Home ≫ Posts filed under ビジネスノウハウ/スキル
投稿日 2015/11/11
最終更新日
ビジネスにおいて、プロとして仕事ができているかどうかは、ある判断基準を持っています。
つくって、動かし、貢献する。
これができているかどうかを、常に意識するようにしています。以下、それぞれについて解説します。
プロのビジネスパーソンは、仕事を 「つくって、動かし、貢献する」
ビジネスにおいて、プロとして仕事ができているかどうかは、ある判断基準を持っています。
つくって、動かし、貢献する。
これができているかどうかを、常に意識するようにしています。以下、それぞれについて解説します。
投稿日 2015/10/28
最終更新日
分析の本質は、比較することであると考えています。
何かと何かを分けて比較することによって、はじめて多い・少ないなどの違いがわかります。例えば、同じものを前月や前年と時系列で比べたり、男女や年代ごとに分けての比較をします。
比較するために 「分ける」 ことが分析のキモであり、「何のために、どのように分けるか」 の工夫が重要な意味を持ちます。分け方にこそ、分析者の力量が問われます。
分けることに注意が必要なのは、単なる知的興味からの思いつきでの分解にならないようにしたいことです。
より適切に分けるためには、もう一歩踏み込んで考えるべきです。つまり、特にビジネスでの分析では、何がわかれば実行可能でかつ意味のある結論を導き出せるかを、常に意識することです。
分けることの背後には、分けることで要因ごとに理解でき、そこから仮説や意思決定ができるという、ビジネス上意味のある結論を導き出そうとする明確な意図があるべきです。
分析の目的は、興味があるから分析するのではありません。ビジネスとしての判断を助け、効果的な打ち手を生むことを期待するから分析するはずです。
どんなに高度な分析をしても、その結果が有効な打ち手につながらなかったとしたら、ビジネスへのインパクトは小さくなってしまいます。
ビジネスにおいて役に立つ分析や使える分析結果とは、実際の効果が生まれるところまで掘り進めた分析のことです。「使える」 ところまで追求しないと、せっかくの分析結果も絵に描いた餅になりかねません。
例えばユーザー分析において、性別年代で分ける、ヘビーユーザーとライトユーザーに分ける、スマホなら利用 OS で分ける。これらの分ける視点は、ある程度の分析経験があれば思いつくものです。
このような各種の 「分ける」 ことについて大切なのが、分けて比較分析した結果や得られるであろう示唆はアクションにつながるのかです。単なる知的好奇心ではなく、目的や意図を持った分け方になっているかは常に心がけたいことです。
分析で比較する時、その 「分け方」 に意図がありますか?
分析の本質は、比較することであると考えています。
比較をするために分ける
何かと何かを分けて比較することによって、はじめて多い・少ないなどの違いがわかります。例えば、同じものを前月や前年と時系列で比べたり、男女や年代ごとに分けての比較をします。
比較するために 「分ける」 ことが分析のキモであり、「何のために、どのように分けるか」 の工夫が重要な意味を持ちます。分け方にこそ、分析者の力量が問われます。
単に思いつきで分けていないか
分けることに注意が必要なのは、単なる知的興味からの思いつきでの分解にならないようにしたいことです。
より適切に分けるためには、もう一歩踏み込んで考えるべきです。つまり、特にビジネスでの分析では、何がわかれば実行可能でかつ意味のある結論を導き出せるかを、常に意識することです。
分けることの背後には、分けることで要因ごとに理解でき、そこから仮説や意思決定ができるという、ビジネス上意味のある結論を導き出そうとする明確な意図があるべきです。
分析の目的は、興味があるから分析するのではありません。ビジネスとしての判断を助け、効果的な打ち手を生むことを期待するから分析するはずです。
目的や意図を持って分ける
どんなに高度な分析をしても、その結果が有効な打ち手につながらなかったとしたら、ビジネスへのインパクトは小さくなってしまいます。
ビジネスにおいて役に立つ分析や使える分析結果とは、実際の効果が生まれるところまで掘り進めた分析のことです。「使える」 ところまで追求しないと、せっかくの分析結果も絵に描いた餅になりかねません。
例えばユーザー分析において、性別年代で分ける、ヘビーユーザーとライトユーザーに分ける、スマホなら利用 OS で分ける。これらの分ける視点は、ある程度の分析経験があれば思いつくものです。
このような各種の 「分ける」 ことについて大切なのが、分けて比較分析した結果や得られるであろう示唆はアクションにつながるのかです。単なる知的好奇心ではなく、目的や意図を持った分け方になっているかは常に心がけたいことです。
投稿日 2015/09/21
最終更新日
書評: 入門 考える技術・書く技術 (山崎康司)
投稿日 2015/09/12
最終更新日
投稿日 2015/09/10
最終更新日
How Google Works - 私たちの働き方とマネジメント という本は興味深く読むことができた本でした。
Google で活躍する 「ラーニングアニマル」 とは?
