以前のブログ記事では、セルフサービス分析を利用しないデータアナリストの1日を取り上げ、多くのアナリストが、毎週44%もの時間を不毛なデータ業務に費やしたり、分析やレポート用のデータ準備に1日の80%もの時間を奪われていることを解説しました。
これらの事実はすでにご存知のとおりですが、
一方で、セルフサービス分析プラットフォームを活用するアナリストの1日がどのようなものか、気になったのではないでしょうか？
以下にその 1 日をご紹介します。
午前 7 時 12 分
今日は金曜日。あなたは、製品の製造・販売を行う企業のアナリストです。 出勤前に、台所にあるイーゼルと画材が目に入ります。 今晩は、家族といっしょに絵を描く予定なのです。 待ち遠しくて仕方ありません。
午前 8 時 7 分
コーヒーを淹れて、ノートパソコンを開きます。 受信トレイには予想以上に多くのメールが届いており、さらにいくつかの想定外の打ち合わせも入っています。 まずは、1 日の業務の優先順位を設定し、サーバーからデータを取得し、いくつかのワークフローを更新します。 数回クリックするだけで、1 杯目のコーヒーを飲み終える前に、重要なレポートを更新することができました。
午前 8 時 28 分
ワークフローをまとめてサーバーで実行した後に、ノートパソコンを携えて、その日の最初の会議に向かいます。 ある製品にネガティブなレビューが寄せられており、何らかの手を打つ必要があります。 チームで、お客様からのレビューを検証します。 さまざまなアイデアが飛び交い、 意見が対立します。
あなたは、こう提案します。 「すべてのレビューをワークフローに取り込めば、あらゆるお客様の感情分析を行うことができます。 そうすれば、何が起こっているか、全体像を把握できるようになります」
プロダクトマネージャーの 1 人が反応します。 「それはすばらしい！ いつまでにできそうですか？」
「来週中には」
「いいですね。ぜひお願いします」
あなたはその作業をリストに追加しました。
午前 9 時 35 分
デスクに戻ります。 マーケティングディレクターから、特定の顧客層を対象としたマーケティングキャンペーンの分析を依頼されました。 1 か月前であれば、この分析には数週間かかっていたかもしれませんが、 今ではわずか数分で分析を行うことができます。 ワークフローにデータを流し込むだけで、すべてが自動で実行されるのです。 会社のサーバーで必要なデータを見つけ、ワークフローに追加します。
もうデータのクレンジングに時間を費やす必要はなく、そのデータをもとに、複数の予測モデルや処方的分析モデルを簡単に実行することができます。 そして、興味深い気付きを得ます。あるモデルから、微妙に異なる顧客層での、購買や場所における相関関係を予測できたのです。 レポートをサーバーに送り、マーケティングディレクターにメールでその旨を知らせます。
午前 10 時 6 分
複数のプロジェクトが進行しており、その中には、まだ習得していないスキルが必要なものもあります。 しかし、問題はありません。 使用しているセルフサービス分析プラットフォームには、検索バーが組み込まれており、スキルの習得に必要な動画、トレーニング、コミュニティフォーラムなどを 簡単に探し出し、すぐに利用することができます。
午前 10 時 51 分
大切なパートナーからメッセージが届きました。 そこにはこう書かれています。「青いラブラドールレトリーバーと暮らしたいという願いが叶ったみたい」
そして、 絵の具まみれになった愛犬の画像が添えられていました。 さらにメッセージが届きました。
「絵の具を買ってきてくれない？ もうほとんど残っていないのだけど、今日は会議だらけで時間がなくて。犬もきれいにしてあげなくちゃだし」
「もちろん」と返信します。
午前 11 時 34 分
顧客のレビューを取り込み、テキストマイニング機能で処理します。 PDF や画像に含まれる非構造化テキストを自動で変換できるため、もう一つひとつ自力で入力する必要はありません。 以前であれば、このような面倒な作業を行うために、週末の時間を犠牲にしなければなりませんでした。
午前 11 時 53 分
早めにランチに行き、ついでに絵の具も買い足そうと考えていた時に、オペレーションディレクターから電話がありました。 CEO が収益の改善に向けたアクションプランを求めており、数時間後にミーティングを開きたいとのこと。
「お任せください」と返答し、 以前作成したワークフローを取り出して、パラメーターを変更し、サーバー上で分析が実行されるように設定します。 数百万行ものデータを処理する大がかりな作業ですが、昼食から戻ってくる頃には完了していることでしょう。
12 時 39 分
画材店に絵の具を買いに行った際に、さまざまな額縁が目に入りました。子供たちは自分の部屋に自分の作品を飾れたら喜ぶに違いありません。さっそく額縁を購入し、パートナーに写真とメッセージを送ります。「子供たちには内緒だよ！サプライズだからね」。
返事が来ました。 「素敵！」
午後 1 時 27 分
上司から、近日中に行われる人事考課についてのリマインドメールが届きます。
あなたは毎日 1 時間を、データサイエンスの学習に充てるよう努めています。 AI によるアシスト付きモデリングは、最適なモデルを知るために役立ちます。 午前中に作成したマーケティングディレクターへのレポートや、 先月に行った、会社のサプライチェーン向けの予測モデルと処方的分析モデルの構築においてもこの機能が大活躍しました。 また、ワークフローを活用することで、購買やと価格の設定に関する主要な機能を自動化し、 数十万ドルものコストを削減することができました。
上司に送る人事評価シートに、これらの成果を加える予定です。
午後 2 時 46 分
ノートパソコンが突然故障しました。 最初は、画面がスリープ状態になっただけだと思いましたが、まったく音がしません。 トラブルシューティングのリストを手元に解決を試みます。 電源ボタンを押して、 キーを叩いてみます。 パソコンを裏返しにして、 キーをより強く叩いてみました。しかし、何の反応もありません。
IT チームに電話をしたところ、すぐに代替のノートパソコンを用意してもらえました。しばらくはこれで乗り切るしかなさそうです。 幸いにも、ワークフローとデータがすべてサーバーに保存されているため、中断した場所からすぐに再開することができました。
レポートをチェックして、会議前にオペレーションディレクターに送信します。 御礼のメールが届きました。
午後 3 時 33 分
マーケティングディレクターからは、 次のようなメールが届きました。
「素晴らしい！ 最高です！」
近日中の人事考課に向け、そのこともメモしておきます。
午後 4 時 40 分
ノートパソコンはまだ壊れたままですが、なんとか 1 日を乗り切ることができました。 画材と新しいコンピューターを持って家路につきます。
その時、携帯電話が鳴りました。
COO からです。 「主要サプライヤーの最寄りの道路が冠水しまったようで、今すぐ解決策を考えてほしいのです。 急を要していて、月曜には発注をかけなければなりません」
あなたは微笑みながら、
「それなら先月、自動化しましたよ。 すべてが自動で切り替わるようになっています」と言います。
COO が自分のコンピューターを確認するのを待ちます。 キーがクリックされています。
「ちょっと、見て！」と、驚きの声が上がりました。 「本当に助かりました。感謝してもしきれません！」
COO は今後もあなたに感謝することになるでしょう。 Alteryx がなければ、子供たちと絵を描く週末の楽しみは奪われ、新たな発注先を見つけ出すために奔走しなければならなかったでしょう。 さらに、時間的な制約もあり、平凡な結果にとどめるのが精一杯だったかもしれません。
午後 5 時 59 分
家に帰りつきました。 もう電話が鳴ることはありません。 家族の皆で絵を描き、 素晴らしい作品が完成しました。 明日は、作品を額縁に収めてそれぞれの寝室に飾る予定です。