SlideShare une entreprise Scribd logo
1  sur  21
ソリューションを精緻化する分析・戦略的シナリオの生成
アクション・プランニング
Action Planning
東京大学大学院 工学系研究科
早矢仕晃章 作成日
2015年5月15日
変更日
2017年5月11日
データ市場創造のためのIMDJプロセス
アクション・プランニング
・テーマを考慮したステークホルダーの選択
・基礎データ(DJ)の収集と可視化
・ゲーム型ワークショップの実施
・要求と、データに基づくアイデアの創出
・実行動を促すシナリオの創出
・分析プラン、行動プランの生成
データジャケット
入力
イノベーションゲーム
(IMDJ)
シナリオ評価
・シナリオの実現性評価
・ユースケースの課題検討
• データを用いた組織内・組織間の連携を通じ、データの共有、創造
的な意思決定から新ビジネス創出を促進するプロセスの開発
アクション・プランニング
• アイデア実現に関連する要素を表出化し、系列化することで分析シナリ
オ、戦略的シナリオの創出を支援するメソッド
• アイデア実現における変数や要素の関係性、リスクを洗い出し、意思決
定を行う際に生じる盲点をなくし、実行動を促すシナリオを策定する
アクション・プランニングにおける
シナリオ・デザインモデル
知識の表出化
知識の系列化 知識を系列化することで、知識同士の不整合
面を整合させる知識の存在に気付く
例:地図上に街灯情報を設置し、明るいルートを検索
どうやって実際の行動をプランニングするのか
関連する要素を表出化
住民
夜
暗い夜道
地図データ
街路灯データ
犯罪者
家族
昼間
1年
PC
スマート
フォン
行政
サーバー
500万円
アプリ開発者
例:地図上に街灯情報を設置し、明るいルートを検索
どうやって実際の行動をプランニングするのか
リソース・コスト管理(アイデア実現の必要なリソースを列挙する)
地図データ
街灯データ
必要なデータ・情報
サーバー
PC
スマホ
実現に必要な資材
(設備)
5000万円
実現にかかる予算
1年
実現にかかる時間
アプリ開発技術
JavaScript
統計分析
(判別法)
機械学習
(SVM法)
実現に必要な技術
ステークホルダー・マネジメント(アイデア実現に関わる人を列挙する)
暗い地域に住
むの住人
内部の反対者
(理由と対策)
アプリ開発会社
建設会社
警察
町会
内部の協力者
(共有するメリット)
犯罪者:
暗いエリアは住
民に呼びかけて
防犯カメラや新
しい街灯の設置
外部の反対者
(理由と対策)
行政:
市民の安全。
犯罪の少ない
街作りに貢献
住民
外部の協力者
(共有するメリット)
住民:
夜に安心して
帰宅するため
の提案
ターゲット
(与える価値)
関連する要素を系列化(例:時系列)
例:地図上に街灯情報を設置し、明るいルートを検索
実現現在
11月 12月 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月
ステークホルダー:
・行政
リソース:
・街路灯データ
・地図データ
ステークホルダー:
・アプリ開発者
・エンジニア
・研究者
リソース:
・JavaScript
・R
・PC
・機械学習
ステークホルダー:
・ユーザー
・行政
リソース:
・スマートフォン
・サーバー
・PC
ステークホルダー:
・家族
・住民
・犯罪者
リソース:
・街路灯データ
その他: その他: その他:
・夜
・暗い夜道
その他:
関連する要素を系列化(例:収益性)
行政
街路灯
データ
サーバー(維持費)ユーザーの行動履歴や
知見をフィードバック
新たな街路灯の設置
インフラ事業などの雇用創出
ユーザー
検索サービス
の提供(有料)
ユーザーの行動履歴や
知見をフィードバック
子供を持つ親を対象に月々
300円でサービスを展開
どうやって実際の行動をプランニングするのか
アクション・プランニングIMDJによる
データ利活用提案
分析シナリオ・
プランニング
戦略的シナリオ・
プランニング
分析シナリオ及び戦略的
シナリオの生成
要素表出化
要素系列化
要求分析
要素表出化
要素系列化
ソリューション
真に解決すべき問題と
その解決策
IMDJで創出された要求と
そのソリューション
ソリューション
顕在要求 潜在要求
背景要因
【要求分析(AP1)】
IMDJで創出されたソリューショ
ンから、要求が出された背景
要因について考察することで、
真に解決すべき要求である潜
在要求を得る。
潜在要求を満たすソリューショ
ンを考案することで、本質的な
問題解決案に至る。
アクション・プランニングにおけるシナリオ・デザインモデル
【要素表出化(AP2)】
AP1で検討したソリューショ
ンを 導く ために必要 なス
テークホルダー(ターゲット
等)、リソース(データ、時間
等)、4Pを、要素として関係
性とともに導出する。
