I.はじめに データがすべてです。ますますデジタル化が進む世界において、最大の通貨はデータです。金があり、次に石油があり、今ではデータがあります。日常生活ではさまざまな時点で意思決定が必要であり、最善の意思決定を行うためにはデータを活用する必要があります。 このデータをどのように活用するのかと疑問に思われるかもしれません。そこでデータ分析が登場します。次の数段落では、データ分析とは何かを説明しながら、その質問に答えます。 II.データ分析とは何ですか? 何かを定義するのは難しいです。データ分析とは何かを説明する前に、まずデータ分析ではないものについて述べさせてください。データ サイエンスです。これらは関連していますが、2 つの異なるプロセスです。この 2 つを混同していたことが、私が分析の世界を深く掘り下げるのにこれほど長い時間がかかった理由です。 データ サイエンスは、データ分析のさまざまな側面を含む幅広い分野ですが、その範囲は機械学習や予測モデリング、統計手法の利用にも及びます。そのため、健全な距離を保つことができました。 一方、データ分析は、戦術的な決定をサポートし、日常業務を改善するためにデータを調査することに重点を置いています。どちらの分野もデータを活用してビジネスの成功を促進するために不可欠ですが、同じではありません。 データを調査し、そこから結論を引き出すことが分析です。これらの結論は、ビジネスのパフォーマンス、効率、利益の最適化を中心とする傾向があります。事実上、データを解釈して戦略に基づいた意思決定を行うときは、データ アナリストの帽子をかぶったことになります。 理解のために簡単な絵を描くために、これを、Netflix が私たちの一晩の睡眠を妨げるために使用している秘密の公式と考えてください。 データ分析にはさまざまなアプローチが存在します。一般に、何が起こったのか (記述分析)、何かが起こった理由 (診断分析)、何が起こるか (予測分析)、次に何をすべきかを調べることを含む 4 種類のデータ分析があります。 (処方的分析)。 さらに、データ アナリストとして、いくつかの分析手法とテクニックを使用してデータを処理し、情報を抽出します。 一般的な方法は回帰分析です。これには、相互に依存する変数間の関係を検査して、ある変数の変更が他の変数にどのような影響を与えるかを判断することが含まれます。 今日テクノロジー業界でデータに関する話題が飛び交っているため、これがまったく新しいことだと思うのも無理はありませんが、データ分析は、多くの分野が最新の開発を中心としているにもかかわらず、昨日存在し始めたわけではありません。 18 世紀から 19 世紀に遡り、初期の統計分析によって進化してきた豊かな歴史的背景があります。 20 世紀半ばの初期コンピューティング時代から、1980 年代の Microsoft Excel などの表計算ソフトウェアの導入を経て、2000 年代初頭のインターネットとビッグデータであるビッグバンまでの歴史的進化を振り返るデータ サイエンス、機械学習、人工知能 (AI) の賜物を通じた今日の予測分析に至るまで、技術の進歩によってもたらされた変遷と、この分野がどのように大幅に強化されたかがわかります。 Ⅲ．データの基礎 データは事実の集合です。データ品質はデータを扱う上で重要な側面であり、データがどれだけ正確で、一貫性があり、完全で、信頼性があり、目の前のタスクに関連しているかがすべてです。データが意思決定プロセスの構成要素であると想像してください。 データが高品質であること、つまりエラーがなく、時間が経っても一貫性があり、ギャップがなく、信頼できるソースからのものであることは、情報に基づいた意思決定と効率的なプロセスのための強力な基盤を築きます。 ビジネス旅行に信頼できる GPS を搭載していると考えてください。データをクリーンにすると、データ クリーニングの時間と労力が節約されるだけでなく、チームと関係者の間で信頼が構築され、データが提供する洞察と意思決定に対して全員がより自信を持てるようになります。 さらに、これはお金を節約するツールであり、投資、マーケティング、運用におけるコストのかかる間違いを防ぎます。 さらに、クリーンなデータを取得することは、分析ツールを研ぎ澄ますことに似ており、モデルと予測が正確で信頼性が高いことが保証されます。さらに、一部の業界では、コンプライアンス要件を満たし、倫理的なデータ慣行を維持することが必須です。 IV.データ分析プロセス データ分析のライフサイクルは、典型的なデータ分析プロジェクトに含まれる一連の段階とアクティビティを表します。