How Google Works - 私たちの働き方とマネジメント という本は興味深く読むことができた本でした。
エリック・シュミット, ジョナサン・ローゼンバーグ, アラン・イーグル, ラリー・ペイジ 日本経済新聞出版社 2014-10-17
投稿日 2015/09/05
最終更新日
会社を変える分析の力 という本は何度か読み返しています。
というのは、自分がこれまで、そしてこれからもデータ分析をする時に大切にしたい指針が書かれているからです。
指針とは、「データ分析をする時の4つの問い」 です。
自分の仕事とデータ分析は、切っても切り離せないものです。今がやっている分析案件は4つを全て満たしているのかを、意識して問うことを心がけています。以下、4つの問いのそれぞれについて説明します。
データ分析者として大切にしたい 「データ分析をする時の4つの問い」
会社を変える分析の力 という本は何度か読み返しています。
データ分析をする時の4つの問い
というのは、自分がこれまで、そしてこれからもデータ分析をする時に大切にしたい指針が書かれているからです。
指針とは、「データ分析をする時の4つの問い」 です。
- その数字にどこまで責任を取れるか?
- その数字から何がわかったか?
- 意思決定にどのように使えるのか?
- ビジネスにどれぐらい役に立ったか?
自分の仕事とデータ分析は、切っても切り離せないものです。今がやっている分析案件は4つを全て満たしているのかを、意識して問うことを心がけています。以下、4つの問いのそれぞれについて説明します。
投稿日 2015/05/23
最終更新日
素人のように考え、玄人として実行する - 問題解決のメタ技術 という本に書かれていた 「メッセージのある研究をしろ」 が考えさせられる指摘でした。
以下は該当箇所の引用です。
メッセージのあるコンテンツを提供しよう
素人のように考え、玄人として実行する - 問題解決のメタ技術 という本に書かれていた 「メッセージのある研究をしろ」 が考えさせられる指摘でした。
メッセージのある研究を
以下は該当箇所の引用です。
私は学生によく、研究についてこう言い聞かせている。
「『これができた』と言うと、それを聞いた人が『そうか、それを使えばあれもできるようになるな』『なんだ、そんなことだったら自分にもできる』『それがうまくいくのなら、自分はこうしよう』などと驚いたり、触発されたりと心を動かされるような研究をしろ!それがメッセージのある研究なのだ」 と。
反対に、「何だか知らないが、難しいことができてしまった」 というのは、立派かもしれないが、あまり人の参考にならない、メッセージがないからだ。
投稿日 2015/01/27
最終更新日
大前研一氏は、著書 稼ぐ力 - 「仕事がなくなる」 時代の新しい働き方 で、スピードラーニングの重要性を伝えています。
今回のエントリーは、いかに学ぶについて書いています。
スピードラーニングについて、以下は該当箇所の引用です。
優秀なリーダーはみんな 「スピードラーニング」 の達人
大前研一氏は、著書 稼ぐ力 - 「仕事がなくなる」 時代の新しい働き方 で、スピードラーニングの重要性を伝えています。
今回のエントリーは、いかに学ぶについて書いています。
スピードラーニングとは
スピードラーニングについて、以下は該当箇所の引用です。
つまりラーニングからリーダシップを発揮するまでの時間である。その転換が数週間、長くても3か月以内でなければならない。
私の経験からすると、優秀なリーダーはみんな 「学びの天才」 であり、とくに 「スピード・ラーニングの達人」 である。(中略)
投稿日 2014/12/13
最終更新日
異なる部門間のプロジェクトをリードするために
投稿日 2014/06/28
最終更新日
会社を変える分析の力 という本は、ふと思い出した時に読み返すことが多く、自分にとって大切な本の一つです。
必ずと言ってよいほど目を通すのは、「データ分析をする時の4つの問い」 です。
データ分析のプロになるための4つの視点
会社を変える分析の力 という本は、ふと思い出した時に読み返すことが多く、自分にとって大切な本の一つです。
データ分析の4つの問い
必ずと言ってよいほど目を通すのは、「データ分析をする時の4つの問い」 です。
- その数字にどこまで責任を取れるか
- その数字から何がわかったか
- 意思決定にどのように使えるのか
- ビジネスにどれぐらい役に立ったか
投稿日 2014/06/22
最終更新日
マーケティングリサーチで大切にしたい、「答えを出すのは自分」 という心構え
投稿日 2014/03/16
最終更新日
リサーチは良い結果を出すことではなく、真実を知ることが目的
投稿日 2013/12/27
最終更新日
2013年の今年、転職をして大きく変わったことが、仕事では 「結果を出してなんぼ」 という考え方です。転職前も認識としては持っていましたが、転職をしてより強く感じるようになりました。