【要素系列化(AP3)】
AP2で検討した要素同
士の関連性をあるルー
ル(実現プロセス、収
益モデル、システムフ
ロー等)に従って系列
化することで、要素同
士の矛盾を解消し、欠
けている要素の存在を
明らかにする。
潜在要求ソリューション
ステークホルダー リソース 4P
街灯データ住民 行政 暗い地域の住民 地図 SVM法 Webアプリ
ステークホルダー リソース 4P
街灯データ
住民
行政
暗い地域の住民 地図 SVM法
Webアプリ
システムフロー
アプリ開発会社収益モデル
建設会社
アクション・プランニングは要求分析、表
出化、系列化による論理的な要素導出
の過程を経ることで、実行動における矛
盾を解消し、ソリューションをシナリオと
して精緻化するプロセスである。
分析シナリオ
街路灯の設置データ
・緯度
・経度
・光束
CSV
数値, テキスト
Google Maps API
・緯度
・経度
・高度
・ジオコード
API
無償で提供
データジャケット含まれる変数(パラメーター)や
データの種類から、期待される分析結果を得るた
めの変数同士のつながりやデータの加工・分析
方法について考察する。
地図上に街路灯の位置
情報をプロット
ジオコード機能から、住所に
よるルート検索を可能に
追加DJカード
都合学(Ohsawa, 2010)による矛盾解消と代替シナリオ選択プロセス
初め、データが入手可能であること
を前提にシナリオを生成していたが、
実現プロセスやシステムフローを議
論する中で当初考えていたデータの
入手が不可能なことに気付いた。
その場合、前提(要素表出化や要求
分析フェーズ)に立ち返り、代替デー
タの入手方法を検討し、目的達成の
ための新たなシナリオを構築する。
最初に提案して
いたシナリオ
行動
意図
前提 前提
見落としてい
た前提
代替案
重要な
前提
不整合
(例)データの入手方法(例)このステークホルダーか
らデータは入手できない!
(例)分析方法
最初に提案して
いたシナリオ
行動
意図
前提 前提
見落としてい
た前提
代替案
重要な
前提
不整合
行動
前提
新しい前提から、意図を達
成する代替シナリオを構築
(例)代替データ
アクション・プランニングの流れ
戦略的シナリオ分析シナリオ
要求分析
潜在要求を考慮したアイデア概要
アイデア名・概要
顕在要求(アイデアが満たす要求)
顕在要求の背景要因(隠れた要因)
潜在要求(真に満たすべき要求)
顕在要求(アイデアが満たす要求)
顕在要求の背景要因(隠れた要因)
潜在要求(真に満たすべき要求)
地図上に街灯データを表示し、明るい
ルートを検索する
明るい道を歩きたい
暗い道に街灯を設置し
てほしい
暗い道が危ない 明るい道のほうが安心
暗い道の防犯 ・明るい道を知りたい
・暗い道をなくしてほしい
• 地図上に街灯データを表示し、明るく安心して歩
けるルート検索サービス
• 暗いエリア、人通りの少ない道を明らかにし、行
政に街灯の設置の提案を行う
• パトロールの強化実施
要素表出化
 ステークホルダー・マネジメント
 ターゲット
 社内の協力者
 社内の反対者・障壁
 社外の協力者
 社外の反対者・障壁
 リソース・コスト管理
 時間
 予算
 技術
 資材・設備
 データ・情報
 4P要素
 Product
 Price
 Place
 Promotion
要素表出化
要素系列化
分析シナリオ、要素表出化で明らかにしたシ
ナリオの構成要素の系列化を行う。シナリオ
を構成する知識や情報に関係性・関連性を
見出すことで、知識同士の矛盾や知識を整
合させる欠けていた知識の存在について気
付きを得る。
例では、系列化として以下の3つを用意
 実現までのプロセス
 収益モデルフロー
 システムフロー
要素系列化(実現までのプロセス)
要素系列化(収益モデルフロー)
要素系列化(システムフロー)
データを用いた組織内・組織間の連携を通じ、データの共有、創
造的な意思決定から新ビジネス創出を促進するプロセスの開発
東京大学
大澤研究室の取り組み
1. データとその分析・可視化・運用に関する情報共有技術
• データ・ジャケット(DJ)
2. データの利用方法を考案するゲーム型手法
• Innovators Marketplace on Data Jackets(IMDJ)
3. ソリューションを精緻化するシナリオのプランニング
• アクション・プランニング(AP)
4. シナリオに基づく意思決定、データの価値評価
5. 1〜4のプロセスにより、データ・サイエンティストの育成推進
アクション・プランニングに関する詳細はこちら!
大澤幸生(編著), 早矢仕晃章, 秋元正博, 久代紀之, 中村潤:
データ市場, 近代科学社, 2017
【近代科学社HP】
http://www.kindaikagaku.co.jp/business/kd0524.htm
Amazonと紀伊國屋書店にて注文できます。

