「もっとデータを活用して業績アップ」
「データドリブンで事業をもっと大きく」
このようにデータが重要といわれる現代では、一人一人がデータとの向き合い方を会得し、自分自身の意思と判断力を持つために「データリテラシー」を身に付けることが必要です。
データリテラシーとは、データ活用の意味から理解し、人間がデータとどう向き合うのかという視点で、どのような役割を担う人にとっても今必要なデータにまつわる知識です。データベースやSQL、難しいシステム、あるいはデータを可視化するデザインの話だけではありません。
本書は、著者が創設した「Tableauブートキャンプ」における師と弟子の対話を元に、8年間かけて会得したノウハウ・考え方をまとめあげた本です。
「データとはなにか」
「データを使ってどのように改善するのか」
「データを可視化して人々を動かすにはどうすればよいか」
これらの観点から、技術的な専門知識だけではない、データ活用の本質を考えます。
●はじめに
■■■DAY0 データドリブン文化のはじまり
■■0-1 プロローグ
■データを扱うのにITの専門家である必要はない
■データリテラシーを1か月で学ぶ
■■0-2 なぜデータドリブンを目指すのか
■データの本質を考える
■データを見ることが世界を知ることになる
■八百屋さんのデータ活用例
■データを使ってマスマーケティングから脱却する
■データドリブンと共存する「経験と勘2.0」
■データで経験を拡張する
■■0-3 すべての人が持つべき「データリテラシー」
■リテラシーと文化のつながり
■データを「読む」「書く」力が必要になる
■データリテラシーの4つの必須要件
■データリテラシーを学んで、広げる
■■■DAY1 データストーリーテリング
■■1-1 なぜストーリーが必要なのか
■ストーリーで理解を深める
■ストーリーの力を体感する
■ストーリーを使う2つの意義
■思考のフローのきっかけを生み出す
■■1-2 インプットとアウトプットの連鎖で思考する
■インプットとアウトプットを同時におこなう
■アウトプットをかんたんにする
■データを扱う道具
■良い道具は「身体の一部」となる
■■1-3 ストーリーでデータを分析する
■デモンストレーションで思考のフローを学ぶ
■Eコマースの売上データ分析デモ
■必要なこと以外をあえて削ぎ落とす
■デモでは操作説明をしない
■デモで意識するべき4つのポイント
■見る人を飽きさせない3つの工夫
■■1-4 ストーリーテリングの枠組みを理解する
■構造化データとスプレッドシート
■列の値を2つに分類する――メジャーとディメンション
■ディメンションの4種の属性
■ディメンションの階層を確認する
■データ分析の2つの方向性
■ディメンションが不十分なデータの問題点
■分析するデータの信頼性
■存在していないデータに思考をめぐらせる
■5W1Hの「4W」でストーリーを紡ぐ
■見慣れない専門用語を学ぶ意義
■■1-5 他人のアクションを導く強いストーリーを作る
■データストーリーテリングのゴール
■美しいグラフだけではアクションを呼び起こせない
■起承転結でストーリーを強くする
■身に着けるということ
■■■DAY2 ビジュアル分析
■■2-1 ビジュアルでデータを理解する
■グラフは本当に「あいまい」なデータなのか
■視覚を駆使してデータを理解する
■「見やすい」の本質を考える
■ビジュアルを正しく使う必要性
■すべての人が理解できる表現を選ぶ
■データをビジュアル化する意義
■■2-2 ビジュアル分析のサイクルを理解する
■データ分析で何を解決するのか定義する(Task)
■Taskに沿ってサイクルをすばやく回す
■Taskを解決する行動を常に意識する(Act/Share)
■Taskが見当外れだった場合も成果になる
■■2-3 思考のフローを生み出す脳のしくみを押さえる
■記憶を構成する3つの要素
■アウトプットとしてデータをビジュアル化する
■感覚記憶の力を最大限に使う
■感覚記憶を動かす10種の視覚属性(Preattentive Attribute)
■Preattentive Attributeの強さの違い
■①色vs形状――見え方の違い
■②サイズvs長さ――見え方の違い
■③位置vs色――見え方の違い
■最適な視覚属性は常に変化する
■一般的な知識としてビジュアルを土台にする
■■2-4 データに合わせて視覚属性を使いこなす
■データには3つのタイプがある
