データドリブンの極意―Tableauブートキャンプで学ぶデータを「読む」「語る」力 [単行本]

データドリブンの極意―Tableauブートキャンプで学ぶデータを「読む」「語る」力 の 商品概要

• 要旨（「BOOK」データベースより）

  データウェアハウスとＢＩツール、基幹系システムと情報系システム、分析プラットフォーム、ストーリーテリング、ビジュアル分析…増え続けるデータを正しく理解し、伝え、データ活用を加速する。Ｔａｂｌｅａｕ　ＤＡＴＡ　Ｓａｂｅｒの創始者が語る究極の「データリテラシー」。

• 目次

  ●はじめに
  
  ■■■DAY0　データドリブン文化のはじまり
  ■■0-1　プロローグ
  ■データを扱うのにITの専門家である必要はない
  ■データリテラシーを1か月で学ぶ
  ■■0-2　なぜデータドリブンを目指すのか
  ■データの本質を考える
  ■データを見ることが世界を知ることになる
  ■八百屋さんのデータ活用例
  ■データを使ってマスマーケティングから脱却する
  ■データドリブンと共存する「経験と勘2.0」
  ■データで経験を拡張する
  ■■0-3　すべての人が持つべき「データリテラシー」
  ■リテラシーと文化のつながり
  ■データを「読む」「書く」力が必要になる
  ■データリテラシーの4つの必須要件
  ■データリテラシーを学んで、広げる
  
  ■■■DAY1　データストーリーテリング
  ■■1-1　なぜストーリーが必要なのか
  ■ストーリーで理解を深める
  ■ストーリーの力を体感する
  ■ストーリーを使う2つの意義
  ■思考のフローのきっかけを生み出す
  ■■1-2　インプットとアウトプットの連鎖で思考する
  ■インプットとアウトプットを同時におこなう
  ■アウトプットをかんたんにする
  ■データを扱う道具
  ■良い道具は「身体の一部」となる
  ■■1-3　ストーリーでデータを分析する
  ■デモンストレーションで思考のフローを学ぶ
  ■Eコマースの売上データ分析デモ
  ■必要なこと以外をあえて削ぎ落とす
  ■デモでは操作説明をしない
  ■デモで意識するべき4つのポイント
  ■見る人を飽きさせない3つの工夫
  ■■1-4　ストーリーテリングの枠組みを理解する
  ■構造化データとスプレッドシート
  ■列の値を2つに分類する――メジャーとディメンション
  ■ディメンションの4種の属性
  ■ディメンションの階層を確認する
  ■データ分析の2つの方向性
  ■ディメンションが不十分なデータの問題点
  ■分析するデータの信頼性
  ■存在していないデータに思考をめぐらせる
  ■5W1Hの「4W」でストーリーを紡ぐ
  ■見慣れない専門用語を学ぶ意義
  ■■1-5　他人のアクションを導く強いストーリーを作る
  ■データストーリーテリングのゴール
  ■美しいグラフだけではアクションを呼び起こせない
  ■起承転結でストーリーを強くする
  ■身に着けるということ
  
  ■■■DAY2　ビジュアル分析
  ■■2-1　ビジュアルでデータを理解する
  ■グラフは本当に「あいまい」なデータなのか
  ■視覚を駆使してデータを理解する
  ■「見やすい」の本質を考える
  ■ビジュアルを正しく使う必要性
  ■すべての人が理解できる表現を選ぶ
  ■データをビジュアル化する意義
  ■■2-2　ビジュアル分析のサイクルを理解する
  ■データ分析で何を解決するのか定義する（Task）
  ■Taskに沿ってサイクルをすばやく回す
  ■Taskを解決する行動を常に意識する（Act/Share）
  ■Taskが見当外れだった場合も成果になる
  ■■2-3　思考のフローを生み出す脳のしくみを押さえる
  ■記憶を構成する3つの要素
  ■アウトプットとしてデータをビジュアル化する
  ■感覚記憶の力を最大限に使う
  ■感覚記憶を動かす10種の視覚属性（Preattentive Attribute）
  ■Preattentive Attributeの強さの違い
  ■①色vs形状――見え方の違い
  ■②サイズvs長さ――見え方の違い
  ■③位置vs色――見え方の違い
  ■最適な視覚属性は常に変化する
  ■一般的な知識としてビジュアルを土台にする
  ■■2-4　データに合わせて視覚属性を使いこなす
  ■データには3つのタイプがある
  ■Preattentive Attributeとデータのタイプの相性
  ■コンテキストを利用して視覚属性を重ねる
  ■データ数が多いときはビジュアル選択に気をつける
  ■視覚属性のパターン増加に注意する
  ■コンテキストを持たない記号的な視覚属性に注意する
  ■無意味な色分けに気をつける
  ■色を有効に使う
  ■背景色とビジュアルの相性を考える
  ■ビジュアルの背景色をそろえる
  ■色覚多様性に配慮する
  ■場所は必ずしも地図でなくていい
  ■比較で伝えたいことを強化する
  ■■2-5　ビジュアルの構成をまとめあげる
  ■「探索型」か「説明型」かビジュアルのタイプを見極める
  ■タイトルと色のポイント
  ■相手の「ほしいもの」ではなく「したいこと」をベースにする
  ■ビジュアル化の表現は無限
  
