分析の専門性を活用する

データ・フルーエンシー

Konstantinos Kattidis

Data Analytics Lead

データ探索・記述スキルの先へ

• 基本的な探索や記述を超える分析へ
• 高度分析の例:
  • 大規模データの分析
  • KPIダッシュボードの構築
  • 予測モデルの開発

手法への認識

• データリテラシーのある人は、高度分析の細部を習得する必要はありません
• ただし、その存在を知り、可能性を理解すべきです
• そしてデータ専門家と協働します
• これにより、より効果的な分析ソリューションを適用できます

高度分析のユースケース特定

• データリテラシーのある人は、高度分析のビジネス活用例を特定できます
• 例:
  • マーケティング責任者が、離反顧客の予測によりリテンション施策を最適化できると認識

データ専門家と協働する

• データ専門家との協働が成功の鍵です
• ビジネス側はドメイン知識を提供
• データ専門家は技術知識を提供
• この協働環境で、ビジネスの洞察と技術的専門性が合わさり、複雑な課題を解決します

限界の理解

• 高度分析の効果は入力データの品質に依存します
  • 欠損値対応や外れ値処理は不可欠
• 必要なもの:
  • 専門スキル
  • 計算リソース
  • 時間

例: 精度と時間制約のバランス

• 小売店のオペレーション管理者が、適切な在庫補充のため需要予測を依頼
• 複雑なモデルは高精度になり得ますが、多大な時間とリソースを要します
• 精度と時間制約のバランスをとるため、より簡易な手法を採用

Passons à la pratique !

データ・フルーエンシー