はじめに
こんにちは。HacobuでデータアナリストをしているTKと申します。
先日、Architecture Conferenceにて「使ってもらえるデータ基盤」をテーマに発表してきました。
資料：社内外から"使ってもらえる"データ基盤を支えるアーキテクチャの秘訣/登壇資料
発表後、私と同じように「社内でデータ活用を広げよう」とチャレンジされている方々とお話しする機会がありました。そこでの会話から、データ分析教育の進め方は大きく２つに分けられるのではないかと考え、ブログの形で整理してみました。
データ分析教育を進める上で、何かしらのヒントになれば嬉しいです。
データ分析教育：２つのアプローチ
社内でデータ活用を広げようとした時に、環境整備や教育体制づくりなど、やるべきことが多岐にわたります。これらを進める上でのアプローチを、目的に応じて大きく２つに分けてみました。
- ピンポイント強化型：選択と集中で「自走できる人・領域」を育てるアプローチ
- 面的アプローチ型：環境整備と運用で「全体の底上げ」を狙うアプローチ
1. ピンポイント強化型：選択と集中 → 自走へ
まずは広く機会を作り、反応が良いところ・伸びるところに重点的に投資していくやり方です。育成できる人数は限られる一方で、自走できる人が増えるほど中長期ではスケールしやすくなります。
- 広く機会をつくる（入口を増やし、小さな成功体験やネタを増やす）
- 伸びる人・領域に集中投資する（伴走・レビュー・個別支援などを厚くする）
- 自走できる状態にして任せる（育った人が周囲に波及し、自然に広がっていく）
2. 面的アプローチ型：環境整備 → 全体の底上げ
先に“できる環境”を作り、全体に広く届けて底上げしていくやり方です。大きな組織でも取り組みやすい一方で、継続フォローが弱まると活用が止まりやすいリスクがあります。
- 先に環境を整える（ツール、データ、テンプレ、ガイド、相談窓口など）
- 全体に方法を届ける（研修・資料・社内コンテンツなどで広くカバーする）
- 詰まりやすいところをフォローする（進まない部署やテーマを支援して底上げする）
結局、どちらが良いの？
結論、どちらが優れているというより 「自社の目的」で選ぶ のが大切だと思っています。
Hacobuは「ピンポイント強化型」側を選んだ
Hacobuの課題は、リソース不足でした（データアナリスト一人に分析業務が集中していた）。そのため、まずは自走できるメンバーを育てる方向に舵を切りました。
一方で、一般によく言われる「データ活用へのモチベーション不足」は大きな課題ではありませんでした。「Data-Driven Logistics」を理念として掲げており、データを活用する素地があったためです。
もちろん、風土づくりや全体の底上げが主目的であれば、面的アプローチ型のほうが合うケースもあると思います。
データ分析は手段。教育も手段。目的で選ぶ
データ分析は面白いからこそ、「分析すること」自体が目的になってしまうことがあります。でも重要なのは、分析の結果として どんな価値が得られるのか です。
同じように、データ分析教育も手段です。教育の先に達成したい目的があるはずで、そこから逆算すると、取るべきアプローチは自然と見えてくるのではないかと思います。
おわりに
AIツールなどの普及により、データ分析ができる環境は整ってきています。とはいえ、使おうというモチベーションと、使えるスキルが揃わなければ活用は進みません。
この2つをどう育てるか——これからも考え続けていきたいテーマです。
最後まで読んでいただき、ありがとうございました。少しでもいいなと思ったら、ハートで応援いただけると嬉しいです！
Discussion