昨日、ガートナーから恒例の「日本におけるテクノロジのハイプ・サイクル」の2017年版がリリースされました。 ガートナー | プレス・リリース | ガートナー、「日本におけるテクノロジのハイプ・サイクル：2017年」を発表 「ハイプ・サイクル」とは何か？ 「ハイプ・サイクル」というのは、ガートナーの開発したテクノロジーの普及状況を判断するフレームワークで、「テクノロジーは、黎明期、過度な期待のピーク期、幻滅期、啓蒙活動期を経て、生産性の安定期に至る」という前提のもと、各テクノロジーの普及状況が今どうなっているのかを理解するための方法論です。 ガートナー | リサーチ・メソドロジ | ハイプ・サイクル 「2017年のビッグデータ」は？ このハイプ・サイクルの中で、2017年のビッグデータは「幻滅期」で、かつ「主流（メインストリーム）が採用するまで10年以上」と位置付けられています。

アナリティクスに必要不可欠な「マエショリ」ですが、実際にどのようなことをするのかは、現実のプロジェクトで messy なデータを相手に自分で手を動かして苦闘したことがある人しか、なかなか分かりづらいと思います。生データを扱って、最終的なビジネスレポートを作成し、しかもそれを継続的に運用する、ということを一貫して手掛けたことがある人は、さほど多くな …

先週、データマエショリストの祭典（？）こと「データマネジメント2017」が開催されていました。 データマネジメント2017～データが繋ぐ共創社会～ http://www.seminar-reg.jp/jdmc/dm2017/ 今回、私も始めて参加してみたのですが、カンファレンス自体は非常に興味深い内容が多く、改めていろいろと勉強になったカンファレンスでした。 というわけで、今回のエントリでは「データマネジメントとは何か」という点について書いてみようと思います。 データマネジメントとDMBOK 「データマネジメント」や「データガバナンス」という言葉は、最近ではいろいろなところで聞かれるようになってきましたが、必ずしもあらゆる状況で通用する定義が存在するわけではありません。参照するドキュメントやノウハウによって、少しずつ異なってきます。 とは言え、データマネジメント界隈では「DMBOK（Data Management Body of Knowledge）」と呼ばれるガイドが浸透してきています。「DMBOKのデータマネジメント」と言えば、このガイドの内容がその定義となります。

ブログを書くと決めたものの何から書き始めようか決めかねていたのですが、いきなり細かい話から入るのもアレですし、まずは総論というか、アナリティクス全体についての自分自身の現状認識を書いてみるところから始めてみようかと思います。 あくまで個人的な経験や、そこからくる認識の話ですので、また私とは違った意見をお持ちの方はコメントを頂けると嬉しいです。 The 4 V’s of Big Data アナリティクスについてある程度ご存じの方は、おそらく「ビッグデータの4つのV」という言葉もご存じだと思います。 「3つのV」の最初の出典はガートナーさんのようですが、それを4つに拡張したバージョンはIBMさんがよく出されていたものです。 Extracting business value from the 4 V’s of big data http://www.ibmbigdatahub.com/infographic/extracting-business-value-4-vs-big-data

アナリティクスに関連して、データマエショリストの立場から、学んだこと、経験したこと、考えたことをアウトプットする場として、新しくシリーズのブログ「Data Practitioner Musings」を始めてみることにしました。 Data Practitioner Musings — Medium そもそも、「データマエショリストとは何をするロールなのか」という点ですが、個人的な定義としては「データ分析を行うに当たって分析作業そのもの以外のさまざまな準備やデータ管理を行うロール」と定義しています。 そのような立場から、できれば隔週くらいのペースで何かをアウトプットしていきたいと思っています。 何を書くのか アナリティクスに関連するトピックは広範ですが、主に以下のような内容について書いてみたいと思っています。 データウェアハウス、ディメンショナルモデル ETL、データプレパレーション（Data Preparation）