プロセスも大事ですが、評価としては結果を出しているかどうかが問われます。さらに言うと、単に結果を出しているのではなく、その結果がどれだけ価値があるかです。
いかに価値のある結果を生み出すかを強く意識するようになりました。
価値のある結果とは何でしょうか?
イシューからはじめよ - 知的生産の 「シンプルな本質」 という本には、次のことが書かれています。
イシュー度が高い & 解の質が高い、の2つの軸があると書かれています。つまり、課題設定として適切であり、問題解決した際のインパクトが大きい、の2つです。
転職して変わった 「結果を出してなんぼ」 と 「イシューからはじめる」
2013年の今年、転職をして大きく変わったことが、仕事では 「結果を出してなんぼ」 という考え方です。転職前も認識としては持っていましたが、転職をしてより強く感じるようになりました。
プロセスも大事ですが、評価としては結果を出しているかどうかが問われます。さらに言うと、単に結果を出しているのではなく、その結果がどれだけ価値があるかです。
いかに価値のある結果を生み出すかを強く意識するようになりました。
価値のある結果とは何でしょうか?
イシューからはじめよ - 知的生産の 「シンプルな本質」 という本には、次のことが書かれています。
イシュー度が高い & 解の質が高い、の2つの軸があると書かれています。つまり、課題設定として適切であり、問題解決した際のインパクトが大きい、の2つです。
投稿日 2013/12/22
最終更新日
Free Image on Pixabay
Harvard Business Review に、P&G が全社的にどのようにデータを活用しているかが紹介されていました。
参考:How P&G Presents Data to Decision-Makers - Harvard Business Review
記事のポイントは、
記事の中で印象深かったのが、以下でした。
P&G の事例から考える、マーケティングリサーチャーとしての自分の役割
Free Image on Pixabay
Harvard Business Review に、P&G が全社的にどのようにデータを活用しているかが紹介されていました。
参考:How P&G Presents Data to Decision-Makers - Harvard Business Review
What だけではなく Why と How までいけるか
記事のポイントは、
- グローバルで統一されたデータの閲覧システム 「Decision Cockpit」 を共有している
- P&G 社内からはどこからでもアクセスができるようになっている
- データから 「今の状況」 をより早くつかみ、意思決定と次のアクションを決めることに集中している
記事の中で印象深かったのが、以下でした。
投稿日 2013/09/16
最終更新日
意思決定のための 「分析の技術」 - 最大の経営成果をあげる問題発見・解決の思考法 という本をご紹介します。
著者は元マッキンゼーの後正武氏です。分析技術の理論と具体例を体系的に説明しています。
初版は1998年です。現在までにビジネスや分析環境は変わっていますが、内容に全く古さは感じず、本質的なものでした。
本書では、「分析とは物事の実態・本質を正しく理解するための作業の総称」 としています。
強調するのは、何のために分析をするのかです。
書評: 意思決定のための 「分析の技術」 - 最大の経営成果をあげる問題発見・解決の思考法 (後正武)
意思決定のための 「分析の技術」 - 最大の経営成果をあげる問題発見・解決の思考法 という本をご紹介します。
本書の特徴
著者は元マッキンゼーの後正武氏です。分析技術の理論と具体例を体系的に説明しています。
初版は1998年です。現在までにビジネスや分析環境は変わっていますが、内容に全く古さは感じず、本質的なものでした。
本書の 「分析の定義」 「分析の目的」
本書では、「分析とは物事の実態・本質を正しく理解するための作業の総称」 としています。
強調するのは、何のために分析をするのかです。
投稿日 2013/08/31
最終更新日
書評「会社を変える分析の力 」:データ分析をする時の4つの自問自答
「会社を変える分析の力」という本が、ここ最近考えていたこととドンピシャという感じで、示唆に富む内容でした。
本書は、データ分析をする際の「心得」が書かれています。データ分析の心得は、高度な分析モデルやツールを使うケースから、Excelで関数を使って集計しグラフを作るという場合にもいずれにも当てはまります。本書で言われていることはどれも至極当然のこと。でも、実際に自分はできているか。全てにYesとは言えない自分がいました。
■このデータ分析は、問題解決のための意思決定にどれだけ使えるのか?
