると、残りは3ヶ月のElective Periodに突入します。100以上の選択肢から、自分の学びたい科目を取ることができます。

そこで今回は、「Data Analytics for Business Leaders」の授業内容を詳しく紹介します。

この授業で学ぶこと
  • ビジネスにおけるデータ分析のコンセプトとスキルを身につけること

コンセプトとスキルを身につけるために、下記の4つを順番に学んでいきます。

  1. データ分析・ビジネスデータ・ビジネスシステムを理解する
  2. データ分析の手法を使い、インサイトを得て、結果を読み解く
  3. データの可視化する
  4. データをストーリーで伝える

1. データ分析とビジネスデータ

イントロダクション

まずはじめに、分析の定義を押さえて置きましょう。

分析とは、意思決定のためのインサイト(洞察)を得るために、仮説を持ちながらデータを活用すること

授業を元にSun作成

では、こうしたインサイトを得るためにはどうしたら良いのでしょうか。

  1. 直感を使う
  2. データを使う

この2つを組み合わせながらインサイトを探していきます。

データ分析のルール

データ分析のルールとして次の5つが挙げられます。

  1. データの安全性とプライバシー
  2. 説明ができること
  3. バイアス
  4. データエンジニアリング
  5. 関係者のマネジメント

こうした観点を押さえながら進めていきましょう。

ビジネスデータ

ビジネスデータとは、企業が計画を立てて、運営・実行していくために使われるデータになります。特徴としては、目的を持って特定のフォーマットで保管されているが、価値を生み出すためには(生)データを加工して使えるようにする必要があります。

ビジネスデータは以下の4つに分類されます。

  1. 保管
  2. 統合
  3. コンプライアンス
  4. 分析
Sun
Sun

分析モデルは、データ・アルゴリズム・倫理・前提条件から構成されます。前提条件には確率が深く関わるので、確率の基本を理解しておく必要があります。

2. データ分析の手法

前の章で見たように、データ分析には流れがあります。順番に進めることで、「価値のあるインサイト」を得ることができます。

An illustration of analytics' evolution
https://research.aimultiple.com/what-is-analytics/
Sun
Sun

統計学の知識や前提を元に、ビジネス分析を進めていきます。前提となる正規性、等分散性、データの独立性の意味は理解しておきましょう。

分析を進める前のデータ処理の考え方

データは質がとても重要ですが、どのような方法で質を高めることができるのでしょうか。

  • サンプリング
  • 特徴エンジニアリング
  • 新しいデータを獲得し、既存データに加える
  • 合成データ(実際のデータを真似て作られた人工のデータ)
Sun
Sun

わからない単語は、適宜ググって理解しておきましょう。

①Descriptive Analytics

これは、「過去に起きたことを明らかにするための分析」です。以下の表の通り、質問とツールを組み合わせてデータを解き明かしていきます。基礎的な用語なので、知らない単語があれば調べておきましょう。

質問ツール
データのアベレージは?平均
よいデータセットか?歪度、尖度
Accurate=正確か?(真値)標準偏差
Precise=精確か?(再現性)標準誤差
外れ値か?Z値
よい推測ができるか?信頼水準、信頼区間

相関関係とAprioriアルゴリズム

前者は相関係数(-1〜1の間)で現れ、後者はお茶とおにぎりは一緒に買われるというように、頻繁に出てくる組み合わせを見つける方法です。

第2回:アソシエーション分析~「使ってみたくなる統計」シリーズ ~

Big Data Magazine

推測統計学

これは、サンプルデータを用いて全体を推測するやり方です。国勢調査や視聴率などあらゆるところで使われていますね。

こうした「推定」の際に、一番最初に決める数字が「有意水準(間違った答えを出す確率α)」と「信頼区間(1-α)」であり、通常は有意水準5%、信頼区間95%を用います。これは、100回に5回は間違える可能性あり=95%が信頼区間におさまるということです。

もう一つ大事なのが「検定」です。検定とは、「ある仮説が正しいのかどうか統計学的に検証する」ことです。詳しくはこちらの記事をどうぞ。

仮説検定とは?初心者にもわかりやすく解説!

AVILEN 

よく使う検定が「t検定」なので押さえておきましょう。これは、2つの母集団の平均値に有意差があるかどうか(別モノなのかどうか)を調べます。有名なA/Bテストもt検定を使っています。

t検定とは?種類と手順を解説!

