Bonfire Data Analyst #3「NO MORE 無駄分析」
Bonfire Data Analyst #3「NO MORE 無駄分析」
■ 日時:2020/9/3 19:30ー21:30
■ 感想
→ データ分析を実務にしているデータアナリストのセミナ
ただのデータ分析の技術やツールの使い方では無く
データ分析の実務で生じた問題なども聞けて面白かった
→ 今回は無駄な分籍をやらないための脳波について
■ 開催・資料
<メモ>
● 「鮮度」を意識して無駄になる分析をなくす話
関口 優希◆ヤフー株式会社 / データエンジニア
・意思決定や施策に繋がらない文政
・分析の鮮度
→ 分析に時間がかかる → 意思決定者は、今。結果が欲しい
→ 1週間が限度
・分析の構造
→ 仮説、集計、依頼者とのコミュニケーション
→ 仮説/集計のスピードアップ
→ 数値の出し方を反射的にイメージできる
→ データの把握
→ 必要な 粒度と精度
→ ツールやデータの把握
→ コミュニケーションのスピードアップ
→ 定例の前に報告とフィードバック → リモートワークの¥問題
→ 話題の数値をその場で速攻に出す
・スピードを上げるリスク
→ 仮説を吟味しないで着手
→ 仮説を修正する
→ 集計の集まり → 数値の誤りは気付きにくい
→ SQL/コード、データフォーマット、データ欠損
→ 細かい数値間隔(ドメイン知識)が必要
→ 不安なときに検算
→ 結果を見せた人数が精度に直結
● データの海に溺れる君を助けたい
香村 貴之◆ 株式会社エイチームブライズ / データ整備人
・データ分析の目的とゴール
→ 目的 → 意思決定の支援(ヒト・モノ・カネ)
→ ゴール → 意思決定の判断材料を揃える → 判断材料の粒度
・目に見えるデータ量の多さ
→ データ量の多さは意思決定の速度に反比例する
→ 不明瞭な部分の不安
→ 問答無用に入れてしまうKPI → 必要なKPIか?
・データ分析に答えを求める
→ データ分析の結果≠正解
→ データは状況や状態を示す事実だけである
● 無駄分析を避ける為にデータサイエンティストに求められる能力
仁ノ平 将人 ◆ 株式会社 ブレインパッド/ データサイエンティスト
・無駄分籍が生じる原因
→ 課題に明確化
→ 課題定義 → ステークホルダの要望・期待値
→ ユースケースの整理 → 提案
→ KPI の設定(適切な評価指標)
→ 曖昧なテーマから徐々に実施
→ Human in Loop
→ 課題のクリアが可能か検証
→ 課題定義とクリアの検証を繰り返す
→ 運用テスト
→ 本番稼働の前にパイロット稼働を実施
→ ステークフォルダの納得
→ プロの視点から分析結果の意見を言う
● 無駄分析を無くすためにRettyが取り組んだ3つのこと
平野 雅也 ◆ Retty株式会社/ データ分析チームMGR
・無駄分籍とは何か
→ 意思決定に繋がらない分析
・無駄分籍TOP3
→ 間違ったデータを出す → ミスリードを起こす
→ データ基盤が整っていない
→ データが複雑でSQLの難易度が高い
→ 単あるデータ出し屋さんになっていた
→ 認識不足、信頼不足、リソース不足
→ 求めていない分析をしている
→ 問題設定不足
→ アナリストの肌館 → 自社・業界の理解不足
・無駄分析
→ データ基盤の整備 → データを何時でもとれる
→ DWH層の作り込み → SQL の簡易化
→ BigQuery の勉強会を実施
→ 派遣型の組織デザイン
→ 定性データの分析 → UXアンケートの分析
● ビジュアルアナリティクスフレームワークの紹介
水野 加寿代◆ヤフー株式会社/ ソフトウェアエンジニア
・可視化デザインフレームワークとの概要と事例紹介
・データ可視化のフレームワーク
→ 優先度・判断基準・検証方法
→ 課題整理:What-Why-How
→ 詳細、組合せの相性
→ 検証方法:可視化デザインの妥当性
→ 4レベルのValidiry → Whyが一番大事
→ 階層により検証法が異なる
→ What-Why-Ho具体例:数値推移のスパイク検知機能
→ What:推移状況、
→ Why:異常値検知,
→ How:上昇/下降アイコン+指標名の一覧
以上
----+----+----+----+----+----+----+----+----+----+----+----+----+----+