Google Data Anayticsの概要-ぽこたんパパのブログ

Google Data Anayticsの概要

日本リスキリングコンソーシアムを経由して、Couseraで提供されているGoogle Data Anayticsを3ヶ月間受講しました。このコースはデータ分析初心者に向けて、データアナリストやデータサイエンスとしてキャリアアップするために、データ分析を行う手順や必要となる知識やスキルを説明してくれます。

かなり分量が多く、3ヶ月みっちりこのコースに時間を費やし、認定証まで取得することが出来ました。一部ではありますが、このブログでこのコースの概要を紹介したいと思います。

このコースは以下の8項目で構成されており、1で基本知識を学んだあと、データ分析に伴う手順を2から7で学ぶことになります。各コースは動画視聴やブログ、簡単なハンズオンで構成されており、コース最後に用意されているテストに合格しないと、コース修了となりません。

基礎知識：データはあらゆるところにある
データに基づいた意思決定を行うための問いかけ
探索用データを準備する
「ダーティー」なデータを「クリーン」にする
データを分析し、答えを導き出す
データ可視化（ビジュアライゼーション）による、データの共有
データ分析とR 言語
学びの総仕上げとしての最終課題：ケーススタディ

以下では、各コースの学習内容、身に付くスキルをまとめています。

1. 基礎知識

学習内容:
• ジュニアデータアナリストの現場の役割と責任
• データを実用的なインサイトに変換する方法
• 表計算ソフトの基本
• データベースとクエリの基本
• データビジュアライゼーションの基本

身につくスキル:
• 日常生活でのデータ活用
• 分析的思考
• データ分析で使う各種ツールの使い方
• データビジュアライゼーションでトレンドやパターンを示す
• データ分析の公平性を担保する

2. 問いかけ

学習内容:
• データアナリストがデータで課題を解決する方法
• データ主導の意思決定を行うためのアナリティクスの活用
• 表計算ソフトの数式と関数
• Tableau の紹介とダッシュボードの基本

• データ報告の基本
身につくスキル:
• SMART で効果的な問いかけをする
• 構造的に思考する

• データの集計
• 物事のコンテキストを考える
• チームとステークホルダーの期待値を管理する
• 課題解決と対決の回避

3. 準備

学習内容:
• データの生成方法
• さまざまなデータ型、フィールド、値の特徴
• データベースの構造
• データ分析におけるメタデータの機能

• SQL 関数
身につくスキル:
• 倫理的なデータ分析の実践
• バイアスと信頼性の問題に対処する
• データベースへのアクセス、データの取り込み
• 簡単なクエリの作成
• データの整理と保護

• データコミュニティとの連携（オプション）

4. 処理

学習内容:
• データの整合性とクリーンデータの重要性
• データアナリストがデータをクリーンにするために使用するツールやプロセス
• データクリーニングの検証と報告

• 統計学、仮説検定、許容誤差

• レジュメの作成、求人情報の解釈（オプション）
身につくスキル:
• ビジネス上の目的につながるデータ分析
• クリーンデータとダーティデータの識別
• 表計算ソフトの機能を使った小規模データセットのクリーニング
• SQL クエリを使った大規模データセットのクリーニング

• データクリーニングプロセスの文書化

5. 分析

学習内容:
• データアナリストがデータを整理するステップ
• 複数のソースからのデータを組み合わせる方法
• 表計算ソフトにおける計算とピボットテーブル
• SQL 計算
• 一時テーブル
• データの検証
身につくスキル:
• 表計算ソフトや SQL クエリによるデータの並べ替え
• 表計算ソフトや SQL クエリによるデータのフィルタ
• データの変換

• データの書式設定
• データ分析プロセスの確認
• データ分析で他者にフィードバックやサポートを求める

6. 共有

学習内容:
• デザイン思考
• データアナリストがデータを可視化して伝える方法
• データ分析結果をプレゼンテーションするための Tableau の利点
• データ主導のストーリーテリング
• ダッシュボードとダッシュボードフィルター
• 効果的なデータプレゼンテーションを作成するための戦略
身につくスキル:
• Tableau を用いた可視化とダッシュボード作成
• データに関わるコミュニケーションにおけるアクセシビリティ対応
• さまざまなビジネスコミュニケーションツールの目的を理解する
• データ主導でストーリーを語る
• データについてプレゼンテーションする
• データに関する質問に答える

7. 行動

学習内容:
• プログラミング言語と環境

• R パッケージ
• R 関数、変数、データ型、パイプ演算子、ベクトル
• R データフレーム
• R におけるバイアスと信頼性
• R 可視化ツール
• R Markdown による文書化、構成、強調
身につくスキル:
• R でのコーディング
• R での関数の書き方
• R でのデータアクセス
• R でのデータクリーニング
• R でのデータビジュアライゼーション
• データ分析結果のステークホルダーへの報告

8. 総仕上げ

学習内容:
• データ分析ポートフォリオで他の候補者と差別化する方法
• 現場における実践的な課題解決方法
• データからインサイトを見出すための戦略

• データ分析結果のわかりやすいプレゼンテーション

• やる気と主体性
身につくスキル:
• ポートフォリオの作成
• 雇用適性を高める
• データ分析の知識、スキル、技術力を売り込む
• 面接で実績を披露する

• 就職候補企業に向けて独自の価値を提示する

以上が、GoogleDataAnayticsの概要と各コースの内容説明となります。

今後、各コースについても詳しくまとめていきますので、ご覧頂ければ幸いです。

Google Data Anayticsの概要