「成果を生み出すデータ分析組織」はここが違う　リクルートのマネジメント術：これからのAIの話をしよう（マネジメント編）（1/3 ページ） 「これからはデータ活用の時代だ。我が社でもデータ分析の専門組織を立ち上げるぞ。早急に戦力化したいから、あとはよろしく頼む」 さすがに後半の丸投げは多くないと信じたいですが、上層部から同じようなことをいわれた経験がある人が増えているのではないでしょうか。 AIやデータを活用するために新しくデータ分析組織を立ち上げてみても、ノウハウがない企業がすぐに成果を出すのは難しいでしょう。多くの企業がデータサイエンティストの獲得に躍起になっていますが、果たして優秀なデータサイエンティストがいれば、何もかもがうまくいくのでしょうか。 データサイエンティストが1人いれば売り上げが増え、新商品がヒットし、さまざまな経営課題が解決すると考えている経営者は、さすがにいないでしょ

今回のnoteは比較的ポジショントークが強めです。苦手な人は、そのまま前のページに戻るか、このページを表示するタブを消して下さい。「お客様の声」って大事ですよね。 CoCo壱番屋の社長は１日をアンケートで始まり、アンケートで終えるそうです。だからでしょうか、特にチェーン系飲食店に足を運ぶと、必ず「お客様の声をお聞かせ下さい」というアンケートはがきが置かれています。 お客様の声を聞いているのは飲食系に限りません。B2B企業でも「顧客満足度調査にお答えください（抽選でAmazonギフト券が当たります）」といったメールが飛んできます。 業種業態を問わず、ビジネスを伸ばすヒントはお客様が知っている。それは紛うことなき事実でしょう。 問題は、どんな風に聞くかです。 定量調査だけだと具体的な内容に乏しいため定性調査（自由記述欄）を設けているアンケートは多いようです。ちなみにCoCo壱番屋のアンケートは

“アイデア出しまくるAI”を開発、博報堂が考える「創造力の限界突破」：これからのAIの話をしよう（ブレスト編）（1/5 ページ） 人間がAI（人工知能）よりも優れているのは「創造力」である――そのような考えを持つ人もいますが、果たして本当でしょうか。 例えば2017年4月に行われた、将棋の「電王戦」。プロ棋士の佐藤天彦叡王（当時）と将棋ソフト「PONANZA」（ポナンザ）の対局で、先攻のポナンザは、いきなり「3八金」というあまり見慣れない手を打ちました。しかし、その後に「中住まい」と呼ばれる強固な守りを築き、結果的に自然な展開になっていったのです。この打ち筋を想定できていた人はどれだけいたでしょうか。 こうした「常識では思いつかない発想」は、将棋に限らずさまざまな領域に広がってきています。例えば、ビジネスの現場でも私たちは日々「斬新なアイデア」を求められます。「そんなに毎日新しいビジネスア

Google翻訳より高性能？　「日本の自動翻訳がすごい理由」をNICT隅田氏が解説：これからのAIの話をしよう（自動翻訳編）（1/4 ページ） 今年3月、大阪メトロの英語サイトが路線名の「堺筋線」を「Sakai Muscle Line」と誤訳していたことがネットで話題になりました。米Microsoftの自動翻訳ツールによる翻訳をそのまま掲載していたことが原因です。 「さすが大阪、ボケ方が半端ない」などと友人にからかわれてしまったのですが、この事件には根深い問題が隠れています。 Google翻訳を使うと、いまでも堺筋線は「Muscular line」で、三両目は「Third eye」と訳されます。精度が高いと評判のGoogle翻訳でも誤訳しているわけですが、何より大阪メトロの件が話題になった後も特に修正されていないことに驚きました。 外国人観光客がますます増え、2020年の東京オリンピック・

