Mais conteúdo relacionado
Semelhante a Jmrx講演資料 (2016 7-6) (20)
Jmrx講演資料 (2016 7-6)
- 1. 2016/7/7
1
『日産で学んだ 組織での実務に必要な
本当のデータ分析/リテラシー』
2016年7月6日
データ&ストーリー LLC代表
多摩大学大学院客員教授
横浜国立大学非常勤講師
柏木吉基
2
プロフィール
日立製作所入社。2003年米国Emory UniversityにてMBAを取得後、日産自動車へ。
海外マーケティング&セールス部門、組織開発部 ビジネス改革マネージャ等を歴任。
Change agentとして、グローバル組織での経営課題の解決、社内変革プロジェクトの
パイロットを数多く務める。2014年独立。「実務データ分析」「課題解決」「ロジカル
シンキング」を軸とした、企業研修講師、コンサルタント、大学教員、著者として活動。
著書
柏木 吉基
かしわぎ よしき
多摩大大学院 ビジネススクール客員教授
横浜国立大学 非常勤講師
データ&ストーリー LLC代表
Copyright reserved @ Yoshiki Kashiwagi 2016
ほか、「日経情報ストラテジー」等数多くの
ビジネス雑誌にも登場
Copyright reserved @ Yoshiki Kashiwagi 2016
本日のアジェンダ
3
1.実務の現場で「データ分析ができていない」その理由
2.一般実務家が「データを仕事に活かす」ために
必要なこととは
3.「データ整理」を卒業し、「データ分析」に
必要な視点
Copyright reserved @ Yoshiki Kashiwagi 2016
4
1.実務の現場で「データ分析ができていない」その理由
Copyright reserved @ Yoshiki Kashiwagi 2016
一般実務の職場(ビジネス部門)での
「データを生かせていない、データ分析ができていない」
という悩みの本質はどこにあるのでしょうか?
5
この課題を考える時に
誰の視点で考えるか
はとても重要です。
Copyright reserved @ Yoshiki Kashiwagi 2016
データの有無・適切なデータ管理
6
課題(目的)とデータ・分析とを
つなげる思考スキル
データ分析・統計手法の知識
大容量データ管理・高度な分析実行の
ためのインフラ設備(システム・アプリ)
セルフサービス分析を行うインセン
ティブ(メリットの認識)
組織内・一般実務で数字やデータを
扱う際の基本リテラシー
- 2. 2016/7/7
2
Copyright reserved @ Yoshiki Kashiwagi 2016
データの有無・適切なデータ管理
7
課題(目的)とデータ・分析とを
つなげる思考スキル
データ分析・統計手法の知識
大容量データ管理・高度な分析実行の
ためのインフラ設備(システム・アプリ)
セルフサービス分析を行うインセン
ティブ(メリットの認識)
組織内・一般実務で数字やデータを
扱う際の基本リテラシー
多くのクライアントが最初に挙げるのが・・・・
Copyright reserved @ Yoshiki Kashiwagi 2016
データの有無・適切なデータ管理
8
課題(目的)とデータ・分析とを
つなげる思考スキル
データ分析・統計手法の知識
大容量データ管理・高度な分析実行の
ためのインフラ設備(システム・アプリ)
セルフサービス分析を行うインセン
ティブ(メリットの認識)
組織内・一般実務で数字やデータを
扱う際の基本リテラシー
実際にボトルネックになっているのは・・・・
Copyright reserved @ Yoshiki Kashiwagi 2016
同じように
・データ分析専門家/コンサルタント/データサイエンティスト
・IT/システム部門
が考える優先度(重要度)にも違う視点が見られることがあります。
9
Copyright reserved @ Yoshiki Kashiwagi 2016
10
2.一般実務家が「データを仕事に活かす」ために
必要なこととは
Copyright reserved @ Yoshiki Kashiwagi 2016
データの有無・
適切なデータ管理
11
課題(目的)とデータ・
分析とをつなげる思考スキル
データ分析・統計手法の知識
大容量データ管理・高度な分析
実行のためのインフラ設備
セルフサービス分析を行うインセンティブ(メリットの認識)
組織内・一般実務で数字や
データを扱う際の基本リテラシー
