Googleデータアナリティクス２/８データに基づいた意思決定を行うための問いかけ

さわやかで優しい先輩に囲まれて進む学習。

１，内容

２.1    効果的な問いかけとは

課題解決と効果的な問いかけについて学ぶ。

最も重要なのは

オープン（自由に答えることができる）かクローズ（答えが選択できる）でいうと

①オープンquestionにすること。

自分の身の回りの人に日常でデータを使っている人はいるか、その人に問いかけてみることを行う。

また課題は６つに分類され、予測、分類、異常、特定、つながり、パターンに大別される。

②SMARTの法則を使う

• 具体的: その問いかけは、車の特定の特徴に焦点を当てているか？

• 測定可能: その問いかけでは、機能をレーティングできるようになっているか？

• 行動指向:その問いかけは、異なるまたは新しい機能の追加につながるか？

• 関連がある: その問いかけで、車を購入するかしないかを左右する機能を特定できるか？

• 時間的制約がある: その問いかけは、過去 3 年間のうちに人気だった機能のデータを検証しているか？ 

とりわけステークホルダーとの意思疎通が重要な印象を受けた。

２.2    データに基づいた意思決定

データのチカラを理解する。

・定量データ（満足度、星の数など数字で測れるもの）と定性データ（アイスの味はイチゴ、チョコなど）がある。

定量：何を

定性：なぜ　を知ることができる。

ダッシュボード、ビッグデータとスモールデータについて。

２.3    表計算ソフトの基礎知識

スプレッドシートを使う。

数式→加減乗除

関数→SUMなど（キーボードショートカットが、実は関数である( ﾟДﾟ)らしい）

エラーの意味。

作業範囲（sow：Statement of Work）

プロジェクトで実行されると合意したタスクの概要について

２.４　ステークホルダーを常に意識する

ステークホルダーとのコミュニケーションの取り方。

チーム内で対立から協力するための対処法。

チームとステークホルダーのニーズを把握する。

２，感想  

面白かった。例えばスプレッドシートではエラーが出たら諦めていたけども、

解決出来て嬉しかった。あと数式と関数の違い、ショートカットについては多くあり、覚えたいと思った。

　またコミュニケーションの取り方についても意外と詳しく説明があり、わかりやすくて良かった。少し大変かなと思ったのが、ステークホルダーとチームメンバーのニーズを把握してさらに顧客のニーズも考えると・・全方位やんと思った。（あたりまえ笑）思いやりとか距離感とかバランス感覚が必要な印象を受けた。学習中にもあった「コンテキストを理解する」ってチームの成果を上げるのに大事なのではないかと考えた。

