# データ活用で変わったこと｜防災DXならバカン あずさんのコミュニティ思考A to Z ポタージュ コミュニティアクセラレーター 河原あずさです。 コミュニティづくりの教科書の強調者で コミュニティの専門家として活動しています。 この番組ではそんな僕の日々の気づきから 働き方や人生をいっぱいアップデートする 今すぐ使えるヒントをお届けしています。 あずさんでございます。 今日はハッシュタグ企画のデータ活用で変わったこと こちらのテーマをもとにお話ししてまいります。 防災DXを扱うバカンさんとのタイアップということで 2度目ですよねバカンさんのコラボハッシュタグ企画 今回も我らがVoicyさんに素敵なテーマを与えてくださって そしてVoicyさんをスポンサーとして支えてくださって 本当にありがとうございます。 せっかくなのでデータとお仕事みたいな観点で お話ししたいと思います。 皆さんデータサイエンティストというお仕事をご存知ですか? ITの世界だと結構いなくてはならない みたいなお仕事になってきていて 大手のいわゆるSIRと呼ばれるシステム会社とかでも データサイエンティストですみたいな人が増えてきたり いろいろなアプリとかITサービスを提供している会社の中に このデータサイエンティストというお仕事が生まれていて しかも市場価格が非常に高いんですよ。 データサイエンティストって年収が高めに設定されているので 結構新しい花形の仕事として注目されていたりします。 なんか響きもかっこいいですよね、データサイエンティストってね。 ということなんですけど、多くの方にとってみたら このデータサイエンティストという仕事って聞きなじみがないと思うんです。 少なくともイメージとしてなんとなくこういう仕事なのかな というのを思っている人いるかもしれないけれども 具体的にどういうお仕事なのかというのを解説できる人って そんなに多くないと思うんですよね。 僕とかはITの仕事もやってたし、実は奥さんがデータを取り扱う AIとかのスキルも持っているような元エンジニアだったりするので なんとなく自分の中で親しみあるんですけど 多くの方にとってはそうではなかったりしますというときに ただこのデータサイエンティストというお仕事を理解すると 実はこのデータを捉えて活用するという仕事のスタイルというのは 何もこういったITの仕事とか それこそデータサイエンティスト本人だけではなくて あるいはあらゆるビジネスパーソンの働き方をよくしていくために あるいはキャリアをどんどんアップしていくために すごく重要な考え方になると思っていて 今日はデータサイエンティスト的なお仕事をしていくために どうしていったらいいのか どんなふうに仕事を変えていったらデータを活用したお仕事が実現できるのか それについてお話ししたいと思います まず前提として さっきうちの奥さんがデータ分析の仕事をしていたことがあると話したんですけど その奥さん曰く あずさんはすごくデータサイエンティスト的な仕事をしている ということを言われるんですよ 実際にデータサイエンティストと一緒に仕事をした奥さんがそう言っているので そうなのかなというふうに思うんですけれども 自分でもなんとなく自覚しているところがあるんですよね もちろん僕は今ITの仕事はしていないので データサイエンティストそのものの仕事はしていないんですよ ただデータサイエンティスト的な仕事の進め方というのは 自覚は確かにあるんですね それを考えるためにまずデータサイエンティストというのがどんな仕事なのかというのをざっくりと解説しておきます データサイエンティストというのは いろんなデータを集めて それを基にして分析をすると そういうお仕事です 分析の手法が例えば統計のモデルを使うとか アルゴリズムと呼ばれる計算式ですよね それを使って分析を行うみたいなところが ある種の専門性だというふうに言われているんですけれども 要するにデータを集めて そのデータの中から有効なパターンというのを見出していくんですよね ある種の傾向だったりパターンというのを 計算式を使って見出していって それを経営とかビジネスの意思決定に生かしていく そういったいわゆる報告という形で 分析の結果をまとめて 施策や戦略の立案に貢献していく そういうお仕事がデータサイエンティストということなんですよ だからデータサイエンティストというのは まず前提としてビジネスとか経営とか そういった仕事における重要な意思決定をするときの 大事なヒントを提供するお仕事というのが言えるわけです ただヒントも自分の経験とかビジネス的な いわゆるノウハウみたいなものですね それでもって提供するというよりは とにかくデータを見てですね データの中から見出したこれだという要素ですよね そういったものを抽出していって データはこう言ってますと なのでこれから先こういうことが起きるでしょう だからこういうふうに意思決定するといいでしょう みたいなことを伝えていくという そういうお仕事なわけです これがデータサイエンティストと呼ばれる お仕事ということです データサイエンティストというお仕事をやっていく上で プロセスにおいて重要なことというのが 1個あるというふうに思っていて そしてそれはすごい僕の仕事のスタイルと まさに合致している部分なんですよ それが何かというと まず仮説を持っておくということなんです 仮説です だから仕事をやっていくにおいて ざっくりとした仮説というのを立てる 癖をつけていくわけですね 例えば僕のお仕事みたいなところがあったときに これってこういうところをやったら もっと良くなるよなみたいな仮説を立てるんですよ その仮説を元にして今度は そのいろいろなデータを集めていくんです 仮説を証明するためのデータというのを 日常のお仕事の中から集めていくわけですよね 例えば会議を改善した方がいいかもしれない みたいな仮説が浮かんだときに なんで会議を改善すると我々の仕事が よくここに行くのかなみたいな仮説を立てて その後に根拠となるような情報を どんどんどんどん集めていくんですよね 例えば会議を見たときに こういう行動のパターンをスタッフの人たちしてるなとか そういう中でうまくいく会議と うまくいかない会議の違いって こういうところにあるよなみたいな 自分の中でパターン分けっていうのをやっていくんですよ それで大きな傾向をざっくり捉えていって そうか会議がうまくいって いい意思決定ができるときって だいたいこういう流れになっているな みたいなところを掴んでいくんです その後にそれを証明するデータっていうのを 細かく集めて当てはめていくんですよ そういうふうにしていくと結果的に その会議が良くなるみたいなところを ゴールにしたときの成功プロセス 成功パターンみたいなところが どんどん言語化されていきます それを仮説としてさらにおいて その成功パターンにそういった会議の プロセスを変えていって 当てはめていって改善を促していくわけですね これをひたすら繰り返していくんです ひたすら繰り返していくと 仮説の精度も上がっていくし そこのパターンの蓄積も起きてくる そして一つ一つのパターンが 成功因子だと仮定したときに これは成功要因である これは別に成功とは何の因果もない みたいなところが証明されていきます そういうふうにして成功要因だけを残して 特に関係のない因子を落としていく っていうことをやっていくと 結果的にそういった会議のプロセスを改善するという 最終目標に達成できる 簡単に言うとそういうプロセスなんですよ これが生きているのが 例えばファシリテーションです ファシリテーションっていうのは まず明確にゴールが設定されています いい場を作る あるいは何かアイデアの検討を行うときには いいアイデアをアウトプットする それはワークショップとかに通じて ゴールっていうのは様々なんだけれども まずそこにゴール設定がある そしてゴールに対してはこういうプロセスでいったら うまくいくんじゃないかっていう まず仮説が存在するわけですね そして何でそういった意思決定が必要なのか といったところの仮説も含めて まず仮説全体を捉えて プロセスを設計するっていうのをやっていきます プロセスを作る上では 全体的な成功パターンみたいなところ 自分の中で蓄積されていくから それを集めて組み合わせるっていうことを やっていくわけですね そういった仮説を持って当日臨むんです でもあくまで仮説だから やっぱりファシリテーションで結局生物なんで 現場の状況で色々変わってくるんですよ それでハマった仮説パターンもあれば ハマらないパターンもある そこはその場で取捨選択して ハマるパターンをどんどん採用していって