
会員限定
ビッグデータ ~データの取得とAI活用~
ビッグデータの特徴として、データ量が巨大であること、データの処理速度が高速で更新もリアルタイムかつ頻繁に行われること、データの種類に多様性があることの3つが有名です。 いま社会では、あらゆるところからデータを取得し、それを人工知能が処理することによって、さまざまな予測ができるようになっています。ビッグデータの活用は、消費者の立場では見えにくい面もありますが、すでに多様な業界に見られ、そしてどんどん拡大しています。 本コースでは、ビッグデータとは何か、その特徴と社会での活用事例を学びます。 ※本動画は、公開時点の情報に基づき作成したものです(2020年9月公開)
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
k-hot
メディカル 関連職
講義内容は工夫されていて面白かったです。
一方で、わかりづらいとコメントが多かった設問3〜4を(勝手に)解説します。
設問3の選択肢2は「自分自身が・・・」とあり、サンプルサイズが1人だけで、データの数が不十分なため、適切でないになったと推測されます。ただし、この選択肢ちょっと分かりづらいですね。冗長な表現を避けて、「旅行時に、自分の支払いの全記録をつける」など、簡潔な表現に変更した方がわかりやすいと思いました。
設問4は、「商品Aの売上」と「天気」との関係性を見ており、2つのデータの関係性は「相関」と呼びます。この相関については、後編のSection8あたりから説明されていきます。一方の「ばらつき」とは、データの大きさがそろっていない状態、変動の大きさを示しますが、やはり後編で視覚的に見たほうがわかりやすいと思います。ということで、設問4は後編に続く布石として、つい先走って挙げてしまったのだろうと思われます。
------------------------------------------------------------------------------------------------------
爆撃機のクイズ問題、「3」を選んで間違えたので、調べてみたら、奥深くて面白いですね。オリジナルは、コロンビア大学の数学者・統計学者のエイブラハム・ウォールドが戦時中に行った分析法による「生存バイアス」として有名みたいです。生還した航空機の損傷分布だけでなく、帰還していない航空機も含めた全体像を想定する手法が客観的・科学的で良いですね。
さらに、機体部をAとBに分けて、被弾を☓、被弾なしを○にして、生還機をA☓B○とします。すると、帰還できていない爆撃機の考えられる組み合わせは全部で4パターンになります。
生還機: A☓ B○ (比較対象)
パターン1: A☓ B☓ (全体損傷) → Bを補強すべき
パターン2: A○ B☓ (生還機と反対) → Aを削減し、Bを補強すべき
パターン3: A☓ B○ (生還機と同じ) → 機体以外に資源を投入
パターン4: A○ B○ (完全無傷・爆撃なし) → 作戦中止、方針変更
そして、生還機と『比較』すると、1と2の場合はBを補強すべき(今回の正答)になります。一方、3の場合は生還・非生還とも差がないので、機体の補強はやめて(逆に軽量化して、操縦性能を増し)、爆撃された時の生還スキルを磨くなどに資源を投入すべきでしょう。最後の4では、逃げた・捕まった、敵に取り込まれたなど想定外の事態が生じていると考えて、直ちに作戦を中止し、現状把握や、撤退・交渉など大きな方針変更を考慮すべきかと考えました。
kikunojou
営業
最後のテスト,もう少し補足がほしい。ばらつきのところ。何度ビデオをみても理解できない。。。
take_917
メーカー技術・研究・開発
飛行機の例は、ある個所に被弾がないため生存できたというのは良いと思うのですが、yes/noの質問になっているため、例えば「重要な部分に被弾しているものの、撃墜されるまでには至らなかった」という現象を見逃している気がします。絵を見るとプロペラ部に被弾があるとありますが、プロペラにあまりに被弾しすぎると撃墜されるのは目に見えているため、この設問と答えには若干の違和感があります。もちろん帰還した飛行機が被弾していない部分は、ちょっとでも被弾すると即死な部分である可能性が高いでしょうが、閾値を超えると撃墜になる部分も考慮する必要があるように思います。これは、何が主要因となって撃墜しているのか、もう少しよく見ないといけないと思います(例えばプロペラ被弾が多いことによる撃墜が多いのであれば、先にプロペラ部の強化もしくは被弾の低下を検討したほうが良い)。
また、被弾していない部位についても、重要な部分でなくとも構造的に被弾しにくいだけという可能性があります。となると、一概にそこは重要な部分とはならず、とりあえず強化すればよいという話ではないと感じます。
user-0d53ec7ebb
メーカー技術・研究・開発
愛の値段、よい例でした。
tsh
営業
最後のテストの設問3への問いが多いようですが、選択肢2についてはサンプルの母数がN=1しかなく、サンプリングバイアスそのものであり、不適と思います。
