データ分析の目的に応じた人事、分析組織づくり、データ人材の評価
Download as PPTX, PDF1 like511 views
データ分析は専門家を迎え入れてもなかなかうまくいきません。 ドメイン知識の有無だけではなく、状況に応じた分析技術の理解も必要になります。加えて、データ分析の施行ロジックは戦略やマーケティングの考え方等と異なり可能性を切り捨てていくことを是とします。 このように異質なロジックを活用し組織的な活力とするためには、適切なスキルを持った人を適切な組織に入れ込む必要があります。 本スライドは代表的なスキルと職種の対応表と、いくつかある組織モデルの一つです。 データサイエンティスト協会主催のセミナー 『データ戦国時代の生き抜き方～採用と育成のプロが語る、悩める企業の裏側～』 に提供させていただきました。関係者の皆様ありがとうございます。 https://techplay.jp/event/722866
データ分析の目的に応じた人事、分析組織づくり、データ人材の評価
- 2. Page 2 © 2019 xross Inc. データ分析とは データ分析とは 企業におけるデータ分析とは、戦略、マーケティング、オペレーション、等を含むいかなる分野からも 中立な立場をとり、事実に即して再現性のある分析を行い、様々な意図的・恣意的な圧力や自分自 身の思い込みによる影響を自身の良心をもって排除し、歪曲することなく認知・把握・理解・ 報告し、将来の希望に対して現状取りうる実現可能なオプションを準備することを目的とした情報 の分析や解析のことを示す データ人材とは データ分析を行うための精神的な素養を持ち、かつスキルセットを持った人材を示す データ組織とは データ人材の能力を十分に発揮するために組成された組織を示す
- 3. Page 3 © 2019 xross Inc. データ組織の種類
- 4. Page 4 © 2019 xross Inc. 目的別データ組織 特定分野のリサーチと意思決定を目的とした組織（並列組織） 経営、事業企画分野 ：市場調査、キャッシュフローの最適化、他 金融分野 ：金融投資、企業価値算定、リスク算出、他 オペレーション分野 ：サプライチェーン管理＆最適化、販売店管理システム、他 マーケティング分野 ：広告効果の算出、サイト分析、他 公共、政策分野 ：政策の経済効果の測定、地域GDP予測、他 スポーツ ：セイバーマトリクス、他 各事業を横断し業務効率を最適化させるための組織（縦割りピラミッド型） ヘッドクオーター（役員や各部門長）：各部署に情報開示を要求 ：各部署からの施策の中の優先順位を決める ：予算の中でバランスを取り実行案を作成する マネジメント（各部門長） ：各部署単位での問題点を洗い出し ：各部署単位の改善施策を作成 アナリシス （シニアクラス） ：各部署単位で情報洗い出し、分析をする
- 5. Page 5 © 2019 xross Inc. 組織図
- 6. Page 6 © 2019 xross Inc. 特定分野の意思決定を目的とした組織 個別のリサーチを最終統合して意思決定するボトムアップ型 特定分野の専門家を中心とした組織をボトムアップ的に組織し、最終的に統合する ※専門性が必要 （例：金融投資分野） 各リサーチの専門家を中心として、分析官、エンジニアを加えて最小1ユニットとする（他の分析組織でも同じ） 意思決 定機関 景気動向 （マクロ） 市況状況 （ミクロ） 企業価値算出 調達と キャッシュフロー コントロール 政治リスクの影響 の算出 数理手法による理 論価値の推計 他社動向 投資 （リーダー） マクロ経済 エンジニア リング
- 7. Page 7 © 2019 xross Inc. 事業横断し業務を最適化するための分析組織 部門長以上の権限を持った人を頂点とするトップダウン型 役職を頂点に据え、データ開示の権限を付与させる ※強制力が必要 ヘッドクオーター （役員） マネジメント（部長級） アナリシス（各タスクのシニア＋エンジニア） ①情報の開示請求 営 業 広 告 研 究 開 発 新 規 事 業 法 務 人 事 営 業 （ 既 存 ） 広 告 （ Web ） 研 究 開 発 新 規 事 業 （ 事 業 企 画 ） 法 務 人 事 （ 採 用 ） 営 業 （ 新 規 ） 広 告 （ マ ス メ デ ィ ア ） 広 告 （ ｅ コ マ ー ス ） 人 事 （ 教 育 ） 新 規 事 業 （ 経 営 企 画 ） 財 務 会 計 ②情報の整理 ③情報の分析 ④施策提案 ⑤施策 のとりまとめ ⑥改善施策 の取り決め ⑦改善施策の 実行案の作成 ⑧改善施策の モニタ ⑨改善状況の レポート ⑩施策の 再評価と再設計
