データ分析とインテリジェンス

移転しました。今後こちらのサイトは更新しません。移転先→新ブログ

人工知能の発展で消える仕事について

(多分システムを売りたい人の声の大きさのおかげで)人工知能の話題が盛り上がっている。世界を破壊するかどうかはともかくとして、仕事が消えることをことさらに煽っている感も見受けられる。その方がインパクトがあって読まれるからなのは理解できるが、中身がともなっていないことも多く、読み終わってから「それで?」となることも多い。

さらにいえば、データ分析とは「上司やクライアントの意向に沿った意見を提出することで満足してもらい、褒めてもらうための政治活動である」(言葉から期待される内容と実際の意味の違いについて(分析編))というのは半分冗談だが半分本当で、どんなに正しい情報があったとしてもそれが無視され、その結果多大な被害を受けるという話は歴史を見ればいくらでも例がある。

>>>続きを読む

インフォメーションとインテリジェンスの違い

インテリジェンスという用語が広まってきたからだろうか、最近データ分析関連本の中でも、冒頭にインフォメーションとインテリジェンスの違いについて触れられることが増えてきたように思われる。このブログでは「インテリジェンス」の代わりに「データ分析」を使っているとはいえ、この違いについて書いておこう。

簡単に言えば、インフォメーションとは「加工されていない生のデータ」であり、インテリジェンスとは「意思決定者のためにインフォメーションを加工、分析してえられたもの」である。つまり、インテリジェンスはインフォメーションがから作られるし、インテリジェンスになっていなければ全てインフォメーションということである。

>>>続きを読む

情報収集が失敗する理由とその対策

何も考えないでとりあえず目についた面白い情報や、なんとなく役に立ちそうなニュースを集めるだけならばともかく、まじめに考えてみると情報収集は簡単なようで難しい。情報収集の失敗の理由と、その対策について代表的であると思われるものをまとめた。

データ分析プロセスの全体像「インテリジェンスサイクル」にあるように、情報収集はデータ分析プロセスの一部であるので、情報収集したらそれで終わりではない。後のことを考えずにここで時間をかけすぎて分析や施策の実行に間に合わなかったでは無駄であり、それは情報収集の失敗であるというべきだろう。回避するためには常にプロセス全体を頭に入れておくこと。これに尽きる。

>>>続きを読む

お仕事の依頼・採用のオファーにつきまして

ブログをご覧いただき、ご連絡をいただくことが増えたので、基本的事項についてまとめておきます。

主にマーケティングにおける提案のためのデータ分析、そのための提案やコミュニケーション、データの収集・加工・整備、資料作成、プレゼンテーションを含む。

>>>続きを読む

分析者が自分で情報収集することは当たり前ではない

情報収集というと、大抵の場合は分析担当者自身がが行うことを想定しているだろうが、それは必ずしも正しい選択ではない。いままであまり議論されてきた形跡がないが、意思決定する人と分析する人との役割分担についてすら話題にならないぐらいなのでそれは仕方ない。そこで、分析と情報収集を同じ人が行うメリットとデメリット、理想と現実への対応の順番で考える。

分析と情報収集を同じ人が行う場合は、コミュニケーションによるロスが少なくなるために効率が良い。分析のためにどのような情報収集が必要であるかを理解しているということもあるが、それ以上に収集は一度行ったら終わりではなく、分析の途中で情報不足が分かって追加での収集が起きたり、収集の途中で実は収集が不可能、あるいは間に合わないので方針を転換するこということが当たり前に起こるが、この時に対応しやすい。

>>>続きを読む

情報収集論・目次と概要

といったような問題に触れられることはさらに少ない。そこで、このようなことも含めて情報収集の全体像を把握し、体系化すれば自分も含めて情報収集を行う全ての人にとっても有用であろうということで、試みることにした。

このページは全体像の概要と、さらに個別の記事へのリンクという形で構成している。都度更新するので必要に応じて参照のこと。

>>>続きを読む

世論調査の調査方法と質問内容は公表できないのか

世論調査の結果が発表されるといつものごとく、政権に批判な人達は低めに出ている調査を中心にして高めに出ている調査をデタラメというし、逆に政権を支持する人達からは低めに出ている調査は偏向であり、正しくないという。平均を取ったら良いのかと言えば、傾向は分かっても数値はあてにならないだろう。これは各社独自で調査を行っており数値にぶれがあるためで、このぶれの原因が検証されたという話は聞かない。

自分に都合の良いデータを取るのはある程度やむを得ないにしても、高い・低いを議論する上での情報も無いので「自分が正しい」以外の根拠が無い。あとは互いに罵り合うか仲間だけで固まるかのどちらかで、どうにもならないというのが現状であり、この不毛な議論に費やされる時間は社会的な損害ではないかと思うのだが・・・。

>>>続きを読む

言葉から期待される内容と実際の意味の違いについて(分析編)

言葉の定義は重要である。何度読んでも聞いても話の内容が理解できない場合の原因と対策についてでもその理由の一つとして「同じ言葉を使っていても、同じ意味で使っているとは限らない」を上げたが、データ分析に関する言葉についても同様である。そこで、よく聞く言葉について、「その言葉から期待される内容」と「実際の意味」についてまとめる。やや極端に書いているので、中らずと雖も遠からずぐらいで読んでもらうのがいいだろう。

(ある制約条件のもとで)最も良い状態にするための施策のこと。

>>>続きを読む

何度読んでも聞いても話の内容が理解できない場合の原因と対策について

情報収集の際に「レポートに書いてある内容がつかめないな」とか「議論がかみ合わないな」という時に、何がおかしいのかを考えるために原因と対策を考える。

理由はいくつか考えられるので、これがあてはまりそうだと1つ見つけたら終わりではなく様々な可能性を検討したい。複数の要因が合わさっていることもある。特に最後の「自分が間違えている」かもしれないことは、常に念頭に置いておく。

>>>続きを読む

レポートやニュースで騙す方法とその対策のための基礎知識

グラフやレポートはもちろん、データ分析担当者としては世間の動きを見極めるために様々なソースから情報を集めなければならない。しかし、誰かが流す情報というのは何等かの意図が含まれていることが普通であるため、そのまま鵜呑みにすれば当然読み間違う。

そこで、「彼を知りて己を知れば、百戦して殆うからず(孫子)」ということで、誤魔化すのにどのような方法があるかを見て、合わせて騙されないための対策についても考える。レポート・報告書を読む際に気を付けることと合わせて読んでもらえれば幸い。

>>>続きを読む