Data Driven Knowledgebase

こんにちは。

以前の記事「未経験からデータサイエンスへ」では、「データで意思決定を支えたい」という想いからこのキャリアを歩み始めた自分を少し振り返りました。

実際に働いてみて改めて感じるのは、「データ分析を現場で活かすことの難しさ」です。分析スキルやアカデミックな知識に目を奪われがちですが(私も入社以前はそう思っていましたが….)、「どう使うか」「どう提案につなげるか」がビジネスにおいては、結構重大な鍵になるのではないかと実感しています。

そんなことを考えながら書店を歩いていたときに出会ったのが、今回ご紹介する書籍──河本薫さん著書

『データ分析・AIを実務に活かす データ・ドリブン思考』です。

「価値あるデータサイエンティストになるためには？」という問いに悩んでいた私にとって、この本はまさに答えをくれる一冊でした。

軽くページを開いてみてすぐ、「これだ」と感じて即購入しました。

この本はどんな本？：技術書ではない「思考法」のガイド

本書は、数式やPythonのコードを扱う“技術書”ではありません。

むしろ「データ分析をビジネスの意思決定につなげるための考え方」を体系的にまとめた、“思考法のガイドブック”です。

つまり、「どんなモデルを使うか」よりも、「なぜその分析をするのか」に焦点を当てています。

現場で“どう考えるべきか”という、本質的な問いを扱っています。

その中で特に印象に残ったのが、この一文です。

ビジネスの役に立たないデータ分析ごっこからの脱却は「役に立つとは何か？」を純粋に考えることです。

精度95％のモデルを作ることに夢中になったり、美しいダッシュボードを整えること自体が目的になってしまったり──そんな経験はありませんか？

私もまさにその一人でした。

でも、この一文に出会ってハッとしました。分析はあくまで「手段」。

本当に大切なのは、「ビジネスのどんな課題を解決したいのか」という問いを持ち続けることなのです。

本書では、数多くの実践的な思考法が紹介されていますが、ここでは私が「明日からすぐに使える」と感じた３つの思考法を紹介します。

分析の目的を「レポートを作ること」にしてしまうと、成果が一過性で終わってしまいます。

本当に重要なのは、「この分析結果をもとに、どんな意思決定や行動を変えるのか」を考えること。たとえば、社内アンケートの分析を頼まれたとします。

単に「満足度の平均値」を出して終わるのではなく、「満足度が下がっている要因を特定して、改善策を考える」ところまで見据える。

これが“思考力”の差になります。

本書で紹介されている「４段シナリオ」は、データ分析を現場で活かすための非常に強力なフレームワークです。

４段シナリオの流れ

1️⃣ データ分析で何を解くか

2️⃣ 意思決定プロセスの課題

3️⃣ 解決したい課題

4️⃣ 解消したい問題（目的）

ここでは『問題』と『課題』の違いについても説明しています。

※『問題』とは目標と現状のギャップのこと。

『課題』とはその「問題」を解消するためにやること。

しかし、実際にはこの順番の“逆”に考えていくのがポイントです。

つまり、まず**「解消したい問題」**から始まり、「では何を分析すればそれを解決できるのか」を考える、という流れです。

具体例：スーパーマーケットの在庫管理

• 解消したい問題：食品廃棄を減らしたい、売上を上げたい


• 解決したい課題：売れ残りや売り切れの抑制


• 意思決定の課題：仕入れ量の判断精度を上げたい


• データ分析で解くこと：販売予測モデルを作る

このように「意思決定のプロセス課題」を真ん中に据えることで、データ分析の世界とビジネスの世界を論理的に結びつけられるのですと筆者は語っています。

分析結果を“現場の判断”に落とし込むには、意思決定のプロセスを整備する必要があります。

多くの企業ではまだ、「経験と勘」で判断している場面が少なくありません。

この状態では、「判断の精度が低い」,「人件費が高い」,「属人的で再現性がない」といった問題が生まれます。

それを防ぐためには、判断のプロセスを「形式知化」すること。「形式知化」という言葉に初めて出会いました(笑)

調べると「形式知化とは人の頭の中にある経験や感覚的な知識（暗黙知）を他人にも理解・共有できるように言葉や図表、マニュアル化すること。」

つまり、暗黙知（なんとなくの勘）を、誰でも共有できるルールに落とし込むことが重要です。

たとえば、営業現場で「どの顧客に優先的にアプローチするか」を経験に頼って決めていたとします。

そこに「過去の契約データ」「商談履歴」「購買タイミング」などのデータを使ってスコアリングを導入すれば、誰でも同じ基準で判断できるようになります。

これこそが、データドリブンな意思決定の第一歩です。

筆者は最後に、データドリブンな企業変革を阻む「３つの壁」についても触れています。

1️⃣ 人材の壁：分析を活用できる社員が育たない

2️⃣ 部門の壁：データがサイロ化し、連携できない

3️⃣ 経営の壁：データ分析が経営判断に結びつかない

これらを乗り越えるには、まず“社員の意識”を変えること。

特に、心理的な壁として次の２つが大きいと筆者はいいます。

• 
  

  壁①：「データ分析＝専門家だけの仕事」という思い込み

  
  

  → 職種を問わず、誰でもデータを扱う文化を作ることが大切。

  
  


• 
  

  壁②：現状維持バイアス

  
  

  → 「今のやり方を変えたくない」という心理。これを打破するには、まず「データで改善できた成功体験」を共有するのが効果的です。

  
  

『データ・ドリブン思考』は、分析スキルよりも前に身につけるべき“考え方”を教えてくれる一冊です。

技術を学ぶ前に、「なぜ分析するのか」「どんな意思決定を変えたいのか」を考えること。

そこにデータ分析の本当の価値があります。

書籍情報とおすすめ度

書籍名：『データ分析・AIを実務に活かす データ・ドリブン思考』　著者：河本薫

Amazonリンク：https://amzn.asia/d/jfaNt2u

---

次回の記事では、この「データ・ドリブン思考」をさらに一歩進め、

データ分析プラットフォーム「Dataiku」について

を紹介する予定(変更する場合あります)です。お楽しみに！

ちなみに……今回紹介した書籍『データ分析・AIを実務に活かす データ・ドリブン思考』と出会ったことで、私の思考力(データ・ドリブン思考)は0.1ですが向上しました（気がします、気のせいだったらすいません笑）。

今後、バランスよくこの５つのスキルを伸ばしていくのが目標です！

正直、エンタメ要素も多少入れたいなというつもりで、このレーダーチャートを導入しましたが、案外、現時点での自分自身の立ち位置や今後の方向性、必要なスキルの発見に繋がると感じました。

皆さんもご自身で必要だと思うスキルをご自身で設定して、それを可視化し、現状の把握と目標を決めてみるのも案外１つの手かもしれません！