- 8. Page 8 © 2019 xross Inc. 事業横断し業務を最適化するための分析組織 部門長以上の権限を持った人を頂点とするトップダウン型 役職を頂点に据え、データ開示の権限を付与させる ※強制力が必要 ヘッドクオーター （役員） マネジメント（部長級） アナリシス（各タスクのシニア＋エンジニア） ①情報の開示請求 営 業 広 告 研 究 開 発 新 規 事 業 法 務 人 事 営 業 （ 既 存 ） 広 告 （ Web ） 研 究 開 発 新 規 事 業 （ 事 業 企 画 ） 法 務 人 事 （ 採 用 ） 営 業 （ 新 規 ） 広 告 （ マ ス メ デ ィ ア ） 広 告 （ ｅ コ マ ー ス ） 人 事 （ 教 育 ） 新 規 事 業 （ 経 営 企 画 ） 財 務 会 計 ②情報の整理 ③情報の分析 ④施策提案 ⑤施策 のとりまとめ ⑥改善施策 の取り決め ⑦改善施策の 実行案の作成 ⑧改善施策の モニタ ⑨改善状況の レポート ⑩施策の 再評価と再設計！！注！！ システム部等には実際の業務経験やドメイン知識がないため、 分析・施策立案はできません。 システム部等に蓄積されているデータは体系的に蓄積されていま せん。体系的に蓄積されていないデータはフォーマットを再 構築する必要があり、直接分析することはできません。 分析チームは現場の専門家、分析官、エンジニアで構成
- 9. Page 9 © 2019 xross Inc. 事業横断し業務を最適化するための分析組織 部門長以上の権限を持った人を頂点とするトップダウン型 役職を頂点に据え、データ開示の権限を付与させる ※最初から網羅しようとすることはNG ※初期分析チームは専門性の高い人をアサイン ヘッドクオーター （役員） マネジメント（部長級） アナリシス（各タスクのシニア＋エンジニア） ①情報の開示請求 営 業 広 告 研 究 開 発 新 規 事 業 法 務 人 事 営 業 （ 既 存 ） 広 告 （ Web ） 研 究 開 発 新 規 事 業 （ 事 業 企 画 ） 法 務 人 事 （ 採 用 ） 営 業 （ 新 規 ） 広 告 （ マ ス メ デ ィ ア ） 人 事 （ 教 育 ） 新 規 事 業 （ 経 営 企 画 ） 財 務 会 計 ②情報の整理 ③情報の分析 ④施策提案 ⑤施策 のとりまとめ ⑥改善施策 の取り決め ⑦改善施策の 実行案の作成 ⑧改善施策の モニタ ⑨改善状況の レポート ⑩施策の 再評価と再設計 アジャイル的に導入を進める場合 広 告 （ ｅ コ マ ー ス ） 広 告 （ ｅ コ マ ー ス ） 広 告
- 10. Page 10 © 2019 xross Inc. 事業横断し業務を最適化するための分析組織 部門長以上の権限を持った人を頂点とするトップダウン型 役職を頂点に据え、データ開示の権限を付与させる ※最初から網羅しようとすることはNG ※初期分析チームは専門性の高い人をアサイン ヘッドクオーター （役員） マネジメント（部長級） アナリシス（各タスクのシニア＋エンジニア） ①情報の開示請求 営 業 広 告 研 究 開 発 新 規 事 業 法 務 人 事 営 業 （ 既 存 ） 広 告 （ Web ） 研 究 開 発 新 規 事 業 （ 事 業 企 画 ） 法 務 人 事 （ 採 用 ） 営 業 （ 新 規 ） 広 告 （ マ ス メ デ ィ ア ） 人 事 （ 教 育 ） 新 規 事 業 （ 経 営 企 画 ） 財 務 会 計 ②情報の整理 ③情報の分析 ④施策提案 ⑤施策 のとりまとめ ⑥改善施策 の取り決め ⑦改善施策の 実行案の作成 ⑧改善施策の モニタ ⑨改善状況の レポート ⑩施策の 再評価と再設計 アジャイル的に導入を進める場合 広 告 （ ｅ コ マ ー ス ） 広 告 （ ｅ コ マ ー ス ） 広 告 ！！アジャイル的な開発！！ 特定の部署や特定のタスクにおける意思決定に対して行い、そ の成功事例を基に分析や組織マネジメントの横展開を狙う 開発組織、開発手順、等は大きな横断分析用の組織と同じ形で組 成が必要
- 11. Page 11 © 2019 xross Inc. データ活用の種類
