AI・データ分析プロジェクトのすべて[ビジネス力×技術力=価値創出]

著者 : 大城信晃 マスクド・アナライズ 伊藤徹郎 小西哲平 西原成輝 油井志郎 株式会社ししまろ

• 技術評論社 (2020年12月21日発売)

作品紹介・あらすじ

データサイエンティストと呼ばれる職種が登場して、いまや10年以上が経過しようとしています。ビッグデータやディープラーニングなど技術的な流行も後押しして、AI・データ分析プロジェクトに取り組む企業も増えました。また、データサイエンス、データエンジニアリングに関する技術情報は次第に増え、データ分析コンペティションの盛り上がりもあって技術的な知識を持つ方が増えているのは事実です。ところが、実際にAI・データ分析プロジェクトに取り組んでみると、そううまくはいかないようです。プロジェクトを進めるには技術知識だけでなく「ビジネス力」が必要なのです。
そこで、本書はこれまでメインテーマとして語られることのなかった「ビジネス力」に焦点をあてて、データ分析プロジェクトを一通り解説していきます。プロジェクトの入口として「組織の立ち上げ方」から「案件獲得」にふれ、続く実際のデータ分析プロセスにおいては、課題とゴールを明確にして、分析結果は出して終わりではなく共有、評価のサイクルが必要であることを解説します。最後に出口となる「収益化」に関する情報をまとめます。
先を行くデータ分析者達は、これまでさまざまな罠にかかり、見えない落とし穴にはまっても奮闘してノウハウを蓄積してきたのがこの10年です。これからAI・データ分析プロジェクトに取り組む方／関わる方へ向けて、先人たちのノウハウをまとめたのが本書です。

感想・レビュー・書評

[yoshi679さんの感想 · 2020年12月29日]

データ分析を通じた課題解決のプロセスを、順を追って幅広い観点からまとめている。
分析手法などの技術的な話ではなく、プロジェクトをうまくマネジメントするには、という視点で語られている。

データ分析を通じた意思決定支援をやっている身として、どれも頷くものばかりだった。
とくに、経営層や発注者とのコミュニケーションについては、私自身苦労が多い部分でもあるため、非常に勉強になった。

技術的な話をメインに据える書籍はこれまで数多くあったが、本書籍のような、プロセス全体が俯瞰的に、かつ、簡潔にまとまっている本は無かったと思う。

初学者にとっては教科書的な意味合いで、経験者にとっては知識経験の整理という意味合いで、重宝したいものである。

[YKさんの感想 · 2022年9月1日]

一時間ほど眺めただけ
ざっくり学べるが営業には関係ないことも多い
エンジニアが、自分の将来やプロジェクトを進める際に手元に置いて活用すべき本

AI開発は準委任が適切　請負で契約する場合は成果物の定義が重要
ビジネス力　課題背景を理解した上でビジネス課題を整理し解決する力
データサイエンス力　情報処理人工知能統計学などの情報科学系の知恵を理解し使う力
データエンジニアリング力　データを意味のある形に使えるようにし実装デプロイ運用できるようにする
データドリブン　データ収集と分析を繰り返しながらアクションプランを実行すること
モデルのチューニング　学習データのアップデードや学習アルゴリズムの性能を高くするなど
BI ツールとしてタブローは一般的書籍も多く販売されていて勉強できる
BI ツールは SQL を書かなくても集計や加工はできるが時間がかかるので中間テーブルを準備した方が良い
AI は新規プロジェクトより既存プロジェクトの方が利益に貢献しやすいいきなり難しい新規プロジェクトにエアーを使うのは難易度が高い
データ分析基盤を作る前に API の利用やカスタムモデルの構築を考えるべき
またAutoML（DATAROBOTなど）を使うことも一つの案です。データの前処理モデルのトレーニングモデルの評価を手動ではなく自動化することで生産性向上を図る。データ地震はユーザーが準備するので工数もかかる。自動でできるならデータサイエンティスト不要なのかと思うが課題設定はデータサイエンティストがやるべき。
既存のデータベースではなくデータウェアハウスで作る理由としては求められる性能が違うため分析時はレスポンスタイムが長くても許容さで過去データ分析するため必然的にデータの保有期間も長くなる
データレイクは生データを保存しデータウェアハウスは生データを加工し分析データように格納するデータマートは BI などのアプリケーション専用に切り出したデータを格納
データレイクは今分析する必要はないものは生データとして貯めておき後々発生する分析ニーズに対応する
データウェアハウスは扱いやすい形式に大量のデータを格納する用途に合わせて加工済みデータを保存し SQL を用いたログの分析が可能になる
データマートは可視化用の AP などに利用する必要最低限のデータだけを取り出す。データマットがないと利用するたびにデータウェアハウスからデータを加工して取得する必要があり分析に工数がかかる