masashigenosue
メーカー技術・研究・開発
設問3について、詳しく説明してほしいです。
tosatosi
経営・経営企画
最後のテストの説明がほしいです
kenjiroyoshida
マーケティング
最後のテストの意図がわksらなかった
hiro_yoshioka
メーカー技術・研究・開発
・e-stat、リサーチ・ナビ使ってみます
yuki_0719
マーケティング
データ分析を有効活用するためにはまず目的を明確にすることが重要。その上で、仮説を立て、データを収集し、仮説を検証する必要がある。データはアウトプットを予測して自分の思い込みを正当化することもできるので、まず目的が正当か、データの母集団が恣意的でないかを確認してアウトプットをみることも重要。
wkiymbk
IT・WEB・エンジニア
分析の本質は比較であることを学びました。
今後、分析する際には必ず、「何と比較しているのか」を確認します。
r_konishi
営業
分析の本質は比較とは、とても同感できます。
現在、一部のマスコミで視聴インパクトを上げるために本質を表現していないデータ・グラフを多く目にしますが、ミスリードしますので、自身の仕事ではその様な事が無いよう、確りとした分析を行いメンバーへ示していきたいと思います。
441
その他
アンケートの仕方により結論が異なってしまうことは良くあるため,本当に知りたいこと,本質のつかめるようなアンケートを実施していきたい。
take24
営業
仕事の上では売り上げ予測、製品の不良改善の注力すべき対象などの分析を行い効率的にかつ最大の成果をあげることに寄与できると思う。
日常生活においてはクレジットカードやスーパーでの出費をエクセル等に記入し、いつどのタイミングに多くお金を使うことが多いのか、などを分析すると無駄な出費を抑えたりすることができそう。
saggi
その他
分析の5つの視点
1.インパクトある分析なのか?
2.比較対象は明確化
3.トレンドは?
4.ばらつきは?
5.パターンは?
というポイントを抑えて、商品やサービスの分析をしようと思う。
分析の本質は「比較すること」を意識すること
kei0415
経営・経営企画
非常に面白い。やっぱり自分は数字が好きなんだなと再認識。
t_164
メーカー技術・研究・開発
分析の5つの視点は今後の仕事で留意したいと思います。
makiko1729
メーカー技術・研究・開発
データ分析をしなくてはいけないと言われて久しく、何をすることがデータ分析なのだろうと訝しく思っていたが、実はエンジニアとしてやってきたことそのものご割と既にデータ解析であり、普通のことをやれと言われてるに過ぎないことが分かった。
kzhr2358301
金融・不動産 関連職
インパクトを考えずに分析をしていたことがあることを反省。
ばらつき、パターンは先入観で判断しそうにも思うので5つの視点で総合的に判断していこうと思います。
yaski
営業
インパクトの少ない部門に身を置いている人は、どうすれば良いのでしょうか。。。やはり、山勘と竹槍?
sumire0006
販売・サービス・事務
同一条件のもと、目的を抑え、バイアスを掛けずに、比較分析して行きたい。
maytokyo
マーケティング
既存データで国会図書館のデータの所在参考になりました。
仮説思考の4つのステップさらに意識します。
映画のマネ―ボールのエピソードや、鈴木先生のプロ選手の誕生日月の分析、子ども時代の自己効力感と結びつく説、面白かったです。
nabe_0625
営業
普段のビジネスシーンにおいても活用できると感じました。
売上分析をするにあたり、比較や仮説思考・5つの視点における分析は重要ですし、社内で発言の材料するにしても、より説得力が増すものであると考えます。
live_volo
営業
米国選挙予想において、調査会社のサンプリングバイアスがよく起こる。データを収集する方法と5つの視点から分析する事の重要性を学びましたが、これだけではデータ間の整合性は保てない為、上記のようなサンプリングバイアスが起こる可能性があると考える。データの抽出、比較方法を詳しく学んで現場で活かしていきたい。
chesswing
メーカー技術・研究・開発
分析の時にインパクトを見落としがちでした。
問いに応えられる分析軸は何か、きっちり抑えてから仮説を立てていきたいと思う。
mappon_osk
営業
問3.4で間違えた。よく復習しなければ
djmpajmpkm
営業
なるほどと合点の行くことが多かったが、アウトプットするには難しい
kenjee
経営・経営企画
仮説を持ってデータを見ること、そして客観的に見ることを意識していく。
saito-yoshitaka
メーカー技術・研究・開発
入手しやすいデータのみで分析するとリスクが高い為、目的を意識した分析を心がけます。
eijima
マーケティング
データ分析の基本は比較なのでApple to Appleを肝に銘じて比較していきたい
bipapa
メーカー技術・研究・開発
定量分析は比較が大事だが、対象の有無で比較する。目的を達成するために仮説を立ててデータ収集(収集方法)して検証する。