- 12. Page 12 © 2019 xross Inc. データ利用の種類 全体図 複数のデータを通して 状況を俯瞰する 傾向を知る イベント（アクシデント）の影響を確認する アクティブ型パッシブ型 複数のデータを組み合わせて統計処理をし、 特定の状況（問題/課題）の 定量的な評価評定を行う 要因を解析する 因果関係を解明する 現状推移を推計する 状況変化を取得し、自動で警告を発する 複数のデータを組み合わせて（絞り込んで） 状況を多面的に確認する 特定の条件下の状況を調べる イベント（アクシデント）影響を測る 状況のトレンドを測る セミアクティブ型 出 来 る こ と 必 要 な こ と ステークホルダー（以下：SH）の洗い出し データが存在、取得方法の確認もしくは策定 データプール手法の策定 データ移管 各SHに適応したデータとデータの推移の可視化 （固定ダッシュボード） 比較のためのベンチマークとの比較 各SHに対応した可視化の フィルタリングの作成 ピボット実行環境の策定 各データ推移から トレンドラインの作成 特定の状況（問題/課題）の 評価軸の策定 評価方法の見直しタイミングの策定 評価後の行動フローの策定 シ ス テ ム データリンクのための連携API データプールするためのストレージ データを加工するためのSQLサーバ（例） データを可視化するためのプラットフォーム データを手元で加工できる可視化ツール データを外部に出力できるメディア機能 各SHに権限を与えるためのサーバ AI、統計分析用の分析基盤 分析結果と可視化ツールをつなぐためのAPI 各種（警告等）発信用の連携機能 俯瞰 → 現状の掌握 → 課題解決 出 来 る こ と 必 要 な こ と シ ス テ ム 可視化 セグメント分け セグメントグループ毎の特徴把握 統計的閾値を用いた意思決定補助 AIによる自動施策の実行 施 策 例
- 13. Page 13 © 2019 xross Inc. 13 データ分析プロジェクトの進め方
- 14. Page 14 © 2019 xross Inc. データ分析用システム開発プロジェクト データ分析プロジェクトのビジネスプロセスとキーワード 分 析 プ ロ ジ ェ ク ト の 立 ち 上 げ と 組 み 込 み 後 の 業 務 設 計 デ ー タ 作 成 評 価 業 務 の 組 み 込 み と 評 価 目 的 ・ 課 題 設 定 数 理 モ デ ル と の 接 続 実装プロジェクト ビ ジ ネ ス ロ ジ ッ ク と の 接 続 フ ロ ン ト の 実 装 解 析 用 デ ー タ 整 備 構造化 データ 加工 非構造 化 データ 処理 分 析 計 画 の 作 成 デ ー タ フ ロ ー と DB の 設 計 ビ ジ ネ ス ロ ジ ッ ク と の マ ッ チ ン グ データ分析/解析 （予測・パターン 発見・最適化等） データ可視化 最適化 デ ー タ の 収 集 戦略・マーケティング 目標策定プロジェクト 分析計画策定 プロジェクト POC（概念実証実験） 市 場 調 査 DMP 整 備 仮 説 設 定 クレンジング マーケティング モデリング センシング 戦略 可視化 エヴァリュエーション ITインフラストラクチャー ITインフラストラクチャー フロントエンジニアリング オペレーションマネジメント IoT/M2M/RPA業 務 種 別
- 15. Page 15 © 2019 xross Inc. データ分析用システム開発プロジェクト データ分析プロジェクトのアサイン職種 分 析 プ ロ ジ ェ ク ト の 立 ち 上 げ と 組 み 込 み 後 の 業 務 設 計 デ ー タ 作 成 評 価 業 務 の 組 み 込 み と 評 価 目 的 ・ 課 題 設 定 数 理 モ デ ル と の 接 続 実装プロジェクト ビ ジ ネ ス ロ ジ ッ ク と の 接 続 フ ロ ン ト の 実 装 解 析 用 デ ー タ 整 備 構造化 データ 加工 非構造 化 データ 処理 分 析 計 画 の 作 成 デ ー タ フ ロ ー と DB の 設 計 ビ ジ ネ ス ロ ジ ッ ク と の マ ッ チ ン グ データ分析/解析 （予測・パターン 発見・最適化等） データ可視化 最適化 デ ー タ の 収 集 戦略・マーケティング 目標策定プロジェクト 分析計画策定 プロジェクト POC（概念実証実験） 市 場 調 査 DMP 整 備 仮 説 設 定 職 業 領 域 AI・機械学習エンジニア データサイエンティスト インフラエンジニア フロントエンジニア マーケッター コンサルタント マーケッター インフラエンジニア データエンジニア データサイエンティスト データアナリスト
- 16. Page 16 © 2019 xross Inc. 16 スキルセット
- 17. Page 17 © 2019 xross Inc. スキルセットの全体像 出典：データサイエンティスト協会
