メタディスクリプション
転職を機にデータ分析を学び始めたら、想像以上に難しかった——でも設計を変えたら前に進めた。摩擦地図・学びのSLA・72h/7d/90dループで、障害のある私でも回せた学びの実装法を詳しく解説。

主キーワード
データ分析 学び方 / データ分析 独学 / SQL 学習 / Pandas 学習 / 中途障害 データ分析 / 72h 7d 90d 学習 / 学びのSLA / 摩擦地図

共起語（LSI）
探索的データ分析 / 交差検証 / 可視化 原則 / ベースライン / データリーク / 指標の選定 / 学習ロードマップ / 反復学習 / エラー図鑑

—

TL;DR（要点ダイジェスト）

難しさの核は数学そのものより「問いの設計・注意資源の配分・反復の仕組み化」。

摩擦地図／学びのSLA／72h・7d・90dループで“忘れる前提の学び”へ再設計。

ツールはSQL＋Pandasの二刀流から。概念はコア12（平均・分散・分布・推定・検定・回帰・正則化・CV・指標・特徴量・因果/相関・リーク）。

“Not yet（まだ）”を合言葉に、毎週1つの小さな意思決定へつなげる。

90日ロードマップと**テンプレ（分析メモ／エラー図鑑）**を丸ごと公開。

—

1. はじめに——“難しい”で止まらないために

正直に言えば、データ分析は想像の2倍むずい。
関数名は霧の中へ消え、統計の式は目で追えても腹に落ちない。片手操作の私はコピペ一つに時間がかかり、疲れると括弧が閉じない。夜は自己嫌悪が増殖して、「自分は向いてないのでは？」という声が聞こえた。

それでも、私は少しずつ進めた。
理由は一つ。努力量ではなく学びの設計を変えたからだ。障害・慢性疲労・片手操作といった“私の仕様”を非機能要件として最初から織り込んだら、歯車はゆっくり回り始めた。

—

2. なぜ難しいのか？ 構造的なギャップ分析

抽象⇄具体の往復コスト：数式（抽象）→前処理・可視化（具体）→モデル解釈（抽象）。首が痛くなる。

道具の森：SQL／Pandas／統計／可視化／ML／MLOps。どこから手をつけるべきか迷路。

“正解のない正しさ”：100点より説明可能な70点が現場で強い。

ワーキングメモリ飽和：新しい概念×記法×データで脳がすぐ満杯。

当事者要件：長時間連続は非最適。痛みや疲労が注意資源を食う。

英語の壁：一次情報は英語中心。自分の言葉に“落とす”のに時間がかかる。

ここに才能の問題はない。構造が難しいのだ。だからこそ、構造に合わせて設計し直せば良い。

—

3. 当事者視点の要件定義——足かせを“仕様”にする

学習セッション：90分×1ではなく20分×3。合計は同じでも歩留まりが段違い。

操作要件：ショートカットは3つだけ先に体へ。Ctrl+L（アドレス/ランセルへ）、Ctrl+/（コメント切替）、Ctrl+Enter（実行）。

休憩設計：20分集中→5分立位休憩→水分200ml。

出口固定：毎回1枚の分析メモ（テンプレ後述）。

生活の燃料：睡眠・痛みケア・家族時間を固定枠として先にカレンダー化。

—

4. 全体像を一枚に畳む——データ分析の仕事地図

1. 問いの設計（意思決定を一文で定義）

2. データ定義（スキーマ／計測誤差／欠損）

3. 前処理（整形・欠損補完・特徴量）

4. EDA（分布・相関・外れ値・季節性）

5. ベースライン→モデル（線形・ロジスティック・ツリー）

6. 評価（交差検証・指標の妥当性）

7. 可視化・説明（1図1メッセージ）

8. 小さなデプロイ（運用に組み込む。手動でも良い）

9. モニタリング（漂移・アラート）

—

5. 再設計①：摩擦地図——つまずきの“位置情報”を取る

摩擦地図とは、「どこで」「なぜ」止まったかを主観込みで記録する地図。

地点：概念／手順／英語／エラー／体力

症状：眠気・焦燥・肩痛・“詰み感”

