簡単なデータ分析とそれほど簡単ではないデータ分析のデコード

S. Sadagopan教授、ディレクター–IIITバンガロアによって執筆されました。 Sadagopan教授は、データ分析のUpGrad＆IIIT-BPGディプロマプログラムの専門家パネルで最も経験豊富な学者の1人です。

専門用語、誇大広告、数百万ルピーで支払われる数百万の今後の仕事について語る圧倒的なマーケティングメッセージに混乱した新進の分析専門家として、データ分析教育の「真の」価値を明確にする必要があります。 ここにいくつかのヒントがあります-それはうまくいけばあなたの混乱を減らすのに役立つはずです。

一部の賢い人々は、「分析的思考」を使用して「驚くべき数字」を思い付くことができます。 それらは非常に便利ですが、「直感的」であるため、「教える」ことはできません。

例えば：

簡単な分析

DataInsightsを使用したATMの事前設定

「私たちはこの地球上で最速のATMを持っています」

尊敬される銀行を主張した。 彼らは彼らのために特別に作られた新しいATMを手に入れましたか？ とんでもない。 分析的な考え方を持つ賢い従業員の中には、ユーザーが現金を引き出すためにATMに行く時間の90％が、固定額、たとえば5,000ルピーを使用していることを発見しました。 そのため、銀行は標準の画面オプション（残高照会、引き出し、明細書の印刷など）を再構成して、別のオプションを含めました。 個々の顧客の過去の行動に基づいて、XYZの金額を引き出します。

これにより、ATM操作の1ステップを節約できました。 引き出しオプションを選択してから引き出し金額を入力する代わりに、時間を節約できるようになり、プロセスがより便利で直感的になりました。 確かに賢明な動きですが、これは「Easy Analytics」と呼ばれるもので、他の人もコピーできます。 実際、他の人は3か月以内にコピーをDIDしました！

天気の隠されたデータ

90年代にスプレッドシート製品に付属していたサンプルデータセットには、米国のすべての州の面積と人口に関するデータがありました。 人口密度（平方キロメートルあたりの人口）を計算するためのスプレッドシートの数式部分を教える演習もありました。 平方キロメートルあたり467人の人口を抱えるニュージャージー州は、最も密度の高い州です。

ニュージャージーでMBAの学生のクラスを教えているときに、人口密度の点で、ニュージャージーは1平方キロメートルあたり446人で、インドよりも混雑していることを理解したインドの学生に会いました。 州と国を比較することは少し誤解を招くかもしれませんが、興味深い観察です。 繰り返しになりますが、 「素晴らしい」観察につながる簡単な分析の演習です。

いくつかの簡単なデータ分析の演習は日常的に行うことができ、すばらしいツールのおかげで比較的簡単になります。

B-デコードされた学校の購入行動

キャンパス内に店舗があるインドのBスクール（キャンパスは市内中心部から遠く離れています）では、賢い学生の中には、キャンパス店舗の数年間の売上データを入力している人もいます。 彼らは驚異的なコンピューターの能力と、馬鹿げたことのない分析ソフトウェアに興奮していました。

しかし、本当の驚きは、 8つのアイテムが年間売上高の85％を占めていたことです。 さらに重要なことに、これらの8つのアイテムは、1年のうちわずか6日間で消費されました。 動きの速いアイテムはほんの一握りだということは誰もが知っていましたが、その程度（85％）や強度（わずか6日間での消費）はわかりませんでした。

学期の最初の3日間で、学生は全学期のアイテムをストックすることがわかりました。 Bスクールは、学期の初めに2週間だけ一時的な屋台を支え、キャンパスストアを閉鎖するように近くの店に依頼するのが賢明であると考えました。 これにより、学生に大きな不便をかけることなく、有用なスペースとコストを節約できました。 強力なツールの助けを借りて行われたEasyAnalyticsの良い例。

「それほど簡単ではない」分析には、深い分析の理解、ツール、「分析の考え方」、およびいくつかのハードワークが必要です。 2つの例を次に示します。1つは70年代にさかのぼり、もう1つはごく最近発生したものです。

