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

e_co

販売・サービス・事務

データの前処理は時間がかかる。
でも、この前処理によって質の良いデータとなりデータ分析分析に繋がる。
前処理の時間について否定的な立場の方々の理解を得るように、データ分析の質を高めたい。

yykk1

メディカル　関連職

表記ゆれなどは実際の業務では基本は目視、手作業なのだろうか、それともツールがあるのだろうか。データクリーニングが最小になるようにデータの集め方にも工夫が必要だと思った

michiyomichiyo

その他

前処理がとても大事だとわかった

imaiaru

人事・労務・法務

人には即判別できるものでも、データでは区別が難しいものもある。使い方は重要であると感じた。

y_miba

その他

データ分析の時間は前処理が8割というのが衝撃でした。データクリーニングなど地道な作業の上に成り立っているのですね

ichikr

マーケティング

データ加工（前処理）はデータ分析の8割といわれるほど重要。特に、ローデータをそのまま扱うことは難しいため、特徴量エンジニアリングを行い、AIが扱いやすいデータに加工することが必要となる。その際には、人がどう判断しているのか、を言語化することが必要になる。

q-t

金融・不動産　関連職

天文学的数字を一瞬で、出し入れできる。

mita1811

IT・WEB・エンジニア

データ分析の基本的な考え方を学べた

nagamatsu-naoki

金融・不動産　関連職

ベースとなるデータの整理がとても重要と理解できた。

rl-masayuki

その他

審査においてデーターを多く持って活用するのもよいが目的に応じて加工して使用するとよい審査データ調理ができる

k_kennji

営業

データを蓄積だけではなく、実用するために処理をすることがとても重要と感じました。事前の処理でほとんどの事が決まると思いました。

akashi3661

営業

データの前処理の大切さを再認識しました。

k--g--

その他

気になった点として、個人情報を扱う上で同姓同名には最新の注意を払おうと思いました。

shin-53

メーカー技術・研究・開発

データの分析をする人、アプリを開発する人に加え、分野の専門家と合わせたチームを組むことの重要性を学んだ。

y_yasuda1

経営・経営企画

データ加工について学べた

hi-std

IT・WEB・エンジニア

今まで重要視していなかったデータクリーニングがとても重要だということに気づけた。

stengnabe

その他

データ活用するために、データの加工が重要であることが分かったので、業務に活用したい。

kinjo2024

IT・WEB・エンジニア

ただデータを集めるだけでなく欲しい分析結果を得る為には、データを成形し分析することが重要だと感じた。
稼働管理でピボットなどを使う機会があるが、従業員によって勤怠のコメントが異なるケースがある為、グルーピングを行い、同じカテゴリの業務にどれぐらいの工数が使われているかを求める必要があると感じた。

tak71_5515

コンサルタント

特徴量の自動設計の部分に関してはより詳しく知りたいなと感じました。少し自分でも調べてみようと思います。データの加工が分析作業の8割を占めるというのは大変驚きでした。この辺りもITソリューションで解決する策があると良いなと感じました。

1982103

その他

データ活用前準備の重要性がわかりました。

taka1962

販売・サービス・事務

AI業務は、詳しい人が選任で推進するのではなく、詳しくなくても頻繁に利用する人や、営業担当者等が協力しあって推進したほうが、AIがより組織に貢献できるツールになると思った。

