連載・コラム ヤマハ発動機流データ分析の民主化

データサイエンティストと一緒に仕事ができる人を育てる──データ分析活動のCheckとActionとは

第4回

 独自に企画した内製のオンライン研修によってデータ分析の民主化を大きく前進させている、ヤマハ発動機の取り組みを紹介する連載。前回は、データ分析活動のPDCAの中でPlanにあたる講義内容を紹介しました。今回はCheck、Action、そして連載の総括として「実施してよかったこと」へと話は進みます。

[公開日]

[著] 大西 圭一

[タグ] データ・アナリティクス 企業戦略 DX

  • このエントリーをはてなブックマークに追加

Checkフェーズの課題は「リテラシーのばらつき」

 最初にこれまでのおさらいを少ししましょう。本研修ではデータ分析活動のPlan、Check、Actionに特に重点を置きました。その理由は本研修の目的がデータ分析官の育成ではなく、「データ分析官と一緒に仕事ができる人」を育てることにあり、そういった方々(本稿ではビジネスパーソンと呼びます)にとって重要なのは、PDCAサイクルの全てではなく、PCAの3つだと考えたからです。全5週にわたる研修プログラムのうち、第2週はPlanにあたる「データ分析プロジェクトの企画の仕方」をテーマとしました。それが前回紹介した内容です。

 ではまず第3週のCheckフェーズから。講義内容を紹介する前に、その内容を決めるにあたっての私たちの試行錯誤の過程を公開したいと思います。

データ分析プロジェクトのPDCA(検証)画像クリックで拡大

 このCheckのフェーズは、後々成果という果実を確実に手にするために手を抜くことができない重要な段階です。しかし残念ながら、分析結果を正しく検証する、読解する、そして関係者が共通認識を持って理解する、といったCheckを必ずちゃんとできるとは限りません。原因は「リテラシーのばらつき」です。

 データ分析はデータサイエンティスト(分析の得意な人)が行い、その結果を利用するのは「データ分析にそこまで明るくはないが、現場で日々意思決定をしている事業責任を負っている人」というケースはよくあるのではないかと思います。この場合、統計に関する基礎知識や、機械学習といった手法についてのリテラシーの差が大きいケースが多いと推察できます。

 また、言わずもがな、現場の仕事の仕方や専門知識についてのリテラシーの差も大きい状態です。この状況下においては往々にして、データサイエンティストが「このレベルであれば分かってくれるはず」という期待値を持って分析結果を説明し、逆に現場側は「我々でも分かるように説明してくれるはず」という期待値を持ってしまうことがあります。そこで意思疎通がうまくいかないと、出てきた分析結果について深い議論をする前に会話が止まってしまったり、関係性構築がうまくいかなくなって進むものも進まなくなったりする、という事態に最悪の場合はなってしまいます。どうしたらこのような不幸な事態を避けられるのでしょうか。

バックナンバー