ディスラプションへの恐怖。これは、今日のビジネス環境に共通する感覚です。よりアジャイルな企業が、データを活用し、競争上の優位性をもたらしうるpure-play =
完全オンライン型のデジタルビジネスモデルを携えてやってくるのではないかという恐怖です。
ビッグデータは、テクノロジーによって促され、人や文化、プロセスによって最適化されます。ビッグデータや関連するテクノロジーへの投資はこれまでにない水準にあります。しかし、New
Vantage
Partners社の調査によると、データと分析力で競争していると答えた企業は半数以下(48%)でした。データ駆動型の組織を構築している企業はたった31%、そしてデータ・ドリブンな文化を醸成していると答えた企業は28%にとどまっているのです。ビッグデータの可能性を実現するための課題というのは、テクノロジーそのものにあるのではなく、人、文化、プロセスを変革することにあるのです。
バークレー校が開講するデータサイエンスリーダー養成コースは、技術的なバックグラウンドを持たない受講生に、データサイエンスとアナリティクスとは何か、そしてデータを自分で分析するための最も一般的なテクニックの基礎を理解していただくコースです。このプログラムを修了すると、データサイエンスやアナリティクスのチームと"同じ言葉を話せる"ようになり効果的に仕事ができるようになるだけでなく、彼らがあなたと組織全体にビジネスバリューを提供できるように導くことができるようになります。
データサイエンス・リテラシーを身につける準備
コーディング等の前提知識は必須ではありませんが、定量的な概念に慣れておくことは大切です。平均値、標準偏差、グラフ、ヒストグラム、線形関数、対数関数など、基礎的な数学的・統計的概念を復習しておきましょう。データサイエンスのリテラシーを正確に身につけるためには、データと本気で向き合い、付随する数学や統計学にもしっかり取り組む覚悟が必要です。私たちが全面的にサポートいたしますので、頑張っていきましょう。
データ・ドリブンなマインドセットの獲得
データに対して適切な疑問を設定する方法、データをビジネス上の知見に変えるための一般的なテクニックの他に、特定のビジネス上の疑問に答えるためにはどの手法を使うべきなのかについても学びます。
データの解釈方法とその解釈
結果を人に伝える手段データサイエンティストと効果的にコミュニケーションをとるためのツールを習得し、データの効果的な魅せ方を学びます。最も一般的なテクニックの理解を通して、より効果的にデータを解釈することができます。
データ・ドリブンな企業文化の創造
テクノロジーとビジネスプロセスを駆使して、戦略、意思決定、実行にデータを活用していく文化の変容を促します。データサイエンスチームを成功に導くための実行力を学びます。
このプログラムは、スキルアップを目指す中間管理職、組織に影響を与えうる意思決定を行うチーフクラスの方々、急成長分野でのキャリアアップを目指すエグゼクティブレベルの方々におすすめです。
・プロダクトマネージャー、プロジェクトマネージャー、マーケティングマネージャーなど、意思決定プロセスに不可欠な管理職で、自分の仕事に役立つ、より深い実用的な知見を得たい方々
・取締役、CEO、CTO、CIO、副社長、創業者、部長など、データ・ドリブンで体系的な意思決定に携わり、組織内でのデータサイエンスの適用を強化したい方々
・データサイエンスへの導入を検討している方、データ分析の経験を積みたいと考えているエグゼクティブの方々
データの基礎を探る前に、データサイエンスとアナリティクスの背景にある基礎を簡単に紹介します。また、データが情報を示す基本的な方法として、数値データだけでなくカテゴリーデータを紹介します。その後、さらに深く掘り下げて、カテゴリー変数間の関連性や数値変数間の関連性を探ります。基礎的な確率論を学ぶことで、データの生成と解釈の背後にある考え方をよりよく理解することができます。さらに、インタラクティブな計算環境であるJupyter Notebookの使い方のチュートリアルを確認します。Jupyter Notebookでは、コードの実行、リッチテキスト、データのプロットや分析を組み合わせることができます。
単回帰モデルと重回帰モデルを検討するとともに、実践的な回帰モデルについて議論します。
確率とデータについて学びます。その後、データサンプル、サンプリングのばらつきと品質を理解することで、サーベイの科学的背景を探求します。この講では、サンプリング、第1種および第2種の過誤、管理限界の調査を通じて、ビジネス上の意思決定の是非を分析するためにサンプリングを使用する方法を説明します。また、Jupyter Notebookのチュートリアルも行います。
データサイエンスとアナリティクスの最もユビキタスな使い方である、予測とA/Bテストの2つについて学びます。これには、分散分析、時系列回帰、単純および複雑なA/Bテスト手順の設計と実行が含まれます。これらの手順は、実際にシリコンバレーの企業で行われた例を参考に、ビジネス上の意思決定に使用されるのが一般的です。
統計的な検定、比較、信頼区間、誤差のマージンを実施した上で、ビジネス上の意思決定を行うことの重要性について学びます。ここでは、カリフォルニア大学バークレー校の卒業生向けのクレジットカードという仮想的な事例を通して、これらのコンセプトを探っていきます。
より基本的な機械学習の手法と、それがビジネス上の意思決定にどのように適用されるかを学び、機械学習の実践を探ります。
サンプルデータから情報を外挿することで利益を最大化する方法を学びます。また、線形と曲線のパターン、需要、価格設定、弾力性などを探ります。
効果的なデータサイエンスチームを構築することの重要性と、FinTechにおけるデータサイエンスについて探求します。データ駆動型の文化を構築するためのより詳細な面について議論します。