それほど簡単ではない分析

飛ぶか飛ばないか、それが問題です

ずっと前に、アメリカン航空は、すべての航空機の座席を管理するSABRE Airline Reservationシステムのおかげで、計画された航空機の座席のオーバーブッキングを完成させました。
アメリカン航空は、年間を通じて毎日のすべてのフライトのすべてのセグメントで「空席」と「ノーショー」の詳細な過去のデータを備え、航空機の座席を生鮮商品としてモデル化することで、飛行機の利用率などの歩留まりを向上させることができました。容量。 彼らは計画されたオーバーブッキングを通じてこれを行いました–予想されるキャンセルに基づいて、座席数よりも多くのチケットを販売しました。

実際に実際の座席数よりも多くの乗客が現れた場合、アメリカン航空は、次のフライト（多くの場合無料）までに飛行し、必要に応じてホテルの宿泊施設の世話をすることを提案して、特定のフライトでの旅行を控えることを志願する人に要求します。 時には、彼らはボランティアにオプトアウトするための現金インセンティブを提供することさえありました。

アメリカン航空は、高度な統計およびオペレーションズリサーチのモデリングを使用して、フライトが満席になり、満員よりも多くの乗客の実際の事故がほぼゼロになるようにしました。 実際、多くの学生はインセンティブを得ることができるようにそのような事件を楽しみにしています（実際、私はこのリストに自分自身を含める必要があります）が、彼らが報われることはめったにありませんでした！）

アメリカン航空が実験として始めたものは、何年にもわたって標準的な業界慣行になりました。 最近まで、このような分析演習を継続するには、膨大なコンピューティング能力を利用できる十分な訓練を受けた（多くの場合博士号取得者）アナリストのチームが必要でした。

現在、 Rプログラミング言語や強力な視覚化/グラフィックス機能を備えた強力なデスクトップコンピューターなどの新世代ソフトウェアは、データ分析の世界を急速に変化させています。 十分な訓練を受けている人（必ずしも博士号を取得する必要はありません）は、一流の分析専門家になることができます。

キャブアウトオブザバッグ

Uberは、データ分析の力が確立された業界をどのように混乱させるかを示すさらに別の例です。 バンガロールとオラキャブのタクシーはユーバーに似ています。 一緒に、これらのタクシーアプリ会社（モバイルアプリを使用してタクシーを呼び、ステータスはタクシーを監視し、タクシーを使用して支払います）は、車の所有権からオンデマンドの車の使用に移行するように世界を説得しようとしています。
2008年のシンプルでありながら深い分析の演習により、Uberは、2025年までに自動車販売を25％削減することについて話し始めました。
Uber App for iPhoneを構築した後、Uberの創設者は、サンフランシスコに数百人のタクシー顧客を登録し、その地域にも数百人のタクシー運転手を登録しました。 登録されたドライバーがしなければならなかったのは、顧客の準備ができたらいつでもUberアプリに触れることだけでした。 同様に、登録されたタクシーの顧客は、タクシーを探しているときはいつでもUberアプリに触れるように求められました。
インターネットに接続された電話（接続性）、モバイルアプリ（ユーザーインターフェイス）、GPS（タクシーとエンドユーザーの位置）、GIS（位置の詳細）のおかげで、Uberはタクシーの運転手とタクシーのユーザーを接続してみることができました。

本当の洞察は、ほぼ90％の時間、タクシ​​ーの運転手が100メートル以内に顧客を見つけたということでした。 同様に、ほぼ90％の時間、タクシ​​ーの利用者はすぐに、それほど遠くない場所で潜在的な運転手とつながりました。
残念ながら、Uberアプリが登場するまで、ライダーやタクシーの運転手はこの情報を知る方法がありませんでした。 さらに重要なことに、彼らはお互いに到達する方法がありませんでした！ 彼らがこの情報とアクセスを手に入れたら、タクシーを呼ぶ新しい方法を確立することができます。

タクシーをスケジュールするバックエンドソフトウェア、支払いゲートウェイ、モバイル支払いメカニズムを使用すると、はるかに優れたタクシーサービスを確立できます。 もちろん、家の近くでは、この経験を自動人力車にも拡張しようとするタクシーのようなさらに良いオプションがありました。 残りは、彼らが言うように、 「製作の歴史」です。

データ分析の詳細なコースは、このような影響の大きいアプリケーションの準備に役立ちます。 簡単なことではありませんが、ケネディ前米大統領の言葉を覚えておいてください。

「私たちは月に行くことを選びました。それは簡単だからではなく、難しいからです！」

世界のトップ大学からデータサイエンス認定を取得します。 エグゼクティブPGプログラム、高度な証明書プログラム、または修士プログラムを学び、キャリアを早急に進めましょう。