忘れがちなインパクトを意識するが良かった。その他、ギャップ・トレンド・ばらつき・パターンなども参考にしたいと思います。
kaki_077
メーカー技術・研究・開発
例題がよく腑に落ちるものが多かったです
kanbekurosiba
人事・労務・法務
分析で大事なのは、○インパクト○トレンド○ギャップ○ばらつき○パターン
w-abe
メーカー技術・研究・開発
定量的に分析することで、誰でも同じ見解になる事がわかりました。自分だけが理解しているまたは思い込みをしていることがないよう、日頃からツールとして使っていきたい。
kenih
メディカル 関連職
データについて考える際に、批判的に見る上で役立つ。
データは後ろ向きで集められらものが多く、意図したかどうかに関わらず、サンプリングバイアスが含まれるため。
jt007
メーカー技術・研究・開発
飛行機の例はとても印象に残りました。
生存者バイアスを意識して、業務に取り組みたいと思います。
nsasame
販売・サービス・事務
自分が取り組もうとしていることに対してその効果と優先順位を考えるべきだと
ちょうどアドバイスをもらったばかりだったので、動画をみて分析が足りなかったと痛感しました。
データの集め方と分析するための5つの視点はぜひ参考にしたいです。
ukns0116
販売・サービス・事務
データをきちんと収集して、必要性も考慮しながら、レポート分析する際に活用できたらと思います。
minachan
販売・サービス・事務
愛の値段の測り方の視点が、ユニークで妙に腑に落ちました。
目標があるとつい「成功した側の情報を重視して真似てみる」という、
生存者バイアスを用いた思考に陥りがちなので「見る・聞く・行う」
真の目的を押さえ、適切な比較対象を見極める必要があると感じました。
私も数字のワンダーランドに行けるよう正しい要点から、
使えるデータを収集して分析できるように頑張ります!(笑)
sa_shi_mi
その他
業務で分析結果を必要とする場面が多いため、Apple to Appleになっているか、サンプリングバイアスがないかを注意することはとても重要だと感じた。これまでも経験や先輩から得たノウハウなどで同様のことは行っていたが、改めて学習した内容を踏まえて効果的なデータが得られるよう心掛けたい。
himawarin
専門職
改めて、日頃の業務で定量分析を行う場面はよくあると自覚した。日頃はあまり意識せずに分析していたので、体系的に学べてよかった。サンプリングバイアスにならなように気を付けたい。
tk_libra
その他
成果を生み出す要因を数値化し、その要因の全体に占めるインパクト、ギャップ、トレンド、ばらつき、パターンを分析し、成果を上げるキードライバを見出して、成果を上げやすくする。
nakibokuro9
経営・経営企画
販売商材がたくさんある場合が多く、インパクトを理解し販売優先順位をつけることが非常に大切と感じた。
sesesese
その他
分析の基本は比較であること、
その比較のバリエーションを理解できました。
to-nakano
資材・購買・物流
効果的な分析のためには仮説思考が重要、日常課題について仮説を立て検証実施のサイクルを心がける
masuda-
建設・土木 関連職
分析にはトレンドなど多角的に見ることが大事だと思った
aic
その他
■注意点
生存者バイアス
目の前にある情報から示唆を得ようとすること
サンプリングバイアス
無作為にサンプルを選ばないことで結果に偏りが生じる
Apple tn Apple
同一条件で比較する
■仮設思考のステップ
目的を押さえる
仮説を立てる
データー収集
仮説に基づく検証
■分析方法
リサーチナビ
estat
■世の中にない
見る、聞く、行う
■5つの視点
インパクト
ギャップ
トレンド
ばらつき
パターン
tomo-tom
営業
爆撃機の生存者バイアスは有名なので知っていたが、初めて知った時は衝撃だった。
ka-0427
経理・財務
ある商品や事象を分析する際には,何を分析したいのか,そのためにはどういう視点で深堀していけばいいのか,しっかり考えてから実行しないといけないと感じた。
また,ギャップやトレンド,バラつきなども意識して結果を捉えないといけない。
yamatochan05
販売・サービス・事務
まず分析の本質を比較する。そして、目的に沿って比較対象を設定。仮説思考でサイクルを回す。自社の売上向上に対しての分析を行うときに、実行していきたい。
0450019
メーカー技術・研究・開発
データ収集の際の「サンプリングバイアスに留意する」は、まさに気を付けるべきことだと感じる。検索エンジンを使用するときに、AIによりバイアスのかかった結果になったり、自分自身の希望的観測のバイアスがかかったりする経験が多々ある。十分気を付けたいと思う
hayokaeritai
専門職
ポイントが精査されており分かりやすい講義をありがとうございました。
データを扱うときに、自分の都合の良いように解釈をしがちですが、基礎を押さえることで、せっかくのデータを有効に生かせるようにしたいと思います。
