データサイエンティストに必要なビジネススキル／データサイエンス入門

mikiyanoda

専門職

プロセスが良く理解できました。

shin_yako

販売・サービス・事務

参考になりました。仕事での活用を考えます

grateful

専門職

ビジネス上でのデータサイエンティストの位置付けてを学びました。

masato_86

専門職

業務で活用するにはプロジェクトを任された場合に活用できると思います。

e_co

販売・サービス・事務

データ分析に関わる業務を担当していますが、データサイエンティストの領域までしっかり学びたいと思いました。

michiyomichiyo

その他

アジャイル開発を求められることが多そうだが、目標にブレが生じるやすいことはたしかにありそうだ

tsukamotoya

営業

とても重要なことを学べたと思います。請負契約と準委託契約のそれぞれの相違点であったりとか、ウォーターフォール・モデルは、ソフトウェア工学における古典的な開発モデルであり、開発活動を線形の連続的なフェーズに分割し、各フェーズが前のフェーズの成果物に依存し、タスクの専門化に対応していることであるとか。
ソフトウェア工学におけるアジャイルソフトウェア開発は、人間・迅速さ・顧客・適応性に価値を置くソフトウェア開発であるとか。業務に活かしていきたいです。

hi-std

IT・WEB・エンジニア

データサイエンティストの役割がビジネス全体を見なければならず、多岐にわたっている事を知る事が出来た。

pinguino

販売・サービス・事務

データサイエンティストの業務内容がよく理解できた。

makidayo

IT・WEB・エンジニア

実際に仕事をするときにどういう流れでなにが必要か、今までの学習がどう必要なになってくるのかのイメージが具体的になったので良かった。

nomu_ra

IT・WEB・エンジニア

仮説検証・分析する上での分解手法を学んだ
(例えば費用であれば、費用を構成しているのは輸送費・不良在庫などがあるが、どれが費用に悪影響を与えているのかをまんべんなく(MECE)見る必要がある)

cs1960

販売・サービス・事務

大変、勉強になりました。

inyourmind

建設・土木　関連職

アジャイルやウォーターフォールなどのメリット・デメリットというのは実際に体験しないと結局はわからない。

shouko__

経理・財務

データサイエンティストの業務範囲を知ることが出来ました。

atsushi_komaki

金融・不動産　関連職

思っている課題を検証していく過程で、別の課題があることも判明し、それを解決に向けて対応をすることで本来の目的である事業利益の向上を図れることが分かった。

s-ma

経営・経営企画

ビジネススキルの重要性を理解した

test_test___

メーカー技術・研究・開発

データサイエンティストはデータ分析を行うだけではなく、経営の改善提案など多岐にわたるスキルが求められることがわかった。

jmweston180

営業

デジタルサイエンティスト検定のうちビジネスの領域の序盤を知ることが出来た

akirakanno

営業

データ分析の重要性について大変参考になりました。

lavener

専門職

データ分析をするにあたり、局所的な分析でなく企業にとっての業務ポジション、財務上の影響等を鑑み有効な分析方法について、検討すべき

uragami_kenji

IT・WEB・エンジニア

データ分析だけではなく、対象業務に関する深いビジネススキルが必要なことを実感できた

t03290512

営業

日常業務に取り組活動

temp954

販売・サービス・事務

データサイエンティストの役割や業務分担といった一通りが効率よくわかりやすくまとめられていて良く理解できました。
関係法規なども紹介されていてどういう縛りの中で業務が進むのかも知れて有意義な学習カテゴリーでした。

akiraooe

専門職

データサイエンティストに必要なビジネススキルを総合的に理解することが出来た。自身のプロジェクトを進める際に説明頂いた内容を基に進め、ビジネスに貢献したい。

tnema

IT・WEB・エンジニア

非常に興味深い内容でした。この講座は何回も見直します。

tadashiokamoto

専門職

活用できるよう努めます

tempchan

経理・財務

データサイエンティストの業務が、データ分析にとどまらず、利益に貢献することが必要ということが理解できました。
そのために、分析スキルだけでなく、課題を含む包括的な状況を俯瞰できるスキルも必要ということがわかりました。

hirano_rikiya

専門職

基本的なビジネススキルについて学習できた。

aquico52

IT・WEB・エンジニア

各段階でデータサイエンティストがかかやる事を理解した。

asakusajun

営業

現役時代には無かった新しい研修を楽しみながら学習させていただいています。

yoshikkk

営業

全体を俯瞰して、目の前の事象に捉われず進める必要性を感じた

makotokoma

販売・サービス・事務

ありがとうございました。

anna0106

IT・WEB・エンジニア

ウォーターフォール型開発はアジャイルと比較して悪く言われがちだか、メリットがあることがわかった。

myu-tan

コンサルタント

データサイエンティストになることが夢なので、必要なビジネススキルは大変参考になった。
事例のURLがコピペできないのが残念。

warashina12345

その他

データ分析の重要性について大変参考になりました。

mori_1991

メーカー技術・研究・開発

必要なスキルは、ビジネス力、データサイエンス力、データエンジニアリング力。分析エンジニアリングはデータを活用して事業の利益に貢献することが目標になる。プロジェクトの大まかな流れは、課題定義と仮説立案、河相検証、検証結果の評価とその報告になる。請負契約と準委託契約がある。