[hikarutさんの感想 · 2021年1月9日]

内容としてはこれからデータ分析したい人向けにはぴったりで基本的な話から実務的な話まで順に書かれておりとても参考になると思います。

既にデータ分析経験がある人でも体系的に要点がまとめられているので一度読んでみると頭の中が整理されて良いなと思います。

[06yako14さんの感想 · 2024年4月26日]

ビフォー
仕事でデータサイエンティストをしているので、自分の仕事や現在地を確認する上で、よく読まれているこの本を手に取った。

気づき
約1年半前プロジェクトに参画する前に知っておきたいことが書かれていた。特にこれ以上精度を上げていくことが厳しいということが伝わらず、期待値調整をミスっていたり、翻訳できていなかったりしていた。またうまくいかないと時にどうすべきかを決めきれておらず、苦労した。事前に読んでおくことができたら、ここらへんで悩むことがなかったかもしれない。

TODO
今後のプロジェクトでは上記の失敗をしないように、期待値調整や説明が伝わるような翻訳を意識していきたい。

[岩手県立大学メディアセンターさんの感想 · 2023年11月18日]

【配架場所、貸出状況はこちらから確認できます】
https://libipu.iwate-pu.ac.jp/opac/volume/567351

[adolescentさんの感想 · 2023年4月3日]

私はエンジニアではあるが、データサイエンスに関しては門外漢だったので、学生としての立場で読んだ。概要把握にうってつけであり、参考文献を読むことによってより詳細を知ることができそうに思った。
対象読者によっておすすめの読み方と対象の章が分かれており、学生→エントリー→ミドルとレイヤーが上がっていくのと同時にこの本を読み返すことがあるだろうと思う。

[monta928さんの感想 · 2023年2月14日]

データ分析系のプロジェクトがどのようにスタートし、進むのか、またそこで活躍するにはどうすれば良いかなど、実務が分かっている方が書いていて参考になる本。

AIと付いているが、基本は一般的なデータ分析系のプロジェクトの話題であり、コンサルティング会社などで経験のある人は読む必要がないように感じた。

[Mouto9さんの感想 · 2023年1月24日]

20冊以上の参考図書があり非常に気になる。
（タグ:大城先生らの推薦図書で私の本棚に登録しているので良かったら確認してください。）
MLOps
-機械学習 統計学,数学,ライブラリ
-DevOps コンテナ技術,CI/CD,バージョン管理
-データエンジニアリング データベース,ETLツール,分散処理フレームワーク

[bob-taniさんの感想 · 2022年5月16日]

今時のデータドリブンの世界をざっくり知ることができる。
網羅系なのでどれも詳細に踏み込んでいないが、何が起きていて何を始めればいいのか。
また、どんな人材が必要で何が流行っているのかをざっくり知るには最適。
全て関連書籍に寄せているところがあるが、業界知る手がかりによい。2021年の本。

[akiaki23さんの感想 · 2022年3月5日]

ai開発の基本的な流れが理解できる

著者プロフィール

【監修・執筆】大城　信晃（おおしろ　のぶあき）NOB DATA株式会社 代表取締役社長ヤフーやLINE Fukuoka等でのデータサイエンティストとしての経験を経て、福岡にて2018年9月にNOB DATA株式会社を起業。

「2020年 『AI・データ分析プロジェクトのすべて[ビジネス力×技術力＝価値創出]』 で使われていた紹介文から引用しています。」