「私は文系だから」「専門知識がないから」。そう言ってデータの話題から少し離れた席に座る。心当たりのある人は多いはずです。
でも本書は、その遠慮こそが一番もったいないと言います。高度な分析ツールやプログラミングは、いつか移り変わる「トレンド」にすぎない。本当に効くのは、どんな環境でも通用する「データサイエンス思考」というサステナブルな考え方だ、と。
著者の山本康正さんと松谷恵さんは、グーグルやゴールドマン・サックスでの経験を持つ実務家です。一冊を通して語られるのは、データを分析オタクの道具で終わらせず、課題設定・現場との対話・自律的なキャリアにまでつなげる思考の型でした。
技術書というより、データと付き合うための「姿勢」の本だと言ったほうが近いかもしれません。
データは魔法ではない、という出発点
著者がもっとも強く拒むのは、「データを分析すれば答えが見つかる」という幻想です。本書は「データサイエンスは魔法ではありません」と言い切り、英語圏の有名な格言を引きます。
Garbage in, Garbage out（ゴミを入れれば、ゴミが出てくる）。目的を外したデータをいくら集めても、最新のツールにかけたところで使える結果は出てこない。
集めたデータの9割は使えない、とまで踏み込みます。
ここで著者は、私たちが磨くべき武器の中身を定義し直します。
スキル自体は、いまの環境で最も便利なものとしていつかは移り変わるトレンドでしかない。しかし、思考は、どのような環境でも通用するサステナブルなものです。
特定の言語やツールの習熟ではなく、データから仮説を立てて検証する「思考のOS」こそが長期の武器になる。だから読者に問われるのは、自分の判断にどんなエンジンを据えるか、という一点です。
本書が50の基本を「思考→インプット→アウトプット→対話→生き方」の5章で構成しているのも、この一貫した姿勢の現れだと感じました。技術の話が驚くほど少なく、論点はずっと、分析の手前にある「何を解くか」と、分析の後にある「どう現場に届けるか」に集中しています。
私はこの割り切りに好感を持ちました。世の中のデータ本は手法の解説に紙幅を割きがちですが、現場でつまずくのはたいてい手法以前の問いの立て方です。そこを正面から扱った点が、この本の価値だと思います。
IPDACサイクル――「実行コスト」をデータで肩代わりする
第1章の核が、著者の提唱するIPDACサイクルです。Issue（課題把握）、Plan（仮説・計画）、Data（データ収集）、Analysis（分析）、Conclusion（結論・検証）の5ステップから成ります。
PDCAとの違いは「実行（Do）」の扱いにあります。実際に大金や時間を投じて試す前に、過去のデータでバーチャルに結果を予測してしまう。つまり実行に伴うコストやリスクを、データ検証で肩代わりするわけです。
たとえば「新商品の売上が伸びない」という課題なら、思いつきで施策を打つのではなく、「情報がターゲットに届いていないのでは」と仮説を立て、顧客属性やSNSの反応を集め、傾向を分析し、改善策を提案して検証する。
肝心なのは、これを一度で終わらせないこと。著者は、検証の層を厚く重ねるほど、着目すべき因子やデータ背後の構造が見え、洞察の解像度が上がると言います。
一発で正解を当てにいかない。何度も回して精度を上げる。この実証的な姿勢が、本書のいう「実験的思考」の中身です。机上で完結する点には限界もありますが、検証を試行回数の問題に変換した発想は、文系・理系を問わず真似できる実用性があります。
最重要は課題設定、そして直感を捨てない
著者がデータ活用で最も大切だと断言するのは、分析手法ではなく課題設定です。どんな課題を解決したいのか、そのためにどんなデータが必要か。ここが曖昧なまま分析に入っても、有効な打ち手にはたどり着けません。
だから著者は「いかに分析するか」ではなく「いかに活用するか」を意識せよと言います。多くの人は手元のデータから始めてしまうけれど、本来は解きたい問いから逆算してデータを取りにいく。
順序が逆なのです。
そして本書が面白いのは、データと現場の「肌感覚」を対立させないところです。数字で捉えきれない背景や文脈は、現場の経験値や直感が埋めてくれる。
著者は直感を非科学的だと切り捨てず、むしろ直感で打ち手を絞り込むことで意思決定に集中できる、データと直感は相互に補完し合う関係だと位置づけます。
象徴的なのが、発酵時間や温度をデータで管理しながら杜氏の勘も活かし、高品質と大量生産を両立させた日本酒「獺祭」（旭酒造）の例です。
データのもう一つの価値は、属人性を減らせること。個人の経験やセンス、好き嫌いといった主観を、裏付けによって薄められる。可視化されたグラフは、立場の違う人を同じ土俵に乗せる「共通言語」になります。
ベテランの勘だけで進みそうな場面で客観的なデータを示せば、議論を冷静な方向に引き戻せる。データは個人を否定する刃ではなく、合意をつくる道具なのだ、という整理に私は説得力を感じました。
わかったふりをやめ、エクセルから手を動かす
第2章・第3章は、インプットとアウトプットの実践です。
インプットで著者が厳しく戒めるのが「わかったふり」。自分にも他人にもわかったふりをしない。これがすべてを台無しにすると言い切ります。耳の痛い人は多いはずで、会議で知らない用語が飛び交うと、つい「後でこっそり調べる」でやり過ごしてしまう。