AVILEN 

3つ以上の母集団で調べるのが「分散分析」です。中級者向けなので、気になる方はググってみてください。

②Diagnostic Analytics

これは、過去のデータを見ながら「なぜ起きたのかを明らかにするための分析」です。

③Predictive Analytics

これは、統計学的モデルを使って「将来何がどのくらいの確率で起きるのかを予測する分析」です。絶対値ではなく「可能性」や「確率」を予測します。目的変数(Y)を説明変数(X)で表します。

代表的なものが回帰分析ですね。詳しくはこちらをどうぞ。

Machine Learning

Predictive Analysisのツールである機械学習は、ポイントだけ紹介します。

  • 機械学習とは、大量のデータを使ってパターンを認識し、意思決定をすること
  • 回帰分析とは異なり、人間はほとんど介在しない
  • AI>機械学習>ディープラーニング
  • 機械学習は、教師ありと教師なしがある(答えを機械に与えるか否か)
  • 教師ありは、回帰や分類など、目指す状態に基づいて作る予測モデル
  • 教師なしは、クラスタリングなどデータのインプットのみに基づく
Sun
Sun

詳しくは、下記の記事にまとめています。

④Prescriptive Analytics

これは、次世代の分析とも言われ「予測される事態に対して、何をしたらよいかを処方」します。

Sun
Sun

“What should be done?” or “What can we do to make something happen?”という問いに答えるのが、Priscriptive Analysisになります。

最適化

ベストのSolutionを見つけ出すのが最適化です。これは、制約がある場合と制約がない場合があります。

制約付き最適化とは、与えられた制約条件の下で、目的関数を大または最小にする解を求めることです。例えば工場で2つの製品を作っています。それぞれコストや売値が決まっており、材料も限られている中(=制約あり)、何をどれだけ作れば利益が最大になるか、などが計算で求められます。

制約がない最適化は、感度分析を行います。ある説明変数が変化すると、目的変数がどれだけ変化するかを計算します。

Sun
Sun

最適化はエクセルで計算ができます。制約付きの場合はソルバーを使い、制約なしの場合はデータテーブルやゴールシークを使います。

悪い分析

悪い分析(失敗)を避けるための、7つの注意点があります。

  1. バイアスを避ける
  2. データの時系列に注意
  3. 外れ値に注意
  4. 検証できない仮説は避ける
  5. 比較するグループ間の違いに注意
  6. 交絡変数に注意
  7. アクションドリブンで分析する
Sun
Sun

わからない単語はググっておきましょう。

3. データの可視化

データの可視化には、「レポート」と「ダッシュボード」の2種類があります。

レポート

レポートには、「表形式のレポート」と「集計レポート」の2種類あります。SAPなどのERPソフト、IBMなどのBIソフト、SalesforceなどのCRMソフトで出力したデータがこれに当たります。

ダッシュボード

ダッシュボードとは、KPIをわかりやすくビジュアルやグラフで表現したものです。コックピットのダッシュボードも当てはまります。大事な情報(≒KPI)を一目で把握できるサマリーだと考えてください。

ダッシュボードの目的は4つあります。

  1. 比較すること
  2. トレンドの把握
  3. データの分布を見ること
  4. 相関関係を把握すること

データを可視化するツールとして、色々なチャートや図を使っていきましょう。

4. データをわかりやすく伝える

せっかくデータを分析して、素晴らしいインサイトを得られたとしても、伝え方を工夫しないと、「聞き手」を説得してアクションを起こしてもらうことはできません。そこで使えるテクニックが「ストーリーテリング」です。

ストーリーテリングとは、伝えたい思いやコンセプトを、それを想起させる印象的な体験談やエピソードなどの“物語”を引用することによって、聞き手に強く印象付ける手法になります。データのストーリーテリングの6ステップを紹介します。

  1. オーディエンスのニーズや知識レベルを理解すること
  2. データと前提条件を提示すること
  3. 可視化すること
  4. リターンとリスクを説明すること
  5. ストーリーで語ること
  6. Call to Action(聞き手がとるべきアクション)を提示すること
Sun
Sun

プレゼンの手法を学んだ「ストーリーテリングの授業」の内容同じことを言っていますので、気になる方はこちらをどうぞ。

おわりに

Period1のデータ分析の授業をベースに、ビジネスにおけるデータ分析に特化した内容を学びました。データ分析とは?に始まり、データ分析の手法、データの可視化、データのストーリーテリングという一連の流れを押さえました。

コメント

タイトルとURLをコピーしました