ビジネス データの分析 (「データ分析」をすぐに開始するための基本的な考え方)

「データ分析」をすぐに始めるための基本的な考え方

編集者注: データ分析は、今日では徐々に人気のある職種になってきています。データアナリストになりたい人は増えていますが、どのように始めればよいか分からない人もいます。この記事では、幅広い視点とインターネットの考え方から、「データ分析」をすぐに始める方法について、いくつかの基本的な考え方を整理します。

データに敏感で、 「データ分析」を通じて業務改善の機会を発見できることは、多くの企業において、製品、人事、運用、管理職などの職種に求められる基本的な要件です。これまでにも「データ分析の一般知識」「データ思考」「データ分析の共通ツール」など、データ分析に関する内容を整理し、データ分析とは何か、考え方などの知識ポイントを学習してきました。

この記事では、幅広い視点とインターネットの考え方から、 「データ分析」をすぐに始める方法についての基本的な考え方を整理します。ただし、エントリーレベルのフルタイムのデータ分析職に限定されるわけではないので、データ分析に向いているかどうか、基礎知識ゼロで始めるのは大変だろう、文系の学生には難しいだろう、などと心配する必要はありません。

しかし、データ分析に携わりたいのであれば、いくつかの質問について考える必要があります。どの「データ分析」の職に就きたいのか？このポジションは有望でしょうか?私の性格はデータ分析に適していますか?それはあなたの将来のキャリア志向に合っていますか?業界に入ってからはどのような知識体系が必要なのでしょうか？等々。

データ分析の仕事を始めた頃は、日々の業務の中でデータの品質やデータ収集といった基本的な問題に圧倒され、コミュニケーションの必要性について業務側と延々と議論していました。当初、主な問題はツールのスキル不足とビジネスに対する理解不足だと思いました。しかし、後になって、あなたが粘り強く続ける根本的な理由は、数字の背後にある論理や異常の原因に対する好奇心、より効率的な分析方法に対する好奇心、業界の新しいものに対する好奇心などであることに徐々に気づくでしょう。こうした好奇心こそが、「データ分析」をうまく行うための原動力なのです。そうしないと、単に分析の結論を出して、急いで分析を終了してしまう可能性が高くなります。ダンボ交流会をしていたとき、私たちはいつも「世界に興味を持つ人になりましょう！」という言葉を繰り返していました。十分な好奇心があれば、退屈な数字に向き合い、物事の背後にある理由を探求する強い動機を常に持つことができます。

そこでまずは、「データ分析」を始めるために必要なことは何なのか、見ていきましょう。

まずは性格や興味、趣味などの面から見てみましょう。ある程度の好奇心と、常に未知のことを探求する性格、データの背後にあるロジックを知ることに興味を持つ必要があります。ニーズの分析、SQL コードの作成、膨大なデータの整理などの退屈でつまらないタスクに直面しても、退屈を克服してこれらのタスクを厳密に完了することができます。同時に、データ分析においては、ビジネス部門や研究開発部門などと頻繁にコミュニケーションを取り、連携しながらニーズを明確にし、実行を推進していく必要があるため、コミュニケーション能力や調整能力も求められます。これらの仕事はあなたが好きで、得意な仕事ですか?

第二に、学習能力と思考力の観点から。データに基づいて推測、分析、解決策を提案するには、想像力を頻繁に使う必要があり、データ分析には継続的な学習が必要です。データ分析の結論は私たちの直感に反することもあるため、思考と学習を通じて知識体系を常に改善していく必要があります。

次に、ツールの使用能力を確認します。データを分析するには、データ ソースが必要であり、その後データを処理する必要があります。つまり、データを照会して処理する能力は、データ分析の基本的なスキルです。データ処理には大小さまざまなツールが関係するため、Excel、SQL、Tableau、Pyhon などのツールの使い方を習得する必要があります。

最後に、自分にはオープンな心、間違いに対する寛容さ、そして忍耐力があるかどうかを考えてみましょう。データ分析サークルは非常にオープンです。データとデータ指標は完璧ではなく、間違いを犯す可能性もあります。そのため、データから答えを探し、探求し続けるには、オープンな心と忍耐力が必要です。

✎ 要約

つまり、いくつかの欠点や欠陥については、データ分析の基本原理、テクニック、ツールを学ぶなどして、欠点ではなくなるように改善することを検討できますが、興味、性格、精神についてはどうでしょうか。あるいは、それがあなたが得意ではない職業を諦める理由になるかもしれません。

「データ分析」を始めるのに何が必要かがわかったので、次は「データ分析」をすぐに始めるための基本的な考え方を整理してみましょう。

データ分析をすぐに始める方法については、データ分析の考え方、ビジネス知識の精通と整理、一般的な能力に重点を置くことが主なアドバイスです。エントリーのアイデアは次のとおりです。