その小さな逃げが、データと向き合う力を静かに削っている。代わりに勧めるのは、SNSやニュースで最新情報を追う「リサーチ」と、体系的な全体像をつかむ「読書」の2軸をルーティンにすること。
データと向き合ううえで一番ものを言うのは最新の手法ではなく、読み解く人自身の経験値だ、という指摘が印象的でした。
アウトプットの入口も拍子抜けするほど身近で、著者の勧めは「最初の一歩はエクセルから」。手元の売上データやアンケートを表計算ソフトに入れ、中央値を出したりグラフ化したりして、自分なりの仮説を立ててみる。
そして分析結果を出して終わりにせず、「わかったことを言語化する」。言語化すると本来の目的を再確認でき、次の一手が生まれます。ここでも一発完璧は狙わない。
100回の失敗こそが目利き力を高める、検証プロセスにこそ価値がある、という実践主義が貫かれています。
生成AIも同じ文脈で語られ、著者はAIをドラえもんの四次元ポケットにたとえます。強力でも、使いこなす人がいなければただのポケット。鍵は、適切なプロンプトを出す「要件定義」のスキルと、回答を見て指示を直すトライ＆エラーだと言います。
相手の土俵に乗る、相関と因果を混同しない
第4章は、データ活用を現場で機能させるためのコミュニケーションです。著者はこれをキャッチボールにたとえます。一人ではできない。相手の取りやすさを想像して球を投げる。
専門家が現場に説明するときも、相手の知識レベルに合わせて粒度を変え、専門用語を噛み砕く。「相手の土俵に乗って話を聞く」姿勢が不可欠だと言います。
正確さを求めて専門用語を並べるより、枝葉を捨ててスポーツなど身近なものにたとえたほうが、本質は伝わる。
著者はここに苦い実体験を添えます。松谷さんが航空機の自動制御技術を研究していたとき、空軍のエース級パイロットにテスト飛行を頼んだら、シミュレーション上は良好だったのに「慣れた操縦と感覚が違う」と否定された。
新技術の社会実装には、ユーザーと技術をつなぐステップが要る——この教訓が、現場との対話を重んじる本書の背骨になっています。
データを扱う以上避けられないのが、相関と因果の混同です。著者の挙げる「皇居ランをする人は年収が高い」が分かりやすい。ランで年収が上がるわけではなく、間に「都心へのアクセスが良い」という別要因が隠れている。
「ライター所持者は肺がん罹患率が高い」も、本当の原因は喫煙習慣です。相関に飛びついて結論を出すのは間違いで、因果を正しく見極めるほど施策の再現性は高まる。
なお松谷さんは、経済学者の成田悠輔さんと施策の成果を仮想的に評価する仕組みを開発し、内閣総理大臣賞を受賞しているとのこと。机上の理屈ではなく、実装まで届いた知見だと分かります。
行き着く先は「謙虚さ」というマインドセット
第5章で本書が行き着くのは、技術ではなくマインドセットです。最も重要なのは「謙虚さ」と「学び続ける姿勢」。過去の成功に固執せず、自分の無知を自覚し、変化を恐れずに受け入れる。著者はそのための概念を2つ示します。
一つはラーニングゾーン。安全なコンフォートゾーンの一段上、適度な負荷と不安を伴う未知の領域で、人は最も効率的に成長できる。だから「正しい不安は成長の原動力になる」。
未経験の仕事に感じる不安を、飛び込む合図と捉えるわけです。もう一つがバンテージ・ポイント、見晴らしのよい場所。少し離れた視点で自分を客観視し、あるいは自分より優秀な人に囲まれる環境に身を置く。
さらに著者はイエスマンを良しとせず、建設的に「ノー」と言える人材を求めます。白か黒かしか受け付けない態度はビジネスパーソンとして短絡的すぎる、グレーな現実の中で自ら思考し決断せよ、と。
そして最終的に、この思考法は会社の枠を超えるという展望に着地します。データサイエンス思考は、会社に縛られず自分の働き方や生き方を自分で決めるための思考法でもある、と。
逆に言えば、プログラミングや具体的な分析手法そのものを習得したい人には物足りないでしょう。本書が扱うのは、分析の前後にある人間臭いプロセス——課題の見極めと現場との合意形成だからです。
一冊で完成した戦略の正解を受け取りたい人にも向きません。けれど、AIに仕事を奪われると身構える前に、AIにはできない課題設定と合意形成を自分の手に取り戻したい人にとって、その出発点がツールではなく思考だったというメッセージは、長く効くはずです。
次の会議で知らない言葉が出たら、わかったふりをせずに一度聞いてみる。その小さな一歩から、本書のいう「サステナブルな武器」は立ち上がってきます。
合わせて読みたい
『問題解決 ― あらゆる課題を突破する ビジネスパーソン必須の仕事術』高田貴久さん 本書が「データ活用は課題設定が最重要」と説くのに対し、こちらは「思いつきの対策」を捨て、解くべき課題を見極める手順そのものを体系化した一冊です。IPDACの入口であるIssue（課題把握）を、もっと深く鍛えたい人に向いています。
データは揃っている。分析もした。なのに、何も決まらない。 本書がいう「データは魔法ではない」「課題設定がないと打ち手に辿り着けない」を、まさに体感させてくれるコラムです。分析しても決まらないのは情報不足ではなく問いの立て方の問題だ、という本書の核心と強く響き合います。
『アウトプット思考』内田和成さん 本書の第3章「最初の一歩はエクセルから」「言語化が次を生む」と同じ問題意識を、情報過多時代のアウトプット論として展開した一冊です。情報収集という名の現実逃避から抜け出し、手を動かす側に回りたい人におすすめします。