  ■■■DAY3　分析プラットフォーム
  ■■3-1　データを使える環境を共有する
  ■データドリブン文化に必要な3つの要素
  ■分析後のデータ共有の課題
  ■すべてのデータと人を同じ土台に乗せる
  ■データベースと分析プラットフォームは別物
  ■理想的な分析プラットフォーム
  ■データカタログを用意する
  ■分析プラットフォームの上での行動を明確にする
  ■分析プラットフォームに必要な要件を押さえる
  ■分析プラットフォームを活用する
  ■■3-2　データの自由化と保護のバランス
  ■昔と今のプラットフォームの変化
  ■データを保護するだけではかえって危険になる
  ■データを守りながら、データを開放する
  ■分析プラットフォームはウォーターフォールよりアジャイル
  ■文化醸成の最初のステップを進めるパイロット部門を選ぶ
  ■データドリブン文化を全社展開する
  ■文化醸成は終わりのない旅路
  ■■3-3　データを開放して人々を動かす活用例
  ■ゴール達成のためにハンズオンセミナーを改善した例
  ■周囲を説得するデータを分析プラットフォームに乗せる
  ■データは人を動かすことができる
  ■手作業が多いデータは廃れてしまう
  ■データは見られるほど美しくなる
  ■道具と共に進化する分析プラットフォーム
  ■分析プラットフォームが支える3つの役割
  ■■3-4　データを見るだけの人は存在しない
  ■3つの役割すべての人を分析プラットフォームに乗せる
  ■3つの役割が担うビジュアル分析のパート
  ■データ原始時代から脱却し、データ文明時代へ
  
  ■■■DAY4　データとはなにか
  ■■4-1　データの語源と歴史を振り返る
  ■データ（data）の語源から意味を考える
  ■「データ」と「情報」の区別
  ■与えられたものを「記録」したものがデータとなる
  ■人類最古のデータとは
  ■紙媒体によるデータの4つの問題点
  ■コンピューターとデータの進化
  ■データ飽和状態の現代
  ■■4-2　データを管理・活用するシステムのしくみ
  ■入力を正確に早くおこなうために生まれたデータ
  ■正規化で入力するデータ量を極限まで減らす
  ■基幹系システムとデータの活用
  ■データを情報にするための情報系システム
  ■情報系システムがクリアするべきポイント
  ■巨大化するデータを保管するためのデータウェアハウス（DWH）
  ■膨大なデータを集計・視覚化するBIツール
  ■基幹系からデータを変換して取り込むETL
  ■ETL/DWH/BIの各ツールは明確に分けられるものではない
  ■データの入力値を制御する
  ■DWHのパフォーマンスを上げるデータマートとキューブ
  ■データマートとキューブの処理の限界
  ■巨大なデータを直接処理するためのインメモリデータベース
  ■列指向と行指向
  ■カーディナリティ
  ■■4-3　現代の情報系システムの進化
  ■データの保管・変換手法の変化
  ■増え続けるさまざまなデータの種類に対応する
  ■データの利用目的に合わせて保管場所を変える
  ■すべてのデータ処理を同時におこなう試み
  ■データ分析に最適なシステムを選択する
  ■■4-4　目の前のデータの正しい知識を身につける
  ■データの価値を見極める3つの指標
  ■分析しやすいデータの形
  ■あり得る値と欠落した値に想いを馳せる
  ■データの粒度を見極め、詳細レベルを操る
  
  ■■■DAY5　データドリブン文化をさらに広げるために
  ■5-1　データとテクノロジーの進化を学び続ける
  ■5-2　データドリブンの仲間を増やす
  ■必要な知識は組織によって異なる
  ■真の「データドリブン」とは
  ■多くの人に基本知識を伝えて「学ぶきっかけ」にする
  ■最低限のデータリテラシーとはどこまでか
  ■人の心を揺り動かす「強い言葉」から逃げない
  
  ●おわりに
  ●さくいん
  ●著者プロフィール

• 内容紹介

  「もっとデータを活用して業績アップ」
  「データドリブンで事業をもっと大きく」
  
  　このようにデータが重要といわれる現代では、一人一人がデータとの向き合い方を会得し、自分自身の意思と判断力を持つために「データリテラシー」を身に付けることが必要です。
  　データリテラシーとは、データ活用の意味から理解し、人間がデータとどう向き合うのかという視点で、どのような役割を担う人にとっても今必要なデータにまつわる知識です。データベースやSQL、難しいシステム、あるいはデータを可視化するデザインの話だけではありません。
  　本書は、著者が創設した「Tableauブートキャンプ」における師と弟子の対話を元に、8年間かけて会得したノウハウ・考え方をまとめあげた本です。
  
  「データとはなにか」
  「データを使ってどのように改善するのか」
  「データを可視化して人々を動かすにはどうすればよいか」
  
  　これらの観点から、技術的な専門知識だけではない、データ活用の本質を考えます。

• 著者について

  Master KT (マスター ケイティー)
  ■Master KT（田中香織 たなかかおり）
  Snowflakeプロダクトマーケティングマネージャー。三菱グループの大手SIer ITフロンティアでBI、ETL等情報系システムのプロジェクトマネージャーやプロダクトトレーナーなどを歴任。2015年からビジュアル分析ツールTableauでプリセールスコンサルタントとして年間300を超える顧客へ提案支援やデモンストレーションを行った。2020年6月よりスノーフレイクでセールスエンジニアとして活動したのち、2021年4月から現職。Snowflake、Tableau共に公式上級技術者認定資格を保持。

データドリブンの極意―Tableauブートキャンプで学ぶデータを「読む」「語る」力 の商品スペック