xiu14

その他

データは分析するだけは意味がなく、それを目標の達成に活かし、
利益につなげていく考え方について学習することができた。

mutame

その他

ビジネスコンサルタントの仕事に近いと思った。

hrkudo

IT・WEB・エンジニア

データサイエンティストに必要なビジネススキルについて理解した。

kyo1227

営業

データサイエンスを進める上で必要な基礎知識を学ぶことができました。
今後もいろいろ学び、データサイエンスの活用できるようにしてきたいと思います。

takumi_1453

経営・経営企画

システム開発を前提として始まるデータ分析プロジェクト自体は、ウォーターフォールとアジャイル、スクラムのいずれが適しているのかが気になりました。

kou_tan

営業

データ分析の基本を学ぶことが出来た。

temp_at

IT・WEB・エンジニア

プロジェクトの進め方も、ラーニングパスのもう少し前の方で聞いておきたかった内容だった。

csl_kojima

IT・WEB・エンジニア

理解が深まりました。

ysen

IT・WEB・エンジニア

データサイエンティストはデータ分析だけでなく、「経営に貢献すること」というのが印象的で仮説検証から検証結果の報告までのフローを理解することができた。データ分析手法を学ぶだけではなく、必要なビジネススキルも習得していきたい。

takamasa59

金融・不動産　関連職

データ分析の基本を学ぶことが出来た。

iso_ken

専門職

データサイエンティストはデータを分析するだけではないというところは、しっかり認識しなければならない。そのためにもビジネス分析のツールなどについてもあわせて理解する必要がある

user-name01

販売・サービス・事務

必要なスキルの概要がわかった。また、委託する場合の内部型と外部型の利点・不利点を学んだ。

7031

経営・経営企画

興味深く理解しました！

mog303

営業

データ分析から何をどのように導くのか、を理解した。

stani

専門職

参考にさせていただきます。

k-akira

営業

契約の種類や開発の方式の概要が理解ができた。データ分析ＰＪのフローはもう少し理解が必要

70sp1208

その他

データサイエンティストに必要なビジネススキルを学習したが、今まで理解していない部分があった。ＫＰＩの算出にあたり、仮設を立てずに漠然としていたところがあった。そのため、目標達成のための手段に主眼を置いてしまい、目標が達成できないで終わってしまった事例がある。また、基礎的な部分で請負契約と準委任契約の違いも理解していなかった。今回学習したことを今後の業務に生かしていきたい。

buffaloeswr44

金融・不動産　関連職

コンパクトにデータサイエンティストの役割を纏めた内容になっていて理解しやすかった。具体的実例による講座を通じてさらなる知識習得をしたい。

naoki_sasano

メーカー技術・研究・開発

データサイエンティストの仕事の内容、流れの概要について理解することができた。機械学習の具体的スキルをつけたいが、GLOBISでは実践講座があるのでしょうか？

vz3000

IT・WEB・エンジニア

データサイエンティストの役割が単にデータ分析だけでなく、仮説検証から検証結果の報告までの一連の流れを担うことが理解できた。

watanabe-tat

専門職

課題把握、仮説設定、仮説検証、考察、次なる施策を進める。開発はノウハウを蓄積する意味で、ウォーターフォール型ですすめ、運用後はアジャイル、スクラム開発で、修正と新規開発を進める。

k_yuna

販売・サービス・事務

大変勉強になりました。

hsooheos

人事・労務・法務

データの収集はやみくもにするだけではなく、仮説を持って進めることが大切だと感じた。
また、開発手法や契約種類はビジネスの現場で取り組む前に最低限必要な基礎知識だと感じた。

hararin-kobo

金融・不動産　関連職

必要なビジネススキルが、理解できました。

t_htn

経営・経営企画

データ分析を行い考察するだけでなく、
経営貢献に繋がることがデータの裏にあることを意識してデータ分析すること心がける

yoshinore0402

IT・WEB・エンジニア

データサイエンティスト検定を取得するため、
学習してみました。
今回の学習では網羅的ではなく一部分のみになっているため他の動画も視聴し網羅的に知識習得をしていきたいと考えています。