消費税10%への増税を巡る議論が活発に行われてきましたが、経済財政運営の基本方針（骨太の方針）の素案が6月11日に発表され、いよいよ増税は間違いないかな…と考えております。以下は日経新聞の記事より。 政府は11日、経済財政運営の基本方針（骨太の方針）の素案を公表した。今年10月に消費税率を10%に引き上げると明記した。「海外経済の下方リスクが顕在化する場合には機動的なマクロ経済政策を躊躇（ちゅうちょ）なく実行する」と記し、景気動向次第で経済対策を編成する方針も記した。以前から安倍首相や菅官房長官含め内閣の閣僚は「リーマン・ショック級の出来事が無い限り実施」と繰り返し発言してきました。 具体的にして抽象的な発言であり、幾人かの政治家が「具体的にはどういう出来事？」と追求してきましたが言質は得られませんでした。 それもそのはずで、元々から「これ」という正解は無かったと思います。もし何かしらの経

お仕事でコレスポンデンス分析を使ったアウトプットを提出する機会ができました。せっかくのチャンスと考えて「コレスポンデンス分析」について以前から悩んでいた点も含めて色々と調べてみました。 ※アイキャッチに深い意味はないです。 あくまで、このnoteはその結果をまとめたものです。参考文献は都度記載しますが学術的な正しさを求められても困りますので、その前提でお読みください。 コレスポンデンス分析とは？リサーチの結果をクロス集計表で見る機会が多いのですが、表頭項目（列）と表側項目（行）が多いと内容を把握しにくい場合があります。 そこで項目間の関係性を視覚的に分かり易く表現するために、散布図を用いて見易くする手法がコレスポンデンス分析です。省略して「コレポン分析」と呼ばれることもあります。 要は「クロス集計表の結果をパッと見てわかる内容にした感じ」がコレポン分析の使い方です。 ちなみに「テキストマイ

食品ロス年間643万トンの不思議まだ食べられるのに捨ててしまう食品が年間643万トン。 その数字は、国連世界食糧計画による食糧援助量（約320万トン）の２倍にもなると言われると、おいおい日本はとんでもねぇ国だなと思います。 一方で、食品ロスとは言わば「食べられるのに捨てられたゴミ」ですから、誰がいつどのようにして643万トンも計測したんだ！と突っ込まざるをえません。 私は生ゴミと燃えるゴミを一緒に捨てる派なので、ごみ処理場の方々がゴミ袋を開けて生ゴミと燃えるゴミを分けているのだとしたら、結構ゾッとしてしまうタイプです。ふと「戦時中、東条英機が民家のゴミ箱をあさっていた話」を思い出してしまいます。 そこで、食品ロス年間643万トンの算出方法を調べてみました。 結論だけまず先に書いておきます。 ・家庭から出る食品ロスの算出方法が相当脆い。実際は289万トンも無いのではないか？（と言われても仕方

未経験からデータサイエンティストになれる？　「死の谷」を越えた独学プログラマーが伝えたいこと：これからのAIの話をしよう（独学エンジニア編）（1/4 ページ） 最近、Excelにすら苦戦していた元上司や営業の友人から「実はデータサイエンスの勉強を始めたんだ」「プログラミングを始めてみたんだけど、苦戦してるよ」という報告を受けました。 社会人になっても新しいことを学ぼうとする姿勢は本当に素晴らしいと思いますが、独学ならではの苦労もあるようです。勉強方法が分からないという人もいれば、具体的な目標がなく「勉強のための勉強」をしているような人もいます。例えば「プログラミングを学んだけど何を作ればいいの？」といった相談は、なかなか答えるのが難しいです。 政府が今年3月に発表した国家のAI戦略案では、専門的な知識を持つAI人材を25万人育成するという計画が明らかになりましたが、いままさに「AI人材を目

NHK総合で「AIに聞いてみた どうすんのよ!? ニッポン」の第4回が、4月13日に放送されました。NHKが独自開発した人工知能「AIひろし」が、日本が直面する課題についてその解決策を提言する──という番組です。 今回のテーマは「超未婚社会」。少子化の原因ともいわれている“未婚”というテーマに切り込みます。筆者はこれまで第2回、第3回の放送について、データサイエンスの視点で検証記事を書いてきました。 もはや筆者のソーシャル上のタイムラインでは番組の話題を取り上げているデータサイエンティストはほとんど見られない状態ではありますが、今回も番組内でAI（人工知能）が提言した内容について、データを基に検証していきたいと思います。 AIは「未婚社会」について、どのような提言を行ったのでしょうか。番組を振り返ってみましょう。 三菱総合研究所が提供する生活者市場予測システムをベースに、例えば「恋人と余暇

