データリテラシーとは何か？

データ企画リテラシーとは？#

• データ分析を通じて解決したい問題を設定しなければならない。
• モデルの構築および適用可能なアルゴリズムについて理解しなければならない。

データ収集リテラシーとは？#

収集データの種類と方法

• 収集データはPrimary Data（1次資料）とSecondary Data（2次資料）に分類される。
• 資料の収集とツールの活用を、適切な場面で行えるようにしなければならない。

収集データのタグ付けとラベリング

• コンピューターがデータを意味のあるものとして認識するには、その情報を理解できる形でデータを収集しなければならない。
• タグとは？データを分類・整理する際に見つけやすいように付けておく目印のこと。この行為をタグ付けという。
• ラベルとは？人工知能が認識できない非構造化データを認識して学習できるよう、人がデータに直接付ける印のこと。この行為をラベリングという。
• タグ付けとラベリングの過程を通じて、収集したデータを適切な場面で活用できるように管理しなければならない。

データ管理リテラシー#

• データ管理はファイルとデータベースから成る。
• ファイルとは、互いに接続された構造を持たない単一のデータ、または個別のデータを指す。
• データベースとは、上記のような一連の個別ファイルを効果的に管理できるように作られたシステムである。
• データの損失を防ぎ、データの概念設計・論理設計・物理設計の各段階を把握し、データベースを管理できなければならない。

データ処理リテラシー#

• 生データからエラーや妨げとなる要素を取り除き、分析できなければならない。
• データソースから生成された新しいデータが定期的に入力される際、分析しやすい形に修正できなければならない。
• 形式の異なるデータセットから抽出、フィルタリング、調整を行い、複数のデータを1つのデータセットに統合できなければならない。

データ分析リテラシー#

• 整理されたデータを分析の目的に合わせて多角的かつ柔軟に加工、集計、要約し、サンプルデータの特徴を把握できなければならない。
• 定量的・定性的に分析した結果を解釈し、説得力のある報告書にまとめられなければならない。

データ可視化リテラシー#

• データ可視化とは？データを図やグラフィック形式で表現し、意思決定を行おうとする人が、視覚的に表現された分析情報をもとに概念を理解し、新たなパターンを見つけ出せるようにするプロセスである。
• データ可視化リテラシーを身につけるには、視覚的に表現された報告書の対象者について理解していなければならない。
• つまり、個人的な特徴（年齢層、文化的特徴、教養水準など）を考慮しなければならない。
• 関連分野のドメインについて、どの程度理解しているかを把握しなければならない。