自分自身の思考法が、常に因果関係を追及するということが基本のため、相関関係から、答えを導き出すということに驚いた。そのために全データを使用する必要があるのかなと思う。そして、そのために情報にバイアスがあると影響を受けてしまうのかなと思う。まず、何か、身近なことでテストしてから、使用したいと思う。
統計学を学んでみます。
個人情報のマスキングに留意しながら活用せねばならないことがわかりました！
どんなにたくさんデータがあってもそれをどう利用するかは人間が決めないといけない
ビッグデータの取り扱いに十分注意し業務に活かす方策を考えていきたい
ビッグデータとはどんなものなのか見てみたい。
将来はこれを使用し、会社で使用していきたい。
作業の計画等、回数もそれなりにあって、繰り返しやることに対しては、ビッグデータによる分析を行ってよいと思う。
解釈できる答えを出すことができるようになったらとても便利
ビッグデータ活用の際には、因果関係がきちんと説明できなくても、相関関係があるとなれば、それをもとに次のアクションにうつるというのは新鮮な学びでした。
因果ではなく相関であること、セキュリティーや情報バイアスを留意点であること、理解しました
因果関係の理解、相関関係の理解を人がどこまで行うべきなのか機械任せの判断をどこまで許すのか倫理的問題も重要
業務で起こりうるミスの可能性を事前に察知する、情報不備に対して適切な問い合わせを立てるといった運用予測シミュレーションを実現させたい
・ビッグデータの定義にデータ量、種類の豊富さがあるのは知っていたが、「処理速度の速さ・更新頻度の高さ：Volocity」は盲点だった。スシローの事例で考えれば当たり前なのに。
・統計のサンプルデータではなく全数データを扱い、そのため精度高く、かつ細かい顧客情報などもビジネス活用できるのは興味深い。
・機械学習や統計の領域も、関連すると思うので基礎だけでも学んでおきたい。
統計処理された情報ではなく、全数データであることが長所の様に紹介されていましたが、これは統計学を否定するものです。全数データではない抽出データから全体を推測する技術が統計学であり、統計上で正しい推定が出来ないのは、データのとり方や抽出の仕方に問題がある為であり、統計処理自体の正確性を否定しません。
何より、統計処理することはビッグデータの様な”力業”の処理を必要としませんので、高性能なマシンも特殊なAIも大きな資金もいらず、手元のPCによりエクセルで処理できるようなものです。
ついては、ビッグデータでの探索の前に統計処理したデータで動向を探ってみる、目的によってはBDと統計を使い分ける、といった、統計の再評価・使い分けが必要な様に思われます。
AIによるパラダイムシフトから、得られた情報から因果関係を見出す事だけに注力するのではなく、相関関係も考えることが大事であることが分かった。
世の中の流れですので、遅れないようにしたいと思います。
相関関係、確かに早々に因果までは行きあたらないかもしれません。
ビックデータのよる解析が、因果関係ではなく相関関係に従うというところに情報の扱いのパラダイムシフトを感じることができたが、課題がある場合には相関関係だけでは解決には至らず、やはりヒトによる因果関係の究明が必要であると理解した。
まだまだビッグデータを十分活用できていない為、あれもこれもでなく目的を達成させる為に何を活用するか考え提案してゆきたい。
既存のビジネスモデルの中にも、ビッグデータの活用により新たなビジネスチャンスを見出すことも可能になると思う。生産性の向上だけでなく、企業が成長し続けるためにいかに上手に活用するか、重要なものだと思いました。
改めて、ビッグデータの有用性と難しさを感じました。キモとなるのは、どう利用するかで、それは、結局、人間のアイディア、つまり、頭にかかっているということ。やることのフェーズが、一段上がっただけのことといった感じがしてならないです。
分かりやすく基礎を理解できる講義だと思う。
お見合いサイトに活用。因果関係より相関関係で決めるっとなれば、
新世紀型ですね
新鮮で良質なデータを使用する事で今まで何となく正しいと考えていた事も相関関係を見出す事が出来、より付加価値の高いサービスの提供やタイミングを示す事が出来そうです。
顧客情報の取り扱いには細心の注意を払い規約に反しない様留意する。
データ収集はできていると思うが、デジタルで活用ができていない。
