相関関係があれば因果関係は必要ないというビッグデータ活用のポイントが面白い。たしかに目的を達することを第一と考えるとありうる考え方とおもう。
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。
因果から相関へのパラダイムシフトについては、この理解が経営層にまで浸透していないと難しいと感じる。本来、得られた相関から素早く試して結果が得られるか検証するという流れがビッグデータの優位点だが、組織としての意思決定によりその優位点が失われる可能性がありそう。また、結果の類似環境での再現性や応用においては、因果関係を掴めているほうが良いのではないかとも思う。この点でAIにできること、人間の思考ができることの両方を合わせることでより強いビジネスができるのではないかと思った。
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。
統計学を学んでみます。
留意点の箇所でも述べられた通り、データの扱いには最新の注意が必要であると感じました。個人情報を個人が知らないシーンで勝手に使用されるリスクはなるべく避けたいと思いますので、データを提供する個人側でも適切な管理が必要だと感じました。ビックデータは新たな大きい売上を上げる事に使用するとばかり思っていましたが、スシローの事例の様に大幅な廃棄削減を達成できれば利益面での大きな貢献に繋がるので、様々な視点での活用方法の検討が必要であると感じました。
因果関係が分からなくても、人工知能によって相関関係が見いだせるならば、人工知能の出した結論に従ってみるべきである、という流れになっていくことを、今回初めて学びました。人間としては最後まで因果関係が分からないと、決断や行動に踏み出せないように思いますが、今後人工知能と付き合っていくに当たっては、考えを変えていかないといけないのかな、と思いました。
AIも偏ったデータでバイアスがかかってしまうことがある。
それを知らずに、AIが相関関係で選択した回答をうのみにするのはリスクがある。Aiが常に正しい選択をすることはないことを肝に銘じたい。
因果関係はわからなくとも相関関係があれば試してみる。この考え方は今自分にないものであり社内や顧客説得も難しいと思っていたが、データと結果が伴えば納得させられるのかもしれないと考えを改めさせられた。相関関係→トライ→因果関係の流れもありなのかもしれない。
メモ
スシローの例
皿にicチップを搭載し、1分、15分後に必要なネタを連絡。
廃棄を75%低減
意思決定において、因果関係はよくわからなくても、相関性が高いのであれば、人工知能に従ってみるというのは、重要な決定であればあるほど、なかなか慣れずに勇気のいることだと思うが、因果関係ではイノベーションに限界がある気もしているので、今後の動向について注視していきたい。
因果関係で考えると必ずバイアスがかかってしまうので、相関関係に従うということには非常に納得できます。
また留意点としてAIにバイアスがかかってしまう事例がありましたが、そこは人間が常に監視する必要がありますね。
弊社では現在ﾋﾞｯｸﾞﾃﾞｰﾀを活用していないようですが、今後は避けて通れないと思います。留意点の「バイアス」が参考になりました。
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。
ビッグデータの定義と特徴を学ぶことができました。
自身のかかわる業務のうちビッグデータを取り出して活用できそうなものはどれか、と考えてみると楽しそうだなと思いました。
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。
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
ネット購入では心理面で抗いたくなるときもあるが、巨大な力が働く可能性がある、というセキュリティ面が最も気になるところではある
相関性が高くても因果関係が不明な場合に採用に踏み切れない場合が社内においては多々あるが、因果関係が不明でも相関が高い場合にトライするというチャレンジングな文化を醸成していきたいと思った。ありがとうございました。
人工知能にバイアスが生まれる事例を紹介されていたが、データソースにバイアスがかかっている場合、人工知能の出す結果にもバイアスがかかると理解した。
意思決定の変化（因果から相関）、提供する価値を考える重要性、留意点2つ（セキュリティとAIバイアス）について理解できた。
スシローの事例がとても勉強になりました。廃棄量が70％以上減るというのはSDG’ｓにもつながるし働き方にも無駄がないように思います。ビックデータの有効活用をこれから期待します。
因果関係が不明でも相関関係から見いだせる事は驚異を感じます。
今までビッグデータという言葉をなんとなく使ってきたがさらに説明しやすくなりました。
「因果関係でなく相関関係で判断する」というのがＡＩの基本概念ということは理解できたが、仮にＡＩの通りやってみてうまくいかなかったときの原因分析がしにくいことや責任の所在の不明確になりやすいことに一抹の不安を感じる。
ただ、これからの時代、発想を転換し、まずはやってみてダメならすぐ撤退して新しいことにチャレンジすることを繰り返すという考え方に変えないといけないのかもしれない。
そのためには、「失敗した原因を分析することに時間をかけすぎない」、「失敗した責任を問うのではなくチャレンジしたことを評価する」という企業風土の醸成が大切と思う。
ビッグデータ活用によって部分データから全数データへ切り替わり、より具体的かつ明確にデータをを入手できるようになった。そして判断基準が因果関係から相関的に導かれるようになったことへの変化について新たに学べました。
因果関係がわからなくても相関関係でよい
