計算式を作るときの「＝」や「>=」ってどう表記するんだっけ・・・
条件式を作成する際、WebFOCUSでは演算子の表記をコマンドを利用しています。
本記事では、よく使う演算子の略称を表にまとめています。
| 演算子 | コマンド | 意味 | 英語 |
|---|---|---|---|
| ＝ | EQ | 等しい | EQuals |
| != | NE | 等しくない | dose Not Equal |
| > | GT | ～より大きい | is Greater Than |
| >= | GE | 以上 | is Greater than or Equal to |
| < | LT | ～より小さい | is Less Than |
| <= | LE | 以下 | is Less than or Equal to |
演算子の意味を英語で置き換えると、コマンドも覚えやすそうだね！
データドリブンといわれて、イメージしやすいのは「データを探索して解を得る」といった、
一般的にはいわゆるデータ分析の印象が強いようですが、実際には、データドリブンを実践する
「人」の立場や役割、業務などによって、データドリブンには二面性があることがわかります。
データを分析するという業務は、特定の人が実施することが多く、新たな知見を得ることが
できますが、得られた知見を限られた業務へ適用するだけに留まらず、実際には「現場」での
業務へ適用することとなります。ここでいう現場での業務とは、例えば「経営者」にとっての
業務、「製造管理者」にとっての業務、「営業担当者」にとっての業務、「経理担当者」に
とっての業務、「システム担当者」にとっての業務などと、様々な「人」の業務を指します。
実際に企業の基幹業務の多くを担う「人」がデータドリブンを自然と実施できていることが、
「データドリブンできる」の本質であり、データドリブンを実践する醍醐味であると言えます。
従って、様々な現場業務にデータドリブンを取り入れれば非常に効果的といえます！
ICTで簡単に実施できそうですが、様々な現場に適用しようとすると現場の多様性が壁となります。
各々の業務において、目的や手段、利用者リテラシー、意識レベルなど、あまりにも統一性がなく、
各現場でデータドリブンを実現するための適切な手段を一律に適用していくことが難しいからです。
 |
特に自身でデータを積極的に扱い多くの気づきを得るという利用者は、企業内でも「2割」を超えることは珍しく、大半の利用者は、自身の業務に必要な範囲でのデータを扱うことが主であり、リテラシーについても決して高いというわけでもなく、必要に応じた範囲内での利用であることが多いです。従って、企業内のできるだけ多くの「人」へデータドリブンを期待するものの実現することは困難であることが一般的な考え方となります。 |
みなさんの周囲を見渡してみると、上図での上の三角形に該当する「人」は容易に想像できるかと思います。
反面、下の台形についてはどうでしょう？上の三角形以外の「人」という分類は容易にできると思いますが、
その内訳を考えると、一概に一括りにしてしまうことはできるでしょうか？これが多様性です。もちろん、上の
三角形の「人」たちも多様なニーズがあるとは想像できますが、下の台形の比ではないのではないでしょうか。
データドリブンの実現には、BIシステムを利用することが最も多いと考えられます。現在最も多く採用されている
BIシステムは、上図で示したように、上の三角形の「人」を中心として、特定の利用者が「セルフサービス」で
データを活用するためのコンテンツを作成・共有し、同じ三角形の「人」たちが二次利用し、さらに、下の台形に
該当する「人」たちが共有されたデータを利用するといった形態での仕組みで支えることが主流となっています。
 |
一般的なBIシステムは、企業内の利用者の多くを対象として含めているものの、実際には、限られた利用者をベースに組み立てつつ、全体をカバーすることが多いです。ただし、大半の利用者にとって、業務の遂行に必要なタイミングでデータを利用するということが多く、BIシステムでカバーできない領域が発生します。この領域は、利用者が、データをダウンロードすることや、業務システムを補完するほぼ定型的なレポートからデータを抽出して、業務内で利用して成立しているか、データ利用自体がされていないことが多いです。弊社では、この領域を「エンタープライズレポーティング」分野として認識し、利用者に任せるではなくて、きちんと適切かつ正確な情報を最適な手段で「とどける」ことで、現場でのデータドリブンを成功に導くことができると考えています。 |
いつもの形で即利用できます。