Contenu connexe

Tendances

ビッグデータビジネスの捉え方
ビッグデータビジネスの捉え方ビッグデータビジネスの捉え方
ビッグデータビジネスの捉え方Takatsugu Kobayashi
 
ビジネスに役立つデータ分析
ビジネスに役立つデータ分析ビジネスに役立つデータ分析
ビジネスに役立つデータ分析Issei Kurahashi
 
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるかGoogle Cloud Platform - Japan
 
事業の時間軸-ビジネスのための未来学序説
事業の時間軸-ビジネスのための未来学序説事業の時間軸-ビジネスのための未来学序説
事業の時間軸-ビジネスのための未来学序説Atsushi Koshio
 
機械学習の精度と売上の関係
機械学習の精度と売上の関係機械学習の精度と売上の関係
機械学習の精度と売上の関係Tokoroten Nakayama
 
Big data harvardbusiessreview20121112
Big data harvardbusiessreview20121112Big data harvardbusiessreview20121112
Big data harvardbusiessreview20121112Dennis Sugahara
 
第3回広告貢献度可視化セミナー 第1部 スライド資料
第3回広告貢献度可視化セミナー 第1部 スライド資料第3回広告貢献度可視化セミナー 第1部 スライド資料
第3回広告貢献度可視化セミナー 第1部 スライド資料ad-ron
 
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録syou6162
 
Tokyo webmining資料LT20140726用
Tokyo webmining資料LT20140726用Tokyo webmining資料LT20140726用
Tokyo webmining資料LT20140726用Koichiro Kondo
 
Ci niiによるリアルタイムデータマイニングの可能性
Ci niiによるリアルタイムデータマイニングの可能性Ci niiによるリアルタイムデータマイニングの可能性
Ci niiによるリアルタイムデータマイニングの可能性genroku
 
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性BrainPad Inc.
 
