データ流暢性を身につける

データ・フルーエンシー

Konstantinos Kattidis

Data Analytics Lead

なぜフレームワークが必要か

• データ流暢性達成のための体系的アプローチを提供
• データ流暢性の全体像を網羅:
  • 個人の能力
  • 組織のデータ文化とエコシステム

個人のためのデータ流暢性

• データ流暢性は、全従業員のデータスキル育成を重視
  • ビジネスユーザー: 経営層、営業、マーケ/オペレーション管理者
  • データ専門家: データアナリスト、データサイエンティスト
• これにより、データで意思決定できる

ビジネス課題をデータにつなぐ

• 測定可能な目標を設定
• 主要指標で課題を特定
• 課題を分析課題に落とし込む

データを扱う

• データクリーニング
• データ探索の実施
  • データ可視化
• データを記述
  • 基本的な統計概念と指標

データで伝える

• 効果的なデータストーリーテリング
• データ駆動のインサイトを提示する
• 複雑な分析結果を実行可能な示唆と意思決定に落とし込む

データ専門家の役割

• データアナリスト、サイエンティスト、エンジニアなどの専門家は要となる存在
• より高度なデータ業務に対応できる
• 彼らの存在により:
  • データ駆動プロジェクトが加速
  • メンタリングを提供
  • 業界のベストプラクティスと標準を担保

データ流暢性の組織環境

• データ流暢性は個人のスキルだけではない
• それが育つ環境づくりが重要

データ流暢な文化

• データ流暢な文化は、データを受容・重視し、意思決定に統合する職場環境を指す

データエコシステム

• インフラ: データアクセスを提供し、品質・セキュリティ・コンプライアンスを確保
• ツール: データの収集・保存・分析・可視化を効率化
• プロセス: 業務フロー、手順、方法論、組織構造で、データ活動・協働・コミュニケーションを促進

データ流暢性フレームワーク全体像

練習してみましょう！

データ・フルーエンシー