データ分析に関する多くの書籍やコースは統計の知識から導入されていますが、ほとんどの人は専門出身ではないので、様々なコンセプトを受け入れると、かえって最初に学ぶべきことに迷うようになります。
実践しながら学ぶのはもっともはやい道だといえるでしょう。途中でデータアナリストとしてのクリアをはじめる、あるいは現在プロジェクトに取り組んでいる場合、この過程に出会う難題を解決する能力はアナリストになるために必要です。
データアナリストとして、10人のうち9人が以下の状況に出会ったことがあるでしょう。
「データがたくさんありますから、分析してみて、結果を出してください。」
ベテランのアナリストは、データ分析の問題を業務上の問題と見なし、どんな角度から、どんな問題を解決できるか、どんなシーンに適用するのか、そしてどんな結果が予測されるのか、これらの問題がしっかりわかっています。したがって、データアナリストにとって、データ分析のアイデアを持ちながら問題を扱うする能力が必要です。
素人として、プロジェクトの経験がないときは、模倣技能を十分に活用し、他人の優れた分析上のアイデアや手法を参照することができます。実際にはほとんどの業務分析課題は昔の経験を参考し、解決されることが多いです。たくさんの分析方法は、すでに成熟しており、たとえば、顧客のプロファイル、マーケティングプロモーション、ウェブサイト運営、クレジットカードの格付け、不正行為などの課題では、豊富な経験が積み重ねされています。
データアナリストになるための第一歩は、他人の分析のアイデアを理解し、自分の知識に転化することです。
ポイント一：業務知識を学ぶ
すべてのデータアナリストは、ビジネス知識が大事だと素人を教えてくれます。みんなが遠回りしてから初めてぶつかったほとんどのの問題は、業務上に欠けている知識が原因だとわかるようになりました。データ分析は、あらゆる業界に適用できる共通の技術だと考えられる一方、業界で成功するためには業界の知識が必要です。
たとえば、企業に対する分析では、Eコマースと生命保険会社は大きく違います。前者は出所、活動、購入率、転倒率を重視するのに反し、後者はチャネル、見積もり、クレームリスク、苦情に重きを置きます。業務知識には、業界に関する共通知識と企業の具体的な状況が含まれます。詳しく了解すれば、回り道を避けることができます。
例えば、社内人員が介した故であるデータの異常を事前に対処しなければならない行為もあれば、地域の特性によりデータを処理する場合もあります。
ポイント二：専門知識を補う
他人の分析アイデアや手法を模倣する時、分析の方向が決定されており、特定の部分は各プロジェクト条件と合わせ洗練する必要があります。簡単なデータ集約だけで問題を解決できる場合は、実際の運用段階に直接進みますが、複雑な分析方法を実行する必要がある場合は、専門知識を補う必要があります。
たとえば、マーケティングを改善するために、ほとんどの分析アイデアで製品関連分析に言及されています。製品関連分析とは何か、どのデータが必要なのか、どのアルゴリズムが使用されているのか、結果がどのように適用されるのか、そして製品関連分析が現在のシーンに合うのか、このよう問題は専門知識を持たないと回答できないでしょう。
ポイント三：データ分析ツールの利用
本当に分析を行うとなると、たくさんのデータ分析ツールがあり、身につけるのはあふれるほど多い、と気づきます。ここに困るする必要はありません。個人の能力に応じ、現在のデータ分析状況と結び付け、適当なツールが選択できます。
データアナリストは、データの処理を行うことに費やす時間が80％以上を占めると言っているので、データ処理能力が欠かせません。簡単なツールはExcel、SQLで、複雑なのはR、Python、Javaで、BIツールはTableau、FineReportなどがあります。
FineReportはコーディング不要で複雑な帳票作成、ダッシュボード設計、クロス分析 などを簡単に実現できるデータ分析ツールです。個人用の場合が無料です。
企業の利用の場合、複数の部門やスタッフによる共同での作業も可能です。ロック機能により編集上の衝突を防ぎます。
要約すると、データアナリストになるために、業務と専門知識を学び、データ分析の考え方を持ちながら実践と運用で分析の能力を養うのはもっとも重要なことです。
（元記事のリンク：http://finereport.hatenablog.com/entry/2018/10/18/104952）