本書のスタンスで明確にしているのは、ビジネスにおけるデータ分析は問題解決につながってなんぼ、というもの。
データ分析とはデータで問題を解決すること。問題解明につなげる意図がないデータ収集や数値計算は、その方法がどれだけ高度であっても単なる「数字遊び」と著者は言います。
データ分析から得られた結果/示唆を、問題解決のための意思決定にどれだけ使えるか。ここが肝であり、「データ分析=意思決定の重要性×意思決定の寄与度」で決まると。2つ目の意思決定の寄与度とは、意思決定のための判断材料が数多くある中で、どれだけ重要な材料になれるかです。
■データ分析をする時の4つの問い
本書を読み始める前に目次を見て、まず始めに読んだ箇所が「データ分析をする時の4つの問い」でした。一番に目を通したこともあってか、読後においても最も印象に残っている問いかけでした。
著者は、データ分析の際には4つを自問自答するようにしていると言います。4つはデータ分析でビジネスを変える力の鉄則を問うものだから。若手を育成する際にもこの4つを繰り返し、繰り返し問いかけるそうです。
1.その数字にどこまで責任を取れるか?
データ分析者の役割とは端的に言うと数字を作ることです。であるならば作った数字に自分が責任を持てるかどうか。分析結果を出すと、それが大変なプロセスほど満足感も高まります。でも、その数字が本当に正しいのか、計算ミスや分析ミスをしていないか。疑いの目を向ける。自分自身がその数字に違和感がなく納得のいくものかどうか。
なお、「数字が正しいか?」と「予測結果が正しいか?」は少し別の話です。データ分析結果というのはあくまでもっともらしい答えであり、その予測通りになるとは限らないです。責任を持たなければいけないのは、あくまで分析が正確にされているかどうかです。
2.その数字から何がわかったか?
データ分析をした結果、前年比で30%増えた、みたいなことがわかります。ここで注意しないといけないのは、この段階では計算結果に過ぎないということ。本当に必要なのは、この結果から何がわかったかという「解釈」です。解釈は示唆・インサイトなどと表現してもいいですが、数字の意味を具体的に言えるかどうかです。
数字の解釈をするためには、分析の発端である分析課題、仮説、データや分析の前提/制約まで立ち返り、トータルで考える必要があります。数字を数字で終わらせないためにも「その数字から何がわかったか?」と問いかけるのです。
3.意思決定にどのように使えるのか?
データ分析の価値は意思決定のためにどう使えるかです。それなのに、「意思決定にどのように使えるか?」にちゃんと答えられないようなら、それは単なる分析遊びをやっていたにすぎないかもしれません。
著者は、多くの分析者はこの問いに「予測ができるようになった」などと答えると言います。でもこれは答えになっていない。どのように使えるか?の答えとしては、予測ができるようになり何の意思決定にどう使えるようになったかまでを具体的に言える必要があります。
がんばって分析を進め解釈もした、でもそれが意思決定には使えない時ほど無駄なことはありません。これを防ぐためには、いきなり計算や分析プロセスに入るのではなく、自分はこれからどういう問題に対して分析を始めるのか、得られるであろう結果/解釈が意思決定に役立つかどうかをまず最初に考える。そのための問いが「意思決定にどのように使えるのか?」。
4.ビジネスにどれぐらい役に立ったか?
