BI ツールとしては新参の Google Data Studioはどうなのかとよく聞かれるので、色々と試用させていただいてます。実際の顧客のデータは見せれないので、個人データを使っていますが、なかなか良いのではというのは率直な感想。
BI ツールを長年使い倒したベテランには物足りないと思う部分もある（そういう感想の評価サイトにある）ようですが、
- 「そもそも BI ツールって具体的にどんなことができるの？」とか
- 「自社のデータを見るとどんなことがわかるの?」とか、
- 「ダッシュボードって、うちの車のあれ？」
といった疑問に手軽に答えたり、本格的に BI ツールに投資する前に使ってみるのにもとてもいいのではと思いました。
GCP (Google Cloud Platform) にすでにデータがある場合は即座に使えるのも便利ですね。Google は他の Ads や API なども含めてドキュメントが充実していて使いやすい。Google Data Studio についていえば、グラフや表のローカライズが簡単にできるといいですね。
サンプルとして、3078 ホール (x 50 行) 分のデータを Big Query に入れています。つまり 171 ラウンド分、 1 ホールにつき 50 種類のデータがあります。
一番時間がかかるのが、紙 からのデジタル化。
大体のラウンドは、1ストローク毎に状況やクラブ選択や意図まで思い出せるのですが、めんどいので 2017 年以前は機械に自動的に推定させました。思い出す暇があれば練習した方がいいと思い。。
一番時間がかかるのが、紙 からのデジタル化。
大体のラウンドは、1ストローク毎に状況やクラブ選択や意図まで思い出せるのですが、めんどいので 2017 年以前は機械に自動的に推定させました。思い出す暇があれば練習した方がいいと思い。。
そもそもなんでデータを集めて、分析したりグラフにしたり、MLアルゴリズムにつっこむのか? 色々理由はあるけれども、
[1] 成功／失敗などのパターンを発見できる
LTVの高い顧客の発見とか、顧客の黄金獲得ルートの発見とか、ストック/オプションの売買や戦略の最適選択、損害を最小限に抑えるプレー戦略の発見、スコアメイクにクリティカルに効く練習項目の発見とか、大量（でなくてもいいこともある）のデータから、金の卵を掘り出すことができます。
実際は、金塊掘り、ドブさらいのようなプロセスなので、所有しているデータの中から見つからないこともあります。その場合は自社のサービスや製品の改善のヒントも隠れていることもあり、どんなデータをどのように取ってくればよいかを考えるよい機会になります。
[2] 技術（テクニック）や経験値の低さをカバーできる
30 年の業界経験や修行経験を持ち合わせていない、未経験者でも高いクォリティのサービスや成績を短期間で出せるようになります。極めるまではいかないでも、そこそこのレベルに到達する時間を短く（研修、修行期間の短縮）できる。
また、自動化できる仕事はどんどん機械に任せられるようになりつつあります。そうすることで、人間がより創造的な仕事に集中できます。
[3] 論理的な判断ができる
現場のカンや、感情やタテマエだけでなく、事実、数値にも基づいて経営判断などの decision making を行えます。個人的には、いちかばちかのカケよりも、窮地において期待値の高い戦略をとれるよう、100%感情に頼った判断を避けれるようにしたい。いずれは人間のようなクリエイティブな判断や思想を持つことが機械にも可能になるかもしれません。
No comments:
Post a Comment