デザインプロセスは意思決定の連続である。何を、どのように、誰のためにデザインするかなど、複数の意思決定を同時に実行していく必要がある。近年データが大量に利用できる環境が整いつつある中で、デザインプロセスにおいてデータから帰納的に導き出されるエビデンスを設計に取り入れることができるようになってきた。この活動のために、データサイエンティストと呼ばれるデータ分析と課題発見・解決方法提案を定量的エビデンスに基づき行うことができる人材が強く求められるようになっている。大量のデータが社会、組織に蓄積される一方で、このデータを有効に活用しエビデンスに基づく組織的な意思決定を行うために、データサイエンティストの活動は極めて重要となりつつある。このような活動を実践するためには、データをどのように取り扱い、また、意思決定のためにどのようにデータ分析結果を利用するかといった、データ分析パイプラインの設計が重要となる。

本テーマではデータ可視化ソフトウエアを用い、データの可視化とデータの背後に隠されたデータ生成過程のストーリー構成（ストーリーテリング）を通じて、課題発見と問題解決としてのデザイン行為にデータを利活用していく方法について学習する。特に、本課題では、データに基づく意思決定を可能とするような、データの背後に存在するデータ生成メカニズムに踏み込んだストーリーテリングをアウトプットとして期待する。

データ可視化ツールを用いた、データ分析パイプライン（データ獲得、データ分析手法、ストーリーテリング、プレゼンテーション技法）について学習する。教育目標として以下の４点を挙げる。

1. データ可視化ツールの使い方
2. オープンデータを用いたデータ分析技術
3. ストーリー構築を通じたデータ生成メカニズムの仮説設定方法
4. ストーリーテリングを通じたプレゼンテーション技術

データ分析と可視化に関しては” 文化都市京都のデータdeデザイン！”と同様に行うが，本テーマはデータサイエンティストに必要とされるデータ分析パイプラインの設計に焦点を当てている点が大きな違いである．

社会調査法の統計調査の手法を基本として、データ分析の技術的可能性とデータ分析パイプラインに関する設計をPDCA的に行う。１日目に行うブレインストーミングを通じて共有されたアイデアを段階的に選別することにより２日目にデータ分析結果のストーリー作成を行う。最終成果物としてオープンデータを利用した社会課題の発見を想定する。

１日目に参加者とともにブレインストーミングを行いアイデアを拡大する。佐藤がデータサイエンスに関するレクチャーを行う。並木がデータ可視化ソフトタブローのレクチャを行う。さらに、１日目午後に事前じ準備をしたテストデータを用いたデータ分析ソフトウエアの実習を行う。２日目にインターネット上から利用可能な様々なオープンデータを用いて、データ可視化および可視化したデータからのその背後に存在するデータ生成プロセスに関するストーリー作成を行う。