優れたデータ分析プロジェクトを実行するための 5 つのステップ

データ分析の分野では、優れたデータ分析プロジェクトをどのように設計し実行するかが、多くの専門家の関心事となっています。この記事では、5 つの特定のテスト問題を使用して、読者が優れたデータ分析プロジェクトを完了する能力を評価し、重要なアイデアと方法を提供します。

Knowledge Planet では、多くの学生が次のように質問しました。「優れたデータ分析プロジェクトを作成するにはどうすればよいでしょうか。そうしないと、履歴書や年末の要約の書き方がわかりません。」これまで詳細な回答とフォローアップを行ってきましたが、今日は皆さんが言及した共通の問題を要約して共有したいと思います。

データ分析プロジェクトで良い成果を上げたい場合、まず必要なのは正しい概念を確立することです。ここに5つのテスト問題があります。良いプロジェクトを作成できる可能性をテストしてみましょう。質問1（単一選択質問）

データ分析プロジェクトの品質を測定するための指標は次のとおりです。

A. 時間、コスト、品質

B. アルゴリズムの難しさ、統計的知識、数式

このトピックは、データアナリストが現在の会社でうまくやれるかどうかを直接決定する最も重要な概念です。データ分析作業には次のような特殊性があります。

★ 売上とは異なり、会社に直接収益をもたらすものではありません。

★ 運用とは異なり、アクティブリテンションや支払い指標を直接的に増加させることはできません。

★業務に必要なサポートであるトランザクション・Web・ERPシステムの開発とは異なります。

★DBAとは異なります。 DBA がいない企業はありませんが、専任のアナリストがいない企業はたくさんあります。

データ分析業務は、本質的には代替性の高い補助的なポジションです。データ分析の概念が普及する前は、多くの企業がこのポジションにSQLを書けるプログラマーを探していました。それはスコープと銃の関係のようなものです。スコープがなくても銃は撃つことができますが、スコープがあれば銃はより正確に撃つことができます。

したがって、データ分析はアルゴリズム、統計、データによってサポートされていますが、企業はこれらの本の章を気にしておらず、それらがビジネスにどのような役立つのでしょうか。どれくらい便利ですか？企業内の他のプロジェクトと同様に、データ分析プロジェクトにとって最も重要なことは、時間、コスト、品質を調査することです。

これらから切り離されてしまうと、「私が使っている方法はとても複雑だ、私はとても素晴らしい」と空虚に追求するだけになってしまうでしょう。学校に戻って科学的な研究をした方が良いでしょう。科学研究には、高度さと精度の追求が必要です。企業が追求するのは、目標を達成する上で、コストが低ければ低いほど良く、時間が短ければ短いほど良いということです。したがって、この質問の答えは A である必要があります。

卒業したばかり、転職したばかり、または入社したばかりのデータ アナリストの多くは、B を選択することを好みます。B を選択しても将来がないわけではありません。

B を選択する生徒は一生懸命勉強することに多くのエネルギーを費やすからです。一つの会社で出世できなくても、転職時には面接に合格できるので、年に一度転職することで給料を上げることもできます。しかし、会社で成果を上げたいのであれば、Aを選ぶ方が良いでしょう。

この質問は最も重要です。一度理解してしまえば、以下の問題は簡単に解決できます。質問2（分類問題）

データ分析プロジェクトの品質については、次の人々が発言権を持っています。

A. 事業部門のリーダー

B. データ部門リーダー

C. 事業部従業員

D. データ部門スタッフ（私）

問題を完全に理解していれば、この問題はまったく難しくなく、答えは A≥B≥C≥D です。リーダーの意見は従業員の意見よりも重要です。ビジネス部門のリーダーが同意すれば、データ部門のリーダーも直接同意するでしょう。ビジネス部門のリーダーが発言しない場合は、データ部門のリーダーが同意するかどうかにかかっています。自分は素晴らしい仕事をしていると考えるのは無意味です。これを覚えておいてください。

ビジネスリーダーとデータリーダーの姿勢が一致しない場合もあることに注意してください。現時点では、直属の上司の姿勢が優先され、外部部門は後で検討することになります。ほとんどの企業では、あなたの直属の上司があなたの業績評価を決定するので、上司を怒らせてはいけません。質問3（分類問題）

次の 5 つのプロジェクト結果を品質順にランク付けしてください。

A. 視覚化されたデータ製品

B. 通常の月次出力のデータモデル

C. 部門レベル以上の会議のレポートppt

D. グループプレゼンテーションなしのPPT

E. Excel データ テーブル

F. 固定フォーマットのない数字

G. SQLを書いて実行回数をビジネスに伝える

この質問を完全に説明するには記事全体が必要になりますが、生徒は言葉の文字通りの意味を使って直接答えることができます。答えは、A=B≥C≥D=E≥F≥Gです。

データ分析の結果は、便器として簡単に使用できます。使用時は気持ちが良いですが、終わったら忘れてしまいます。普段はあなたが汚いと思っています。「ほら、私はただ番号が欲しいだけよ！」まだ長く走らなければなりません！