2月24日、スポーツアナリストおよびスポーツデータ分析に興味のある人向けのイベント「Sports Analyst Meetup」が報知新聞社で開催されました。野球やサッカーなどメジャーな競技以外に、F1や登山、自転車など「そもそもどういうスポーツで、どうやって分析するの？」と考えさせられるものも多く、いろいろな示唆を得られました。ちなみに筆者も、ゴルフをお題に発表させていただきました。 中でも異彩を放っていたのが、フィギュアスケートに関する発表をした慶応義塾大学 社会人大学院生の廣澤聖士さんです。日本スポーツ振興センターにも所属しており、トップアスリートたちの映像分析サポートもしています。 学部時代は自身もフィギュアスケート選手として氷上を滑っていた廣澤さん。「フィギュアスケートの採点方法が難しすぎる」ことに問題意識があり、中でも勝敗を分ける「ジャンプの回転不足」に注目したといいます。 私

データサイエンティストだけでは世の中は変えられない。 やがて来るデータ・ドリブン至上主義時代のデータとの向き合い方 AIやデータで何でも分かるようになり、企業は顧客のニーズを完璧に捉えた商品やサービスを提供できるようになる——。そんな未来は果たして本当にやってくるのか。 データやテクノロジーを競争力の源泉にしようとしている企業は多いが、効果が伴わない例もある。気鋭のデータサイエンティストである松本健太郎氏は、現在、インサイトの観点からイノベーションを主導するコンサルティング会社株式会社デコムに籍を置く。 注目するのはビッグデータとは対極の「n=1」だ。 そこにシフトした思い、これからのデータとの向き合い方について伺った。 デジタル、データは有益。だが、万能ではない。 私のキャリアは、デジタルマーケティングの効果測定ツールなどを提供する株式会社ロックオンからスタートしました。最初は営業職でし

データサイエンティストだけでは世の中は変えられない。 やがて来るデータ・ドリブン至上主義時代のデータとの向き合い方 AIやデータで何でも分かるようになり、企業は顧客のニーズを完璧に捉えた商品やサービスを提供できるようになる——。そんな未来は果たして本当にやってくるのか。 データやテクノロジーを競争力の源泉にしようとしている企業は多いが、効果が伴わない例もある。気鋭のデータサイエンティストである松本健太郎氏は、現在、インサイトの観点からイノベーションを主導するコンサルティング会社株式会社デコムに籍を置く。 注目するのはビッグデータとは対極の「n=1」だ。 そこにシフトした思い、これからのデータとの向き合い方について伺った。 デジタル、データは有益。だが、万能ではない。 私のキャリアは、デジタルマーケティングの効果測定ツールなどを提供する株式会社ロックオンからスタートしました。最初は営業職でし

平成30年間、日本で市場規模が横ばい・縮小した「だいたい良いんじゃないですか？」市場をひたすら調べてみた。（note） このnoteは、平成元年（1989年）から平成30年（2018年）までの30年間、成長しなかった、または縮小した市場をひたすら取り上げています。ちなみにいつもよりまとめ粒度は雑です。 私の勤めるデコムでは、ニーズが明確な時代が終了し、ニーズが満たされ何を作っていいか分からない時代を「だいたい良いんじゃないですか？時代」と定義しています。 「だいたい良い」＝「何でも良い」というわけで、購入の優先度も低く、したがって低成長に甘んじたと言っても過言ではありません。言い換えると皆が買いたくなるようなイノベーションが起きなかった市場とも言えます。 ちなみにデータは全てTableauにて食わせているので、noteを通じてインタラクティブにデータを操作できるようにしたかったのですが、n

この記事は、2018年９月に刊行された『データサイエンス「超」入門 嘘をウソと見抜けなければ、データを扱うのは難しい』の第７章「海外旅行、新聞、酒、タバコ…若者の○○離れは正しいのか」を【無償】で全文公開しています。 データサイエンス「超」入門 嘘をウソと見抜けなければ、データを扱うのは難しい (毎日新聞出版) Kindle版 2019年早々に流行っている本と言えば「FACTFULNESS」ですね。めちゃくちゃ良い本で、もっともっと多くの人に読まれるべき名著だと思います。 「FACTFULNESS（ファクトフルネス）10の思い込みを乗り越え、データを基に世界を正しく見る習慣」『amazon.co.jp』 https://www.amazon.co.jp/dp/B07LG7TG5N?SubscriptionId=AKIAJ6G2RA4GLVSQSJDA&tag=boommelier-22&l

