翔泳社主催『「データ分析」×「ロジカルシンキング」基礎演習・講座』
定番の人気講座です。データ分析の考え方から、実際の分析作業まで、一連のプロセスを1日を通して体感されたい方向けの標準プログラムをオンラインでご提供させて頂きます。
受講者間のミニワークショップも取り入れ、オリジナルの1日プログラムに近づけました。
ブレない分析の標準形を学びたいと思われている方は是非どうぞ。
定番の人気講座です。データ分析の考え方から、実際の分析作業まで、一連のプロセスを1日を通して体感されたい方向けの標準プログラムをオンラインでご提供させて頂きます。
受講者間のミニワークショップも取り入れ、オリジナルの1日プログラムに近づけました。
ブレない分析の標準形を学びたいと思われている方は是非どうぞ。
開始から7年目を迎える、日経BP主催の定番セミナーのお知らせです。
個々の分析手法ではなく、一つのゴール(課題)に対して、どのように複数の分析を組み合わせて筋道を作るのか。
いわゆるストーリー(筋道)を立てながら、本質的、論理的な解決策に、データに基づいてたどり着くための着想法、分析テクニックなどをお伝え致します。
リモート環境でもパフォーマンスを発揮しなくてはならない状況はしばらく続きそうです。であれば、リモート(オンライン)の環境でも、個人やチームで成果を上げられるスキルを学ぶことは価値が高いのではないでしょうか。
企業研修としても引き合いの多い、実践的な内容で、私の他のプログラムと比べて演習をふんだんに取り入れています。
皆様の受講をお待ちしております。
https://www.nikkeibp.co.jp/seminar/atcl/nxt/nc210421/
コロナ禍において、オンラインでのコミュニケーションが一程度定着して参りました。
2020年は2月以降、以下ほぼ全ての研修やワークショップをオンライン版に切り替え、その成果も十分出ることが確認できました。
・仮説立案実践
・データ分析活用(標準編、実践編)
・データ活用実践ワークショップ
2021年の現時点でも、まだこの状況は当面続くものと思われます。
オンラインならではの良い面、効果的な面は確実にあり、この機を活かしてスキル向上に向かう人や組織は少なくありません。
早めにご相談頂ければ、その分日程の調整もより柔軟に対応させて頂くことが可能です。
期待されるレベルや内容、ゴールに合ったものをどのように提供できるか、各クライアント様事にカスタマイズさせて頂いておりますので、お気軽にご相談下さい。
皆様、本年もどうぞよろしくお願い致します。
最近セミナーなどでこういう例を出すことがあります。
「残業が多い」という問題をデータで解決してください。
もちろん、仮想的に考えてもらうのですが、多くの人がまず例えば「曜日別に残業時間を調べる」と言います。
そして、もし”水曜日に残業が多い“ことが分かったとすると、「水曜日を定時退社日にしよう」という方策案を出します。
これは”データを有効に活用した方策“でしょうか?
データで曜日別や部署別に分解し、より具体的な問題の特定をすることはOKです。ただ、でもこれはあくまで現状把握を細かくしたに過ぎず、この次の方策に飛んでしまうと本当にこの方策は根本的な解決をするのか、は怪しくなります。
水曜日の残業が多いのは、仕事の効率または量の問題なのか、更にはその背景や要因を見つけなくてはなりません。
例えば、効率の背景にはスキルややる気の要因、量には不適切な業務分担、突発業務の多寡などがあるかもしれません。
そのためには、各要素を指標化する必要もあります。
いずれにせよ、対策はこれらの要因に対して有効なものを置かないと全く解決しないでしょう。少なくとも「水曜日を定時退社日に」ではどれも解決しそうにありませんね。
これは、データ分析そのものの手法とは別な話(スキル)です。しかし、このプロセスや解決方法を知らずにデータ活用は遠い話なのです。これは民間でも行政でも同じ課題を感じます。
あなたの組織では、データ活用が「現状把握」にとどまっていませんか?その次はいきなり方策に飛んでいませんか?
私のプログラム全ての根底に流れているコンセプトです。
リモートワーク時代になろうか否かに関わらず、人が働いて価値を生み出す部分と、機械でより速く正確にできる部分との違いに着目する必要があります。
例えば、ある大量のデータから一定のパターンを読み出す(いわゆるデータサイエンスによるビッグデータの解析)作業は、どちらに属するでしょうか。
生身の人間が一生懸命頑張ったところで、機械に太刀打ちできないことは明白でしょう。
では一体、どこで人は勝負するのか。。。。 それを示した図がこちらです:
素晴らし機械も、その目的やインプット情報は人間が与える必要があります。そのインプットの質によって、出てくるアウトプットの質も決まります。
実務経験、ビジネス経験のない学生がいきなりデータサイエンスを学んで「プログラミングができます」と言ってもなかなか一般の事業会社では採用されない、活かされないのもここにポイントがあります。
まずはここ(インプットの段階)で、大きな価値を発揮することができます。
また、機械が出すものは「計算結果」でしかありません。そして、最初に規定した目的は計算結果を知ることではないはずです。
つまり、「計算結果」を解釈して、「結論」や「ストーリー」に置き換える作業が最後のアウトプット作業として存在します。
これをしっかり行うためのスキルも重要ですが、多くの場合あまり着目されていません。
私のプログラムでは、この概念を重要視しています。そして、実際の研修の中では、ここでいう「インプット」と「アウトプット」のスキルを中心にお伝えしています。実際には「スループット」(分析のやり方や手法)などを通じて、その実践力を身に付ける構成になっています。