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

k_yuna

0

学びが多い内容でした。

fanatic

0

前準備の重要性を学べました

sho_yam

0

データクレンジングの重要性を理解できた

jintan-papa

0

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。

y_miba

0

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

taiichi-yoshi

0

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。

i323

0

データ分析の精度を上げるには前加工が重要で8割方のはそれにかかっていることが分った。自業務で分析をすることはほとんどないが参考にしたいと思う。

suzuzuzu

0

とても勉強になりました

iso_ken

0

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。

koichbaba

0

データ加工における留意点が理科できた。

yasupii

0

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。

kiso_2115

0

データ前処理の方法を適用してから、データ分析をできように日常的にトレーニングする。

kawaguchimas229

0

とくちょう量を見定める必要ありですね

mhbl_nakayama

0

データ分析において、データ加工が8割を占めるというお話が印象的でした。
結論を導くために必要なデータを見極めたうえで、ただやみくもにデータを集めるのではなく
分析対象の要素や周期を事前によく検討し、適切にデータ加工することの重要性を学びました。

fujii_tomohiro

0

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。

sbsconts

0

当講座を受講するまでは、AIにはデータ量が多ければよいので、大量のデータを用意し読み込ませればよ言うという認識でいましたが、AIが使えるデータに加工することが重要という、全く異なる認識でいたことに気づけました。何事も、そのものの本質を知り、アクションを起こす必要があると思いました。AIはあと2講座を受講し、先ずは全体像を把握しようと思います。

haruo_02

0

ベースとなるデータの整理がとても重要と理解できた。

k--g--

0

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。

zummy_0617

0

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。

k_kennji

0

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。

faoki

0

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。

hide-ama

0

今回はデータサイエンスの初歩的な内容でしたね。

yuukahm

0

データ分析の品質は、データの前処理によってほぼ決まる。

hr-sakai

0

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。

ryoma-tst

0

データ加工から使えるものにしていきたい

akashi3661

0

データの前処理の大切さを再認識しました。

yuki_1203

0

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。　

matsu_411

0

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）

t_terakawa

0

人間の感覚に合ったデータ処理をして、ＡＩ活用をしていく。

black0saku

0

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。

toshiton

0

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。

kazuma_yasuda

0

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。

vegitaberu

0

特徴量エンジニアリングをするときに、どんなことをすればいいかを、闇雲に、マニュアル的、公式的覚えるのではなく、自分が、その課題にぶち当たったときに、どのように考え、どのように判断しているのかを、解像度高く、言語化してみると、その場に適切な方法が見えるのではないかと思いました。それが、人間ができることのほとんどは、コンピューターでもできるし、人間にできないことは、コンピューターでも難しいというゆえんではないかと感じました。

toshi5656

0

データ加工、準備が非常に重要であることを理解した。

awanoa

0

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。

michiyomichiyo

0

前処理がとても大事だとわかった

h_kouno

0

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。

taka1962

0

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。

tkumasan

0

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。

touhoufuhai

0

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。

2152321

0

データ分析には前処理が重要で８割がデータ加工ということを学んだ

hiropin0165

0

取得したデータをそのまま使うのではなくAIが扱いやすいように加工する必要があることを理解した。AIを部門全体で取り入れる場合は無駄にデータを取り込むのではなく、統一した標準フォームで取り入れる必要があると感じた。

cs1960

0

大変参考になりました。

morita_kenji

0

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。

koichi_0502

0

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。

murata0207

0

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。

stag

0

小売業の話ばかりで良くイメージできない。

yasu-hero

0

プロセスが重要である事を理解しました。

yumetaro

0

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。

hashiryo8

0

データ分析の品質は前処理によってほぼ決まる
前処理が８割
とかなり重要なので、意識してデータ加工等の前処理に気を配っていきたいと思います。

mad_mat

0

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

yamatakuishi

0

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。

mana_ka

0

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

funakawa

0

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。

yykk1

0

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

1982103

0

データ活用前準備の重要性がわかりました。

a2202894

0

クレジットカードへ入会する前の顧客データを加工したり、入会後～半年の利用履歴から探ってみるのも面白そうだと感じました。

inyourmind

0

「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。

hirokatsu

0

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

naokix

0

デーのクレンジングなど加工が必要なことが分かった

risa_sss

0

データ分析は前処理が8割
データクリーニングは可能な限り行う
特微量エンジニアリングの例：お酒の購買周期をもとにおつまみの購買時期を考えたりと、活用ができる。

makidayo

0

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。

shopoo

0

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。

shin-53

0

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。

kobamakimaki

0

下処理はAIは使えないのかなと思いました

pinguino

0

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。

ryoca

0

データ加工は前処理に時間をかけて行う

fumiyo_jou

0

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。

yokoishida

0

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。

kei_sawai

0

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。

ichikr

0

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。

sato4bb

0

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

am08

0

社内でAIを利用する具体的なシーンはまだ思い浮かばないものの、たくさんある部署間で使用する単位等が違うことは多々あるので、シーンが思いついた際にはそうったところでのデータクリーニングが必要であることは理解しました。

hrkudo

0

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。

ucchiy50

0

不良品の内容や発生数などから原因を探るといった活用が思いつくが、もっと広い視野に立って、どんな活用があるかを考えたい。

nisiusuke

0

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。

kitajima-n

0

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

aokitaka-tci

0

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

tak71_5515

0

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。

rl-masayuki

0

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

hi-std

0

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。

tasu-o

0

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

nagase29

0

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。

h-kozawa

0

データクリーニングの重要性を改めて認識しました。

saiken4545

0

Dataエンジニアリングの重要性を理解しました。同じData量であってもそれに処理（エンジニアリング）を加える事でOutputの信憑性が増し、重要な判断・指標に活用できる。唯使う。だけではAI活用の意味がない事を十分理解しました。

ichir

0

データ前処理が的確に行っていきたい

t_n_chocolate

0

データ加工で気を付けるポイントが理解できました。

kinjo2024

0

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。

imaiaru

0

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。

ananana

0

なんでも基礎が大事ですね。基礎＝生データー