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

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。

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。

s_kanna

メーカー技術・研究・開発

過去のデータを活かす。

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

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。

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。

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。

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。

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。

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。

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。

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

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。

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。

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

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。

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。

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。

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。

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

zummy_0617

金融・不動産　関連職

データはただやみくもに集めるのではなく必要なもの、不要なものを見分けて属性データに移行し、業務に必要な属性データをさっと取り出せば効率よくはかれるものと推測します。

gtr_star

IT・WEB・エンジニア

外部データに依存したくなる、のところはビクッとしました。本当は大切なデータが自分たちの足元にあるのかもしれない、という視点で周りを確認したいと思います。

i323

その他

データ量を集めるだけではデータは生きず、目的や質、クレンジングするといった手間が必要なことが分かった。

black0saku

IT・WEB・エンジニア

データ蓄積の具体的なイメージをつかむことができました。どのようなデータをどの形でデータを設置するか検討することに役立てたいと思います。

yuukahm

IT・WEB・エンジニア

データがないと外に目を向けがちだが、過去データ等内部にある属性データの活用をまずは考える。

kazuma_yasuda

メーカー技術・研究・開発

データの属性を見極めて、仕分けをすることが重要ということがわかった。
またデータについて、自社の業務の中で得たデータを活用することで、より効果的な解析結果を導き出せるということも参考になった。

jshinmura

IT・WEB・エンジニア

データ蓄積は、クロスセクションデータ、時系列データ、パネルデータの3種類がある。クロスセクションデータはある時点でのデータの断面を切り取った複数の項目についてのデータ、時系列データは、ある項目を時系列で追ったデータ、パネルデータは、その両方を持ちあわせているデータがあることを学びました。また、ECサイトなどで過去のデータは捨ててしまっているが、実はそれらはデータ蓄積の観点からはとてももったいない顧客のライフステージの履歴だったりするので、その後のレコメンドなど様々な利用用途の可能性がある貴重なデータであると認識すべきであることを学びました。

naoki_sasano

メーカー技術・研究・開発

より精度の高い予測モデルを作ろうとした場合、現在の収集データとは別の属性データを収集することが重要であることを理解した。

huruhu3345

販売・サービス・事務

まさに過去の住所など今の業務に必要ないものは間違い防止の為に捨てていました！なるほど、そういった活用があるのかと思いました。

e-yanaoka

メーカー技術・研究・開発

単にデータがあるだけでは意味がない。
データ蓄積の方法や定期的なクレンジングも必要。

k_kennji

営業

データにも目的に応じた種類があり、方向性にあったものを適切に活用する必要があると思いました。

stengnabe

その他

データを蓄積して解析に活かしていきたい。

yumetaro

建設・土木　関連職

データ蓄積について、学んだことを今後活用していきたい。

hiropin0165

IT・WEB・エンジニア

これまでに蓄積したデータの重要性の理解と必要なデータと必要のないデータとのすみ分けを行う必要があることを理解した。

mkh8510

メディカル　関連職

データの蓄積において、いらないと思われる部分を切り捨て、整頓した状況がデータウェアハウスであることを理解しました。
しかし、講義でもありましたが、そろえられたデータが使用に耐えられるものである必要があります。業者任せの導入では、実際のデータがどう蓄積されていくかを確認する作業が必須となりますが、人数のいない部署では、確認作業ができない状況であり、使えないデータの蓄積、データウェアハウスのソフト維持費、HDDの容量の増大など、負の遺産のなる可能性があると考えます。
今、AIの活用や、NVIDIAが儲かっているなど、ニュースがあふれているが、遅れないようにかつ、導入が正しいか天秤にかけて、進めていく必要がある。

murai-nagasaki

経営・経営企画

属性など顧客データを特定の時点だけでなく、時系列で見ることで、顧客イメージが点ではなく立体的にイメージできることが理解できた。

mhbl_nakayama

IT・WEB・エンジニア

どの時点での情報なのか、データの断面を意識して収集・分析することの大切さを学びました。