- 18. Page 18 © 2019 xross Inc. スキルセット ビジネス力 行動規範 課題解決を中心とした行動がとれる 論理的思考 法令順守、データとしての重複を見抜く、プレゼン、等ができる プロセス KPI、KGIの設定、アプローチの設定、各種開発手法の実施ができる データの理解・検証 データの本質を理解できる、データの裏を読み対処することができる データ入手 ヒアリングか、統計データ、IOT等、における適切な配置や設計ができる 意味合いの抽出、洞察 各種分析解析手法を組み合わせ目的に応じた洞察ができる 解決 分析解析結果をもとに必要なアクション、改善案を作成することができる 事業に実装 予算だけでなく横展開や異業種展開をも考慮して事業に分析を実装できる 活動マネジメント ステークホルダーの問題を理解し、 データ活用のプロジェクトを企画提案実施することができる
- 19. Page 19 © 2019 xross Inc. スキルセット データサイエンス力 統計数理基礎 数学的な基礎 予測 予測モデルの構築、モデル評価、問題点の把握 検定・判断 各種検定の理解、状況に応じた検定の選定、問題点の把握 グルーピング グルーピング手法やグルーピング時の問題点の把握 性質・関係性の把握 様々な手法をつかい、データのとしての特徴を把握することができる サンプリング サンプル時に全体との整合性を考慮できる データ加工 目的に応じて、適切な加工がマネージメントできる データ可視化 目的に応じて、適切な可視化工程がマネージメントできる 機械学習 機械学習技術を使いモデルを構築できる 時系列学習 時系列分析技術を使いモデルを構築できる 言語処理 自然言語処理とその解析ができる 画像処理 画像・動画認識、画像・動画分類や様々な検出ができる 音声処理 音声信号分析手法の理解と、その利用ができる パターン学習 パターン検出のアルゴリズムを作成することができる グラフィカルモデル グラフィカルモデルを使ったアルゴリズムを作ることができる 統計数理応用 応用数学分野の技術を使ったアルゴリズムの構築ができる シミュレーション・データ同化 シミュレーションプログラムの作成ができる 最適化 最適化問題を解くアルゴリズムを構築することができる
- 20. Page 20 © 2019 xross Inc. スキルセット データエンジニアリング力 環境構築 データ分析のためのインフラ基盤の構築ができる データ収集 APIなどを通し適切にデータを収集する環境を構築することができる データ構造 データウエアハウスを使い、データ通しの関係を整理し、 処理の高速化を考慮した設計ができる データ蓄積 データウエアハウスを使い、データを統合抽出し、 大容量データ用のチューニングができる データ加工 大規模データでクレンジング、抽出、結合、ソートなどができる データ共有 各種サーバー間連携の設計、Biツール等との連携作成ができる プログラミング ストリーミング処理、GPUを使った分散処理、 pig hiveを適切に使うことができる ITセキュリティ プライバシーへの対処、攻撃と防御手段の構築ができる
- 21. Page 21 © 2019 xross Inc. 職種とスキルセット 企画、エンジニアイング 職種とスキルセット
- 22. Page 22 © 2019 xross Inc. 職種とスキルセット 戦略、企画 ビジネス力 コ ン サ ル タ ン ト 行 動 規 範 論 理 的 思 考 プ ロ セ ス 事 業 に 実 装 活 動 マ ネ ジ メ ン ト データ サイエンス力 データエンジニアリング力 ビジネス力 マ ー ケ ッ タ ー 性 質 ・ 関 係 性 の 把 握 デ ー タ 収 集 デ ー タ 共 有 プ ロ セ ス デ ー タ の 理 解 ・ 検 証 デ ー タ 入 手 意 味 合 い の 抽 出 、 洞 察 解 決
- 23. Page 23 © 2019 xross Inc. 職種とスキルセット 分析、AI データサイエンス力 データ エンジニア リング力 ビジネス力 デ ー タ サ イ エ ン テ ィ ス ト 統 計 数 理 基 礎 予 測 検 定 ・ 判 断 グ ル ー ピ ン グ 性 質 ・ 関 係 性 の 把 握 サ ン プ リ ン グ デ ー タ 可 視 化 統 計 、 AI 、 等 シ ミ ュ レ ー シ ョ ン デ ー タ 同 化 最 適 化 デ ー タ 収 集 デ ー タ 構 造 行 動 規 範 論 理 的 思 考 プ ロ セ ス デ ー タ の 理 解 ・ 検 証 デ ー タ 入 手 意 味 合 い の 抽 出 、 洞 察 データサイエンス力 データエンジニア リング力 ビジネス力 AI ・ 機 械 学 習 エ ン ジ ニ ア 予 測 グ ル ー ピ ン グ サ ン プ リ ン グ 統 計 、 AI 、 等 シ ミ ュ レ ー シ ョ ンデ ー タ 同 化 最 適 化 デ ー タ 構 造 プ ロ グ ラ ミ ン グ 論 理 的 思 考 デ ー タ の 理 解 ・ 検 証 デ ー タ 入 手 意 味 合 い の 抽 出 、 洞 察
