データ主導の組織の作成

序文

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

概要

本書の中で、私は2つの核心的な問いに取り組んでいる：

• データ主導の組織とは何を意味するのか？
• 組織はどのようにしてそこに到達するのか？

多くの組織は、単に多くのレポートを作成したり、多くのダッシュボードを持っているというだけで、データ主導型であると考えている。そのような活動は組織が行うことの一部ではあるが、一般的には後ろ向きなものである。つまり、多くの場合、過去または現在の事実の宣言であり、多くの文脈を持たず、何かが起こった理由や起こらなかった理由についての因果関係の説明もなく、次に何をすべきかという提言もない。要するに、何が起こったかを述べてはいるが、規定的なものではない。そのため、そのような記述には限界がある。

これとは対照的に、より将来を見据えた分析、例えば広告費の最適化、サプライチェーンの補充、顧客離れの最小化などの予測モデルを考えてみよう。このような分析では、「なぜ（why）」の質問、より一般化すれば「Wの質問（w-questions）：誰が、何を、いつ、なぜ、どこで（who, what, when, why, and where）」に答え、推奨や予測を行い、発見をめぐるストーリーを語ることになる。データドリブンな組織では、しばしば重要な原動力となる。 これらの洞察や提言は、もし行動に移されれば、組織に大きな影響を与える可能性がある。

しかし、このような洞察には、適切なデータを収集し、そのデータが信頼に足るものであり、分析が適切であり、洞察が意思決定において考慮され、潜在能力が実現できるように具体的な行動を促すことが必要である。ふぅ！私はこのシーケンス（収集から最終的なインパクトまでの流れ）を、アナリティクス・バリュー・チェーンと呼んでいる。

この連鎖の最後のステップが重要である。アナリティクスの発見が真剣に検討されたり、行動に移されたりすることがなければ、データドリブンとは言えない。 分析結果が読まれず、無視され、データが何を言おうが上司がやりたいようにやるのであれば、それは非効率である。データ・ドリブンであるためには、組織が適切なプロセスと適切な文化を持ち、これらの分析によって重要なビジネス上の意思決定を補強または推進し、その結果ビジネスに直接的な影響を与える必要がある。

そこで鍵となるのが文化である。これは、データの質と共有、アナリストの採用とトレーニング、コミュニケーション、分析組織構造、メトリック設計、A/Bテスト、意思決定プロセスなど、多面的な問題である。本書は、様々な業界からの洞察と実例によって、これらの考え方を解明する。また、様々なデータサイエンスやアナリティクスのリーダーから、何がうまくいき、何がうまくいかなかったかについてのアドバイスや洞察を提供するインタビューでは、経験者の声も取り入れている。読者の皆さんが、よりデータドリブンになるきっかけになれば幸いである。

さらに、本書全体を通して、データエンジニア、アナリスト、アナリストのマネージャーが果たすことのできる役割（）を強調している。データ駆動型の組織とそれに必要な文化は、トップダウンのリーダーシップだけでなく、ボトムアップでも構築可能であり、また構築すべきであると提言する。2014年のチーフ・データ・オフィサー・エグゼクティブ・フォーラムで、Truliaのデータサイエンス責任者であるトッド・ホロウェイ氏（）が述べたように、「最高のアイデアは、データに最も近いところから生まれる」のだ。彼らはデータソースと直接仕事をし、データ品質の問題を認識し、改善し、データを補強する最善の方法を理解することができるだけでなく、"彼らはしばしば良い製品のアイデアを思いつく"。さらに、データリテラシーを高めるために組織の他のメンバーを教育することもできる。その一部は、彼らのスキルセットを開発し、それを使って良い仕事をすることから生まれる。そして、自分の洞察や推奨を意思決定者に「売り込み」、その発見や推奨がビジネスにとってどのような意味があるのか、なぜそれがインパクトを与えるのかを説得力を持って説明するのだ。 ...