データ分析の価値は意思決定にどれだけ役立ったかですが、ビジネスにおいてはこれだけでは十分ではありません。データ分析からわかったことが実際のビジネスに貢献できたかどうかです。ビジネスへの貢献度を具体的な数字で答えられるのが理想です。単に売上に貢献できましたとかではなく。
データ分析でビジネスに役立つところまで持っていくには、分析をして終わりではなくその結果を役に立てたい、もっと貢献したいという強い気持ちが求められます。意思決定者の立場になり、当事者意識を持つ。意思決定にどう使い、それが実際のビジネスにどう活かされるのか。より具体的にイメージしてみる。この問いかけに対して答えられる時、データ分析者として初めて達成感に浸れるのです。
■その深掘りは、単なる知的好奇心を満たすためにやろうとしていないか?
読んでいる中であらためて自分が問われていると思った1つが、「そのデータ分析は自分の知的欲求を満たすだけのためにやろうとしていないか」でした。
データ分析のプロセスで一般的なのは、大きなところからデータで明らかにし、徐々に詳細や深掘りをしていく流れです。どこを細かく見ていくかを決める際に、その深掘りはデータ分析の目的(設定した課題)と仮説に沿ったものになっているかが本来です。そうではなく、単に自分の好奇心だけのWhy?を知るだけの深掘りになっていないか。課題解決・仮説検証・意思決定につなげる分析は頭ではわかってはいるのですが、いざデータ分析にどっぷり入ってしまうと、ついつい視野が狭くなってしまいがちです。目的やゴールを見失わないようにしなければ、と。あらためて。
本書で書かれているのは、データ分析をする際の心得や姿勢と、著者の経験や事例の具体例が中心です。逆に言うと書かれていないのは具体的な分析モデルであったり解析手法です。この本を読んですぐに分析力が向上することは望めないかもしれません。
ただし、本書の心得を理解し、そもそもデータ分析とは何なのか。何のために、どう活用するのか。実際のビジネス課題は千差万別で、分析からわかることも様々。意思決定にどう使い、それがビジネスにどう貢献できるか。このあたりを常に意識しながらデータ分析を進めるのか、それとも単に「数字あそび」をやっているだけなのか。以下のデータ分析での4つの問いは、意識し続けたいと思っています。
本書は、データ分析をする際の「心得」が書かれています。データ分析の心得は、高度な分析モデルやツールを使うケースから、Excelで関数を使って集計しグラフを作るという場合にもいずれにも当てはまります。本書で言われていることはどれも至極当然のこと。でも、実際に自分はできているか。全てにYesとは言えない自分がいました。
■このデータ分析は、問題解決のための意思決定にどれだけ使えるのか?
本書のスタンスで明確にしているのは、ビジネスにおけるデータ分析は問題解決につながってなんぼ、というもの。
データ分析とはデータで問題を解決すること。問題解明につなげる意図がないデータ収集や数値計算は、その方法がどれだけ高度であっても単なる「数字遊び」と著者は言います。
データ分析から得られた結果/示唆を、問題解決のための意思決定にどれだけ使えるか。ここが肝であり、「データ分析=意思決定の重要性×意思決定の寄与度」で決まると。2つ目の意思決定の寄与度とは、意思決定のための判断材料が数多くある中で、どれだけ重要な材料になれるかです。
■データ分析をする時の4つの問い
本書を読み始める前に目次を見て、まず始めに読んだ箇所が「データ分析をする時の4つの問い」でした。一番に目を通したこともあってか、読後においても最も印象に残っている問いかけでした。
著者は、データ分析の際には4つを自問自答するようにしていると言います。4つはデータ分析でビジネスを変える力の鉄則を問うものだから。若手を育成する際にもこの4つを繰り返し、繰り返し問いかけるそうです。
1.その数字にどこまで責任を取れるか?
データ分析者の役割とは端的に言うと数字を作ることです。であるならば作った数字に自分が責任を持てるかどうか。分析結果を出すと、それが大変なプロセスほど満足感も高まります。でも、その数字が本当に正しいのか、計算ミスや分析ミスをしていないか。疑いの目を向ける。自分自身がその数字に違和感がなく納得のいくものかどうか。
なお、「数字が正しいか?」と「予測結果が正しいか?」は少し別の話です。データ分析結果というのはあくまでもっともらしい答えであり、その予測通りになるとは限らないです。責任を持たなければいけないのは、あくまで分析が正確にされているかどうかです。
2.その数字から何がわかったか?
