ビジネスパーソンのためのデータ・AIリテラシー／②データ蓄積

akashi3661

営業

データの量だけではなく質も考慮して活用していきたいと感じました。

michiyomichiyo

その他

歴史から学ぶように過去データからわかることもあるということですね

sss_k34

その他

クレンジングの先を意識して対応しないと、クレンジングだけで終了してしまうので要注意

nagamatsu-naoki

金融・不動産　関連職

データの鮮度や履歴など、改めて考えることで価値が見いだせるものがあると気付きました。

shin-53

メーカー技術・研究・開発

必要となるデータをいかに蓄積するか、過去のデータの重要性を理解した。自分の業務にどう当てはまるのかはなかなか思いつかない。

yamatakuishi

販売・サービス・事務

データを蓄積するには、生データをまとめるウェアハウスと、データマートが必要であることを理解した。
まずは、今あるデータをクロスセクションデータとしてまとめておくことを継続していこうと思う。
データの質を高めるための「データクリーニング」については、具体的な方法やクリーニング対象になるデータの理解が足りていないと感じるため、ここについては学習を継続していきたい。

morimachi_128

営業

データは量が多ければいいわけではなく質・種類の多さが大切。
営業時にヒアリングしたデータの整理の仕方は要検討である。

kinjo2024

IT・WEB・エンジニア

データの質と量が大事ということで、どのような分析に使用するのかをイメージしてデータの収集及び成型していく必要があると感じました。

y_yasuda1

経営・経営企画

データ加工について理解できた

hi-std

IT・WEB・エンジニア

過去データを見直すことはあまりなかったが、大切だという事がわかった。また、データの量も質も大事。

sakamoto-aki

営業

過去のデータ＝ライフステージの推移や価値観・趣向性の変容のヒントになるのだということは、見落としていた。
ｴﾝｹﾞｰｼﾞﾒﾝﾄが中途半端な状態でアンケート依頼などの頻度が多いと顧客が離れてしまう恐れもあるのでコンタクトするポイントとタイミングは最適化していくべきと感じた。

wa_aaa

販売・サービス・事務

引っ越しで住所が変わったという事象をライフステージの変化があったのではと掘り下げる発想がなかったので、今持っているデータの深堀り・活用という考え方が参考になった。

k--g--

その他

すでに収集した過去データの活用、ためになりました。

aokitaka-tci

その他

データ蓄積について質と量ともバランスよく確保していくようにしたい

s_kanna

メーカー技術・研究・開発

過去のデータを活かす。

xyz_xyz

コンサルタント

過去のデータも貴重な分析対象のデータになることが理解できました。

hirokatsu

経営・経営企画

学習　正解がわかっているデータでAIを作るフェーズ　→　予測
データクリーニング
クロスセクションデータ　時系列データ　パネルデータ
（一定の期間のデータを横並びで保管したもの）
データをためる方法が間違っているとデータが腐ってしまう
今取れているデータを活用していく

a2202894

その他

ライフステージの移ろいによる各属性への影響について、課題だと感じていたところでとても興味深く感じました。
データの蓄積でも取捨選択が必要であること、どれを選択すればいいか迷ってしまいがちですが、何を決めてにしたら一番良いのでしょうか。

misogai

営業

只々データを集積するのではなく属性を踏まえることでより良いデータ分析を行われることが理解出来ました

hal-

マーケティング

データ蓄積の用語（データレイク、データウェアハウス、データマート）をなんとなく使っていたので、勉強になりました。過去データの蓄積は、業務視点だと蓄積することを判断するのが難しいように感じました。

sachi000

販売・サービス・事務

とりあえずは保存ですね

kawaguchimas229

IT・WEB・エンジニア

時系列も必要ということがわかった

masuhide

経営・経営企画

業務上様々なシーンで構築されたデータの活用を求められますが、それらデータの質と量、区分では時系列的なもの、種類など、のちに利用することを考えつつ蓄積しk手行く重要性を学びました。学習データは重要なポイントですね。

hrkudo

IT・WEB・エンジニア

目的を定め、どのようにデータ蓄積するか、またデータを蓄積していくかのルールを定めていくことが大切だと学びました。

vivinana

販売・サービス・事務

過去のデータの重要性は認識しているものの、なかなか保存や活用時のデータ容量との兼ね合いで運用が難しいことを改めて再認識しました

mita1811

IT・WEB・エンジニア

学者データの扱い方について知ることができた。

kei_sawai

人事・労務・法務

ローデータを加工して使いやす形においておく

y-arano

メーカー技術・研究・開発

現在、ビックテックカンパニーが作ったAIをAPIで使用することがほとんどであるが、自社のデータを活用して、モデルを作成する場合はデータをどのように集め、使いやすいように加工するかしっかり考えていきたい。

