Top Highlights

• （１）これまでどんな分析をしていたかをヒアリングする （２）分析結果を基に何をしたいのかを理解する （３）課題の背景を理解するまでヒアリングする （４）分析方針を提案＆合意する （５）期待値の調整
• もう１つの「予測モデリング」とは、様々なパターンから将来を予測することを意味します。「ＡＩ」はこちらに使います。
• 　データ分析した結果を他の人に有効に見せるコツとして、「納得」と「発見」の２つがあります。これを押さえておくと、結果に対する信頼性とデータ分析結果の有効性が伝わりやすくなります。
• 　データ分析のアウトプットの形としては、大きく分けて以下の３つがあります。順に説明します。 （１）１回限り型（毎回見るべき結果が変わる） 　例：業務効率化のための要因分析、商品開発のためのニーズ分析など （２）定型観察型（決められた指標、フォーマットを随時確認して意思決定を変える） 　例：販促施策評価など （３）推薦システム型（予測モデルなどで得られる推定値を基にして意思決定を判断する） 　例：ＤＭ最適化など
• いきなり関係者を集め、データを提出させて分析モデルを作るのではなく、「既存の測定方法では何が問題なのか」「同じような課題を抱える他社はどうしているのか」「新しいテクノロジーで解決している事例はないか」など、まずは情報収集しました。そして、手元にあるデータやツールでまずはプロトタイプを作り、最終的に出来上がるものがイメージできるようにしたの