事実を掴むことが大事。これまで活用できなかったデータでも処理できる。
因果ではなく、相関から物事の判断をすること。このことで、ビジネスのPDCAサイクルを早期化することができると感じた。
ユースケースを意識することが大事だと思いました。
一見無意味に思える情報の集まりが、統計等で解析することで、有用な情報になりうることが分かっているので、あらゆる分野でデータ収集が行われていくと感じた。
データは蓄積されているが、その活用方法が見いだせていないデータはまだまだたくさんあると感じる。まずは基礎的な統計学や機械学習を学ぶことから初めて、新たなデータ活用方法を見出せるようにしたい。
ビッグデータは情報が溢れる時代においては、それをまとめるのに必須なものなので、是非活用していきたい。
因果関係ではなく、相関性を重視した分析による利活用
ビッグデータ活用してみたいと思います
バイアスの関係もあるので因果関係は、やはり人間側で確認が必要と感じました。
ビッグデータを収集する事も大変だが,ＡＩによる解析も、偏ったデータになってしまうと、解析結果の信頼性にも疑問が残る
ビッグデータについて基本的なことを理解することができた。
ビッグデータは意識しないうちに形成されていく。意図的に形成することも可能ではないかと思います。
よく理解できました。
因果でなく、相関や
人口知能にバイアスがあることを 学んだ。
工場での品質安定化に活用が期待される。
社内に相当するデータがあるか又は、使えるデータを入手可能であるかどうかですね。その上で、その利用により、タイムリーに企業の活動を変えることは新しい発想が生まれる可能性があります。
相関関係をもとに、方向性を決めるのは良いと思うが、あくまでも仮説だと思うので、行動した結果を評価して、検証することがより重要になると思いました。
よく耳にするようになった「ビッグデータ」というものを知ることができました。
人工知能が大量のデータから因果関係でなく相関関係でデータを導き出すということも興味深いものでした。
スシローさんの事例は食品ロスの観点からも素晴らしいと思います。
自社でどんなことに活用できそうか考えたいと思います。
因果関係を用いて説明や納得をする思考の癖が強くあるが、相関関係を重視して行動してみるというのは目に鱗。
あとは因果関係を必要としないことに抵抗を覚える自分をどれだけ変えられるかだと思う。
これまで因果関係のﾛｼﾞｯｸで判断してきた、会社の上層部が相関関係を理由に判断できるパラダイムシフトができるかが不安です。何とか因果関係を説明することになって、仕事が非効率になりそうです。
ビックデータからは相関関係しかわからない。
因果関係が商売で常に必要ではなく、相関関係だけでも十分役に立つということと理解しました。
Big Data解析は人間が作ったAIやプログラムによって行われており、そのAIやプログラムが適切かどうかによって、解析結果も異なってくるので、解析結果を鵜呑みにすることのないよう、慎重に判断していかなくてはならない、と考えていましたが、その考え方を裏付ける講座でした。
実際にAIを用いた分析をする際にも、情報バイアスがかかっていないかを常に考える必要があり、実務の中でも意識をしたい
相関関係や因果関係について勉強になりました。
個人のデータを収集し活用するのは大きなリスクを伴うことだということがわかった。
ビッグデータを生かせばいろいろな社会問題を解決できるのではないかと私は
思いました。
因果関係が分からなくても相関を重視することで、従来人が気づけなかったことをビジネスとして取り入れることができることが分かりました。
AIはデータは中立的判断が出来る物と思っていました。
・何のために使うのかがないといけないこと。
・統計学を学ぶこと。
ざっくり聞くと非常に使えそうなツールではあるが、実際にこちらが必要としている情報を明確にしておく必要があると感じる。何ができるかといった知識習得の取捨選択が重要そう。
ビッグデータ化によってPDCAのCも今まではどちらかというと因果関係のチェックだったが、これからは因果関係のチェックになっていくのでしょうか・・・
ビッグデータの活用は、今後どんどん必要になってくると思う。
改正個人情報保護法や次世代医療基盤法により医療ビッグデータを民間企業で活用する機会が得られるようになった。しかし、営業秘密や個人情報、知的財産やオプトアウト、同意の確認、などの法的課題も範囲が増えた。システムのセキュリティについてもいたちごっこな部分もあり費用対効果と事業へのどの程度の貢献が見込まれるのか見極めセカンドオピニオンとして活用したい。
