何となく脳汁を垂れ流す

データサイエンティスト見習いの卵補佐が少ない脳みその絞り汁をヘンゼルとグレーテルの如く点々と垂らしていくブログ。

【読書記録】意思決定のための「分析の技術」

 

 分析の本。タイトルの通り。ちょっと古いんだけど、上司の上司の座右の書、だそうで、これは読まざるをえないな、という感じで読んだところ。

 

著者は元マッキンゼーの人で、今は引退したのかな、さすがマッキンゼーという感じのするまとまり具合。分析ってビッグデータブーム以降それなりに注目されて、猫も杓子も分析分析言ったりするわけだけど。意外と分析とは何か、とか。基本的な手順とか、まとまってる本あんまりないんですよね。その中でもこれはかなり色々網羅されていてよかったと思います。

 

どちらかというと、98年の本だからしょうがないんだけど、当時のメーカー系の分析をイメージされたものが多くて、なんかこれをもう少し現代向けに落とし込んだものとか無いかなあとか思うんだけど割と無いんですよねえ。

 

最近の分析っていうと、やれ機械学習だの人工知能だのみんな言うんだけど、こういう分析の普遍的な基本手順をすっとばして手法から入るの、とても良くないですよね。

 

この本が素晴らしい、というのはそうなんだけど、個人的にはイシューからはじめよとか(これもマッキンゼー由来の人だ)を組み合わせて読むと理解が深まるというか、更に整理されて良いかなあと思います。

【読書記録】なぜ「戦略」で差がつくのか -戦略思考でマーケティングは強くなる-

 

 久々の読書記録。

読んでないわけじゃないんだけど、あんま書くことない本が多くて。その辺はまとめてどっかのタイミングで紹介します。

 

で、この本は久々の当たりかな、と。書いたのは資生堂の音部大輔さん。仕事で資生堂と関わりがあるので、なんか良いネタないかな、と思って読んでみたのがきっかけ。音部さん自身は、資生堂の人というよりも、P&Gやらダノンやらを渡り歩いてきたマーケターの人。

 

で、がっつりマーケ系の本なのかと思っていたらそうでもなくて。がっつり戦略の本、という感じでした。戦略の本って他に読んだことなかったので結構新鮮ではあったんだけど、これが他の戦略本とくらべてどう、という比較の仕方はできないのでまぁそういう感じで読んだ次第。

 

戦略とは、「目的達成のために資源をどう利用するかの指針」という定義付けをしているのだけれど、この考え方自体はとてもシンプルで応用がきく便利な思考だとは思う。どんな小さな個人的な行動でも、組織の大きな動き方でも、この思考が回るだけでとても効果的になりそう。

 

僕、このツイートが大好きなんだけど。まさにこの考え方って資源を効果的に殖やす方法そのものであって。こういう、資源を効果的に殖やすような考え方が仕事の上でもできてくるようになると、組織全体がうまく回るんだろうな。

 

ひとつひとつ咀嚼していくのはなかなか大変な本なので、またそのうち読み返そうと思う次第。

データと分析のイマドキのリテラシーと営業と技術の溝。

どちらかというと、頭の整理が出来ていないので、雑記。

 

今、営業とかどちらかというとビジネス職の人向けに、データの分析に必要なリテラシーについてまとめているのだけれど。これがとても難しいなぁと思ってるんですよね。

 

コンサルの人が書いたような、所謂「分析とは」みたいな本を手に取ると、それはそれでとても価値があって、当然よくまとまっているのだけれど。どうしても「イマドキ」の話をしようとすると、技術(テクノロジー)の話は避けて通ってはいけないと思っていて。そうすると、コンサルな人たちが書いた本だとどうしてもそこまで踏み込んだものってないんですよね。

 

じゃあイマドキのデータサイエンスの本とか中心にまとめれば良いのか、っていうと、基本的にこういう本って初学者向けの本でも「技術初心者」向けなので、「手を動かしてみましょう」なんですよね。「手を動かしてみましょう」はどうしても営業職のひとたちにとっては流石にハードルが高すぎるという。

 

というところで、要するに、「テクニック」を身につけたり、「テクノロジー」を使えるようになる必要は無いけど、理解を深める必要はある人達、に対する平易な説明、というのはとても難しいなぁと思うわけです。

 

あくまで営業とかマネジメントはそっちが本職なので。機械学習を自分で手を動かしながら覚えていく、というようなことは、「あってはいけない」とは言わないけれど、「そこに時間使うべきじゃない」とは思っているのです。けどイマドキの分析を売りにしてる会社なので、そこを避けては通れないという、このなんとなく矛盾したような感じ。

 

ざっくり課題感でいうと、どうしてもビジネス職と技術職での認識があってなさそうなところが結構あって。

  • そもそもエンジニアとデータサイエンティストとアナリストが一緒くたになってる
  • だからエンジニアの上位互換がデータサイエンティストだと思ってたりする
  • アナリスト=エンジニアだと思ってたりもする
  • 機械学習人工知能とエンジニアリングの違いも当然わかってない
  • ましてやここと統計学との関係なんか全くわかってない
  • もっというと数学的なんか無関係だと思ってるか、中学校以来思い出してない。
  • サイエンスとエンジニアリングの違いも当然わからない
  • 下手すると「分析」と「機械学習」も同じだと思ってる
  • このレベルなので当然、機械学習には教師ありと教師なしがあって~とかいっても伝わらない
  • そもそも社内用語と社外でも通じる用語の違いもわかってない
  • そうなると社内用語を平気で営業プレゼンに持っていったりする
  • 技術用語は基本なんとなくしかわからない。TeradataとHadoopの違いがわからない。
  • だからteradataでhadoop使えるんじゃないですか?とか聞いてくる。
  • そういうレベルの認識だからhadoopは大きなストレージだと思ってる

とかとかとか挙げればきりがなくて、この辺りの認識がきっちりすり合わないといつも不毛なディスカッションになるし、当然よくある営業と技術者の溝がなかなか埋まらないところだよなぁと思うわけです。特に、エンジニアにもこういう種類があります!というレベルの理解すらない、というところに気づいていない技術者、結構多いと思うんですよ。

 

というわけで、このあたりは営業に勉強しろっていうよりも、技術側が噛み砕いて都度説明をしなきゃいけないんだと思うんですよね。技術側は噛み砕いて説明する、ビジネス側は理解しようとする姿勢を見せる。当然、ビジネスについての理解は役割分担逆にして同じ事をする。っていう。

 

とりあえず僕は技術という言葉にtechnologyという意味とtechniqueという意味が含まれてる、というところから説明しないとなぁ、と思うんです。エンジニアというのは専門職なので一人ひとり専門が違うんですよ、という話が次。

 

ということで同じお悩みを持っていて解決策を考えてる人とは仲良くなりたい次第。参考になる本とかあったら教えてください。悩みは尽きない。