ah-1126

営業

データの前処理をしっかり行うことにより質の良いデータが蓄積され事がわかり、データの収集もただ集めれば良いものではないことが理解できた。

hrkudo

IT・WEB・エンジニア

前処理は重要ということがわかりました。AIの力を正しく発揮する為に、AIが考えやすい形にすることが重要だと思いました。

kawaguchimas229

IT・WEB・エンジニア

とくちょう量を見定める必要ありですね

sawa1443

IT・WEB・エンジニア

どんなデータがいるのかにもっと頭を割く必要があると思った

sachi000

販売・サービス・事務

データの前処理間違ってたら、そりゃずっこけますよね。基本ですが、大事な事再認識できました。

aokitaka-tci

その他

できるかぎりゴールを見据えたデータ前処理を実施する

hirokatsu

経営・経営企画

データ分析の品質は前処理によってほぼ決まる
データのフォーマット統一　データ型　欠損値、異常値の補正（自動処理可能）
重複データの削除、名寄せ（共有IDで関連させる）
特徴量エンジニアリング　集計、演算で特徴量を作っていく　人がどう判断しているか考えて作っていく　定番は自動化されている
データの専門知識を持っている人と議論しながら進めていく

yasupii

その他

データ加工の中の特徴量エンジニアリングに興味を持ちました。集めたデータだけを使うのではなく、１ヶ月の購買料や購入周期などを計算しておくことです。この中で、自分達は普段どのような観点でデータ分析をしているのかが使えることも知りました。今後、この考え方を使って実践してみたいと思います。

kyo1227

営業

人には即判別できるものでも、データでは区別が難しいものもある。使い方は重要であると感じた。

sato4bb

販売・サービス・事務

特徴量エンジニアリングというものを初めて知りました
データ加工のコツなど定番化されていると伺いましたので、調べてみようと思いました

k_yuna

販売・サービス・事務

学びが多い内容でした。

nori_inada

経営・経営企画

前処理が後段の分析精度向上に役立つことが分かりました

makidayo

IT・WEB・エンジニア

データを扱う上で、下処理が大切であること、また、目的がブレないようにしないといけないことを理解しました。

awanoa

IT・WEB・エンジニア

データ分析を行う前の処理の重要性、また、事前に集めたいデータを決めておく必要性を学びました。

kazuma_yasuda

メーカー技術・研究・開発

データ解析するためのデータのルールについて、あらかじめしっかりと決めておくようにします。
例えば、同じ名前でも”山本太郎”と山本　太朗"では違う意味となってしまうので、スペースを入れるのかは事前に決めておくべき。

kobamakimaki

人事・労務・法務

下処理はAIは使えないのかなと思いました

kei_sawai

人事・労務・法務

自社の業務を理解した上でAIでより効率的に活用できるようにデータを前処理する。関連部署とコミュニケーションを取って前処理のポイントを把握する。

yuki_1203

IT・WEB・エンジニア

一度では内容が頭に入ってこなかったので、視聴２回目です。　
前処理が8割、というのがKey Wordだと感じました。　
その前提で、スケジュールや体制が必要になると理解しました。　

cs1960

販売・サービス・事務

大変参考になりました。

inyourmind

建設・土木　関連職

「データ分析は前処理が8割」というのは驚き。前処理の大切さは理解していたが、せいぜい6割くらいだと思っていた。

stani

専門職

データを加工し扱いやすいようにすることが重要である。

zummy_0617

金融・不動産　関連職

AIの制度向上をあげるには下記の事項を修正しなければなりません。
・異常値
・欠損値
・特殊エンジニアリング
技術者と業務に携わる人、専門家と議論を重ねていくしかないです。

yumetaro

建設・土木　関連職

データの前処理として、たとえばデータの入力ルールに沿った形に統一することは、わかりやすかったです。

morita_kenji

人事・労務・法務

何をしたいか、を明確にすることが重要であることが分かった。
データクリーニングもAIでどんどんできるようになってきているようなので、さらなる発展に期待したい。

h_kouno

販売・サービス・事務

今まさにAIを生かした新システムへの移植のためデータの加工作業/ルール定義を行っています。
今回の内容とても参考になりました。

murata0207

専門職

データ加工はAIを使用する前準備であり、ここで加工が適切にできないと予測値から大きく結果をずれることがある。

watanabe-tat

専門職

AIによる分析の精度を上げるために重要な「データ加工」では、欠損値、異常値の補正と共に、特徴量エンジニアリングで説明変数を策定することがポイントである。

masuhide

経営・経営企画

おいしいけれど毒ある魚との例えは、分析する上で前処理がその品質に最も影響するということで「なるほど」と感心しました。
データのかたちがデータ加工で不具合の元となる微妙なデータのお話はこれまでの業務でも多々ありました。
身に染みてその重要性を感じるお話です。
選別する上で加工したい最終形態をある程度予測して精度を上げるためのデータの前処理の必要性を感じました。

