ビジネスパーソンのためのデータ・AIリテラシー/③データ加工
【DataRobot社 受講後アンケートにご協力ください】 アンケートにご回答いただいた方で、ご希望される方にはDataRobot社からのAI活用方法や事例、テーマの選び方、そして貴社の課題のヒアリングを目的としたフォローアップセッション(無料)を実施いただきます。アンケートのご協力の程、よろしくお願いします。 ※ リソースの関係上、全ての方にセッションを提供できない場合があります。予めご理解の程よろしくお願いします。 https://docs.google.com/forms/d/e/1FAIpQLSeQ554Km-jJqBG5MvHp0-7yIVQgxsw2ntZgSozrqxLCfGdCHA/viewform また「ビジネスパーソンのためのAI実践講座④ ~DataRobotを活用しよう~」では、DataRobotの使い方を詳しく解説しています。以下のリンクからご受講ください。 https://globis.jp/courses/a18da4a7/ ビジネスパーソンがデータやAIを活用するうえで、知っておかなければならない知識やよく直面する課題を、用語解説を交えてやさしくお伝えします。この動画では、AIによる分析の精度を上げるために重要な「データ加工」について取り扱います。データ加工のポイントを事例を交えながら、一緒に学んでいきましょう。
会員限定
より理解を深め、他のユーザーとつながりましょう。
100+人の振り返り
tama56
販売・サービス・事務
説明にあった「過去のデータ」について、ただの記録としか見ていないと、単なる履歴になるが、視点を変えると、とても貴重なデータになることが理解できた。
2
kobamakimaki
人事・労務・法務
学習を量を増やしてただやらせれば良いと言うものではない事が勉強になりました
1
kouhei728
経営・経営企画
まずは足元にあるデータを分析して、そこから何かインサイトを得られないかから始める必要があると思う。
あまり高度なデータが有っても人間が理解できなければ意味がない。
0
ri-kuro
メーカー技術・研究・開発
魚の例がわかりやすかった。
業務上、大量のデータをとるが使いやすい形に加工したり分類することが完全にはできていないので、これからデータを活かせるような保存をしていけるようにする。
0
watanabe-tat
専門職
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。
0
hazuki420
専門職
普段何気なくやっていることも属性としてカテゴライズして保存、データ化するのですね。アナログな視点を変えるために用語を覚えたいと覆いました。最初の3段階のステージはレーク、ウェアハウス、マートだったでしょうか。
0
tak71_5515
コンサルタント
データの蓄積に関してその偉大な効力を理解することができました。具体的にお客様へお話をする際の情報としても非常に整理されたコンテンツでとても勉強になりました
0
i_mura888
金融・不動産 関連職
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。
0
mitontan
IT・WEB・エンジニア
データ統合における加工や蓄積といった基本的な考え方が非常に有用だった
0
1982103
その他
改めて、それらのデータをもとに何がしたいのか、を最初に明確にしないと、スタート時点から間違ってしまうのでだなを思いました。
0
rl-masayuki
その他
審査するうえで過去のデータの蓄積や分類分けを行うがより時系列なてんも注意し正確な審査ができるよう心掛ける
0
saiken4545
建設・土木 関連職
精度の良い予測、活用にはDataの量、精度、保守が必要である事を改めて認識した。
結果を鵜呑みにするのではなく、その用いたDataの信憑性を評価し、それに伴った予測の活用が肝要。
0
mutame
その他
せっかく貯めたデータ・情報でもどんどん鮮度が落ちて役に立たなくなる という説明が納得感大でした。経験あります・・。
0
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。
0
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
0
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
0
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。
0
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。
0
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。
0
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。
0
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。
0
y_yasuda1
経営・経営企画
データ加工について理解できた
0
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。
0
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。
エンゲージ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。
0
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。
0
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。
0
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
0
s_kanna
メーカー技術・研究・開発
過去のデータを活かす。
0
ayami_avinc
専門職
お客様満足度を改善したいのですが、対策がうまくいかず、過去のデータを活用することも大切だと学びました!
0
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。
0
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
0
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。
0
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
0
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。
0
sachi000
販売・サービス・事務
とりあえずは保存ですね
0
kawaguchimas229
IT・WEB・エンジニア
時系列も必要ということがわかった
0
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。
0
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。
0
tatabe5
メーカー技術・研究・開発
様々なデータに使い方がある、と聞くと、やはりまずはとにかく多量にデータを集めようになっていくと思う。
そこは否定しないが、AIで活用するデータは最初は絞った方が良さそうだと感じた。
0
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
0
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。
0
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
0
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。
0
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。
0
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。
0
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。
0
tra_mitsu
IT・WEB・エンジニア
データを記録する段階でデータ活用方法を意識できることも大事だと思った。
0
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。
0
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
0
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
0
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。
0
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。
0
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。
0
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。
0
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。
0
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。
0
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
0
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。
0
murata0207
専門職
データの質を高めることが大事だと学んだ。
0
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。
0
cs1960
販売・サービス・事務
大変参考になり勉強になりました。
0
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。
0
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
0
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。
0
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。
0
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。
0
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。
0
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。
0
nomkrk
その他
過去の属性データの重要性がわかった
0
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。
0
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。
0
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。
0
stani
専門職
データの蓄積について学んだ。
0
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。
0
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
0
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。
0
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。
0
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。
0
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。
0
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
0
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
0
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
0
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。
0
1_1_1_hatai
その他
日々、蓄積している各データの意味を理解して活用していくことが基本的なことであり、且つ、重要なことであることを理解いたしました。
0
tamurayukari
販売・サービス・事務
「分析」で活用することを考え、全体と将来を見通して、どのようなデータをどういう手法で蓄積するか、組織全体でコンセンサスを取って進めていくことが重要だと感じました
0
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。
0
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。
0
suzuzuzu
その他
とても勉強になりました
0
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
0
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
0
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。
0
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。
0
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。
0
k_yuna
販売・サービス・事務
少し難しい内容でした。
0
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。
0
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。
0
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
0
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。
0
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。
0
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。
0