- 24. Page 24 © 2019 xross Inc. 職種とスキルセット エンジニアリング データサイエンス力 データエンジニアリング力 ビジネス力 イ ン フ ラ エ ン ジ ニ ア サ ン プ リ ン グ デ ー タ 加 工 環 境 構 築 デ ー タ 収 集 デ ー タ 構 造 デ ー タ 蓄 積 プ ロ グ ラ ミ ン グ IT セ キ ュ リ テ ィ デ ー タ の 理 解 ・ 検 証 デ ー タ 入 手 データサイエンス力 データエンジニアリング力 ビジネス力 フ ロ ン ト エ ン ジ ニ ア サ ン プ リ ン グ デ ー タ 加 工 デ ー タ 可 視 化 デ ー タ 加 工 デ ー タ 共 有 プ ロ グ ラ ミ ン グ IT セ キ ュ リ テ ィ 意 味 合 い の 抽 出 、 洞 察 データサイエンス力 データエンジニアリング力 デ ー タ エ ン ジ ニ ア グ ル ー ピ ン グ 性 質 ・ 関 係 性 の 把 握 サ ン プ リ ン グ デ ー タ 加 工 デ ー タ 可 視 化 デ ー タ 加 工 デ ー タ 共 有
- 25. Page 25 © 2019 xross Inc. データ人材の評価 コンピテンシーモデルとデータ人材の評価
- 26. Page 26 © 2019 xross Inc. データ人材の評価 コンピテンシーエリアの解説 対人スキル 傑出したサービスを提供するため、クライアントとの信頼関係を築き、コラボ レーション、チームワーク、最適なコミュニケーションを確実にするために必 要な知識、能力、個人の資質 自己育成 知識と能力ベースを向上させ、データサイエンティスト自身を個人としてかつ プロフェッショナルとして育成し、かつ自身の分析に関する知識を効率的に活 用するための、知識、能力、個人の資質 コンサルティングプロセス 様々なプロジェクトの要件を満たし、クライアントに現状を正確に説明し、実 践的な解決案を開発し実行するために必要な中心となる技術的な知識と能力 リサーチプロジェクトマネジメント リサーチプロジェクトの目的に効率的かつ系統的に見合い、クライアントの ニーズを満足させるため、リサーチプロジェクトの資源を計画し、組織し、方 向付け、コントロールするうえで必要となる知識、能力、個人の資質 応用数理・情報分析 数理情報分析の技術や経験や利用事例を発展させ、ビジネスとして利用、発展、 再現させるために必要な知識、能力、個人の資質 組織開発 自組織内の機能の強化やビジネスの展開に貢献するために必要な知識、能力、 個人の資質 人材開発 組織における人材の成果の発揮や能力開発を効率的に導くために必要とされる 知識、能力、個人の資質
- 27. Page 27 © 2019 xross Inc. データ人材の評価 ランクと人物像 アナリスト 与えられた指示の下で、効率的かつ高品質に作業を遂行できる人材 データサイエンティスト 一定領域においては自らの力である程度の調査計画の策定及び問題解決策を提言で きる人材 シニアデータサイエンティスト部下をリードし、サブチームとしての解決策提言をリードできる人材 マネージャー クライアントとチームからの信頼を獲得し、様々なプロジェクトをリードできる人 材 シニアマネージャー 豊富なプロジェクト経験の実績や経営者とのリレーションを通じて、広く事業領域 として展開できる人材 パートナー データサイエンス領域において独自のスタイルを確立し、またビジネスコンサルタ ントの第一人者として部門を賄える人材
