データサイエンスに関する記事とニュース
-
2020/09/14加速するヤマトホールディングスの物流DX、裏を支える5つのデータ戦略
新型コロナウイルスの感染流行に伴う自粛生活でEC需要はこれまで以上に増加した。同時にその裏を支える物流ネットワークの重要性が改めて浮き彫りになった。私たちの新しい日常で、なくてはならない社会インフラを提供する物流各社であるが、業界大手のヤマトホールディングスはデータドリブン経営への転換を含む改革を加速させている。具体的な取組内容について、同社のデータサイエンス組織のリーダーの中林紀彦氏に訊いた。
-
2017/11/24必要なのは「問題解決型教育」、入門から実践までデータサイエンスの学び方
ビッグデータ、データサイエンティストのブームを経て今や空前のAIブーム。しかし根底にあるのは、データアナリティクスであることに変わりはない。各省庁や大企業のデータ分析コンテストの運営や、データアナリティクススキルを持つ人材に活躍の場を提供しているオプトホールディングの齊藤秀氏に、人材育成の課題と取り組みについて話を聞いた。
-
2014/06/18データサイエンスをビジネスに生かす際の盲点とは？ ガートナー リサーチ リサ・カート氏が解説
ガートナー主催のイベント「ビジネス・インテリジェンス＆情報活用サミット2014」（5月22～23日開催）では、予測分析などのアドバンスド・アナリティクスを担当するガートナー リサーチ ディレクターのリサ・カート氏が講演。「データ・サイエンス・チーム編成の要諦」と題して、企業がデータサイエンスに取り組む際のヒントや注意点を解説した。
-
2013/08/08意外と知られていない分析結果の正しい伝え方 - 「可視化」に含まれる二つの意味
前回の記事では、最重要データだけではなく、その構成要素も含め日常的かつ構造的にモニタリングを行うべきことと、仮説検証手法として「カイ二乗検定」をぜひマスターし、ビジネスにおける意思決定の質を向上させていただきたいこと、についてご説明しました。今回は、本連載の最終回として「可視化」と「課題に対する結論と新たな課題の発見」について、ご説明いたします。今までの連載はこちら。
-
2013/07/17意思決定の質を向上させる統計的検定のすすめ 「“カイ”より始めよ」
前回の記事では、分析を開始する前には、仮説をチェックし分析で達成したい目標（ゴール）に関するあいまいさを排除すべきこと、および、データ分析においても「80対20の法則」は有効で、やみくもにデータを集めるのではなく必要不可欠なデータを十分に見極めた上でデータを収集すべきことについて、ご説明しました。今回は、「データの分析」と「統計的な解釈」について、ご説明いたします。今までの連載はこちら。
-
2013/06/18データ分析にも有効な「80対20の法則」
前回は、ビジネスにおける“正しい”分析プロセスとは、事前に準備された計画に沿いつつ、さまざまな状況変化に応じて臨機応変に対応するものであること、そのなかで「ビジネスの世界」と「データの世界」を行き来するものであることをご説明しました。また、プロセスの最初のステップである「課題の設定」では、課題の明確化や仮説の洗い出しが重要であることについて解説しました。今回は、2番目と3番目のステップである、「分析ゴールへの翻訳」と「データの収集」について、ご説明いたします。
-
2013/06/04データサイエンスは、｢ビジネスの世界｣と｢データの世界」を巡る旅
前回は、データサイエンスに関してビジネス部門の方々にとって大切なことは、ソフトウェアや分析手法の詳細を理解することに時間を費やすのではなく、データサイエンスを通して成果を得るのに欠かせない知識やスキルの習得に注力すべきであること、そして、そのための最初のステップが正しい分析プロセスの理解であることをご説明しました。今回からいよいよ、分析プロジェクトにおいてよくある「落とし穴」やその｢回避方法｣をまじえながら、ビジネスにおける正しい分析プロセスについてご説明いたします。
-
2013/05/10データサイエンスのすすめ－ビジネス部門の意思決定に必要なものは「ソフトウェア」や｢分析テクニック｣ではない
ネットや書籍で目にする機会が急激に増加している「データサイエンス」は、これからのあらゆるビジネスパーソンに必要なスキルです。なぜなら、答えが見えない、何が問題なのかさえ分かりにくい現在のビジネス環境では、データサイエンスを使いこなせるかどうかで、圧倒的な差がつき、これまでのビジネスや組織のあり方を変革するほどの影響力を持つからです。本連載では、主にビジネス部門に所属する多忙なミドルの方々に向けて、データサイエンスを効率よく理解し、そこから成果を得るためのポイントをご説明いたします。
