【感想】データ・ドリブン社会の創発と戦略（安宅和人） 第3回目講義 慶應義塾大学

慶應義塾大学のデータ・ドリブン社会の創発と戦略（安宅和人）
第3回目講義の振り返りをやっていきます。

第3回のリンクはこちら↓
データから価値を生み出すとは何か？

本講座における気づき

１）第2回のWrapUpのポイント
分析の設計をするとは、目的を定め、条件軸と評価軸の掛け合わせを考えることである。
検定や数理的解析は、その答えを出すためのツールである。

２）環境省による2100年予想

東京の状況がやばい。

最高気温43−44℃
40℃以上の年間日数　66日
台風の最高風速90ｍ

３）データやAIのリテラシー

将来的には、今で言うPCスキルと同じくらい知っておくべきレベルのものになる。
身に付けなければならない。
この専門家であるデータサイエンティストがどの程度必要になるかは、不明。

４）汚いデータの解析

汚いデータでは分析を行ってはいけない。戻す方法はない。
（汚いデータ：混入、欠落、ひずみなど。
　ひずみの例でいうと、無料クーポン付きのアンケート。これに答える層がどういった人なのか、という歪がある）

きれいなデータをかき集めるのがプロ。
解析は誰でもできる。

５）軸の設定
データはいきなり見ない。まず分析対象と課題を正しく理解する事が重要。
伝えるべきメッセージを言語化し、どのようなロジックでそのメッセージが支えられるかを整理することが分析に必要。

６）適切な表現のあり方
データをどう表現するかについて、ベースラインを必ず明らかにする。
原点（0になる点）を示す。
※新聞や雑誌などで見る場合がある。

７）視覚化のシェード
データの意味を理解して、色分けする。
区分に正しい意味をもたせる。自分の都合で世界を歪めない。

８）統計数理の役割
主な役割としては以下の5つ。

①サンプリングの判断

ーー記述統計ーー
②データの性質を理解する（EDA：Exploratory Data Analysis）
 平均、標準偏差、最大、最小などで比較する

③科学的に表現する
ーーーーーーーー

④分析結果を判断する（推定統計）

⑤解析、統計モデリングのベースとして適用する
（最小二乗法、相関、回帰、k平均法、機械学習など）

統計数理の話について、講義時（2019年10月）に執筆を計画しているとのコメントあり。
楽しみである。

９）データの価値
どんなデータもアウトプットにつながって初めて意味がある
『仕事　＝　力　×　キョリ』

単なる努力・試み自体には意味がない。
生み出す変化がなければゼロ。
第1回の『プロフェッショナルとは？』という問いの一つの答えとのこと。

■課題

イケていない分析を見つける。
半年以内の事例で「なぜイケていないのか」「改善方法は何か」まで整理していると良い。

以上です。引き続き見ていきます。