DMBOKをベースにしたデータマネジメント
DMBOKをベースにしたデータマネジメントDMBOKをベースにしたデータマネジメント
DMBOKをベースにしたデータマネジメントKent Ishizawa
 
「デジタルマーケティングプラットホーム」 に進化するGoogle アナリティクス
「デジタルマーケティングプラットホーム」 に進化するGoogle アナリティクス「デジタルマーケティングプラットホーム」 に進化するGoogle アナリティクス
「デジタルマーケティングプラットホーム」 に進化するGoogle アナリティクスSumio Ebisawa
 
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からーコグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からーThe Japan DataScientist Society
 
データアカデミーの活動紹介
データアカデミーの活動紹介データアカデミーの活動紹介
データアカデミーの活動紹介Code for Japan
 
デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向
デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向
デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向Hironori Washizaki
 
中小企業のDXはオープンデータとPythonで!
中小企業のDXはオープンデータとPythonで!中小企業のDXはオープンデータとPythonで!
中小企業のDXはオープンデータとPythonで!hide ogawa
 

Tendances (17)

ビッグデータビジネスの捉え方
ビッグデータビジネスの捉え方ビッグデータビジネスの捉え方
ビッグデータビジネスの捉え方
 
ビジネスに役立つデータ分析
ビジネスに役立つデータ分析ビジネスに役立つデータ分析
ビジネスに役立つデータ分析
 
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
 
事業の時間軸-ビジネスのための未来学序説
事業の時間軸-ビジネスのための未来学序説事業の時間軸-ビジネスのための未来学序説
事業の時間軸-ビジネスのための未来学序説
 
機械学習の精度と売上の関係
機械学習の精度と売上の関係機械学習の精度と売上の関係
機械学習の精度と売上の関係
 
Big data harvardbusiessreview20121112
Big data harvardbusiessreview20121112Big data harvardbusiessreview20121112
Big data harvardbusiessreview20121112
 
第3回広告貢献度可視化セミナー 第1部 スライド資料
第3回広告貢献度可視化セミナー 第1部 スライド資料第3回広告貢献度可視化セミナー 第1部 スライド資料
第3回広告貢献度可視化セミナー 第1部 スライド資料
 
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
 
Tokyo webmining資料LT20140726用
Tokyo webmining資料LT20140726用Tokyo webmining資料LT20140726用
Tokyo webmining資料LT20140726用
 
Ci niiによるリアルタイムデータマイニングの可能性
Ci niiによるリアルタイムデータマイニングの可能性Ci niiによるリアルタイムデータマイニングの可能性
Ci niiによるリアルタイムデータマイニングの可能性
 
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
 
DMBOKをベースにしたデータマネジメント
DMBOKをベースにしたデータマネジメントDMBOKをベースにしたデータマネジメント
DMBOKをベースにしたデータマネジメント
 
「デジタルマーケティングプラットホーム」 に進化するGoogle アナリティクス
「デジタルマーケティングプラットホーム」 に進化するGoogle アナリティクス「デジタルマーケティングプラットホーム」 に進化するGoogle アナリティクス
「デジタルマーケティングプラットホーム」 に進化するGoogle アナリティクス
 
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からーコグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
 
データアカデミーの活動紹介
データアカデミーの活動紹介データアカデミーの活動紹介
データアカデミーの活動紹介
 
デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向
デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向
デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向
 
中小企業のDXはオープンデータとPythonで!
中小企業のDXはオープンデータとPythonで!中小企業のDXはオープンデータとPythonで!
中小企業のDXはオープンデータとPythonで!
 

Similaire à アクション・プランニング(Action Planning)でデータ利活用シナリオを作る

Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料BrainPad Inc.
 
【3時間で学ぶ! スモールサクセス型 『カスタマージャーニー分析』】 slideshare公開用
【3時間で学ぶ! スモールサクセス型『カスタマージャーニー分析』】 slideshare公開用【3時間で学ぶ! スモールサクセス型『カスタマージャーニー分析』】 slideshare公開用
【3時間で学ぶ! スモールサクセス型 『カスタマージャーニー分析』】 slideshare公開用Akihiko Uchino
 
メディカルデザインプロデュース(基本軽)提案書100615
メディカルデザインプロデュース(基本軽)提案書100615メディカルデザインプロデュース(基本軽)提案書100615
メディカルデザインプロデュース(基本軽)提案書100615Daisuke Hachimura
 
位置データ活用 経済センサスのデータを使ってみよう
位置データ活用 経済センサスのデータを使ってみよう位置データ活用 経済センサスのデータを使ってみよう
位置データ活用 経済センサスのデータを使ってみようhide ogawa
 