- 28. Page 28 © 2019 xross Inc. データ人材の評価 各コンピテンシーエリアの要件 対人スキル コンサルティングプロセス アナリスト • 同レベルのクライアントとの間での合意形成 • メンバーないこの効果的運営 • 対応しにくい人のハンドリング • ヒアリング及び質問 • プレゼンテーションの補助 • クライアントやチームメンバー内のニーズに対する知識・知覚 • データ収集、取得方法の理解と実践 • PCや各種ツールの操作 • ドキュメンテーション • リサーチや改革案に対する理解 データサイエンティスト • チームワーク • 口頭及び文章によるコミュニケーション • 同僚との良好な関係構築 • アイデアだしの実践 • 問題点の詳細化と分析及びモデリング • リサーチや改革の制約条件の把握 • プロジェクトツールの活用 • リサーチの実施 • 成果物の作成及び活用 • 明確な表現 • スキルトランスファー シニア データサイエンティスト • 共同参加型の作業の推進 • 下位レベルのメンバーへのリーダーシップ • 複雑な課題の伝達 • クライアントリレーションの管理 • クライアント先での作業 • 積極的な解決策の提言 • 正直な結果の提供 • 状況改善における選択肢の公正な評価 • 成果物の作成と伝達の推進 • 変化への対応 • 同クラス以下のメンバーに対してのフォロー マネージャー • 作業を通じた学習の推進 • チームの構築及び推進 • 期待度のコントロール • 上位のクライアントとの間での合意形成 • クライアントとのパートナー・リレーションシップを継続・展開するうえでの組織的 な対応 • 統合的な解決策の提言 • 適切なツールや分析方法の選択 • 他メンバーの組織化 • 複雑で難解な状況への対応と統制 • 構築、制度。計画のフォローアップ体制 シニアマネージャー • クライアントプレゼンテーションの推進 • トップに対する交渉と影響力の行使 • マネジメントとの関係維持 • 摩擦の解決 • サービス計画の継続 • 長期視点に立った思考と分析 • 意思決定における基準の設定 • 多機能多面的な的思考 • 変革の養護と推進 パートナー • 人材の評価・尊重 • 積極的なクライアントとの関係構築 • 業界の専門家 • 代表者 • 他メンバーの努力に対する付加価値の提供 • 意思決定と革新の推進 • 変化の受容
- 29. Page 29 © 2019 xross Inc. データ人材の評価 各コンピテンシーエリアの要件 リサーチプロジェクトマネジメント 応用数理・情報分析 組織開発 アナリスト • 役割の理解 • タスクの遂行と官僚 • 自己の作業計画の立案 • 上位メンバーとのコミュニケーション • 事故による品質レビュー • 応用数理・情報分析への関心と理解 • 応用数理・情報分析のトレンドへの関心と理解 • 応用数理・情報分析の利用への関心と理解 • ドラフト作成の補助 • 分析やシステムの仕組みに対する知識 • 意思決定に最も効果的な成果を上げるための行動 • 積極的な稼働の向上 データサイエンティスト • 自己管理及び他メンバーとの良好な関係構築 • 限られた領域による宝庫付け • 作業内容の体系化 • リスクの考察 • クライアントフィードバックに対する対応 • 意思決定を支える分析に対する理解と知識 • 意思決定に対しての分析提供機械の探索 • 新たなアイデアだしに対する貢献 • ニーズにこたえられるプレゼンテーション • 分析結果の価値に対するコミットメント • 分析計画の理解 シニア データサイエンティスト • 他メンバーの作業内容の企画及び優先付け • 予算や作業範囲に対する関与 • 検討課題となる事項の予測 • 取組成果に対する評価 • 既存の分析領域に対するフォローアップ • 革新的な資料の作成 • 以下の事項についての積極的な補助の実践 • シンプルな提案内容や分析結果の体系化 • 報告やプレゼンテーションの補助 • データの準備 • クライアントおよび提携企業とのリレーション構築 の補助 • リサーチ結果を基にした意思決定の補助 マネージャー • 調査計画策定及び展開 • 作業単位及び責任範囲の他メンバーへの割り当て • 資源のコントロール • 作業範囲の管理 • リスク管理 • リソース管理 • フォローが必要なエリアの開拓 • 潜在的ニーズへの近くと開拓 • クライアントの特定（ターゲティング） • リサーチチーム（プロジェクト）の提案 • リサーチ結果を基にした意思決定への積極的提言 • 分析計画の規格作成する方法の理解 • 実施候補者の評価 • 実施候補者のインタビュー シニアマネージャー • クライアントとのレビュー • 様々なタスクの管理 • 作業の定義 • 要件定義 • 代表者 • リソースの管理者 • ターゲティング活動の推進 • 市場と競合についての知識 • 資源の推進の方向付け • 業務問題の解決 • 積極的な計画と予算立案への参加 • 関係構築プログラムの推進 パートナー • 戦略の定義 • 戦略的意思決定 • 水平的思考 • ベストプラクティスや新しい技術への挑戦 • 専門的な市場の知識 • 横断的なリサーチの推奨と推進 • ポジショニングの策定 • ビジョンの提示 • 戦略的計画の策定 • ファーム全体の活動の支援 • 資源の管理と発展に対しての貢献