データ分析をした結果、前年比で30%増えた、みたいなことがわかります。ここで注意しないといけないのは、この段階では計算結果に過ぎないということ。本当に必要なのは、この結果から何がわかったかという「解釈」です。解釈は示唆・インサイトなどと表現してもいいですが、数字の意味を具体的に言えるかどうかです。
数字の解釈をするためには、分析の発端である分析課題、仮説、データや分析の前提/制約まで立ち返り、トータルで考える必要があります。数字を数字で終わらせないためにも「その数字から何がわかったか?」と問いかけるのです。
3.意思決定にどのように使えるのか?
データ分析の価値は意思決定のためにどう使えるかです。それなのに、「意思決定にどのように使えるか?」にちゃんと答えられないようなら、それは単なる分析遊びをやっていたにすぎないかもしれません。
著者は、多くの分析者はこの問いに「予測ができるようになった」などと答えると言います。でもこれは答えになっていない。どのように使えるか?の答えとしては、予測ができるようになり何の意思決定にどう使えるようになったかまでを具体的に言える必要があります。
がんばって分析を進め解釈もした、でもそれが意思決定には使えない時ほど無駄なことはありません。これを防ぐためには、いきなり計算や分析プロセスに入るのではなく、自分はこれからどういう問題に対して分析を始めるのか、得られるであろう結果/解釈が意思決定に役立つかどうかをまず最初に考える。そのための問いが「意思決定にどのように使えるのか?」。
4.ビジネスにどれぐらい役に立ったか?
データ分析の価値は意思決定にどれだけ役立ったかですが、ビジネスにおいてはこれだけでは十分ではありません。データ分析からわかったことが実際のビジネスに貢献できたかどうかです。ビジネスへの貢献度を具体的な数字で答えられるのが理想です。単に売上に貢献できましたとかではなく。
データ分析でビジネスに役立つところまで持っていくには、分析をして終わりではなくその結果を役に立てたい、もっと貢献したいという強い気持ちが求められます。意思決定者の立場になり、当事者意識を持つ。意思決定にどう使い、それが実際のビジネスにどう活かされるのか。より具体的にイメージしてみる。この問いかけに対して答えられる時、データ分析者として初めて達成感に浸れるのです。
■その深掘りは、単なる知的好奇心を満たすためにやろうとしていないか?
読んでいる中であらためて自分が問われていると思った1つが、「そのデータ分析は自分の知的欲求を満たすだけのためにやろうとしていないか」でした。
データ分析のプロセスで一般的なのは、大きなところからデータで明らかにし、徐々に詳細や深掘りをしていく流れです。どこを細かく見ていくかを決める際に、その深掘りはデータ分析の目的(設定した課題)と仮説に沿ったものになっているかが本来です。そうではなく、単に自分の好奇心だけのWhy?を知るだけの深掘りになっていないか。課題解決・仮説検証・意思決定につなげる分析は頭ではわかってはいるのですが、いざデータ分析にどっぷり入ってしまうと、ついつい視野が狭くなってしまいがちです。目的やゴールを見失わないようにしなければ、と。あらためて。
★ ★ ★
本書で書かれているのは、データ分析をする際の心得や姿勢と、著者の経験や事例の具体例が中心です。逆に言うと書かれていないのは具体的な分析モデルであったり解析手法です。この本を読んですぐに分析力が向上することは望めないかもしれません。
ただし、本書の心得を理解し、そもそもデータ分析とは何なのか。何のために、どう活用するのか。実際のビジネス課題は千差万別で、分析からわかることも様々。意思決定にどう使い、それがビジネスにどう貢献できるか。このあたりを常に意識しながらデータ分析を進めるのか、それとも単に「数字あそび」をやっているだけなのか。以下のデータ分析での4つの問いは、意識し続けたいと思っています。
- その数字にどこまで責任を取れるか?
- その数字から何がわかったか?
- 意思決定にどのように使えるのか?
- ビジネスにどれぐらい役に立ったか?
