このページについて
このページは、
DS検定（リテラシーレベル）で求められている「ビジネス力」に関するスキル項目を
一覧で確認するためのページです。
分析手法や数値計算そのものではなく、
データを使って意思決定する力・考え方が求められます。
行動規範｜ビジネスマインド
| スキルレベル |
チェック項目 |
| ★ |
ビジネスにおける「論理とデータの重要性」を認識し、分析的でデータドリブンな考え方に基づき行動できる |
| ★ |
「目的やゴールの設定がないままデータを分析しても、意味合いが出ない」ことを理解している |
| ★ |
課題や仮説を言語化することの重要性を理解している |
| ★ |
現場に出向いてヒアリングするなど、一次情報に接することの重要性を理解している |
| ★ |
様々なサービスが登場する中で直感的にわくわくし、その裏にある技術に興味を持ち、リサーチできる |
行動規範｜データ・AI倫理
| スキルレベル |
チェック項目 |
| ★ |
データを取り扱う人間として相応しい倫理を身に着けている（データのねつ造、改ざん、盗用を行わないなど） |
| ★ |
データ、AI、機械学習の意図的な悪用（真偽の識別が困難なレベルの画像・音声作成、フェイク情報の作成、Botによる企業・国家への攻撃など）があり得ることを勘案し、技術に関する基礎的な知識と倫理を身につけている |
行動規範｜コンプライアンス
| スキルレベル |
チェック項目 |
| ★ |
データ分析者・利活用者として、データの倫理的な活用上の許容される範囲や、ユーザサイドへの必要な許諾について概ね理解している（直近の個人情報に関する法令：個人情報保護法、EU一般データ保護規則、データポータビリティなど） |
論理的思考｜MECE
| スキルレベル |
チェック項目 |
| ★ |
データや事象の重複に気づくことができる |
論理的思考｜構造化能力
| スキルレベル |
チェック項目 |
| ★ |
与えられた分析課題に対し、初動として様々な情報を収集し、大まかな構造を把握することの重要性を理解している |
論理的思考｜言語化能力
| スキルレベル |
チェック項目 |
| ★ |
対象となる事象が通常見受けられる場合において、分析結果の意味合いを正しく言語化できる |
論理的思考｜ストーリーライン
| スキルレベル |
チェック項目 |
| ★ |
一般的な論文構成について理解している （序論⇒アプローチ⇒検討結果⇒考察や、序論⇒本論⇒結論 など） |
論理的思考｜ドキュメンテーション
| スキルレベル |
チェック項目 |
| ★ |
データの出自や情報の引用元に対する信頼性を適切に判断し、レポートに記載できる |
| ★ |
1つの図表〜数枚程度のドキュメントを論理立ててまとめることができる（課題背景、アプローチ、検討結果、意味合い、ネクストステップ） |
論理的思考｜説明能力
| スキルレベル |
チェック項目 |
| ★ |
報告に対する論拠不足や論理破綻を指摘された際に、相手の主張をすみやかに理解できる |
着想・デザイン｜AI活用検討
| スキルレベル |
チェック項目 |
| ★ |
既存の生成AIサービスやツールを活用し、自身の身の回りの業務・作業の効率化ができる |
課題の定義｜KPI
| スキルレベル |
チェック項目 |
| ★ |
担当する分析プロジェクトにおいて、当該事業の収益モデルと主要な変数を理解している |
課題の定義｜スコーピング
| スキルレベル |
チェック項目 |
| ★ |
担当する事業領域について、市場規模、主要なプレーヤー、支配的なビジネスモデル、課題と機会について説明できる |
| ★ |
主に担当する事業領域であれば、取り扱う課題領域に対して基本的な課題の枠組みが理解できる（調達活動の5フォースでの整理、CRM課題のRFMでの整理など） |
| ★ |
既知の事業領域の分析プロジェクトにおいて、分析のスコープが理解できる |
アプローチ設計｜データ入手
| スキルレベル |
チェック項目 |
| ★ |
仮説や既知の問題が与えられた中で、必要なデータにあたりをつけ、アクセスを確保できる |
アプローチ設計｜分析アプローチ設計
| スキルレベル |
チェック項目 |
| ★ |
スコープ、検討範囲・内容が明確に設定されていれば、必要な分析プロセスが理解できる（データ、分析手法、可視化の方法など） |
アプローチ設計｜生成AI活用
| スキルレベル |
チェック項目 |
| ★ |
大規模言語モデルにおいては、事実と異なる内容がさも正しいかのように生成されることがあること（Hallucination）、これらが根本的に避けることができないことを踏まえ、利用に際しては出力を鵜呑みにしない等の注意が必要であることを知っている |
| ★ |
Hallucinationが起きていることに気づくための適切なアクションをとることができる（検索等によるリサーチ結果との比較や、他LLMの出力結果との比較、正確な追加情報を入力データに付与することによる出力結果の変化比較など） |
データ理解｜統計情報への正しい理解
| スキルレベル |
チェック項目 |
| ★ |
単なるローデータとしての実数だけを見ても判断出来ない事象が大多数であり、母集団に占める割合などの比率的な指標でなければ数字の比較に意味がないことがわかっている |
| ★ |
ニュース記事などで統計情報に接したときに、数字やグラフの不適切な解釈に気づくことができる |
データ理解｜ビジネス観点での理解
| スキルレベル |
チェック項目 |
| ★ |
ビジネス観点で仮説を持ってデータをみることの重要性と、仮に仮説と異なる結果となった場合にも、それが重大な知見である可能性を理解している |
データ理解｜意味合いの抽出、洞察
| スキルレベル |
チェック項目 |
| ★ |
分析結果を元に、起きている事象の背景や意味合い（真実）を見抜くことができる |
事業への実装｜評価・改善の仕組み
| スキルレベル |
チェック項目 |
| ★ |
結果、改善の度合いをモニタリングする重要性を理解している |
契約・権利保護｜契約
| スキルレベル |
チェック項目 |
| ★ |
二者間で交わされる一般的な契約の概念を理解している（請負契約と準委任契約の役務や成果物の違いなど） |
契約・権利保護｜権利保護
| スキルレベル |
チェック項目 |
| ★ |
AI・データを活用する際に、組織で規定された権利保護のガイドラインを説明できる |
PJマネジメント｜プロジェクト発足
| スキルレベル |
チェック項目 |
| ★ |
プロジェクトにおけるステークホルダーや役割分担、プロジェクト管理・進行に関するツール・方法論が理解できる |
PJマネジメント｜リソースマネジメント
| スキルレベル |
チェック項目 |
| ★ |
指示に従ってスケジュールを守り、チームリーダーに頼まれた自分の仕事を完遂できる |
| ★ |
担当するタスクの遅延や障害などを発見した場合、迅速かつ適切に報告ができる |
使い方のおすすめ
- 学習前：
ビジネス観点で何が問われるかを確認
- 学習中：
記事がどのチェック項目に対応しているかを意識
- 試験前：
「説明できるか？」を基準に自己確認
※ 技術系スキルは
データサイエンス力シート を参照してください。
🔗 関連記事