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

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。

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。

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。

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。

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。

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。

stani

専門職

データの蓄積について学んだ。

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。

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。

k_yuna

販売・サービス・事務

少し難しい内容でした。

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。

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

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。

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。

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。

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。

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。