データサイエンスブートキャンプ(セミナーメモ1)
UXに携わって感じたのは、ストーリボードやペルソナは想像で書くのではなく、データに基づいて書かないといけないこと。データを軸にするには、集めたデータをどう分析するのか知識を持たないといけない。Udemyに365careersで公開されている内容をまとめたデータサイエンスブートキャンプ講座があったので、受講して見ました。以下は、実務でどう使えるのか意識しながらメモした備忘録となります。
「データ」とは
データには、従来のデータとビックデータと大きく2つある。
従来のデータ・・・Excelみたいに表で表現されているもの。データ量は小さく、数字やテキストで構成される。構造化されているのでわかりやすい。
ビックデータ・・・大量にあり、表にまとめきれない。数字やテキスト以外に画像や音声などデータの種類は多様である。構造化されているのもあれば、されていないものある。
「データ」の区分け
データは作業レベルでも事実データ、前処理後データ、情報データと3つに分けることができる。
事実データ・・・加工されていない、事象そのもののが保管されている。データを集めるときは、まずは事実データをデータコレクションする。
前処理後データ・・・事実データでは、外れ値などあり人間が理解できないことがある。そこで理解しやするために加工したもの。
情報データ・・・前処理後データを分析して、何らかの意味を持たせたもの。何らかの情報がある。
データを定量的に整理すると測定値が取れる。するとそこから何らかの洞察が得られる。その中からビジネスを進めるなかでの進捗や経費となる指標が得られる
「ビジネスケーススタディ」とは
会社が起きた事象を分析し、その結果どうなったのか、実際の知見になる。
そのときに使われる分析として、定性分析やデータサイエンスがある。
定性分析
直感やそれまでの知見をもとにどういう行動をするのか分析するもの
データサイエンス
データだけで分析するもの
「ビジネスインテリジェンス」とは
利用可能な過去データを整理分析し、意思決定の支援をすること。データからアイデアを抽出したり、事業の利益がどのようにあがったか、それによってどうするのかなど事象を報告するときにも使われる。
一口にデータと言っても、どこの範囲を表しているのか、どのカテゴリに属しているのかで、考え方が異なるようです。また、データアーキテクト、データエンジニア、データアドミニストなどデータに関わる職種もいくつもあり、自分がどの役割を求められているのか、どの職種なのか意識しないと採用する側もあまりわかっていないケースもありそうだなと感じます。引き続き、ブートキャンプを進めていきます。
この記事が気に入ったらサポートをしてみませんか?