『結局、仮説で決まる。』が発売です!

遂に明日(10月26日)に新刊『結局、仮説で決まる。』(日本実業出版社)が発売となります。

問題解決やデータ分析における”ゴール定義”や”仮説の立て方”について、実践的なアプローチを具体的に書いています。

https://amzn.asia/d/jfTuXAz

私個人としては、前作から4年ぶりの発刊となります。

内容は、多摩大大学院MBAの授業「クリティカルシンキング」や、企業向け研修プログラムとして提供している「仮説立案実践講座」で扱っている内容に
事例ケースを豊富に追加したものになっております。

これまで積み上げてきた知見とテクニックを余すところなく紹介しておりますので、是非ご覧ください。


ビジネスケースで学ぶ!「分析のゴール設定」から「結論の構築」まで

東洋経済によるオンデマンド講座が2講座期間限定で再公開されております。前回好評であったことから、再公開となりました

データを業務で活用するときの考え方やテクニックを5つのステップに分けて紹介しています。

是非ご受講下さい。

詳細、受講はこちらから ↓

https://str.toyokeizai.net/event/detail/id=14388


情報のサマリー力

 情報(データ)を入手することについては、量・質ともにかつてに比べ簡単にできるようになりました。

ただ、それらの情報やデータを目の前にしたときに、

 

「つまり、そこから言えることは何か?」

 

を考えるときに「気が抜けてしまう」ことが多々あるようです。

具体的には、情報から”推測・解釈できること“を過剰に加えて、事実に基づかない結論を作ってしまいがちです。

例えば、次の情報がデータから読み取れたとします:

 

 (情報A)日本人のランチに費やす時間は短い

 (情報B)日本人の歩くスピードは速い

 

この2つから結論を言え、と言われると「日本人は忙しい」や「日本人はせっかちだ」といった結論が良く出ます。
でも元の情報を見てください。観測された情報の”背景(忙しいからなのかどうか)“や、日本人の”気質(せっかちなのかどうか)“についての情報は全くありません。
全くこれらとは違う背景や気質なのかもしれません。
となると、先ほどの結論はいずれも「データや事実に基づいた客観的なもの」とは言えません。

データが活かされていないのです。

 

私は情報を正しくまとめ上げる力を「情報・データのサマリー力」と呼んでいます。

この意味で、先の解答例はサマリー力があるとは言えません。

当然データを扱う上で極めて重要なスキルだと思いますが、これってデータ分析や統計の本読んでも全く書いていないですよね。

私は自分の研修やセミナーで扱います。

 

先の例では「日本人はより短い時間で日常生活を過ごすことがある」などは、どうでしょう。

皆さんも、もっと良い答えがないか、是非考えてみてください。


【データ分析活用】3日間の大型プログラムが来年度も受講できます

2023年6~7月に3回(3日間)にわたり「データ分析活用」のライブオンラインプログラムを実施致します。

今年度も大好評であったため、来年度の開催が決定しました。

データ分析のやり方だけでなく、その考え方、仮説を立てるポイント等、全体像をまとめて修得されたい方は是非ご参加下さい。

目的思考のデータ活用術【第2期】 (nikkeibp.co.jp)

3日目には、共有の課題ケースについて、受講者の皆様のアウトプットを使いながら議論、解説、フィードバックを通じ実践力も養うことができます。

日程も固定されているため、早めのご検討をよろしくお願い致します。

皆様とスクリーン上でライブにてお会いできることを楽しみにしております。


「データを活かす」ための一番基本的なスキル

 「データを活かそう」と現実の課題やプロジェクトに取り組むと、結論となるメッセージと使われているデータが指し示すことが一致していない問題を度々目にします。
これは特にこれまでデータを十二分に活用してきた経験がない方に共通してみられます。

 
その主な原因は、「XXXを結論として言いたいときに、どんな数字や指標を使って、何と比較すると良いか」という検討が十二分に(特に全く)されていないことです。

 

例えば、自社スマホ製品と競合スマホ製品の特長をデータで比較している人に、「比較した結果から何を言おうとしているの?」と聞くと、「えっ?」という反応が返ってくることが少なくありません。
もしくは、「ガラケーを使っている人をどうスマホに替えてもらうか」という目的が返ってくることがあります。その目的であれば、「スマホユーザーとガラケーユーザーの違い」を様々な観点で比較・評価しなくてはならないのですが、やっていることがそうなっていない、といったケースです。

 

このようなポイントを押さえることなしにはデータサイエンスも統計もほとんど意味を持たないのですが、日本の通常の教育の中でという思考を育成される機会がないことが大きな要因の一つだと考えています。

 

社会人になってからでもスキル育成はできますが、高校生くらいからでも十分できることです。

プログラミングや英語と並んで必須なスキルの一つではないかと思うのです。

PAGE TOP