- 30. Page 30 © 2019 xross Inc. データ人材の評価 各コンピテンシーエリアの要件 人材開発 自己育成 アナリスト • レビューのための準備 • リレーションの維持管理 • 学習補法の模索と構築 • 現実的なキャリア設定 • 事故育成計画 • 分析に関する知識 • ツールに関する知識 データサイエンティスト • ゴール設定の推進 • セッション展開への準備 • 内部フィードバックの適用 • 情報提供 • スキルトランスファー • 製品やツールの持ちになっている数理的な知識 • 情報共有の推進 シニア データサイエンティスト • 下位メンバーへのガイダンス • 成果や評価のフィードバック • 成果化倫理プロセスの推進 • コーチング・動機づけの喚起 • ローカルの学習機会への参加 • 製品ややツールをニーズに合わせて調整する知識 • 新規領域での経験 • プロジェクトサマリーの提供 • ネットワークの構築 マネージャー • スタッフのミニター • 成果のレビュー • ニーズと機械のマッチング • メンター • 学習ニーズの分析 • 広範な専門家としての評価 • 中心的な強みの実践者であり教育者であること • ベストプラクティスの共有 シニアマネージャー • 成果管理プロセス • 人事活動の推進 • 学習発展の推進 • 分析と意思決定に関する専門家 パートナー • 成果レビューのお推進 • 人材開発 • カウンセリングとコーチング • 学習活動のモニター • 学習文化の創造 • 学習と志向のリーダーシップ
- 31. Page 31 © 2019 xross Inc. 自己紹介と連絡先 自己紹介 連絡先
- 32. Page 32 © 2019 xross Inc.
- 33. Page 33 © 2019 xross Inc. 弊社の主な顧客 セクター 弊社の主要顧客 コンシューマー Consumer Business 7&iグループ、イオングループ、ローソン オリエンタルランド、USJ、星のや ユナイテッドアローズ、トランジット、寺田倉庫ほか 製造 Manufacturing 日用品 Consumer Goods ユニ・チャーム、明治、花王、資生堂、コーセー 麒麟麦酒、サントリー 王子ネピア、コクヨほか 自動車 Automotive トヨタ自動車、トヨタ紡織、 豊田自動織機、アイシン精機、豊田合成、 日産自動車ほか 精密・家電 Industrial Product キヤノン、富士ゼロックス、エプソン 日立、ソニー、京セラほか プロセス Process 三菱ケミカルHD・三菱化学 王子製紙グループほか その他 Others TOTOほか 情報・メディア・通信 Technology, Media, Telecommunications NTTグループほか ライフサイエンス&ヘルスケア Life Sciences & Health Care 田辺三菱製薬 大塚製薬、武田薬品工業ほか
Editor's Notes
- #5: データ組織に2種類 すでに意思決定プロセスや選択肢が決まっているリサーチプロジェクトとしてのデータ分析 複数の異なる評価基準を統合的にまとめ、最適化を図るためのデータ分析 これらは同じ方法ではNGです
- #7: 特定の目的を持った分析組織 意思決定のための多面的な分析を行うための組織図です 意思決定プロセスを知っている人をリーダー、分析の専門官、サポートするエンジニア を最小1ユニットとして稼働させます。（これはほかの分析組織でも同様で、分野毎にこのような組織を作り組み合わせます。） 意思決定を知っているリーダーがレポーティングを行います。エンジニア、分析官はひたすら分析を進めていきます。方向の修正はリーダーが行います。 金融投資をモデルにしたのは、意思決定が、売る、買う、保持する、何もしない、の４種類しかないため、リサーチとしての目的が明確なためです。
- #8: 事業横断させ、最適化するための分析組織は、先の最小ユニットをピラミッド状に組織します。 縦割り組織の横断の場合、情報開示や提案の実行に対して強制力が必要なため、上位の職権が必要になります。 ですが、上位は現場の改善を作ることはできず、現場は全体の方針が分かりません。そのため、番号の順にタスクを回していきます。 また、システム部等に情報が蓄積されていると思いますが、システム部は現場でもなく分析官ではないため、実際に使える施策を作るための分析を行うことは難しいです。 でーたを分析にふさわしい形で供出することはできますが、分析に即したフォーマットを作ることあ必要なため、専門のエンジニアがいたほうが業務不可の観点から推奨されます。