投稿日 2013/05/05
最終更新日
転職してすぐにやったことは、仕事で自分に関係すると思う人に話を聞きに行くことでした。
30分くらい時間をもらって1対1でミーティングを設定し、その人のチームや組織の話、他の組織との連携、その人の主な業務と問題意識をどこに持っているかなどを共有してもらいます。
様々な人の話を直接聞け理解が進み、自分のことも知ってもらう機会にします。今後も範囲を広げて続けていきたいことです。
色々な人と話をしていると、気づいたことがあります。この人は「仕事ができるな」と思う人に共通する条件です。
具体的には、次の5つです。
以下、それぞれについてご説明します。
仕事ができると思う人の5つの条件
転職してすぐにやったことは、仕事で自分に関係すると思う人に話を聞きに行くことでした。
30分くらい時間をもらって1対1でミーティングを設定し、その人のチームや組織の話、他の組織との連携、その人の主な業務と問題意識をどこに持っているかなどを共有してもらいます。
様々な人の話を直接聞け理解が進み、自分のことも知ってもらう機会にします。今後も範囲を広げて続けていきたいことです。
色々な人と話をしていると、気づいたことがあります。この人は「仕事ができるな」と思う人に共通する条件です。
具体的には、次の5つです。
- 前向きな心や向上心を持っている
- 異なる視点で物事を見て、判断している
- アイデア出し、具体的な行動をしている
- リスクをとって挑戦している
- 成果を意識している
以下、それぞれについてご説明します。
投稿日 2013/04/27
最終更新日
今回は、大局観の磨き方です。
ある本に書かれていた大局観を磨く3つの視点を解説します。
仕事でなど、高い視座から、より広い視野でものごとを見たり考えるヒントになると思います。ぜひ、最後まで読んでみてください。
大局観を磨くための3つの視点
今回は、大局観の磨き方です。
この記事でわかること
- 広い視点でものごとを見られるようになりたい
- 大局観を磨く方法
ある本に書かれていた大局観を磨く3つの視点を解説します。
仕事でなど、高い視座から、より広い視野でものごとを見たり考えるヒントになると思います。ぜひ、最後まで読んでみてください。
投稿日 2013/04/18
最終更新日
Free Image on Pixabay
だいぶ前の話になりますが、参加していたプロジェクトである問題が発生した時のことです。それまではプロジェクトは順調に進んでいましたが、問題が表面化したことでプロジェクト全体のスケジュールに影響を及ぼしかねない状況になりました。
そのプロジェクトでは海外のベンダー企業と一緒にやっていました。問題発生後、急きょ担当者に来日してもらい対応策を考えることになったのです。
ベンダー会社の現地メンバーも入り緊急の電話会議をすぐに開きました。来日した担当者が向こうのメンバーに発生状況を伝え、問題の原因究明から着手へ。こちらの期待とは裏腹になかなか打開策が出ない状態でした。そんな状況での電話会議で、来日担当者がある言葉を現地メンバーに投げかけていることに気付きました。
問題解決を一歩前に進めるための 「魔法の質問」
Free Image on Pixabay
だいぶ前の話になりますが、参加していたプロジェクトである問題が発生した時のことです。それまではプロジェクトは順調に進んでいましたが、問題が表面化したことでプロジェクト全体のスケジュールに影響を及ぼしかねない状況になりました。
そのプロジェクトでは海外のベンダー企業と一緒にやっていました。問題発生後、急きょ担当者に来日してもらい対応策を考えることになったのです。
「What can I do for you?」 という問いかけ
ベンダー会社の現地メンバーも入り緊急の電話会議をすぐに開きました。来日した担当者が向こうのメンバーに発生状況を伝え、問題の原因究明から着手へ。こちらの期待とは裏腹になかなか打開策が出ない状態でした。そんな状況での電話会議で、来日担当者がある言葉を現地メンバーに投げかけていることに気付きました。
最新記事
Podcast
note
書いている人 (多田 翼)
Aqxis 代表 (会社 HP はこちら) 。Google でシニアマーケティングリサーチマネージャーを経て独立し現職。ベンチャーから一部上場企業の事業戦略やマーケティングのコンサルティングに従事。
ブログ以外にマーケティングレターを毎週1万字で配信しています。音声配信は Podcast, Spotify, Amazon music, stand.fm からどうぞ。
名古屋出身、学生時代は京都。気分転換は朝のランニング。
ブログ以外にマーケティングレターを毎週1万字で配信しています。音声配信は Podcast, Spotify, Amazon music, stand.fm からどうぞ。
名古屋出身、学生時代は京都。気分転換は朝のランニング。