まず、データ分析の思考ですが、思考が上限を決めるので、思考を変え、データ分析の思考を訓練し、培う必要があります。データ分析関連の職種では、「データ分析思考力があること」が採用要件に挙げられることが多いです。職場や面接では、分析的思考、分析的アイデア、分析的手法についてよく耳にするでしょう。

第二に、ビジネス知識に精通し、整理する必要があります。データ分析は特定の業界の問題を解決するために使用されます。ビジネスの観点から始めて、さまざまな指標と各指標の関係を理解し​​、ビジネスと連携してデータを理解することも必要です。したがって、職場でのデータ分析はビジネスから切り離すことはできません。したがって、その業界の用語やビジネス上の問題などを理解するためには、特定の業界に関するビジネス知識が必要です。ツールに関しては、使い始めてから学習して改善することができます。

ビジネス知識には、特定の業界で一般的に使用される指標やビジネス プロセスが含まれます。業種によって指標や業務プロセスが異なることに留意する必要があります。そのため、勉強する際には、対象業界に合わせて10以上の業界の指標や業務プロセスなどを学習し、理解しておく必要があります。

次に、一般能力があります。 PPT制作分析レポートやコミュニケーションスキルを含みます。仕事では、分析結果をデータ分析レポートにまとめ、それを業務部門、上司、顧客などに提示することがよくあります。データ分析レポートを提示するためによく使用されるツールは PPT であるため、PPT を使用してデータ分析レポートを作成でき、優れたライティングおよび要約スキルを持っていることが求められます。

データアナリストには、より高いコミュニケーションスキルが求められます。これは、データ アナリストが実用的な問題を解決し、部門間でビジネスを伝達する必要があるためです。データ分析レポートは、さまざまな部門、リーダー、顧客に提示する必要もあります。優れたコミュニケーションスキルがあればこそ、分析結果をユーザーに認識してもらえます。

✎ 要約

つまり、上記の主要な方向性に加えて、次の小さな点も実行できます。

• 通常、より多くのビジネス データ モデルとデータ分析のケースを参照できます。
• データに関連する公開アカウントに注目してください（私の公開アカウントなど、笑。ただし、公開アカウントの記事のカテゴリはかなり混在している可能性があるため、読んだ後、自分で分類して吸収し、独自のデータシステムを形成することをお勧めします）。
• データ分析の専門コミュニティに参加するのも、始めるのに良い方法です。
• インターネット上にはデータ分析に関する情報が数多く存在し（「みんながプロダクトマネージャー」などの質の高いウェブサイトなど）、最終的には少しずつ自分なりの分析アイデアが形になっていきました。

データ分析を始めるには、まずデータ分析の基本的な数学的概念、基本的なデータ思考、基本的なデータツールのスキルを身に付ける必要があります。そこで、おすすめの入門書は以下のとおりです。

• 基本的な数学概念に関する推奨書籍：「データ分析：詳細かつ簡単な理解」および「統計：詳細かつ簡単な理解」など、基本的な統計知識を理解し、強固な統計の基礎を構築するための書籍。
• データ思考の基礎：「Lean Data Analysis」「データ思考：データ分析からビジネス価値へ」など、分析手法や事例を理解し、データ思考を実践します。
• 基本的なデータツールスキル：「初心者はデータ分析ができないなんて信じられない：入門編」や「初心者はデータ分析ができないなんて信じられない（ツール）」など。基礎を理解し、基本的なツールを習得します。

✎ 要約

つまり、データ分析には次のような多面的な理論的根拠が必要です。

• 基本的なデータ分析知識：統計学、確率論、データマイニングの基礎理論など。
• 基礎的なビジネス知識：マーケティング理論、戦略立案など
• データ処理知識：データベース、データ構造など

しかし、初心者にとっては、これは情報量が多すぎるため、入門段階では、上記の推奨書籍を読めば、基本的に、データ分析で解決できる問題、必要な方法論、習得する必要がある基本的なテクニックや原則などを明確に知ることができます。これで十分です。入門段階の目標は、一般知識を理解し、基本的な仕事を見つけることができるようになることです。

ツールに関しては、エントリーレベルのデータ分析ツールとして Excel + SQL が推奨されます。残りのツールについては、自分の能力に応じて学習することも、独学で学習することもできますが、SQL の基礎を理解すれば、Python などの複雑なツールを学習するのは比較的簡単になります。