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud  AIソリューションセミナー2020/05/18 Alibaba cloud  AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー寛之 松浦
 
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~ReNom User Group
 
【アナリティクスサミット2016】データ分析発展のステップ データドリブン組織のつくりかた
【アナリティクスサミット2016】データ分析発展のステップ データドリブン組織のつくりかた【アナリティクスサミット2016】データ分析発展のステップ データドリブン組織のつくりかた
【アナリティクスサミット2016】データ分析発展のステップ データドリブン組織のつくりかたKazumasa Harumoto
 
20180730 ds womens
20180730 ds womens20180730 ds womens
20180730 ds womensRio Kurihara
 
事業活動モデル・システム機能モデル・ビジネスロジックの記述
事業活動モデル・システム機能モデル・ビジネスロジックの記述事業活動モデル・システム機能モデル・ビジネスロジックの記述
事業活動モデル・システム機能モデル・ビジネスロジックの記述増田 亨
 
kintone Cafe 新潟 Vol.3
kintone Cafe 新潟 Vol.3kintone Cafe 新潟 Vol.3
kintone Cafe 新潟 Vol.3Masataka Isa
 
ビジネスモデルのデザインプロセス
ビジネスモデルのデザインプロセスビジネスモデルのデザインプロセス
ビジネスモデルのデザインプロセスNitta Tetsuya
 
Googleにおける機械学習の活用とクラウドサービス
Googleにおける機械学習の活用とクラウドサービスGoogleにおける機械学習の活用とクラウドサービス
Googleにおける機械学習の活用とクラウドサービスGoogle Cloud Platform - Japan
 
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略Takanori Kawahara
 
これからイベントを開催したい人のためのUX設計
これからイベントを開催したい人のためのUX設計これからイベントを開催したい人のためのUX設計
これからイベントを開催したい人のためのUX設計Yuxio tech
 
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)IMJ Corporation
 
Tableau Developers Club Season2 - 外部サービス連携デモ
Tableau Developers Club Season2 - 外部サービス連携デモ Tableau Developers Club Season2 - 外部サービス連携デモ
Tableau Developers Club Season2 - 外部サービス連携デモ Kenji Noguchi
 
Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介IoTビジネス共創ラボ
 
杉並診断士会向けKintoneご紹介コンテンツr2
杉並診断士会向けKintoneご紹介コンテンツr2杉並診断士会向けKintoneご紹介コンテンツr2
杉並診断士会向けKintoneご紹介コンテンツr2junji kumooka
 
【Truestar】alteryx×tableau 20171102
【Truestar】alteryx×tableau 20171102【Truestar】alteryx×tableau 20171102
【Truestar】alteryx×tableau 20171102Toshikuni Fuji
 

Similaire à アクション・プランニング(Action Planning)でデータ利活用シナリオを作る (20)

Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料Big Data Analytics Tokyo講演資料
Big Data Analytics Tokyo講演資料
 
【3時間で学ぶ! スモールサクセス型 『カスタマージャーニー分析』】 slideshare公開用
【3時間で学ぶ! スモールサクセス型『カスタマージャーニー分析』】 slideshare公開用【3時間で学ぶ! スモールサクセス型『カスタマージャーニー分析』】 slideshare公開用
【3時間で学ぶ! スモールサクセス型 『カスタマージャーニー分析』】 slideshare公開用
 
メディカルデザインプロデュース(基本軽)提案書100615
メディカルデザインプロデュース(基本軽)提案書100615メディカルデザインプロデュース(基本軽)提案書100615
メディカルデザインプロデュース(基本軽)提案書100615
 
位置データ活用 経済センサスのデータを使ってみよう
位置データ活用 経済センサスのデータを使ってみよう位置データ活用 経済センサスのデータを使ってみよう
位置データ活用 経済センサスのデータを使ってみよう
 
2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud  AIソリューションセミナー2020/05/18 Alibaba cloud  AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
 
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
AIによる働き方改革!~本当にストレスを感じている社員を見逃すな~
 