検索エンジンはいくつかしっていましたが、国会図書館提供のリサーチナビは知らなかったので新しい情報ありがたかったです。
データに夢中になり、目的やインパクトをそっちのけにしてしまうことがよくあるので、今日おそわった仮説思考のステップに沿って、バイアスを生じさせることなくデータを扱いたいと思いました。
suzuka_y
営業
顧客の状態や自社の経営状況を分析するのに役立つ。
kana00195
人事・労務・法務
業務の中でよくデータ検索を行うので、どの検索エンジンを使うか意識していこうと思った
0218
営業
アンケートには安易に手を出すなと言われますが、その理由が分かりますね。素人にはサンプリングがとても難しいと思います。
uotamy
メーカー技術・研究・開発
定量分析を行う為に、どのようなデータを集めるべきなのかと言う点で参考になりました。
suzuki-jody
営業
分析をする事で求める情報の性格が増す事を理解しました。
その上で5つの視点が重要でインパクト、ギャップ、トレンド、ばらつき、パターンを精査する事で更なる有益なデータになると感じました。
najirane
メーカー技術・研究・開発
既に知っている通りの流れであることが確認できた。
white_kt
人事・労務・法務
データはそれ単体では意味を成さないので比較をして有効に活用できるように意識したい。
umezu_hideki
営業
分析の本質は比較であること、適切な比較対象を選定していくことを念頭に置き、今後分析していきたい。
m_tera
メーカー技術・研究・開発
なぜ分析するのかのイシューがまず大切。
分析には仮説を立て必要な情報を集める必要があるが、ネットの情報など偏った情報源になってないか注意も必要。
takezom
マーケティング
特に、特筆するほどのことはありません。
mack1985
メーカー技術・研究・開発
物事を定量的に分析することは説得力を増すことに繋がるので大事にしたい
miura_tsukasa
営業
生存者バイアスは言われてみれば確かにその通りだなと思う反面、ちょっと強引な感じはするなと思いました。
tmokada
その他
すでに立てるべき項目は提示されているので、自分から相手に対し「何を伝えたいか」をブレさせずに必要なデータを収集した上で分析を行う。
h-mizumu
IT・WEB・エンジニア
爆撃機の問題や愛の値段の問題など身近な内容についても定量分析が繋がっているのが興味深かったです。
業務においても定量分析を行うことでより精度の高いものに仕上げたいと思います。
da20231120
経営・経営企画
調査結果アンケートの分析の際に利用できる。まずはインパクトはどうか、ギャップはどうか、について分析してみたい。
tateishi_yusuke
メーカー技術・研究・開発
定量分析についてはあまり知識がなかった分、活用方法を模索したいと思う。
to_take
その他
設問4がわからなかった。
creamycat2025
販売・サービス・事務
前編を学習して、実際の分析時にできるかなと思ったことを記入します。
・分析時に「ばらつき」の視点が持てるか不安に思いました。
それ以外の4つは普段から自然と意識していますが、ばらつきはそうではない考えだからです。
・理解度確認テストの設問3、4を間違えたのですが、なかなか理解できなかった選択肢の文章がありましたので何度も何度も読み返しました。 これは本動画の内容から外れますが、読解力不足を痛感しました。
この後、効率的な分析に必要な仮説思考の流れと抑えるべきポイントをまとめて、本動画後編と今後のために復習帳に残すことはもちろん、本動画を機会があるたびに見返したいです。
ha-bu
その他
最初はなかなか頭に入らなかったが、講義が進むにつれなんとか理解できました。
kozo-oishi
IT・WEB・エンジニア
どんなに仮説やトレンドを分析しても、やってみなければわからないと一蹴されてしまうことも多々あり、このとおりやればうまく進められるというわけではないことに留意しておくべきと感じた。
s_nagam
資材・購買・物流
職場の役割上、数値データに基づく分析をする機会は多い。
感覚として理解している内容だったが、言語化されたことでより整理ができたと思う。
リサーチナビやe-statは使ったことが無い為、今後活用したい。
mai_toyao
資材・購買・物流
最後の確認テストの解説が欲しいです
taku050
マーケティング
今後データを分析する際は5つの視点を意識して分析するようにします
shinto-y
営業
データ分析を有効活用するためにはまず目的を明確にすることが重要
344210891069
メーカー技術・研究・開発
テストの解説がもう少し欲しいと思いました。
aicareer
販売・サービス・事務
数字資料と得たい情報を正しく結びつけるために条件、背景など誤らないよう注意したい。
xuanyan
人事・労務・法務
データ分析には、問いを立て、その問いに対する仮説を設定、仮説に基づいてデータ収集、収集されたデータに基づいて仮説を検証。
tosan103
その他
愛の値段を表した発想が素晴らしい !!