一般実務家(ビジネス機能部署)に必要な要件の積み上げ
制度・リーダーシップ
データ準備と基本リテラシー
目的・課題解決思考/スキル
データ分析手法インフラ・ツール
Copyright reserved @ Yoshiki Kashiwagi 2016
12
課題(目的)とデータ・分析とを
つなげる思考スキル
考える
- 3. 2016/7/7
3
Copyright reserved @ Yoshiki Kashiwagi 2016
仕事に「データ分析」を活かすために必要な3つの箱
13
(1)
分析前の仮説構築
仮説作り
データ収集分析手法決定
分析実施
目的確認
結果解釈
分析の手順
Copyright reserved @ Yoshiki Kashiwagi 2016
仕事に「データ分析」を活かすために必要な3つの箱
14
(3)
分析結果の解釈と
ストーリー構築
Copyright reserved @ Yoshiki Kashiwagi 2016
15
3.「データ整理」を卒業し、「データ分析」に
必要な視点
Copyright reserved @ Yoshiki Kashiwagi 2016
16
平均をとってみた
時系列で並べた
「データを使おう」とすると、よくあるのは・・・・・
Copyright reserved @ Yoshiki Kashiwagi 2016
1軸⇒2軸の視点へ
(出典:日本アイスクリーム協会https://www.icecream.or.jp/data/type.html)
アイス販売の課題を深掘りしたい。
そのために、何と組み合わせて「ストーリー」(仮説)を考えるか。
17
Copyright reserved @ Yoshiki Kashiwagi 2016
意味のある「組み合わせ」を考える
仮説:「アイスの主要消費層は子供である(=YESであれば、子供を狙った
販促が有効なはず)
主要消費層の代表として“子供”と掛け合わせてみると
18
- 4. 2016/7/7
4
Copyright reserved @ Yoshiki Kashiwagi 2016
仮説:「暑い地域ほどアイスが売れる(=YESであれば、地域を絞った
販促が有効なはず)
“真夏日日数”と掛け合わせてみると
19
意味のある「組み合わせ」を考える
Copyright reserved @ Yoshiki Kashiwagi 2016
仮説:「他の嗜好品との組み合わせで売れる(=YESであれば、組み合わせ
販売が有効なはず)
“炭酸飲料消費量”および“スナック菓子消費量”と掛け合わせてみると
20
意味のある「組み合わせ」を考える
21
意味のある「組み合わせ」を考える
顧客ID 総合満足度 駅からの近さ 料金の安さ 設備の種類の多さ 予約の取れやすさ サービスの質 接客の良さ
0001 10 4 10 2 6 9 9
0002 10 7 10 10 4 4 9
0003 4 2 9 7 4 10 5
0004 4 6 6 5 4 8 1
0005 10 8 6 5 6 2 8
0006 8 3 10 3 6 9 8
0007 9 7 7 4 7 1 6
0008 5 7 8 7 3 10 3
0009 9 5 2 2 6 3 7
0010 1 2 3 4 1 9 4
0011 3 1 1 3 3 1 2
0012 3 4 3 4 1 3 3
0013 5 2 9 5 3 9 4
0014 5 9 4 5 2 9 7
0015 1 3 10 7 1 6 3
0016 4 4 8 2 3 4 2
0017 8 7 1 10 7 2 8
0018 6 8 10 4 3 9 5
0019 3 10 6 6 1 1 2
0020 1 1 3 6 2 5 4
0021 9 6 7 6 7 2 8
0022 5 9 6 10 5 6 6
0023 4 3 5 9 4 1 8
0024 6 4 4 10 1 1 6
0025 8 6 8 7 7 2 8
0026 7 5 1 5 3 3 6
0027 6 8 7 7 3 8 5
0028 9 10 4 7 6 8 9
0029 1 8 6 1 2 2 3
0030 6 2 8 10 3 3 9
平均値 5.7 5.4 6.1 5.8 3.8 5.0 5.6
Copyright reserved @ Yoshiki Kashiwagi 2016
顧客アンケートを深掘りする
22
意味のある「組み合わせ」を考える
Copyright reserved @ Yoshiki Kashiwagi 2016
顧客アンケートを深掘りする
これをどう“深掘り”しますか?