　印象に残ったのは「データがストーリーを語る」「変数」という言葉。この辺りは今後に期待しておく。

３，他の講座との違い

・他の学習プログラム（オンライン）との違い

１知人や友人に協力してもらう場面がある。

自分が資格の勉強していることを明かしたり、質問する場面がある。面白い。

２実践が多い

動画の途中でテスト、クイズカード、検索したりと全く学習者を飽きさせない構成。

すごすぎる。Googleすごすぎる。

・前回（基礎１）との違い。

今回のメイン進行は女性だった。かわいい。

大きな差はないが動画、カード、実践等、学習のバリエーションが少し増えていた。

少しづつ専門用語の割合が増えている。

例：ROI（Return On Investment）など

４，自己学習

やはりアナリストとサイエンティストの業務分担が分からないので

図があるやつを探した😂笑

↓英語

↓日本語

↓引用元

The Data Science Hierarchy of Needs

つたない文章ですが、ここまで読んでいただいてありがとうございました。

Googleデータアナリティクス：基礎知識1/８修了まとめ

トニー先輩！ついていきます！

「基礎知識」はほとんどトニー先輩がサポートしてくれる。

全世界のトニー、ありがとう。

１，内容：データはあらゆるところにある（要14時間）易度は１★☆☆☆☆

１．１　データアナリティクスとは（全体像の把握）

基礎的な内容と全体像をさらっと説明。主に動画でデータアナリティクスに関係するメンバーが多く出てきて解説してくれる。

１．２　分析的思考とはなにか（自己分析で実践）

好奇心、コンテキストの理解、技術的思考、データ設計、データ戦略について自分がどの業界に強いかなど分析する。

ex.私は好奇心は医療分野で強いが金融は弱いなど。

１．３　素晴らしいデータの世界（エコシステムについて）

データのライフサイクル（データを入力、処理するまで）とデータ分析のステップの違いを学ぶ。

ex.料理（データ分析）の中の材料（データ）の様なイメージ。

１．４　使うツールの準備（Excel、SQL、グラフ少し触る）

Excelを使ってどういう使い方や名称があるか。SQL（データベースから必要なデータのみを抽出するプログラミング言語）を入力してみる、グラフの作成。

１．５　キャリアにおける無限の可能性（仕事はいくらでもありますよ）

キャリアの探し方や業界などの説明がある。金融、マーケティング、健康など多岐にわたる。

https://www.voced.edu.au/content/ngv%3A76399

要旨：IBM と Business-Higher Education Forum は Burning Glass と提携して、現在の雇用市場の需要の変化を詳細に理解しています。予測では、2020 年までに米国のデータおよび分析人材の求人数は 364,000 件増加して 2,720,000 名になると予想されています。（2017）

２，感想（楽しかった）

楽しかった。特にトニーが新しい仕事について2年間サポートを受けられなかったと聞いて、共感した。専門職における最初の２年て大事だもんね・・。分かる。

あと印象的だったのは「公平性を確保する」というのがあって、例えば男性優位の職場でのデータ分析に男性ばかりのサンプルでは不公平だとか。そういえば医療系の私にはまったくなじみのない単語も出てきた。いまは何とかなりそうな印象。

３，他のコースとの違い（導入期の心理的安全性を確保）

・心理的安全性の確保を重視

・難しそうという抵抗感の軽減

・コミュニティとの交流をかなり初期から行う

・タスク管理の必要性

・ステークホルダーとの関係を重視

・正しい問いとは？が重要。questionではなくask

↓１５秒紹介卒業生

編集後記：正直Googleでも男女差別はあるだろうと思っていたので、少し安心した。

このあたりは誤解がないようにしたいのだけど、多少の差別は仕方ないと思っている。

なぜなら私は「差別は認知バイアス」だと思っているから。

ただ私も、嫌な思いをしていないわけではない。

　アメリカ行きの飛行機で白人の男性キャビンアテンダントが食事を聞いてきて、早口の英語が聞き取れなくて戸惑っていると「なぜそんなことも分からないんだ、ハツ！！」とオーバーリアクションで反応された。フライトの初めの方だったのでその旅が少し不安になってしまった覚えがある。

こういうエピソードがあると私に「白人の男性は差別的傾向がある」というバイアスがかかってしまったことになる。現地につくと理解できた。私は彼らの子供くらいの体格だったから。

様々な背景を考慮してデータ分析にあたりたいと思う。

ここまで読んでいただいてありがとうございました。

データアナリティクスモジュール３－１受講好きなアイス、教えてほしい。

私はサーティワンのナッツ入りのチョコかな。

というのも、ケーススタディでアイス会社のアナリストの面接で

どう答えるかという話が出たから。

もちろん、自分ではなく顧客の(*´ω｀)(笑)

１，内容　　　46分

データライフサイクル　

・計画

・取得

・管理

・分析

・保管

・破棄

※上記は分野によって変わります。

・アイスクリーム屋さんの面接場面を想定。

アナリストとして「顧客が好む好きなフレーバーを把握したい」という要望に対し、

ライフサイクルごとに何を推奨するか聞かれる。

２，感想

断然、楽しくなってきましたね。労務とかより意欲がわいてしまう。(笑)

やはり具体的な方が面白いし理解できる。

この中でいうと個人的には

計画と取得、分析は得意だけど管理と保管あたりが苦手かも。

まあ、次にデータセキュリティを取得するので問題はないだろうが。

ケーススタディで思ったのは

条件によって取得するデータ変わるかもと思った。顧客の年代、地方か都市か、目的など。

実際に働くときには時間も限られているだろうし。そのあたりが腕の見せ所なのかしら。

すごいのはプログラムを進めていくと「好奇心」が刺激されてさらに学びたくなること。

すごい・・ほんとうにすごい。

３，自己学習

・読書

「q思考」

Ｑ思考

Q思考 シンプルな問いで本質をつかむ思考法 [ ウォーレン・バーガー ]

・データを管理する

今までの学習記録を見直してまとめる。

実際表記がバラバラなので統一することにする。

ここまで読んでいただいてありがとうございました。