“数字に弱いニッポン”、統計不正で露わに　「データの歪み」なぜ放置？　国会議員×元日銀マンが斬る：これからのAIの話をしよう（データ編）（1/4 ページ） 続々と問題になる、政府による統計不正。厚生労働省の「毎月勤労統計」の報道を皮切りに、データをめぐる諸問題について、エコノミストの鈴木卓実さんと立憲民主党の初鹿明博衆議院議員が議論した。 データサイエンティスト協会が2015年11月に発表した『データサイエンティストに必要とされるスキルチェックリスト』には、行動規範として「データを取り扱う人間として相応しい倫理を身に着けている（データのねつ造、改ざん、盗用を行わないなど）」と書かれています。協会は、これはデータサイエンティストの必須スキルで、かつ見習いレベルでも守らなければないと定義しています。 18年末から報道され、今年に入り一気に社会問題化した厚生労働省の「毎月勤労統計」をめぐる統計偽

「AI人材がいません」「とりあえず事例ください」　困った依頼主は“本気度”が足りない　AIベンチャーの本音：これからのAIの話をしよう（AIベンチャー対談編）（1/4 ページ） 「日本企業のAI活用について物申す！」――AIベンチャー Shannon Lab代表取締役の田中潤さんとAIベンチャーで働くマスクド・アナライズさんで、AI開発の“リアル”に迫る本対談。 前回の記事では、「依頼主に時間を奪われるAIベンチャーの苦悩」「失敗を恐れすぎる大企業」「怪しいAIベンチャーの見破り方」について語っていただきました。 後編となる本記事のテーマは「AI人材不足に嘆くなら世界に目を向けよう」「すごい技術＝ビジネスになるわけではない」「他社の成功事例をまねても意味がない」です。2019年以降のAI開発の在り方や、どういった点に注目してAI導入を進めていくべきかが分かる内容になっていると思います。 対

今回のnoteは、アイデアを評価するテストを取り上げます。大企業のマーケティング部やコンシューマリサーチ部では当たり前かもしれませんが、商品を販売する前のテストに着目して、どんなことをしているのか話します。 アイデアを元に作られた商品が売れない…そんな事態を避けるため、どのような事前の評価方法があるのでしょうか？　また、もし全くダメだったらどのような手直しをするべきでしょうか？ 何をもってアイデアの良し悪しを決めるのかめちゃくちゃ良いアイデアを思い付いたら、上司からは「やってみなはれ」の一言をかけて貰い、即断、即決、即実行に移したいところです。 ただ、何をもって「良い」アイデアとするのでしょうか。良いと悪いの分かれ目はどこにあるのでしょうか。 どの親も「うちの娘は可愛い」とニヤけますが、全員可愛いなら相対的に全員平均的な顔になるはずです。つまりアイデアの良し悪しなんて第三者が定量的な調査で

「大企業は時間を奪っている意識がない」　AIベンチャーが本音で激論、“丸投げ依頼”の次なる課題：これからのAIの話をしよう（AIベンチャー対談編）（1/4 ページ） 2018年ごろから、人工知能（AI）に対する過剰な期待と盛り上がりが徐々に落ち着いてきた印象です。 調査会社のガートナージャパンは、人工知能は流行期から幻滅期に差し掛かっているという見解を18年10月に発表しました。AI開発の現場で活躍している人の中にはそうした傾向を前向きに捉え、「ようやく落ち着いて話ができる環境になった」と胸をなで下ろしている人もいます。 そのうちの1人が、AIベンチャー Shannon Lab代表取締役の田中潤さんです。アメリカの大学で数学を研究していた田中さんは、現在人工知能の対話エンジンや音声認識エンジンを開発し、AIベンチャーの立場で企業のAI導入を支援しています。 田中さんは「2016～17年ごろ