統計学、クリティカルシンキングが必要なことがわかった。
AIはデータに基づいて中立的判断ができるものと思い込んでいた。過去データに引っ張られることを注意しないといけない。過去にないものを創出するにはヒトの関与が重要であるとも思った。
まず、どのようなデータがそもそも存在するのか
また、何か工夫をすれば全数データが取れるようになるのか
AIとビックデータ解析にすべて頼ってしまうのか？疑問である。
AIにバイアスがかかることに衝撃を受けた。
スシローのネタは今度行った時に確認しようと思う。
最近作成されたコースは例えが分かりやすく、問題も理解し易くて良い。
イノベーションの可能性のある分野と思う。レセプト情報で何ができるか考えてみたい。
ビッグデータについては、ニュースなどで良く耳にしていたが、きちんと理解することができた。
因果関係が説明できなくても相関関係があるもの、という視点はなかった。株価の動きなど、実態を伴わないと思われるものはある。
判断材料として、相関関係も見ていきたい。
元々のビッグデータに人間側のバイアスがあれば、AIもそのバイアスを学習してしまうという点と、相関関係＞因果関係の考え方により効率化はされるが、その弊害はないのか、という点も今後AIの進化の過程で注目したい。
AIを管理するのはあくまで人間側であるという関係が逆転したら恐ろしいし、
AIを活用していく上で常に人間側のモラルが求められると思う。
ユーザーの嗜好などのデータは企業にとっても大きな資産になるので、新サービス展開ではそれらの活用が不可欠である。物やサービスだけではなく、これらのデータにも注目してみたい。
今後、コロナに打ち勝つための更なるBigデータを
うまく活用出来れば良いと思います。
スシローのケースはわかりやすく、ほかの活用例も知りたいと思った。また、基礎的な数学、統計学を学びなおしたい。
ビックデータについて考える際は、分析方法が大事であり、統計学や、AIや機械学習に関する基礎知識を学ぶことが大事だと改めて理解した。統計学は学生時代にまなんでいるが、機械学習については、新しいぶんやであり、計画的に学ぶようにしたい。
ビッグデータを活用している事例を関心を持って探し、自分の業務や仕事の参考にしたい。
ビッグデータの定義がわかったのがよかった。
（ここに出てきたのはあくまで一例かもしれませんが）
今までよりサンプル数が多いものをビッグデータなどと言ったり
ビッグデータでも因果関係の理屈をつけれるものだけをビッグデータと言ったり
世の中の定義とは少しずつ違っていることがわかってよかったです。
因果から相関へのパラダイムシフト。
ある結果に対して理由を考え、判明しなければ偶然と決めつけていた。しかし何か相関があると考えれば自分を納得させられる。これもビッグデータの恩恵。
因果関係から相関関係へ判断根拠がシフトしていくという内容になるほどと思ったが、それに過度に期待することのリスクも考慮していきたい。
AIにもバイアスが発生するということに驚きました。これからはAIが人間を支配していく可能性がありますが、人間がAIをコントロールすることも必要だと思う。
導入編として要点を押さえられている印象でまた見返したい。
色々な用途での具体的活用事例を見てみたい。
量があっても何がしたいか決めなければ宝の持ち腐れになると思うので、その意味でも利用方法の可能性を色々と探りたい。
ビッグデータ・AI活用に無関係でいられるビジネスはなく、自社・競合・取引先その他問わず、ビッグデータ・AIを活用する事業・戦略や様々な業務プロセスを理解するための基本となる内容だった。特に「因果関係から相関関係へのパラダイム・シフト」は目からうろこで、ビッグデータ・AI活用するにあたっては既存の理論・理屈や偏見、思い込みにとらわれないよう戒めとしたいと思う。
基礎を学ぶことができ、復習になった。
あらゆるところで目にするようになったビッグデータ。そこから何を読み取ってどう活用するかが大切。
コロナの時代に、当社でも活用し、顧客の動向をビックデータによる分析で解明していくことが出来ると思う。
相関関係の説明の箇所で、「大風ふけば桶屋がもうかる」
のたとえ話を思い出した。
因果関係の方がより妥当な論理の構築方法か？というと、
実際には論理のつながりおいて、必ずしも正確でないことも多い。