h-miyayama
建設・土木 関連職
体系的に話を聞けたので、分析の際に活用したい。特に求めたい結果を得ようとするがためのサンプリングバイアスや、そもそもの優先度を鑑みたインパクトはしっかり意識したい。
リサーチ・ナビやe-statを使ったことがないため、今後、参考にしたい。
hase1975
建設・土木 関連職
多くの分析方法の中から適切なものを選択し、より効率的に効果を高める必要があると理解しました。
n_d
経理・財務
やっぱり最初に調査の目的を設定することが肝要なのですね。
さらに実務では、目的を複数設定することが多々ありますが、あまりに設定しすぎると調査方法や分析方法に矛盾が生じてしまうので、目的の取捨選択も必要だと感じました。
kitano999
営業
分析の本質は比較であることを学びました。
今後、分析する際には必ず、「何と比較しているのか」を確認します。
yasu0522rize
メーカー技術・研究・開発
データ分析の5つの視点を学び、自業務に当てはめてできている部分、できていない部分を確認できた。ばらつき、トレンドに関して強化する必要が有るので、資料を読み込み、業務活用しながら強化していきたいと思う。
ktmra
コンサルタント
提案時の根拠を考える際に活用したいと思います。
kurimaru13
人事・労務・法務
データを見るとわかりやすい傾向のみを取り上げて内容を判断していることが多かったのですが、データを扱う目的やまずは仮説志向に沿って分解していくことを学びました。データを見る視点である5つの軸を意識して、データに書かれていない部分を読みに行く癖をつけていきたいです。
_kou_
資材・購買・物流
あらゆる業務のデータ活用シーンで活用できる学びでした。
直近の取り組みで言えば、管理業務の可視化や生成AI利用のデータ化を検討しています。
k_yupa
営業
設問3,4がイマイチと思います。
hiraitakuya
その他
行動パターンの傾向を把握するのに使用しようと思う。
ebiputo
経営・経営企画
分析の5つの視点と生成AIを組み合わせでどの程度の定量分析が行えるのか検証する
isopp-3
営業
構成が工夫されていてわかりやすかった
pokoko
経営・経営企画
当たり前のように分析を行っているが、改めてステップにまとめてもらうとわかりやすかった
toru-nagoya
営業
データ分析が比較であることを再認識しました。仮説を立てたり外れ値を調べたり、比較対象が本当に比較対象として正しいのか検証することで正確な分析が可能と思います。
a-tsuruta
クリエイティブ
昔から数字が大の苦手だったので身構えてしまったが、興味を持って学習できたと感じる。
具体的な分析の仕方や何のために分析するかを学ぶ事ができたし、「5つの視点」は常に持っていなければならない視点だと感じた。
rdodo
メーカー技術・研究・開発
実験のデザインは日々これを繰り返していると思いました。
masa-ota
営業
分析にはそもそもの目的と仮説が重要
nsur_r
営業
売上を上げるためには、まず全体の売上に対するインパクトを考えて分析対象を選定する。
その後、目標を決めて、仮説を立てるためのデータ収集を行う。そのデータを分析して、仮説検証を行う。
m222fukuda
人事・労務・法務
分析するときはどのように見ていくかが重要だと思った。
kuzunoha-raiho
販売・サービス・事務
重要じゃないデータに固執するのありがち。いらないって判断したら集めたデータ使わない潔さも必要だよね。