ビジネス上の問題をデータサイエンスの問題に変換する

多くのデータサイエンスのインタビューでは、ビジネス関連の質問をするのが一般的です。 面接対象者は、面接で企業が直面する課題を解決することが期待されています。 たとえば、新聞社の収益は落ち込んでおり、状況を救うために何ができるでしょうか。 Reliance Jioが、新しい場所から運用を開始することが有益かどうかを判断する方法。 BabaRamdevSIMの発売がRelianceJioなどのビジネスにどのように影響するか。

インタビュイーは、データサイエンスの質問に十分に備えるのが一般的です。 彼らは、「欠測値を代入する方法」、「データセットに適したアルゴリズムをどのように決定するか」などの質問を期待し、十分に準備します。 しかし、候補者はビジネスケースに直面すると完全に困惑します。 その理由の一部は、候補者が面接でビジネスケースの質問を期待していないことです。 データサイエンスのブログやコースがないというもう1つの理由は、ビジネスの問題をデータサイエンスの問題に変換する方法に触れていません。 データ分析に利用できるフレームワークはありますが、ビジネスをデータの問題に変換する方法については驚くほど静かです。 たとえば、CRISP-DMフレームワークはデータ分析で非常に有名です。 CRISP-DMの最初と2番目のステップは、「ビジネスの理解」と「データの理解」です。 ほとんどの意欲的なデータサイエンティストは、第1ステップから第2ステップに進む方法を知りません。 この記事の目的は、このギャップを埋めることです。 ビクターチェンの本とビデオは、ビジネス上の問題をデータの問題に変換する方法を理解するのに役立ちました。 この記事は彼の教えに基づいています。

インタビュアーの考え方

ケースインタビューに答える方法に飛び込む前に、インタビュアーの考え方を理解しましょう。 彼らがビジネスの質問をするとき、インタビュアーは何を探していますか？ インタビュアーが探しているもののいくつかは次のとおりです。-

• 候補者は独立した思考の考え方を持っていますか？
• 正確ではないにしても、答えは十分に良いですか？
• 候補者が提供するソリューションはクライアントフレンドリーですか（コンサルティング会社の場合）
• 候補者が提供するソリューションは線形ですか？
• 候補者は解決策を視覚的に説明しましたか？
• 候補者のソリューションは実用的ですか？

候補ソリューションは、課題からソリューションへと直線的かつ論理的に進む必要があります。 解決策が散在し、あるポイントから別のポイントに任意にジャンプする場合、そのインタビューはインタビュアーの心の中ですぐに終わります。 さらに、間違ったアプローチの正しい答えは、間違ったアプローチの正しい答えよりも優先されます。 アプローチが間違っていて答えが正しければ、インタビュアーは候補者が幸運だったと見なします。 これはすべての状況に当てはまるわけではありません。 アプローチが正しければ、それは再現可能であり、多くのビジネス状況に適用できます。
データサイエンスとは何ですか？ データサイエンティストとは誰ですか？ アナリティクスとは何ですか？

「ケースインタビュー」の質問に答える

ケースインタビューの質問への回答は、3つの段階に分けることができます。 開いて、分析して、閉じます。 開閉は定型的であり、練習すれば簡単に答えることができます。 分析段階はビジネス上の問題によって異なり、思考と創造性が含まれます。 質問に答える各段階で何をすべきか見てみましょう。
ケースインタビューの質問に答える手順は次のとおりです。-

• ストール
• 理解を確認する
• 問題の構造を特定する
• 分析する
• 選ぶ

ストール（オープニングステージ）

ビクター・チェンは、「ああ、これは非常に興味深い問題です」のようなことを言う前に、5秒間休止するように求めています。 これは「ストール」として知られています。 回答を5秒以上待っている場合、インタビュアーはあなたが解決策を知らないと思います。 ストールは、問題について考える貴重な時間を得るのに役立ちます。

理解を確認する

通常、「ケースインタビュー」の質問はワンライナーです。 質問に答えるために必要なすべての情報が提供されるわけではありません。 候補者は質問をし、彼らの理解を確認することが期待されています。 先に述べたように、新聞の収益を増やす場合は、「新聞はどのトピックをカバーしているのか」、「この新聞の対象読者は何か」などの質問をすることができます。インタビュアーが使用した用語を明確にします。そしてそれについてあなたは確信が持てません。 ここでは、何も想定しないことが重要です。 想定することは、会社が直面していない間違った問題の解決につながる可能性があります。 この演習では、面接官に、必要なときに助けを求めるのがどれだけ上手かについても知らせます。
回答の初期段階では、自由形式の質問をする自由があります。 時間が経つにつれて、あなたは自由を失い、終わりのない質問をすることしかできなくなります。 終わりに向かって自由形式の質問をすることは、インタビュアーがあなたが答えを尋ねようとしていると考えることにつながります。 ですから、遠慮なく質問して、答えるのに価値があると思う質問をしてください。
「データサイエンティストになる方法」に答えました！

構造を特定する

質問をした後に必要な情報を入手したら、質問が属する構造を特定します。 ビクターは、ケースインタビューの質問が属することができる4つの異なるフレームワークを指定します。 重要度の高い順に（インタビューで尋ねられた頻度に応じて）フレームワークは次のとおりです。