makidayo

IT・WEB・エンジニア

闇雲にデータを貯めればいいものでもないんだなということが理解できた。

kyo1227

営業

データ蓄積は全ての基本で、この事が理解出来るように簡潔に解説されていてよかったです。

ah-1126

営業

データを蓄積するには質が重要であることから、何でもかんでも収集するのではなく精査する必要性を感じました。

matsu_411

専門職

データ統合を考えるのであれば，データレイクにためるデータについてAIに学習させるという視点で，数値データ・音声データ・テキストデータなどを選択するのと，データに偏りがないようにする。データウェアハウスでは，将来を見据えて全社的にどういう形にデータを加工するか決める。過去のデータ（住所など）は捨ててしまうことが多いが，AIの予測精度を高めることができる可能性があるので，保存データを絞りすぎない。

sato4bb

販売・サービス・事務

蓄積してきたデータをどの様に活用するのか色々な視点で見る必要があると感じた

kitajima-n

販売・サービス・事務

まずはデータを保存する重要性を学びました

stsujimura

IT・WEB・エンジニア

情報の粒度が大事だということがわかった。

h_kouno

販売・サービス・事務

データの蓄積はされているのですが、システムが異なったり、フォーマットが異なったりしているケースも多々あるので結構調整に手間取っています。

nagase29

営業

動画に人が登場して話すことによって集中力が上がっりますね。データの収集の管理をクリーニングしておくことが大切なことがわかりました。また、過去の属性も管理しておくと他のデータのり処理にも有効になることがわかった。

inyourmind

建設・土木　関連職

「ある部署だけで限定的にデータクリーニングを実施すると、別の部署との不整合が生じ、クリーニングの意味が薄れることもある」というのは参考になったので今後に活かしたい。

shopoo

販売・サービス・事務

既に取得済みのデータを使用し、活用する方法を考えることが重要だと感じました。

nonchankawaii

IT・WEB・エンジニア

蓄積されたデータが保存期間を理由に廃棄されることは非常に残念に感じていた。
ストレージが安価になった現在、第四の資産と呼ばれるデータはなるべく存続するような世の中になってほしい。

2152321

金融・不動産　関連職

未来のデータだけではなく、過去のデータの活用を行うことも重要であるとともに、未来にのデータをどう取得するか意識したい

taiichi-yoshi

IT・WEB・エンジニア

データの鮮度が大事であることを認識しました。

murata0207

専門職

データの質を高めることが大事だと学んだ。

vegitaberu

人事・労務・法務

AIを活用するにあたり、データが重要だということは、言われていますが、ではどんなデータが必要かというと、簡単には、答えられないことが多いです。まずは、何をしたいか、何を知りたいかをはっきりしり、それに基づいて、必要なデータをそろえていくことが重要だと感じています。その際に、都合のいいデータをとりにいくだけでなく、そのようなデータは、往々にして、不可能か、コストがかかりすぎることも多いですが、今あるデータをどう使えるか考えながら、Ａｉ分析に使えるように、仕立てていくことが重要だと思っています。
そのことを、再認識できました。

cs1960

販売・サービス・事務

大変参考になり勉強になりました。

bonjours

金融・不動産　関連職

精度が高いAI構築のためのデータマートを作るためには、今回の内容を見直したいと感じました。

hhmorimoto

メーカー技術・研究・開発

データの扱い方法の概要を改めて整理できました
実業務において、過去のデータも活用しながら業務改善の検討をしていきたいと思います

faoki

IT・WEB・エンジニア

過去の属性データの保存が重要なのは目から鱗でした。

morita_kenji

人事・労務・法務

既にあるデータを活用することも大切であることを学んだ。人事データは様々な観点で集められているので、活用の余地は大きい気がする。

yu_kawa

その他

トランザクションデータ、属性データを活用し、過去の属性データを活用できるとデータの質をより上げる事ができる。

yamaurari

経営・経営企画

提案の中にAIが出てくる可能性があり、学ばせていただきました。とくにITに詳しくないお客様であればデータを整理・適切に蓄積するというところに面白みを感じず、優先順位を下げることが多々あります。そういった際にこういう有識者からの意見があると進めやすいです。ありがとうございます。

toshi-iwai

経理・財務

過去のデータを断面的に抽出して溜めていくことから始めたら良いとの話ですが、具体的にどのように属性を分けるのかわかりませんでしたので調べてみたいと思います。

nisiusuke

販売・サービス・事務

すでに入手できているデータの活用から考える。
データの量より種類の多さ。そして質。

iso_ken

専門職

ここでもやはりむやみやたらにデータを集めるのではなく、通常手にしているデータから何ができるのかを考えることがまず必要。
インスピレーションもとても大事である。

tkumasan

人事・労務・法務

データの蓄積には、きちんとしたルールや意図に基づき適切に実施することがよく理解できた。

stani

専門職

データの蓄積について学んだ。

funakawa

専門職

時間の経過と共に分析方法が変わり、取得するデータの種類が変わることもあると思います。保存するデータの種類、また、AIで予測するパラメータを明確にする必要があると感じた。

