&nb...
テーマ設定とギャップ分析 データ分析講座(その199)
データ分析・活用(データサイエンス実践)の「テーマ設定」の流れについて簡単に説明します。テーマ設定の入口は、現場の「お困りごと」(問題)です。出口は、テーマ選定マトリクスを使ったテーマ候補の評価結果です。その評価結果をもとに、優先順位付けを行い扱うテーマを選択します。テーマ設定の入口である現場の「お困りごと」(問題)を考えるとき、ギャップ分析を実施します。
今回は、「テーマ設定とギャップ分析」というお話しをします。
【目次】
1.系統図法で問題を課題化し解決策を考える流れ
2.ギャップ分析
3.理想(To-Be)と現状(As-Is)のどちらを先に考えるべき?
4.「理想(To-Be)」から考えた方がいい理由
5.ギャップと考えると問題は4タイプある
6.「原因(要因)の課題化」もギャップ分析
1.系統図法で問題を課題化し解決策を考える流れ
前回の復習です。前回は、「データ分析上必須な2つのロジカルシンキング」というお話をさせて頂きました。この中で、系統図法で問題を課題化し解決策を考える流れを紹介しました。
以下です。
【1】お困りごと(問題)の設定
【2】問題の要因(原因)の洗い出し
【3】原因(要因)の課題化
【4】課題の解決策の案出
【5】解決策のデータ活用の可能性検討
【2】および【4】で系統図(ロジックツリー)を作り検討していきます。
【1】と【3】でギャップ分析を実施します。
今回のお話しは【1】に関するものが中心で、【3】にも若干触れます。【5】は次回お話しします。
2.ギャップ分析
ギャップ分析は、理想(To-Be)と現状(As-Is)の差異を捉え、そのために何をすべきかを考える課題抽出法です。通常は、定量分析というよりも定性分析に分類されます。課題抽出時に、前回お話ししたようなロジカルシンキング的な手法を使います。
前回お話ししましたが、「理想(To-Be)と現状(As-Is)のギャップが生まれている状態」を「問題」と定義します。
これをさらに「数値」でも表現しましょう。

3.理想(To-Be)と現状(As-Is)のどちらを先に考えるべき?
たまに次のような質問を受けます。「理想(To-Be)と現状(As-Is)のどちらを先に考えるべきでしょうか?」結論は、どちらでもいいです。考えやすい方からでいいでしょう。
個人的には、「理想(To-Be)」から考えた方がいいと感じています。なぜでしょうか?
4.「理想(To-Be)」から考えた方がいい理由
精神的な理由で、「現状(As-Is)」から考えると心が暗くなり、しかもその後に考える「理想(To-Be)」が小さくなります。なので、現状無視で夢見る感じで「理想(To-Be)」を考え、心晴れやかな状態で「現状(As-Is)」を考えるのがいいです。
5.ギャップと考えると問題は4タイプある

現場の「お困りごと」(問題)と言っても、今現在の「問題」だけでなく、今後起こるかもしれない「問題」も対象に入ります。さらに、ネガティブな状態を解消する「問題」だけでなく、ネガティブな状態ではないけれど、よりポジティブな状態にすべきことも「問題」と考えます。したがって、「問題」は大きく次の4つに分類されます。
6.「原因(要因)の課題化」もギャップ分析
先ほど、【3】の「原因(要因)の課題化」もギャップ分析であることに言及しました。前回もお話ししましたが、【3】の「原因(要因)の課題化」のギャップ分析も、基本は理想(To-Be)と現状(As-Is)の差異を考えます。
【1】の「お困りごと(問題)の設定」のギャップ分析で「問題」を定義し、【2】の「問題の要因(原因)の洗い出し」でロジカルシンキングで原因を炙りだします。

炙り出された「原因」が、「現状(As-Is)」になります。この「原因」に対処し「より良い状態」にするのが「課題」です。この「より良い状態」が「理想(To-Be)」です。

「理想(To-Be)と現状(As-Is)のギャップが生まれている状態」が「課題」になります。「現状(As-Is)」のままであれば、課題にならないということです。実際に、ほったらかしにする原因や、どうしようもない原因は、課題になりません。ちなみに、【3】の「原因(要因)の課題化」のギャップ分析は、「現状(As-Is)」が既に明確になった状態で実施します。
続きを読むには・・・
この連載の他の記事
現在記事
「情報マネジメント一般」の他のキーワード解説記事
もっと見る自動機械学習 データ分析講座(その184)
◆ 古くて新しい自動機械学習 似たような数理モデルあり、その中から数理モデルを選択してモデル構築する場合のことです。この...
◆ 古くて新しい自動機械学習 似たような数理モデルあり、その中から数理モデルを選択してモデル構築する場合のことです。この...
データ活用する現場のお困りごととは データ分析講座(その180)
◆ お困りごとをユーザ視点へ転換しデータ分析・活用に邁進しよう! データ分析・活用(データサイエンス実践)をするとき、「お困りごと...
◆ お困りごとをユーザ視点へ転換しデータ分析・活用に邁進しよう! データ分析・活用(データサイエンス実践)をするとき、「お困りごと...
なぜ、開票率数%で当確なのか? データ分析講座(その217)
【この連載の前回:データ分析講座(その216)パレート指数による売上分析へのリンク】 各報道機関の選挙速報で、よく開票率...
【この連載の前回:データ分析講座(その216)パレート指数による売上分析へのリンク】 各報道機関の選挙速報で、よく開票率...
「情報マネジメント一般」の活用事例
もっと見る中小製造業とIoTの波
「IoT(アイオーティー)」の波が、中小製造業にどのような影響をおよぼすのか、具体的にどのような変化がこの業界に訪れるのかについて、解説します。 ...
「IoT(アイオーティー)」の波が、中小製造業にどのような影響をおよぼすのか、具体的にどのような変化がこの業界に訪れるのかについて、解説します。 ...
電子メール、簡潔過ぎると逆効果
◆電子メール:多忙な人に確実な返信をもらうテクニック 皆様は仕事で電子メールを一日に何通受信しますか、企業の従業員数、所属部署、職務、職位などでも...
◆電子メール:多忙な人に確実な返信をもらうテクニック 皆様は仕事で電子メールを一日に何通受信しますか、企業の従業員数、所属部署、職務、職位などでも...
簡易版DX/IoTから機械学習への移行
◆ DX(デジタル・トランスフォーメーション)を使えばコスト削減と納期短縮が可能に 産業界のニュースなどをインターネットで読んでいると...
◆ DX(デジタル・トランスフォーメーション)を使えばコスト削減と納期短縮が可能に 産業界のニュースなどをインターネットで読んでいると...