• 利益
• 事業の状況
• 合併と買収
• 需要と供給

ビジネスシチュエーションフレームワークの例は、新製品の発売、競合他社の行動への対応、需要の変化、企業の成長戦略などです。需給問題の例としては、新工場の建設や工場の閉鎖などがあります。買収による容量の変化、需要の変化など。
これらのフレームワークは難しくも速くもありません。 利益の問題は、最終的にはビジネスの状況や需給の問題に終わる可能性があります。 それにもかかわらず、この分類は私たちの思考に構造を提供し、目前の課題を前進させるのに役立ちます。
問題の構造を特定し、それを適切なフレームワークに一致させたら、次のステップは、フレームワークの主要なコンポーネントを説明することです。 たとえば、新聞の利益を増やす場合、収入と費用について話すことができます。 注意して、フレームワークに明示的に名前を付けないでください。 フレームワークはあなたの思考を構造化するためだけのものであり、インタビュアーにそれを言及するためのものではありません。 説明とともにフレームワークの主要コンポーネントを描画します。 あなたがこれらのステップを練習するとき、それはあなたにとって第二の性質になります。 構造を特定する際の重要なポイントは次のとおりです。

• 問題の性質を特定する
• 問題を適切なフレームワークに一致させる
• フレームワークの主要コンポーネントを説明する
• 描く

これが完了したら、問題を分析しているプロセスの次のステップに進みます。
トップ17データアナリストインタビューの質問と回答

分析する

ここで分析することは、データを分析することを意味するものではありません。 まだ遠いです。 データは最後に来ます。 データを要求する前に、対処する必要のある他のことがあります。
どこから始めればよいかを尋ねて、分析を開始します。 新聞の収益性を改善するために、あなたが費用または収入で進むべきかどうか尋ねてください。 インタビュアーの選択に応じて、回答を進めます。
根本的な問題を決定木として視覚化し、ルートから始めます。 仮説を述べ、インタビュアーの選択に従ってブランチを選択します。 ブランチ内の主要な問題を特定して説明します。 標準的な質問をして、ドリルダウンを続けます。 このプロセスでは、仮説を洗練し続けます。 解決せずにブランチの行き止まりに到達した場合は、ブランチのノードまでトレースして、反対方向にトラバースします。
プロセス全体を通して大声で考えてください。 これは、インタビュアーがあなたの思考と分析のスキルについて知るのに役立ちます。 あなたの思考に欠陥がある場合、彼らはそれを指摘し、正しい方向にあなたを助けるかもしれません。 ケースインタビューの質問について声を出して考えることは常に良い習慣です。
仮説を立てて意思決定ツリーのリーフに到達するか、インタビュアーが仮説について確信が持てないポイントに到達したら、先に進んでデータを要求できます。 仮説を受け入れるか反論するのに役立つデータ。 洞察を導き出し、ビジネス上の意思決定を行うのに役立つデータ。 覚えておくべきポイントは、すべてのデータ要求はしっかりした説明によって裏付けられるべきであるということです。 説明なしでデータを要求することは、コンサルタントの場合、インタビュアーやクライアントにはうまくいきません。
これで、ビジネス上の問題からデータ分析の問題への変換が完了します。 これが完了すると、データの分析を進める方法がわかります。 ここから、標準のCRISP-DMの手順は次のとおりです。

• データを理解する
• データのモデリング
• モデルの検証
• モデルの展開
• モデルを更新し、関連性を維持する

ケースインタビューの質問に答えるためのヒントとコツ

• 番号をセグメント化する
• 会社対競合他社
• 今年と過去1年
• 声を出して考える
• データを要求する前に、データが必要な理由を説明してください
• 何も想定しないでください
• ビジネス上の問題に答える練習

番号をセグメント化する

データサイエンスとは、問題を構成要素に分解することです。 パーツを分析し、洞察を導き出します。 パーツを組み合わせて、データ分析に裏打ちされた推奨事項を提供します。 このパーツの組み合わせは、コンサルタントの言葉で「合成」としても知られています。
データをパーツに分割すると、より良い洞察を得ることができます。 収入の損失により新聞の利益が減少していると仮定しましょう。 全体としての収益の損失は、多くの洞察を提供しません。 この収益を加入者の年齢に基づいてさまざまなバケットに分割すると、より価値のある洞察が得られる可能性があります。 企業は、特定の年齢層を対象としたアクションを実行して、収益を向上させることができます。 ビジネス上の問題を考えると、それをさまざまな部分に分割する最善の方法を常に確認してください。
ビジネス上の問題を考えると、それが特定の企業だけが直面しているのか、業界全体が直面しているのかを考えてください。 解決策と推奨事項は、どちらの場合も異なります。 もう1つの考え方は、過去と現在のパフォーマンスを比較することです。 これらの考え方は両方とも、ケースインタビューの質問に答える上で前進するための方向性を提供します。

手順とさまざまなフレームワークについて知っていると、特定のポイントに到達するだけです。 ケースインタビューの質問にうまく答えるのに役立つのは、「練習、練習、その他の練習」です。 これは他の方法ではありません。 質問の検証、構造の特定、問題のフレームワークへの適合、仮説の定式化、決定木に沿った移動などの流暢さは、実践によってのみもたらされます。 ケースインタビューの質問をクラックしたり、ビジネス上の問題をデータ分析の問題に変換したりすることは、実践なしでは不可能です。
データサイエンティスト：神話と現実

要約すると、ビジネスの問題をデータサイエンスの問題に変換することは、ケースインタビューの質問と同等と見なすことができます。 ケースインタビューの質問に正しく答えるには、インタビュアーを失速させ、問題の構造を特定し、それを基礎となるフレームワークと照合し、仮説を立て、関連する質問をして決定木を横断し、最後に次の方法でデータを要求します。なぜそれが欲しいのかを説明します。 最後に、ケースインタビューの質問に答えるのに成功するために、それを練習してください。 ビジネス上の問題をデータサイエンスの問題に変換できるようになったら、CRISP-DMフレームワークに従って結果を分析し、データに裏付けられた推奨事項を提供します。

今日、IIM-Kozhikodeからビジネス意思決定のためのデータサイエンスのプロフェッショナル認定プログラムに参加してください！