Copyright reserved @ Yoshiki Kashiwagi 2016
ご清聴ありがとうございました。
23
データ&ストーリーHP: http://data-story.net(メルマガもこちらからご登録頂けます)
Email: kashiwagi@data-story.net
TEL: 080-3433-8462
研修・人材育成/講演等のご依頼
データ&ストーリーLLC 代表
多摩大学大学院 ビジネススクール客員教授
横浜国立大学 非常勤講師
慶應義塾大学理工学部卒業後、日立製作所にて海外向けセールスエンジニア。
米国にてMBAを取得後、2004年日産自動車へ。海外マーケティング&セールス部門、
組織開発部ビジネス改革マネージャ等を歴任。2014年10月独立。
グローバル組織の中で、数多くの経営課題の解決、社内変革プロジェクトのパイロットを務める。
豊富な実務経験と実績に基づいた実践的研修・コンサルができる唯一の講師として高い定評がある。
主な著書 『Excelで学ぶ意思決定論』、 『人は勘定より感情で決める』
『明日からつかえるシンプル統計学』
『「それ、根拠あるの?」と言わせない データ・統計分析ができる本』
『それちょっと、数字で説明してくれる?と言われて困らない
できる人のデータ・統計術』
『日産で学んだ 世界で活躍するためのデータ分析の教科書』
ほか、「日経情報ストラテジー」等数多くのビジネス雑誌にも登場
講師プロフィール:柏木 吉基
かしわぎ よしき お問い合わせ
メール:kashiwagi@data-story.net
電話:080-3433-8462
HP:http://data-story.net/
他の研修・セミナーとは圧倒的に違う特徴:
●コンサルや研究者と異なり、「理論や手法だけ」ではなく、「仕事にデータや分析をどう活かすか」
に徹底的にこだわります。
●実務で必要な「データの見方」「仮説の立て方」「ストーリーの作り方」から教えられる唯一の講師
●ワークショップ/演習形式を積極的に取り入れた実践プログラム
●ビジネス書著者でもあり、日産で多くの経営課題解決プロジェクトをリードした柏木吉基が講師
他では決して受けられない、実務家による“仕事で成果を出すための”研修。
カルロス・ゴーンCEO始め、外国人役員に数々の
提案をうなずかせ、成果に導いた秘訣を伝授!
