【BCG流】データ分析を「やって終わり」にしない技術

47%のプロジェクトがPoC＝実証実験に至らない、つまりAI活用の課題は「課題がわからない」こと、というような調査もあります。データ分析を何のために使うのか、というback to basicは技術的な進化があったとしても最重要です。

データ取得→データ蓄積（cf. DigdagなどETL）→データ加工（cf. Big QueryなどDWH）→データ可視化（cf. RedashなどBIツール）→データ分析/現状把握→課題/仮説発見→施策実行→データ取得、という流れの中で、技術的な部分としてのデータマネジメントやデータサイエンスは大事ですが、それをどういかすか。

先に問題やそれに対しての仮説があったうえで、それを検証・分析するためにどのようなデータを取得するか、もっというとそれをその後の分析に活かせるような粒度で設計しておけるか、そしてそれをステークホルダーを巻き込んで実装できるか、そのあたりがとても重要ですね。