言葉遣いは違うものの、結論に至るプロセスとしては、
大きな差異はそこにはないように感じた。
要は、経路・ステップが多いかどうかの差ではないか？
個人の購買履歴やポイントカード情報は氏名や住所も載ることもあるだろうからほんとうに扱いには注意が必要。できるだけクリティカルな個人情報は排除したうえで「ヒト」の行動履歴としてデータを蓄積できるとよいとも思う。
I learned a lot about the basics of big data through this course
バイアスに考慮しつつ、効果的なデータ活用をすることでより的を得た訴求に努めていきたい。
人間が気付かない相関を提案する事に興味あります。
ビックデータは、相関性を重視しているので、問題があれば早期に判断して方針転換を判断する必要があると感じた
ビッグデータによって食べ物の排気量を減らしたことにびっくりしました。さまざまな視点で情報収集することが大事だと認識。それをどういう活かすを構想することの重要性を感じました。そして、信頼があって成り立っているこのビッグデータを活かすも殺すも個人情報の流出を防ぐ万全なセキュリティが不可欠であることの重要性を再確認できたこと感謝します。
ビッグデータについて、意識して学ぶ機会を得ることができました。
事例が特徴的で分かり易く、興味深いものでした。
業務上ビックデータと呼べるデータを保持してはいますが、活用が十分で無かったため参考にしたいと思います。
これを扱うのは経営判断の材料とかになるのだろうが一般の社員ができることは専門職にあたるのだろうか。まだまだ金額感や身近な事例などが不足しているように思う。
ビックデータという言葉はなんとなくは聞いたことがあったがしっかり学んだことはありませんでした。
⓵ＶＯＬＵＭＥ 巨大な
⓶VELOCITY 高速
③VARIETY 種類が多数
スシローの需要予測システムにビックデーターを活用したことによって
75％の廃棄をカットしたのは凄いこと。人間では感覚や経験といったものでしか判断できないので。
留意点としてはデータの取り扱いに注意しないと情報漏れなどしたら一気に
企業の信頼価値を損ねてしまう。
因果から相関なんですね。
会社をあげてデータサイエンスについて学んでおり、ビッグデータについてもよく考えているが、その特徴を改めて確認することができた。
volume
velocity
varioty
統計の基礎的知識が必要ですね。 良い先生が必要です。
基礎的なことですが、わかりやすかったです。
ビックデータの今後の利用価値について、理解した。
確認問題の問が少し不親切。
まずはすでに取得しているデータからどのような課題または問題点もしくは新しい方向性を見出せるのか、見出していきたいのかの検証が必要と感じます。
また、行政などで提供しているデータ活用も検討を行い、
自分の属する業界で新たに共感を得、ニーズをつかむことができればと考えます。
機械設備のメンテナンス管理の場面で、日々モニターされる運転状況を蓄積していけば、部品の経年劣化による不具合、センサの異常による不具合など、発生しうる不具合を予見し、悪い芽を事前につみとるといった活用ができるのではないか。また、経験値の浅い管理者に対して経験不足を補うことでも活用できるかもしれないが、過信は禁物であり、AIやビッグデータの技術が発展途上である段階においては、人間の経験に基づく勘所を見落としてはいけないと思う。
使う用途を考える事が大事ですが、まずはAIの得意、不得意や特徴を知ることが重要だと思う。
ビッグデータとして活用できそうなものをまず蓄積する必要があると認識した。
ただし、活用する目的を明確にすることと、その目的に見合う成果を出すために
投資(ヒト/モノ/カネ)が必要である点から、ハードルが高い印象を受けた。
また、出てきた結果について、因果関係が厳密にわからずとも、
高い相関関係がある施策を優先する点は、とても勇気のいる決断だと感じる。
因果関係がわからなくても、相関関係があることがわかれば、採用する、という内容に衝撃を受けた。因果関係を把握することで、応用が効くという考え方とは全く反対の考え方で自分の考え方の古さを感じてしまった。
それでも、自分としては因果関係をはっきりとすることを進めていきたい。ビッグデータの解析にすべてを任せるというのは、「人が考えることを止める」、という危険な方向へと誘うものだと考えるから。