taiichi-yoshi

IT・WEB・エンジニア

データ分析を実施するにあたり、目的に応じた特徴量の理解、データ加工、分析の専門家との対話が、いかに重要か認識しました。

fujii_tomohiro

その他

前処理が重要で時間の八割とのこと。それだけのノウハウをどう身に付けるかが今後の課題。

tkumasan

人事・労務・法務

データ加工が8割といわれるくらい前処理には時間をかけるべき。何をどのように分析して、予測に役立てたいか、しっかりしたじゅんびがだいじである。

matsu_411

専門職

人間がデータ分析で行っていることを言語化して，コンピューターが理解しやすいように加工する（特徴量エンジニアリング）

black0saku

IT・WEB・エンジニア

BI や ai にデータを呼ばせる前に 前処理が必要だということを学びました。特に データのクリーニングや 文字コードの統一化などきめ細やかに整理整頓することが大切なんだということが分かりました。

koichi_0502

その他

消耗品の管理などに利用できそうだと感じた。Aの使用量が増えるとBとCも増えるなど。熟年者の応用的な先手の対応についての提案を
いつでも誰にでもしてくれる時代が、近い未来に来ると思うと凄いと思う。

nisiusuke

販売・サービス・事務

データ加工はまず規格の作成から
規格作成にはデータ活用の目的に立ち戻る
スクリーニング。最大限個性を認めつつ規格にそろえる。

bonjours

金融・不動産　関連職

データ設計の重要性と注意点がよく理解できました。

funakawa

専門職

データの欠損は頻繁に発生する事象と思うので、欠損値をどのようにAI分析で取り扱うのかは大きな課題と感じた。

pinguino

販売・サービス・事務

特徴量というのは新たに学んだ概念だったが、データ加工の考え方はよく理解できた。

yokoishida

コンサルタント

あるデータを集めているのですが､表記ゆれがとても面倒でAIで魔法のように解決できないものかと思っていたところです。このような前作業大事と知り、また、機械的解決できないとわかり、がっかりですが、今までの作業が必要不可欠とわかり、あきらめがつきました。

yu_kawa

その他

データを加工するうえでノイズを消すお話がありました。
ノイズを消す加工のために深堀していくと、その環境にあるツールを正しく理解していることでよりよい成果が得られると学びました。

hatenage

販売・サービス・事務

データの加工が必要なことはわかりました。それは人が目視で行うのですか。
また、データは2次元配列での格納ですか、理論的にはｎ次元の配列まで可能で、AIにはそれを入力した方がいいのでは。

fanatic

人事・労務・法務

前準備の重要性を学べました

fumiyo_jou

経理・財務

前処理で特徴量エンジニアリングが重要であることを理解した。資金繰り予測で何を特徴量とするかは、やはり入出金データはもちろんだと思うが、入出金には適用と呼ばれる各事象を把握することが大事であるのだが、その適用は銀行や振り込み人によってさまざまになってしまうので、そこをどうセマンティックにしていくのかが肝だと思った。