fujii_tomohiro

その他

データ準備において質と量のバランスが必要とあるが、なかなか揃えることが難しい

pinguino

販売・サービス・事務

過去の属性データについては必要な場面もあるだろうと思うが、蓄積が必須なのかもう少し考えたい。

fumiyo_jou

経理・財務

クロスセクションデータ、過去の断面における属性データを活用することがポイントであることは理解した。当社の場合、あまりに過去のデータが多すぎてデータとして残っていないので、過去のデータをデジタルデータに変換するところから始めるのが課題であると思う。

jintan-papa

営業

データの精度や集め方が分析を左右するという認識を新たにした。

touhoufuhai

販売・サービス・事務

もう使わないデータと決めつけないで、何かに使えないか、よく考えてから処理をした方が良いと感じました。

keiko2_nakamura

その他

単純にデータを貯めればいいのではなく、目的に基づいた整形、集める種類を考慮する必要がある点が勉強になった

ma-yama

その他

データは量が多ければいいというわけではなく、その質も求めれられるということは日々の業務においても当てはまると感じた

ryoma-tst

クリエイティブ

蓄積されたデータ基に分析していく

hr-sakai

その他

過去集めたデータも役に立たない事がわかり、むやみやたらとデータ収集するのではなく少なくても質のいいデータを用いる事の大切さがわかった。

hide-ama

メーカー技術・研究・開発

時系列データを蓄積することは労力がかかるため、ついつい最新データだけ蓄積してしまいがちです。過去データも整理して蓄積できるようにデータ構造を考えたいと思いました。

mmarcy

IT・WEB・エンジニア

生成AIを社内に展開する際に当講座の受講を勧めるようにします。

suzuzuzu

その他

とても勉強になりました

7031

経営・経営企画

当り前ですが、データを集めるにあたって、陳腐化しないよ目的をもってデータ蓄積をすることが重要だと改めて感じました

naokix

建設・土木　関連職

クロスデータとよばれるデータの断面、過去履歴を保存しておくと分析に役に立つ可能性があることが理解できた

darumamistral

コンサルタント

RFM分析に活用できるのはないかと考えています。

toshiton

メーカー技術・研究・開発

データの蓄積では、整理と工夫が必要で、外部データに頼らず、内部データをうまく活用することが大事だと感じました。業務においても、ちょうどAIモデルの改善の取り組みとして、一般公開データから製造現場データに入れ替えて、どれだけ精度向上するか、試してみたいです。その際、データクリーニングをしっかり実行します。

hashiryo8

その他

既に今あるデータをしっかりと保存し活用していくのが最初に行うステップとあったので、現業務のデータの活用をまずは考えてみたいと思います。

k_yuna

販売・サービス・事務

少し難しい内容でした。

awanoa

IT・WEB・エンジニア

データの集め方を意識することが、分析において肝要であることを学びました。

taka1962

販売・サービス・事務

この講義の最後にあった、データの蓄積は、データ量の増大や型式の変更による集約上の制約で難しいが、データ圧縮等の工夫が必要です。

csl_tbeppu

コンサルタント

データの断面について理解できました

t_terakawa

メーカー技術・研究・開発

ＡＩ用データの種類を意識ていきます。

mana_ka

その他

データの蓄積において、工夫と準備が必要ということ。
大量にデータを集めればよいではない。間違えたデータを集めると分析が
正しい方向に行かず、鈍化すること。
一つの要素の種類より、複数の要素で種類がある方がいいということ。

ichikr

マーケティング

データは保存の仕方も重要である。普段の業務で取得している属性データも、業務面で不要になったから削除するというのではなく、「データの断面」として保存しておくことで、後々の情報活用で精度向上に使うことができる。

inoguchi_m

IT・WEB・エンジニア

ただデータを集めるのでなく必要なデータを取捨選択する事が重要である。過去の販売データから顧客の購入傾向分析販売計画にいかせると感じる

stag

経理・財務

データクリーニングは大変。人力でやるので間違いも起きる。

tasu-o

コンサルタント

動画でお話があった通り住所変更などの情報は誤配送の懸念から削除していましたが、様々なデータと結びつけることができると気付きを得ました。トラブルの防止と運用面を鑑みてデータを活かすことができないかを検討したいと感じました。

kiso_2115

コンサルタント

クロスセクションデータとしての業務データ管理を検討する。

muramatsu0720

IT・WEB・エンジニア

POSデータ分析におけるデータ蓄積は、①データレイクにPOSレジからのCSVデータを貯め②データクレンジング後にデータウェアハウスであるデータベースに確認して③分析用に必要データに集約したデータマートで分析する。またスキャンパネルデータは、データの質と量の観点で、会員情報の履歴を残すことを留意したい。このような方針で、クロスセクションデータの保管を進めたい。

yasu-hero

販売・サービス・事務

過去のデータ分析が重要

sbsconts

コンサルタント

今回はAIのデータ蓄積を学びました。感覚的には受け入れやすい内容でありましたが、先ずはAIの全体像を把握する必要があると考えていますので、データ加工や環境構築等の講座を学びます。

ik_hrs

営業

AIに利用するデータは量だけでなく質が重要であることが理解できた。

sm054307

経営・経営企画

データを集めるにあたって、陳腐化しないように
集める情報、目的をもってデータ蓄積をすることが重要と感じた