データ分析～機械学習までの道のり（どこまでやるの！？）
あくまで、中小企業のデータ分析したい場合について：
- 機械学習というキーワードが独り歩きしていますが、実際の仕事でデータを整理しないければならない場合、どういった考え方で進めるか・どこまでやるべきかについて考察しました。
- 結論として、データ分析には、いくつかの段階に渡り、その延長線上に機械学習があります。
- このように整理しておくことで、利用部門から相談を受けたとき、情シス担当者の頭の中では、どの段階までを想定して対応すれば良いか、という話になります。それを探るために利用部門にインタビューすることで、対応の方向性を判断していくことができます。
進め方
簡易データ集計 ~ KPI設定
- データを集める、データ構造を整理する（足りない項目を補う、重複データを削除する）
- Excelでピボットテーブルや基本的な集計を行ってみる。 （python+Pandasで、基礎統計量を取ってもOK。）
- 業務目的に合致するＫＰＩを検討、実際に計算してみる。 （試行錯誤が必要な場合がある。）
- 時系列・セグメント分け等のKPI値の変化を評価してみる。（試行錯誤が必要な場合がある。）
- 評価軸が増えるに従って、生成されるKPIデータ量（パターン）が膨大になる。
- 膨大なパターンの中から、本当に業務上の意味があるパターンを発見するためには、業務内容や現場の事ををより理解していることが好ましい。
データの可視化と共有
- 一回限りのニーズなのか、業務サイクルの中で繰り返し発生するニーズなのか。
- 繰り返し発生する場合、ＢＩツール導入を検討すると良い。
▲ ここまでで目的を達成できるならば、これ以上の機械学習まではいらない。
- 組織内データの場合、そのデータの属性はある程度は予想できることが多い。KPI設定やBIツールでの可視化まで行えれば目標達成となるケースが多いと思われます。
▼ ここから先に、やっと機械学習が登場