hr-sakai

その他

何事も事前準備８割というが、データ処理も同じ事が言える事がわかりました。

jintan-papa

営業

データを分析するときは、分野の専門家と話をしながらするというのは、印象に残多った。

shopoo

販売・サービス・事務

ただデータを使うのではなく、より正確に判断できるように、データ内容のメンテナンスを行うということが重要だと感じました。

yamatakuishi

販売・サービス・事務

データを加工する段階では、まずは生データを一定のルールの元、欠損や異常がないようにする。
更に、データは人間が感覚的に判断できる分類を言語化して、それをクロスセクションデータでまとめていく。
特に、特徴量のエンジニアリングとして、どのようなデータを分析したいか、そのためにはどのようなデータがあると効果的かを考え、AIの精度を高めていく必要があると考えられる。

touhoufuhai

販売・サービス・事務

データの前処理は手間だけど、きちんと精査しないと後が大変だとわかりました。

faoki

IT・WEB・エンジニア

下ごしらえによって、データは毒にも薬にもなるという気付きを得ました。

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。

nagase29

営業

データ加工には前処理が重要と料理に例えて説明をしてくれました。何を選別するかは専門知識のある方と綿密にコミニュケーションが必要とのこと。どんな仕事でも選別して進めていくことは重要と考えました。

suzuzuzu

その他

とても勉強になりました

keiko2_nakamura

その他

フグのたとえが非常に分かりやすく、腹落ちができた。
また、特徴量エンジニアリングにおいては、あれもこれもと迷走しそうな点に不安を感じたが
解決策として、現在のどうしているのかという観点で考えるという話で不安を払しょくすることができた

toshiton

メーカー技術・研究・開発

データの前処理が全体の8割と言えるほど、重要であることがわかった。データセットを作って、AIモデルを作成して、早くためしたい気持ちをぐっとこらえて、データの前処理にどんな工夫を盛り込んでいくか、メンバー間でしっかりアイデアを出していきたい。

kitajima-n

販売・サービス・事務

データ加工の前処理の重要性を改めて認識した。
特に表記のゆれについては日頃から注意したい

naokix

建設・土木　関連職

デーのクレンジングなど加工が必要なことが分かった

ma-yama

その他

データを投入すればAIがすべて自動でやってくれると思いがちだが、正確な結果を出すためには前処理がとても大事だということ。これは日々のデータ管理・分析作業にも通じると感じた。また、料理に例えて説明してくれたのが非常に理解しやすかった

ryoca

販売・サービス・事務

データ加工は前処理に時間をかけて行う

hide-ama

メーカー技術・研究・開発

今回はデータサイエンスの初歩的な内容でしたね。

hal-

マーケティング

前処理が8割で、品質はそこで決まる。特徴量とは、分析対象データの中にある、予測の手掛かりになる変数。

tasu-o

コンサルタント

データの加工の重要性を学ぶことができた。加工の効率的な手法等学習を進めていきたいと思います

csl_tbeppu

コンサルタント

データ前処理の重要性

mad_mat

クリエイティブ

データの整形もAIに任せないと、膨大なデータを修正するのに人力でやったらなんだか意味ないような気もします

mana_ka

その他

データの加工において、lawdataを加工しないと、ゆがむ可能性がある、ゆがんだ分析になる可能性があるため加工が必要。特徴量データも重複するものがあれば削除なのか、
名寄せしてまとめるのか、といった加工が必要なことを理解した

iso_ken

専門職

AIを構築する際には、業務の理解が不可欠である。自分たちの業務をよりよく理解したうえで、AIの構築を進めたい。

stag

経理・財務

小売業の話ばかりで良くイメージできない。

toshi5656

専門職

データ加工、準備が非常に重要であることを理解した。

t_n_chocolate

IT・WEB・エンジニア

データ加工で気を付けるポイントが理解できました。

ik_hrs

営業

データ分析は前処理 が8割と言われるほど分析のために重要なことであり、データ分析の品質は、データの前処理によってほぼ決まり、分析の手法や目的に合わせたデータ加工が必要とのことが理解できた。
また、データ分析をするときには、そのテーマを解決するために、分析する人、AI を作る人だけではなく、その分析のテーマの 専門家との連携が必要ということが分かった。