- 5. 2016/7/7
5
「データ(分析)を武器に」仕事の成果を出したい。
そのために本当に必要なのは、分析方法・理論・ツールの習得だけではなく
一つでもこれにあてはまれば……
【若手・中堅クラス】 ・「分析して」と言われても、何から手を付けてよいかわからない
・データ管理はしているが、効果的に情報が取り出せていると思えない
・説得力のある企画や提案が思うようにできていない
【マネージャ・経営者クラス】 ・過去の経験と勘だけで、数字やロジックに基づいた仕事ができていない
・社内のデータが十分に使われておらず、機会損失をしている
・意思決定者として、自ら深く読み解く"データリテラシー"が欲しい
データ(分析)が仕事の成果を上げる武器になります
1. 目の前の課題に対して、データを活かすための考え方がわかるようになります
2. データから示唆(インサイト)を引き出し、業務のパフォーマンスが圧倒的に向上します
3. 説得力・客観性のある業務遂行(課題発見/解決、提案など)ができるようになります
データ分析実務活用力研修
プログラム 概要
A
半
日
入門編
・「データ分析を仕事に活かす」ために必要な考え方や視点の基礎を身に付けます
・データ分析の基礎的な手法と応用方法を学びます
B
1
日
標準編
B-1コース: 分析前の仮説構築にウェイトを置き、データ分析のベースとなる
「データの見方」 「仮説の置き方」 「課題と分析のつなげ方」を深く学びます。
「何となくデータ整理していた」を卒業し、価値ある情報を引き出すデータ分析
ができるようになります。
B-2コース: 1日を通じて一つの実務課題解決に取り組みます。豊富な演習を行い、
個々の分析結果を有機的につなぎ合わせ、ストーリー性のあるメッセージ
(結論)を作り上げます。 データ分析による実践的課題解決プログラムです。
C
マネージャのための
データリテラシー
講座
自ら手を動かしてデータ分析をするのではなく、「分析結果」を提示され、意思決定する
立場にある方向けプログラム。データに騙されない、見落としや勘違い等を避けるための
技術を養います。 データによる意思決定の質を上げる“チェックリスト”が手に入ります。
D カスタマイズ編 クライアントの実課題、実データを題材とする等、ご要望に応じたアレンジを行います
研修プログラムラインナップ(例)データ分析実務活用力研修
“思いつき”ではなく、根拠と客観性で仕事を進めるようになりたい。
そのために本当に必要なのは、理論・の習得だけではなく
問題解決思考力研修
論理思考を養い、実践で結果を出せるようになるためのラインナップ
プログラム 主な内容
仮説立案実践講座 問題解決・データ分析などで成果を出すために必要な「仮説」。
でも多くの人が実践するのに壁を感じています。
視野を広げ、論理性を高めるテクニックと思考法を、“実務で使う”を
ゴールにお伝えします。
ロジカルシンキング (1)説得力があり、理解される結論を組み立てるための論理構築
(2)本質的原因を突き止め、適切な方策を導くための課題解決
(3)チームでの議論をリードし、合意に導くためのチーム合意形成
をテーマに、論理力を組織力に変えるテクニックをお伝えします。
プロジェクト型問題
解決ワークショップ
プログラム
クライアント組織の実課題をテーマに、問題解決・企画/提案を
プロジェクト化し、スキルと結果両方をアウトプットとして目指します
「理解したけど使わない」、「理解したけど自課題を目の前に頭真っ白」状態
をスムーズに突破しましょう。
・研修後受講者の皆様が職場に戻り、自業務・課題に応用する際のアドバイス、サポート、
質問対応などをさせて頂きます。
・学んだスキルを目の前の課題に “自ら試みる”際の壁を取り除き、スムーズな“自走状態”
を実現します。
【2】貴社の実課題・データを用いた実践プロジェクトプログラム
研修後、より具体的な課題解決実績につなげるための
“ ”プログラムのご提案
単独(研修をスキップした)ご依頼もご相談ください
具体的な実務課題をプロジェクト化し、データを武器にした課題解決プロセスを学び、
課題への成果も出すサポートを致します。
ただ「データ分析」を教えるのではありません。実務での課題解決プロセス
全体を目の前の課題で鮮明に体感し、成果を出すサポートを致します。
【1】現場定着サポート
実施例)・小売業の営業成績管理指標(KPI)構築プロジェクト
・地方自治体の地元観光振興プロジェクト
・サービス業の中期戦略立案とアクション策定プロジェクト 等
課題・ゴール設定
・仮説設定
・課題分解
・切り口検討
データ分析 結果解釈
① ② ③ ④
通常のデータ分析研修講師は
③だけを提供します。
本プログラムは、結果につながる
①~④を通してサポート致します。
アクティブ・ラーニング型
PBL(Project-Based Learning)型