■Preattentive Attributeとデータのタイプの相性
■コンテキストを利用して視覚属性を重ねる
■データ数が多いときはビジュアル選択に気をつける
■視覚属性のパターン増加に注意する
■コンテキストを持たない記号的な視覚属性に注意する
■無意味な色分けに気をつける
■色を有効に使う
■背景色とビジュアルの相性を考える
■ビジュアルの背景色をそろえる
■色覚多様性に配慮する
■場所は必ずしも地図でなくていい
■比較で伝えたいことを強化する
■■2-5 ビジュアルの構成をまとめあげる
■「探索型」か「説明型」かビジュアルのタイプを見極める
■タイトルと色のポイント
■相手の「ほしいもの」ではなく「したいこと」をベースにする
■ビジュアル化の表現は無限
■■■DAY3 分析プラットフォーム
■■3-1 データを使える環境を共有する
■データドリブン文化に必要な3つの要素
■分析後のデータ共有の課題
■すべてのデータと人を同じ土台に乗せる
■データベースと分析プラットフォームは別物
■理想的な分析プラットフォーム
■データカタログを用意する
■分析プラットフォームの上での行動を明確にする
■分析プラットフォームに必要な要件を押さえる
■分析プラットフォームを活用する
■■3-2 データの自由化と保護のバランス
■昔と今のプラットフォームの変化
■データを保護するだけではかえって危険になる
■データを守りながら、データを開放する
■分析プラットフォームはウォーターフォールよりアジャイル
■文化醸成の最初のステップを進めるパイロット部門を選ぶ
■データドリブン文化を全社展開する
■文化醸成は終わりのない旅路
■■3-3 データを開放して人々を動かす活用例
■ゴール達成のためにハンズオンセミナーを改善した例
■周囲を説得するデータを分析プラットフォームに乗せる
■データは人を動かすことができる
■手作業が多いデータは廃れてしまう
■データは見られるほど美しくなる
■道具と共に進化する分析プラットフォーム
■分析プラットフォームが支える3つの役割
■■3-4 データを見るだけの人は存在しない
■3つの役割すべての人を分析プラットフォームに乗せる
■3つの役割が担うビジュアル分析のパート
■データ原始時代から脱却し、データ文明時代へ
■■■DAY4 データとはなにか
■■4-1 データの語源と歴史を振り返る
■データ(data)の語源から意味を考える
■「データ」と「情報」の区別
■与えられたものを「記録」したものがデータとなる
■人類最古のデータとは
■紙媒体によるデータの4つの問題点
■コンピューターとデータの進化
■データ飽和状態の現代
■■4-2 データを管理・活用するシステムのしくみ
■入力を正確に早くおこなうために生まれたデータ
■正規化で入力するデータ量を極限まで減らす
■基幹系システムとデータの活用
■データを情報にするための情報系システム
■情報系システムがクリアするべきポイント
■巨大化するデータを保管するためのデータウェアハウス(DWH)
■膨大なデータを集計・視覚化するBIツール
■基幹系からデータを変換して取り込むETL
■ETL/DWH/BIの各ツールは明確に分けられるものではない
■データの入力値を制御する
■DWHのパフォーマンスを上げるデータマートとキューブ
■データマートとキューブの処理の限界
■巨大なデータを直接処理するためのインメモリデータベース
■列指向と行指向
■カーディナリティ
■■4-3 現代の情報系システムの進化
■データの保管・変換手法の変化
■増え続けるさまざまなデータの種類に対応する
■データの利用目的に合わせて保管場所を変える
■すべてのデータ処理を同時におこなう試み
■データ分析に最適なシステムを選択する
■■4-4 目の前のデータの正しい知識を身につける
■データの価値を見極める3つの指標
■分析しやすいデータの形
■あり得る値と欠落した値に想いを馳せる
■データの粒度を見極め、詳細レベルを操る
■■■DAY5 データドリブン文化をさらに広げるために
■5-1 データとテクノロジーの進化を学び続ける
■5-2 データドリブンの仲間を増やす
■必要な知識は組織によって異なる
■真の「データドリブン」とは
■多くの人に基本知識を伝えて「学ぶきっかけ」にする
■最低限のデータリテラシーとはどこまでか
■人の心を揺り動かす「強い言葉」から逃げない
●おわりに
●さくいん
●著者プロフィール