- #9: 事業横断させ、最適化するための分析組織は、先の最小ユニットをピラミッド状に組織します。 縦割り組織の横断の場合、情報開示や提案の実行に対して強制力が必要なため、上位の職権が必要になります。 ですが、上位は現場の改善を作ることはできず、現場は全体の方針が分かりません。そのため、番号の順にタスクを回していきます。 また、システム部等に情報が蓄積されていると思いますが、システム部は現場でもなく分析官ではないため、実際に使える施策を作るための分析を行うことは難しいです。 でーたを分析にふさわしい形で供出することはできますが、分析に即したフォーマットを作ることあ必要なため、専門のエンジニアがいたほうが業務不可の観点から推奨されます。
- #10: アジャイル的に始める場合も、重点組織を決め、そこから始めるという方法を取ります。 スモールスタートとして横断させても、情報種類が多すぎるために改善案を作成することが困難です。 組織を決め、その中で分析ユニットを組織し、改善させ、そのプロセスを横展開させるような形で進めることが望ましいです。
- #11: アジャイル的に始める場合も、重点組織を決め、そこから始めるという方法を取ります。 スモールスタートとして横断させても、情報種類が多すぎるために改善案を作成することが困難です。 組織を決め、その中で分析ユニットを組織し、改善させ、そのプロセスを横展開させるような形で進めることが望ましいです。
- #13: 組織図と同時に、目標を決める必要があります。 パッシブ、セミアクティブ、アクティブと３段階にデータ利用を分けました。これは積み上げ式になりますので、パッシブをやらないでアクティブを導入することはできません。 組織としての目標はどこまでの利用を考慮しているかによって、アサインする分析官レベルも変わってきます。 オーバークオリファイなプロジェクトアサインは費用の無駄になるだけでなく、同時並行して進めることができる機会を損失することになります。 利用のレベルを明確に意識して組織化、特に人員のアサインを行ってください。
- #15: データ分析用のシステムを作るには大まかに４段階必要です。 戦略策定、分析計画、POC、実装 各々が独立したプロジェクトとして機能し、そのプロジェクトの結果をもって新プロジェクトに引き継がれます。 これらのプロジェクトには複数の業務が組み合わさって行われます。この図は、大まかにモデリングしたプロセスと業務キーワードになります
- #16: 先の業務キーワードから、導いたアサイン職種になります。 ９ページの分析種類によって、技術レベル等が異なります。 また、分析する対象の業種、意思決定の目的等に応じてもアサインする技術域やレベルが異なってきます。
- #18: 業務のキーになるデータサイエンティストは３つの技術領域に分かれます。このバランスによってどのような分析に対応できるかが分かれます。
- #19: ビジネス力は主に戦略マーケティング目標や分析計画を立てる時のスキルセットになります。
- #20: データサイエンス力は、個別の分析目標に対して分析案や分析アウトプットを作成するスキルセットになります。
- #21: エンジニアリング力は分析を行うためのデータの収集、データの整理、データフォーマットの整理、等を十全に行うためのスキルセットです。 また、現在保有しているデータを分析に対応させるための形式をそろえる際に重要なスキルセットです。
- #23: １２ページのプロジェクトー業種の関係からスキルセットとしてあらわしたモデルです。 コンサルタント、マーケッターは戦略を策定し、どういうデータからどういう分析の結果が出力されるだろうから、それ応じて、どう改善するかを考えます。
- #24: １２ページのプロジェクトー業種の関係からスキルセットとしてあらわしたモデルです。 データサイエンティスト、AIエンジニアは、コンサルタントやマーケッターが決めた目的に応じて、分析を行います。 また、目的に応じたデータソースの策定や想定分析アウトプットの作成などにもかかわります。
- #25: １２ページのプロジェクトー業種の関係からスキルセットとしてあらわしたモデルです。 インフラエンジニアは取得したデータを受け取り、蓄積しするインフラを整備します。 フロントエンジニアはデータサイエンティストが分析した結果をマーケッターや紺sなる単とが使いやすい形にUIUXを整備します。 データエンジニアはインフラエンジニアが蓄積したデータからを分析エンジンに渡すための返還を行います。