対処：10分仮眠／立位ストレッチ／用語を日本語一文に再定義／教材切替

ルール

同地点で2回止まったら、やり方を変える（媒体・時間帯・デバイス）。

技術ログだけでなく主観ログ（感情・身体）を必ず残す。

—

6. 再設計②：学びのSLA——最小到達保証のつくり方

サービス運用のSLAを学びに持ち込む。

週間SLA：SQL 3問／Pandas 3操作／分析メモ1枚。

月間SLA：小プロジェクト1本（問い→EDA→図→意思決定）。

品質SLA：未来の自分（＝他者）が再現できること。

—

7. 再設計③：72h／7d／90dループ——忘却前提で回す

72h：学んだら48〜72時間以内に別文脈で再使用。

7d：同テーマを週1で再訪し、メモへ追記。

90d：同じ題材を別アプローチで再実装（平均→中央値／回帰→ツリー）。

—

8. コア概念12——骨だけ先につかむ

1. 平均・分散・分位点（中央値・IQR）

2. 分布の形（正規・対数・裾の重さ）

3. 標本と母集団

4. 推定と不確実性（標準誤差・区間推定）

5. 仮説検定（帰無・対立・p値の限界）

6. 回帰（線形／ロジスティック）

7. 正則化（L1/L2）

8. 交差検証（汎化・リーク防止）

9. 指標（MAE/RMSE、精度・再現・F1・AUC）

10. 特徴量設計（意味のある単純指標から）

11. 因果と相関（介入と観察の違い）

12. データリーク（未来情報・重複・漏洩）

—

9. ツールは二刀流で十分：SQL × Pandas

SQL（基礎4→JOIN→Window）

まず SELECT / WHERE / GROUP BY / ORDER BY。

次に JOIN（INNER/LEFT）、それからウィンドウ関数を1つ（ROW_NUMBERやLAG）。

Pandas（最小6オペレーション）

read_csv → assign → query/loc → groupby().agg() → pivot_table → plot

—

10. 伝わる可視化の原則（5つ）

1. まず表、次に図（事実確認→直観理解）。

2. 1図1メッセージ（欲張らない）。

3. 軸は0起点（例外は明示）。

4. 凡例は近くに配置。

5. “映える”より意思決定を優先。

—

11. 実務の落とし穴5選と回避策

p値ハック：切り方を変え続けると偶然が“有意”に。仮説・指標を事前一文で固定。

過学習：CVとベースライン比較で守る。

リーク：分割前の標準化・重複・未来列に注意。

選択バイアス：データは“世界の全体”を代表しない可能性。外部基準を持つ。

指標ミスマッチ：業務の意思決定に直結する指標を選ぶ。

—

12. 英語情報の取り込み術 × 日本語ノート術

英語記事は機械翻訳→自分の一文定義へ書き直す。

ノートは「用語→一文定義→自分の例→落とし穴」の順で辞書化。

箱と矢印の図解を増やす。

—

13. 小プロジェクト5本——身近な題材で「問い→意思決定」

1. 体重×睡眠×水分：翌朝の体重増減に効くのは？ → 塩分コントロールへ。

2. 家計固定費：通信費の最適化。

3. 移動時間：雨天で通勤時間が何分伸びるか。

4. 電力ピーク：支配的家電を特定しピーク回避。

5. リハビリ習慣：午前と午後、完遂率の高い時間帯を選ぶ。

—

14. 心の実務——合言葉は Not yet（まだ）

「できない」は敗北ではなく、未コンパイル。
「Not yet」と口にすれば、脳は次の試行へ進む。

—

15. 90日ロードマップ（保存版）

0–2週：SQL基本4／Pandas基本6／小プロジェクト#1開始。

3–4週：JOIN／assign・query／プロジェクト#2。

5–8週：交差検証・ロジスティック回帰／プロジェクト#3。

9–12週：指標妥当性／説明資料化／プロジェクト#4/5。

—

16. そのまま使えるテンプレ：分析メモ／エラー図鑑

分析メモ

1. 問い

2. データ

3. 手順

4. 発見3つ

5. 図表1–2枚

6. 意思決定

7. 次の一手

エラー図鑑

症状

状況

原因

対処

再発防止

タグ

—

17. よくある質問（FAQ）

Q: 数学が苦手でも？ → コア概念12だけでOK。

Q: PythonとRどっち？ → SQL＋Pandas推奨、Rならdplyr/ggplot2で同様に。

Q: 学習時間が取れない？ → 20分×2＋分析メモ1枚。

Q: どのモデルまで？ → ベースライン→ロジスティック／ツリー系までで十分。

—

18. まとめと読者参加の7日チャレンジ

学びは根性ではなく設計。摩擦地図、学びのSLA、72h/7d/90dで忘却に抗う。

7日チャレンジ

Day1：摩擦地図作成

Day2：SQL 3問

Day3：Pandas 3操作

Day4：表＋図

Day5：分析メモ

Day6：誰かに60秒説明

Day7：ふりかえり

あなたの一歩が、次の誰かの灯になる