したがって、データ分析プロジェクトを行う際には、定期的に使用でき、製品化され、誰もが見ることができる結果を出力するように努めるべきです。最善の方法は、BI システムを使用するか、モデルを使用してビジネス ユーザーのフォローアップ リストを最適化および並べ替え、全員が使用できるようにすることです。

それがうまくいかない場合は、PPT を作成し、会議で公に話すようにしてください。最悪のシナリオは、アドホックな需要シートを大量に実行し、2,000 行の SQL を記述したが、正式な出力すらなく、年末のパフォーマンス レポートに何を記述すればよいのかさえわからなかったことです。質問4（単一選択質問）

今日は11月11日の正午です。あなたのリーダーは、仕事が終わる前に、ダブルイレブンでのパフォーマンスがどの程度になるかを予測するために見積もりを出すようにあなたに依頼しました。あなたならどうしますか？

A. 戻ってモデリング、時系列、XGboostを開始します

B. 運営費と販売促進費がどのように使われているかを確認し、投入産出比率を計算します。

C. 戻って朝のデータを見てみましょう。昨年の同時期を基準に写真を撮ります。

この質問は非常に混乱を招きます。特に前の問題を読んだ後では、多くの学生が習慣的にAを選択するでしょう。この問題の鍵は「予測」ではなく「正午から仕事が終わるまで」です。

データ分析はモデリング、BI、視覚化に使用できますが、これらすべてに時間がかかります。多くの場合、ビジネスは誰も待ってくれず、すぐに結果を出す必要があります。このとき、単純かつ直接的な方法を優先し、リスクを示すデータと組み合わせる必要があります。

したがって、モデリング、統計、そして自分の考えに基づいて迅速かつ合理的な意思決定を行う方法を学ぶ必要があります。多くの新人が一生懸命モデルをたくさん作ろうと努力するにもかかわらず、リーダーの一言で計画が覆され、「何をそんなに遅いんだ」と批判されるのはそのためです。この質問の答えは C です。10 分以内に答えるのが最適です。リーダーは次のように指示します。「この問題は非常に重要であり、より複雑で科学的なアプローチが必要です。」次にABについて考えてみましょう。質問5（複数選択）

データ分析作業のコストはいくらですか?

A. データベースコスト

B. コンピュータのコスト

C. ソフトウェア開発コスト

D. BI製品のコスト

E. データ収集の品質

F. データクリーニング品質

G. プログラマーの労働時間

この質問も非常に混乱を招きます。陳先生がこの質問をするまで、多くの人は「データ分析にはコストがかかるのか?」と考えたことがありませんでした。 「これは『機械学習』『統計学』『21日間でPythonをマスター』を読んだ人がキーボードで入力するだけでできることではないですか？」

回答: データ分析には確かにコストがかかり、最大のコストはデータの品質です。良いデータは良い分析につながり、悪いデータは悪い分析につながります。特にデータ収集においては、業務プロセスに抜け穴が満ち、業務管理が標準化されておらず、データが適切に埋め込まれないままオンライン化され、基礎データが汚く乱雑で、分析が役に立たない状況になっています。

ソフトウェアコストやコンピュータコストに関しては、ほんのわずかな額にすぎません。データ品質は企業にとって根本的な問題です。したがって、この質問の答えは ABCDEFG です。並べてみると、E≥≥F≥G≥A≥D≥B≥Cとなります。

等！多くの学生はこう尋ねるでしょう。「なぜ G があるのか​​、そしてなぜそれが高い順位にランクされているのか?」 ！データアナリストの作業時間は非常に貴重だからです。

学校、論文、特許などで使われる巨大で複雑なモデルは、すべて数え切れないほどの時間を費やして作成されます。一般企業のデータアナリストは、日々さまざまなデータ収集、レポート作成、Excel タスクを処理することですでに疲弊しています。高度なモデルを開発するどころか、パートナーを見つける時間さえないかもしれません。

したがって、勤務時間を考慮し、日々のニーズに優先順位を付け、生産的なことに集中し、「番号が欲しい」という面倒なリクエストはキューに残しておく必要があります。

上記の 5 つの質問を完了し、質問の考え方を理解すると、優れたデータ分析プロジェクトを実行する方法がすぐにわかります。

優れたデータ分析プロジェクトを実行する方法:

1. ビジネスの問題点をプロジェクトの目標として捉え、正式なプロジェクトを立ち上げる

2. 時間の緊急性とデータの品質を考慮し、適切な方法を設計する

3. 定期的に使用され、製品化され、誰もが見なければならない出力結果

4. 自分のニーズを優先し、質の高い仕事をする時間を確保する

5. 簡単なニーズには迅速な分析方法を使用し、複雑なニーズにはエネルギーを節約する

優れた教育成果を達成するために、最もよくある 5 つの間違いを以下に示します。目的は、優れたデータ分析プロジェクトを作成するための 5 つの重要なポイントを全員に覚えてもらうことです。