データの探索と記述

データ・フルーエンシー

Konstantinos Kattidis

Data Analytics Lead

シナリオ：エンゲージメント低下の分析

• Katia は「Xcelerate Solutions」のカスタマーサクセスマネージャー

• 彼女はユーザーエンゲージメントの低下を特定

• 原因解明のためデータを分析中：

  • 外れ値の確認とデータ品質の確保
  • データの可視化作成

シナリオ：原因の特定

• ソフトの性能が低下する期間にエンゲージメントも下がることを発見
• カスタマーフィードバックで検証
• この例が示すこと：
  • データ探索と記述が、ビジネス課題の根本原因の特定につながる

データ品質の評価

• データに精通した人はデータの信頼性を確保する
• データの完全性と正確性を探索・評価する
• データ品質が分析結果に与える影響を理解する

可視化でデータを探索

• データ探索はパターン、トレンド、外れ値、示唆を見つけるのに役立つ
• データに精通した人は可視化を作成できる
• 棒グラフ、折れ線グラフからヒストグラム、箱ひげ図まで
• データ内のスパイク、変動、関係を認識できる

 

データの記述

• データに精通した人はデータを的確に記述できる
• これにより有効な結論を導ける
• データセットの特性を要約する：
  • 代表値の指標
  • ばらつきの指標
  • 変数間関係の指標

 

分析的マインドセット

• データ収集の文脈を考慮する

  • データに影響する外部要因を踏まえる

• 批判的かつ好奇心を持って分析に臨む：

  • 前提を疑う
  • 解釈に異議を唱える
  • 代替説明を探る

ツールと技術の活用

• データに精通した人は必要なツール/技術を使いこなす：

  • データ可視化・レポーティングツール
  • スプレッドシートソフト

• 生成AIがデータリテラシーの可能性を広げる

演習に進みましょう

データ・フルーエンシー