Excel: 最も基本的な基礎能力であり、もちろん必須です。 Excel は、関数とピボット テーブルによってほとんどの問題を解決でき、保存、分析、データの視覚化を非常にうまく組み合わせることができるため、実際の業務で非常に頻繁に使用されます。さらに、Excel の熟練度により、データ分析プロセスの効率が大幅に向上し、分析がより強力になります。もう 1 つの非常に重要な理由は、Excel が幅広いユーザーに使用されていることです。特に、分析結果を業務部門に提示したり、業務部門と連携したりできると、多くの時間コストを節約できます。しかし、Excel には機能が多すぎて、データ分析を始めたばかりの人がすべてを習得するのは不可能です。必要な場合にのみ使用できます。一般的な機能と特徴を習得すれば、基本的に次のようなほとんどのアプリケーション シナリオをカバーできます。

• 基本機能: 列の並べ替え、フィルタリング、重複排除、合計、平均化
• 高度な機能: ピボット テーブルの行と列の値の要約、パーセンテージの要約、フィルタリング、並べ替え (主に視覚的なグラフ)
• 数値関数: ABSCEILFLOOR···
• 論理関数: IFIFERROR ···
• 文字関数: LEFTRIGHTCONCATENATEVALUE ···
• 時間関数: YEARMONTHDAYDATE ···
• 高度な関数: VLOOKUP···
• ……。

（Excelについては後ほど詳しく説明するのでここでは省略します）

♦SQL: データクエリ専用に設計されたプログラミング言語であり、すべてのデータアナリストが習得しなければならない基本要件です。 Excel は小規模なデータ処理、分析、プレゼンテーションを処理できますが、大規模なデータ処理には、SQL がデータ取得に不可欠な手段です。 SQL はデータの取得とデータのクリーニングの両方に使用されます。どのデータを処理する必要があるかによって、データがエクスポートされます。

データ分析を学び始めたばかりの方は、いくつかのコアステートメントから SQL を学ぶことから始めることができます。

• データの取得: SELECT FROM
• データのフィルタリング: WHERE / HAVING
• データのグループ化: GROUP BY
• 集計関数: 集計関数
• データの並べ替え: ORDER BY
• データ選択: LIMIT
• ……。

上記のステートメントといくつかの基本的な機能を習得すると、実際のアプリケーションでのクエリのニーズの約 80% を満たすことができます。追加、削除、変更ステートメントに関しては、基本的にアプリケーションでデータベースを変更する権限は公開されないことがわかります。基本的な使い方を理解するには、「SQL Must Know」という本を読むことをお勧めします。就職活動をしているなら、Niuke.com にアクセスして、練習できる実際の質問をいくつか見つけてください。 SQL の学習では、主に質問の練習に重点が置かれます。

（SQLについては後ほど説明するので、ここでは詳しくは説明しません）

✎ 要約

つまり、 「仕事をうまくやり遂げたいなら、まず道具を研がなければなりません。」適切なツールを使用すると、半分の労力で 2 倍の結果を得ることができます。データアナリストにとって、基本的なデータ分析プロセスにおけるデータ取得、データクリーニング、データ可視化分析で最もよく使用される組み合わせは、SQL + Excel + PPT/可視化です（可視化にはエントリーレベルのExcelを使用できます。また、ここでは詳しく説明していないPower BIやTableauなどの可視化ソフトウェアもあります）。

上記は、「データ分析」をすぐに始めるための基本的な考え方です。参考までに！しかし、優秀なデータアナリストは一夜にして育成できるものではありません。データ分析を始めることは比較的難しくなく、始めた後に知識を蓄積していくことが鍵となります。ただし、業界によって検討すべき困難は異なります。上記の前提は、データ分析関連分野の閾値に到達し、例えばオファーをうまく獲得することなどを目標として、いかに早く始めるかについてです。データマイニングのような高度な技術は含まれません。

「データ分析」というのは、多くの経験を必要とする職種であると同時に、社会人であれば誰もが持つべき普遍的なスキル、基礎的な能力でもあると常々感じています。データ分析の役割を実際の業務やプロジェクトで真に果たし、価値を生み出す方法。優れたデータ アナリストの最終的な目標は、問題を積極的に発見し、問題を解決し、問題を要約することです。したがって、方向性が明確である限り、残っているのは、最初の好奇心を維持し、継続的に蓄積し続けることだけです。

穆喜青天@、WeChat公開アカウント：『みんながプロダクトマネージャー』のコラムニスト、穆穆自由。インターネットデータ運用の長年の経験を持つ彼は、幅広い運用経験を持ち、運用とデータ分析の実践的な事例や経験、運用とデータの不思議な謎を探るための方法論の概要に重点を置いています。

この記事はもともと「Everyone is a Product Manager」に掲載されました。無断転載禁止

タイトル画像はCC0ライセンスに基づきPexelsから引用しています