【アナリティクスサミット2016】データ分析発展のステップ データドリブン組織のつくりかた
【アナリティクスサミット2016】データ分析発展のステップ データドリブン組織のつくりかた【アナリティクスサミット2016】データ分析発展のステップ データドリブン組織のつくりかた
【アナリティクスサミット2016】データ分析発展のステップ データドリブン組織のつくりかた
 
20180730 ds womens
20180730 ds womens20180730 ds womens
20180730 ds womens
 
事業活動モデル・システム機能モデル・ビジネスロジックの記述
事業活動モデル・システム機能モデル・ビジネスロジックの記述事業活動モデル・システム機能モデル・ビジネスロジックの記述
事業活動モデル・システム機能モデル・ビジネスロジックの記述
 
kintone Cafe 新潟 Vol.3
kintone Cafe 新潟 Vol.3kintone Cafe 新潟 Vol.3
kintone Cafe 新潟 Vol.3
 
ビジネスモデルのデザインプロセス
ビジネスモデルのデザインプロセスビジネスモデルのデザインプロセス
ビジネスモデルのデザインプロセス
 
Googleにおける機械学習の活用とクラウドサービス
Googleにおける機械学習の活用とクラウドサービスGoogleにおける機械学習の活用とクラウドサービス
Googleにおける機械学習の活用とクラウドサービス
 
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
 
これからイベントを開催したい人のためのUX設計
これからイベントを開催したい人のためのUX設計これからイベントを開催したい人のためのUX設計
これからイベントを開催したい人のためのUX設計
 
Tdc 20181121
Tdc 20181121Tdc 20181121
Tdc 20181121
 
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
 
Tableau Developers Club Season2 - 外部サービス連携デモ
Tableau Developers Club Season2 - 外部サービス連携デモ Tableau Developers Club Season2 - 外部サービス連携デモ
Tableau Developers Club Season2 - 外部サービス連携デモ
 
Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
 
杉並診断士会向けKintoneご紹介コンテンツr2
杉並診断士会向けKintoneご紹介コンテンツr2杉並診断士会向けKintoneご紹介コンテンツr2
杉並診断士会向けKintoneご紹介コンテンツr2
 
【Truestar】alteryx×tableau 20171102
【Truestar】alteryx×tableau 20171102【Truestar】alteryx×tableau 20171102
【Truestar】alteryx×tableau 20171102
 

アクション・プランニング(Action Planning)でデータ利活用シナリオを作る

Notes de l'éditeur

  1. イノベーションゲームにて創造したアイデアや提起された問題が、どのような要求に基づくものなのか議論する。明らかな要求(顕在要求)から、隠れた要求(潜在要求)を掘り起こし、問題の本質について理解し、解決すべき問題に対する的確なソリューションを考案する。
  2. フェーズ1にて明らかにした問題から、解決策(ソリューション)を再構築する。ソリューションに関係する知識や情報をシナリオの構成単位とし、知識要素として表出化する。ソリューションを社会に実現するためにどのような人が関わっているか、どのようなリソースが必要か、期待する分析結果を得るために必要なデータと変数などを洗い出し、シナリオを具体化する。
  3. フェーズ1にて明らかにした問題から、解決策(ソリューション)を再構築する。ソリューションに関係する知識や情報をシナリオの構成単位とし、知識要素として表出化する。ソリューションを社会に実現するためにどのような人が関わっているか、どのようなリソースが必要か、期待する分析結果を得るために必要なデータと変数などを洗い出し、シナリオを具体化する。
  4. フェーズ2で明らかにしたシナリオの構成要素を系列化する。シナリオを構成する知識や情報に関係性を見出すことで、欠けている知識や要素の存在について気付きを与える。系列化は以下の3つを用意。 時系列化 収益フロー システムフロー
  5. フェーズ2で明らかにしたシナリオの構成要素を系列化する。シナリオを構成する知識や情報に関係性を見出すことで、欠けている知識や要素の存在について気付きを与える。系列化は以下の3つを用意。 時系列化 収益フロー システムフロー