問題の定義から実用的な洞察の提供までの手順を概説します。 Google のデータ分析コースでは、質問する、準備する、処理する、分析する、共有する、行動するという 6 つのステップが定められています。 V. ツールとテクノロジー フィールドを区別する 1 つの方法は、ツールから判断することです。医師は聴診器、メス、体温計を持っており、アナリストはスプレッドシート、SQL、視覚化ツールを持っています。これらは、一般的なデータ分析ツールの一部です。 スプレッドシートは、データを計算して整理するためのソフトウェアです。 Excel は最も一般的なスプレッドシート アプリケーションです。構造化クエリ言語 - SQL (「シークエル」と発音) は、データベースを管理するために構築されたプログラミング言語です。 R は統計コンピューティング用に設計されたプログラミング言語であり、データ視覚化機能も備えています。 Python は、統計コンピューティングに加えて、他にも多くの用途があるため、R の代替として人気があります。 さらに、複雑なデータセットを理解し、データの相互作用を促進し、洞察を明らかにすることを以前よりもはるかに便利にする視覚化ツールがあります。データの視覚化には、生データを視覚的な表現に変換することが含まれるため、Tableau や Power BI などの専門ツールが不可欠です。 VI.ケーススタディ Netflix を使用して、コンテンツ市場におけるデータ分析の重要性を強調したいと思います。この疑似検証を考えてみましょう。Netflix の検索バーに「ゲーム・オブ・スローンズ」と入力すると、たとえ番組が存在しないにもかかわらず、入力が完了する前に単語が入力されます。しかし、Netflix は番組を返すことに進んでいます。 私にとって、最初の結果は「The Witcher」です。それはなぜだと思いますか?なぜ中世の影響を受けた魔法と剣の世界を舞台にした、別の架空の書籍シリーズを基にした別のファンタジー番組を提案するのでしょうか? 「オレンジ・イズ・ニュー・ブラック」を提案してみてはいかがでしょうか？ それがデータ分析です。コンテンツの提案を超えて、ロスガトスのプロデューサーと幹部は、Netflix オリジナル作品の制作に数百万ドルを支払う契約を結ぶ前に、GOT の視聴者と『ウィッチャー』にコインを投げようとする視聴者との層が重なることを予想していたことは間違いありません。 データがあり、分析され、それに基づいて決定が下されました。 VII.データのプライバシーと倫理 私には法的な背景があるため、倫理的なデータの取り扱いと分析に関する考慮事項は特に興味深いものですが、今日はデータ分析について紹介しようとしているだけであり、データ プライバシーの重要性については、別の日に詳しく取り上げる必要があります。彼らは私たちの言うことをすべて聞くことができます！ Ⅷ.データ分析の入門 データ分析について詳しく知りたい人、または始めたばかりの人は、次の素晴らしいリソースを参照してください。 : これは、データ分析の取り組みに必要な基礎を構築するための優れた初心者コースです。 Google Data Analytics Professional Certificate : WiDA は、女性がデータ主導型のキャリアに向けてデータ主導型のスキルを構築できるよう支援しています。 Women in Data Africa (WiDA) コミュニティ : データ分析の技術的な核心についてもう少し詳しく説明した Investopedia の記事。 データ分析: 概要、使用方法、および 4 つの基本テクニック IX.結論 すべてのビジネスには目標があり、それらの目標を達成するための道は通常データにあります。優れた分析を通じて統計を結果に変えることができるため、今日私たちのデータが非常に重要になっています。 私はジェイソンです。データの世界に興味を持っています。この分野が何なのかを少しでも理解していただければ幸いです。 この記事が興味深いと思われた場合、またはまだ始めたばかりの場合は、さらに探索してスキルを練習して頑張ってください。さらに詳しく知りたい場合は、4 つのタイプのデータ分析のいずれかに特化した記事を読むことができます。私は予測分析には少し興味があります。 最後に、意思決定をするときは常にデータ アナリストのように考えることを忘れないでください。これからも素晴らしい洞察がたくさん得られることを願っています。