ハマらないパターンを落としていくっていうのを 繰り返していくんですよ リアルタイムでそれをやっていくわけですね 結果的にどうなるかっていうと もともと持っていた進行プロセス設計の 仮説みたいなところの確からしさっていうのが 進めていく中で証明されていて その確からしいパターンみたいなところが 残っていて結果的にもともと設定していた ゴールのところにどんどん進んでいく ということが起きていきます さらにですね # データサイエンティスト的な仕事をしよう／あずさんはデータサイエンティスト的／仮説ベースで仕事をする→有効パターンを見出す→改善プロセスをまわす／ゆるいメルマガやってます↓より登録下さい あるワークショップでうまくいった、うまくいかなかった、みたいな情報がファシリテーターとしての自分の中に残って、 その次の回でまた成功パターンを繰り返すことができるわけですね。 そういったまたうまくいったパターンが残る、で、うまくいかなかったパターンに関しては落としていくということをひたすら繰り返していくと、 ファシリテーターとしての腕っていうのはすごく上がっていくんです。 これは僕はイベントの仕事とかワークショップのファシリテーターとかをやっていく中で、かなり磨かれた部分ですね。 常に物事を仮説ベースで捉えるっていう癖が生まれるし、その仮説に当てはめて、 じゃあパターンを生み出していくみたいなことも、やっぱり自分の中で習慣づけされていくんですよ。 それを繰り返していくと結果的に、行動、仕事のアウトプットの質が上がってくるという、そういう話なんです。 あと、これは僕のデータサイエンティスト的な感性が直に行きたいのが、今やっている感情知性、EQをベースとしたパーソナリティ判定、 EQ-PIの提供ということになるんですけれども、これもですね、僕実はこのEQ-PIという検査自体は他社の持ち物なんですけど、 これを分析して独自のレポートを作るというのは、全部自分で作っちゃったんですよ。自分で発明したんです。 じゃあどういうふうにやっているかといったら、いろいろな人の検査結果というのを偏差値スコア化して、それを波形として残していって、 つまり性格を波形として捉えるというのを裏側でやるんですね。 その波形を比べて相関値というのを取ることによって、この人とこの人は似ている、この人とこの人は似ていないというデータを、 もう700人ぐらい受けているんですけど、もう裏側でデータベースとしてまとめているんですよ。 そのデータベースとしてまとめたものをもとに、いわゆるざっくりとした性格傾向というのを、それぞれの似ている人同士の中で群分けして作っていくんですね。 いわばペルソナを作っていきます。 そのペルソナというのを分析結果に当てはめて、いわゆるフィードバック文章というのを作っていきます。 フィードバック文章もその波形のデコボコを見たときに、まず大まかなテンプレートみたいなのがあって、 それを当てはめて、さらにその波形の傾向とテンプレートのギャップを見ながら、その文章を細かくカスタマイズして修正するというのをやっているんですね。 僕が500人ぐらいやった段階で、今度はチームメンバーのEQPIアナリストができるように、どんどんどんどんその方法を伝えていきました。 今、それができる人間が増えていっていて、今は5人ぐらいかな。 そういった分析ノウハウみたいなところを体得して、今、ポタージュのEQ事業のお手伝いをしてもらっているということなんです。 このプロセスも結局のところ、もともと僕が仮説ベースとして、人のパーソナリティの似てる似てないみたいなところを判定していって、 それを基にしてフィードバック、そのEQPIの結果、パーソナリティの分析傾向みたいなところを相手に対して伝えるようにすると、 そのフィードバックのクオリティが向上するのではないかという仮説の下、有効なデータというのをEQPIの結果の中から集めて、 それを分析していって、フィードバックを重ねていくことによって、フィードバッククオリティの向上を図るというのを回していったわけです。 その結果、ざっくりとしたパーソナイメージみたいなところがどんどん蓄積されていって、 こういう波形が出た人はこういう性格かもしれないみたいな、そういった仮説ベースのレポート作成というのができるようになった。 