kazumi_100pot

金融・不動産　関連職

基本的な知識を復習することができました。特にKPIを含んだデータ分析手法の活用を日頃の業務運営に役立てていきたいと思います。

aka2-416

その他

ビジネスアーキテクチャーを勉強中なのでとても参考になりました。更に勉強を継続して理解を深めていきたいです。

issei-kurosawa

経営・経営企画

問題について定量的かつ問題提起から解決策の立案まで提示されており、報告書の作成に役立った。

nobuyuki_46

営業

。データ分析だけではなく、いかに事業の利益創出に貢献できる提案ができるか、データサイエンティストの役割について理解できました。

miura_ka

販売・サービス・事務

俯瞰した視点で見る事が重要と感じた

suzuqp

IT・WEB・エンジニア

ビジネスコンサルタントの仕事に近しいという印象を持った。

samsamissamu

金融・不動産　関連職

データサイエンティストには、データ分析能力だけでなく、ビジネス全体を俯瞰して、全体最適となる行動を促し、導いていく事も求められると言う事が理解できた。

h-um

営業

データサイエンティストに必要な知識の体系を理解することができたので、自身の目標設定とスケジュール設定ができそう。

madogiwazoku

その他

素人には難しすぎました。頭が痛いです。鼻血もでそうです。

vegitaberu

人事・労務・法務

データ分析に目が行きがちですが、データサイエンティストとしてすべきこと、成否を分けるポイントが、むしろそれ以外のところにあることが理解できました。その点を忘れないようにしたいと思います。

asuzuki500017

経営・経営企画

ﾃﾞｰﾀｻｲｴﾝﾃｲｽﾄを育成する事で、従来カンコツで判断された事象や、経験則から進める事で、結果として失敗してしまった事だ、データベースにより統計的な分析をし、有意差検定等により、より正しい判断に繋がる事を目的としています。データを見える化する事により、偏りを無くし、改善ｽﾋﾟｰﾄﾞに繋げる事を意識し、データベース化する事を目的にしない様心掛けしています。

shirojpn

メーカー技術・研究・開発

データサイエンティストに求めらるビジネススキルについて、概要を理解する事が出来た。
仮想の開発事例で説明をしてくれたため、理解しやすかった。
実際に、この業務を行う場合は、いろんなビジネススキルが必要になってくる事も理解出来た。

hr-sakai

その他

プロジェクトの流れがはっきりわかりました。請負契約の流れ今後のプロジェクト推進に役立たせていけます。

take515

メーカー技術・研究・開発

ビジネス面でのデータサイエンティストの役割について概要を知ることができた。

saihiroh

金融・不動産　関連職

現行の業務でデータの分析してシステムの構築を考えた

yaji-ht

メーカー技術・研究・開発

データをとると短絡的に結論を出しがちだが、全体を見据え、データを処理して結論を導かないと、誤った対策を行いかねないと理解した。

512177

資材・購買・物流

データの利活用は、今後のAIやchat-Gptなども含め活用していくことで事業スピードを飛躍的にあげることができる

toshi21

営業

データを活かして分析し、利益向上に繋げるイメージができた。

yamamoto_kntk

その他

実際にデータ分析のプロジェクトにかかわる際にどのような流れでプロジェクトを運営していくのかを検討することに役立つ

tsuyoshi_asano

経営・経営企画

ゴール設定、それに至るまでの手法は通常の問題解決の手法と同じだった。
過去のデータを使って未来を予測し、実行していくこと (精度の差はあれ恐らくほぼすべてのビジネスで当然に行っている) は大きな意味でデータサイエンスであると理解した。

その上で、昨今いわれているデータサイエンスは統計・機械学習などによる予測モデルを駆使し精度を上げることが求められており、従来のツール(表計算ソフトなど)より優れた手法を使えることで目標達成の精度が上がると理解した。

具体的なシーンとして、妻の機嫌が悪い日の予測モデルなどを作ってみると面白いかもと思いました。目的変数は機嫌の悪さ、説明変数は私の態度、天気、睡眠時間、などですかね。

aki8727

販売・サービス・事務

データサイエンスの全体が分かりやすくまとまっていました。

wada00

その他

ビジネス全体を俯瞰していないと活用できないことが理解できた

hfkd156036

金融・不動産　関連職

ビジネス全体を俯瞰していないと活用できないことが理解できた

koheitad

営業

考え方を日々の仕事に取り入れる

krbwf994

金融・不動産　関連職

データを分析するだけでなく、活用したいと思います。

arasuke

メーカー技術・研究・開発

ゴール設定の"意思決定者の望むもの"というのが、データサイエンティストがMECEの視点で広く見る、という考え方と矛盾しているのが悩ましいと感じました。
本質はここだ！となっても意思決定者がイメージしたものでないと受け入れられないというのが良くある事例だと思います。