一般教養の本 データサイエンティストの意思決定、バイアスの罠
データサイエンティストはヒューリスティックを是正することで価値貢献していますが、データサイエンティストもまた人間であり、分析プロセスの中では意思決定の主体です。今回は「仮説がちゃんと立てられれば分析はうまくいく」という当たり前に対して、メスを入れたいと思います。
2022-02
一般教養の本 
データ分析の本 ヒアリングのクオリティを上げよう
ところで、N1分析のクオリティの優劣を決める要因はなんだろうかと考えてみると、インプットの情報とそれを処理する能力の二つです。ただ、より価値の源泉にあるのはインプットのクオリティ、つまりヒアリングで得られる情報の品質ってこだと考えられます。
データ分析の本 N1分析のススメ
私は1人のユーザーの行動ログデータ（ウェブ回遊、アプリ回遊、購買などなど））をかき集めて実施しました。
データ分析の本 簡易的にバイアスを除外する方法
ただ実際にやってみようとなったときに、教科書に書いている手法の品ぞろえが多すぎる印象があるので、kofa的に現場でよく使われる売れ筋の手法は？について話していきたいと思います。
ビジネスの本 150点をとる秘訣は業務削減
力の入れ具合に変化つけないと、成果が全部中途半端になってしまいますよね。仕事を棚卸して、自分がやるものと配下にやってもらうものを整理し、自分が持つものでも優先度つけて捨てれるものは捨てましょうという話ですよね
ビジネスの本 できない理由ではなく、どうすればできるかを考える。そして大抵はできる
今までできなかったから無理だろうとか、経験側的にうまくいかないだろうとか、精緻な検討もせずに後回しにすることってありますよね。私の性癖として、ボリュームが小さい検証（統計的優位性を担保できない）を避ける、精度の低い想定されるケースでの予測やシミュレーションを避けるなどがあります。
ビジネスの本 深堀分析は創造性が問われる仕事
私はこの一文をから堀分析は創造性が問われる仕事なんだと解釈しています。ドリルダウンってよく使いいますよね。つまり、我々がよくやる深掘り分析というのは創造的な分析なのです！！（言い過ぎ？）
ビジネスの本 コンサル流仮説検証の進め方
めっちゃその通りなんですけど、これを継続的、運用的にやるのが難しいんですよね。。。忙しいとすぐに仮説なき検証をしてしまうのが分析界隈のあるあるです。結論から言いますと、以下のプロセスを繰り返すと、仮説ドリブンな分析を自然な形で実践できます。エクセルなどのスプレッドシートで運用するのが良いです。