それが結果的にフィードバックしたときに、なんで僕のこと、私のことこんなに分かっているの? なんか丸裸だよねみたいな、そういう結果を出せるようになったということなんです。 このプロセスを作れたというのも、やっぱり僕はデータサイエンティスト的な感性を持って仕事しているから、 うまくいったという、そういうことが言えるんじゃないかなというふうに思います。 ファシリテーターとか、パーソナリティ判定みたいなところというのは、ある種限定的な仕事ではあるんですが、 こういった仕事の進め方というのは、僕はあらゆる仕事の中で大事だというふうに思っているんです。 例えば営業さんとかでも、どうやったら売れるのかみたいな仮説をもとに、 まずもっと売る方法を考えてみるみたいなところもデータ分析の手法として生きてくるわけですよ。 まず仮説を立てる。仮説を立てたときに有効そうなパターンを見出していくというのをやるわけですね。 そして成功パターンといえるものが集まってきたときに、それを実際に試してみる。 試してみることで、そのパターンというのが本当に成功要因なのか、別にその結果と関係ないのかみたいなところを主査選択していって、 成功パターンみたいなところを、ある種型としてどんどん作っていくんですね。 そしてその成功パターンを再現するのかみたいなところを回していきながら、いわゆる業務パターンみたいなところの改善を促していくんですよ。 そうするとどうやったら営業の成績が上がるのかみたいな仮説のもと、 例えば夕方のアポイントを繰り返すと受注率が上がるかもみたいな仮説を捉えたときに、 実際に試してみてうまくいったってなったら、うちの商談は夕方にやろうみたいな感じで行動の変化が起きてきます。 結果的に組織としての意思決定というものが、いわゆる営業成績を上げるというところに、 ある種の成功パターンみたいなものを蓄積して集約されていって、チーム全体のパフォーマンスが上がるみたいなことができるわけですよね。 もちろんマネージャーもそうで、チーム全体の運営というのはある種仮説ベースで進めていって、 成功パターンみたいなところをいくつか蓄積していくことにより、そういったチームの状態を改善するみたいなこともできてきます。 人事も同様ですよね。HRテックの導入なんてのも進んでますけれども、やっぱりデータとして組織を捉えるみたいなところをやっていくことによって、 より精度の高い組織運営ができるようになると、まさにデータサイエンティスト的なお仕事のやり方というのが実現するようになるぞということなんです。 データサイエンティストというのはすごく特殊な仕事と思われるかもしれないんですけども、実はあらゆる仕事でこれ生きてくる考え方になってくるんですよ。 別にそういったプログラミングとかも使えなくてもいいし、統計とかも分からなくていいです。 僕も相関値を計算するという非常にシンプルな統計的なものを、ただ使い続けることによって700人の性格分析というのができているんですね。 これは本当に考え方次第ということになります。 本当にシンプルな方法論でとにかく分析をして成功パターンを見出していって、そういった仮説に当てていく。 そういった仕事のスタイルができてくると、結果的に皆さんもデータサイエンティストになれます。 正確に言うとデータサイエンティスト的な仕事ができるビジネスパーソナルになれます。 ということで、今日データサイエンティストのお仕事みたいなお話をファシリテーションとかEQPやEQ分析の僕のお仕事の例から解説していきました。 そして実際にこういうお仕事にはこういうふうにデータサイエンティスト的な感性を生きるんだよみたいなところも最後簡単に触れてみました。 ぜひ皆さんのお仕事の中でも当てはめてみて、こういうふうに自分仕事をしていったらデータを活かした仮説ベースの改善プロセス回せていくなみたいなところを気づきとして得てですね。 日頃の仕事のブラッシュアップにつなげていただけるといいんじゃないかなというふうに思います。 今日のお話以上です。面白かったという方をひねりがわりにフォローボタンをポチッと押していただきまして、明日以降も聞いていただけるとすごく嬉しいです。 ハートマークのいいねも大歓迎です。更新のモチベーションと日々になっております。 ではでは、あなたの一日がラッキーでありますように。ポタージュコミュニティアクセラレーター川原敏さんでした。ではまた明日お会いしましょう。失礼いたします。