AIを評価する際には、ビッグデータの性格を知らないと評価が難しいことがアマゾンの例でよくわかりました。
因果から相関へのパラダイムシフト、というのは確かにその通りだと思った。ただ、論理的思考力を強く要求するうちの会社が、相関が強いから、といって舵を切るだろうか。もし、そうだとしたら、相関を上手に解釈・プレゼンした者の勝ちなのだろうか（但し、これは今も言えることかもしれない）。そもそも多くのデータを保有し、分析処理出来ないと、これからの社会では生きていけないのかもしれないなどとつらつら考えてしまった。
因果関係が分からなくても、相関関係があれば、それに従うのは、このような手法がないと、なかなか生まれにくいのでよい手法と理解出来ました。
留意点にありましたが、AIにもバイアスが生まれることは 改めて認識しました。
大量のデータから読み取れることを実際にやったことがないが、相関性が高いことを見出して作業は実施している。AIを使いこなすことが必要であり、基礎的な学習は欠かせないと改めて認識した。まずは身近なところから使っていくことで、規模も拡大できると思う。何ができるのか、何をしたいのかが最も重要だと思う。
因果よりも相関性をもとに意思決定を行うのに抵抗感があるとなかなか使いこなすのは難しいと感じました。
ビッグデータのセキュリティ面がクリアになれば活用の幅が広がると思った。
まずはビッグデータを扱えるように知識が必要と感じた。
相関関係だけを軸に、リーンスタートアップできる仕組みが、社内にあったら面白い。
私の業務でも数年前からビッグデータを集めるようになっているが、その時のモニタリングで留まっており、それらを解析して何かを改善していこうという方向にはなっていない。大きなコンピュータを入れてデータを取っているのだからそれで終わらず、業務の改善に繋がる活用をしていければ良いと思うのですが。今度提案してみようと思います。
データリテラシトーに明るくありたいと思いつつ、実際には難しいことだと感じています。真に、データと向き合い、且つデータは所詮データであって、データから何を得るのか、日々、切磋琢磨して行きたいと思います。
AIの特徴として因果関係→相関関係へと考え方がシフトした点が興味深かった
基本的考えが良く理解出来ました。アマゾンのバイアス事例はなるほどと思いました。
廃棄ロスの削減といった直接コストにかかわる効果だけでなく、従業員の生産性・残業時間といったデータも利用できそう、と思った
AIは可能性の広がる技術だと思いますが、使う側の人間の力量や知識が求められると感じました。
あくまでツールであるということを肝に銘じて活用したいと思います。
高速道路などで既に使われているかもしれないが、車の交通量を曜日や時間帯毎にデータを取得することで渋滞予測情報を事前（いつでも）確認が取れるアプリが作れるのではないか（Google MAPと連動など）。
因果関係が無くても相関関係があれば採用してみるというのは面白い。いっぽう何故その相関関係が起きているのかの因果関係を追求しないと本当の相関関係にたどり着かないのではないかと思った。そこはまだ人間が考えることが残っている。
AIがバイアスを持たないように人間が気を付けないといけない。
・実際の業務に役立てていく。
データの活用は効率化に有益なはずだと感じた。
ビッグデータをうまく活用できれば有効だが、活用の仕方に留意する必要があること、amazonの事例やAI及び自分たちのバイアスが入ることにも気を付ける必要がある
因果関係がわからなければ、情報バイアスに気づくことができないと思う。
やはり因果関係を考えることは大切だと思う。
データはつねにその活用方法の検討が一番重要と思います
具体的な事例で取り組みたい。
新たなビジネスチャンスを考えると因果関係から理想の目的達成をすることを構想しようとするが、AIにおいては相関関係で判断がなされるという点に驚きを覚えた。この点は今後の戦略策定においても留意が必要と思う。
インプットする情報を何にするかで結果は大きく変わる。
講義内でもあったように、まずは目的をはっきりさせてから、それに合うような情報をインプットすることが結果を得るうえで最も大切だと考える。
価値を生み出すのが難しいですね
これまで扱いきれなかったデータは沢山あるので活用して効率化していきたい。
部分ではなく全数のデータが取得できる場合もあるのだが、数が100や200ではとてもビッグデータと言えないのだろう。活用してみたいが、そこが難しいところ。
相関関係での判断はあまり馴染みがなく、実使用においてはなぜそう判断したのかを説明できず躊躇しそう。カーナビでも迂回ルートを表示された場合でも個人の経験を優先していました。これもビッグデータの活用なのでしょうか？
また、在庫の最適化でも顧客需要と生産効率と過去の結果から予測して効率化がさらにできれば面白いと思いました
社内外の受発注業務に関して、在庫予測等に応用できる。
スシローの「40億のデータ」「廃棄量７５％削減」には驚きました。この例を見る限り、ビッグデータを地球環境にやさしい企業活動へと応用することが一番意義が大きいように感じました。他社の活用成功事例も知りたくなりました。
因果関係はわからなくても相関関係があれば良いという考えは頭になかったので勉強になった。
ビッグデータ+AIでほぼ分析は出来ると思うが、結局は過去の事例からの経験則に過ぎない。人は歴史に学ぶ必要は有るが、同時に閃きという才能を磨かなければどれだけのデータを採っても意味が無い。
ビックデータについては10年以上前からのトレンドになっているが、きちんと利活用できている企業や部署と、そうでないものとの差が顕著になってきていると思う。データドリブンな組織を構築するためには、データガバナンスの仕組み、システム、利用者のマインド変化が必要であると思う。
ビッグデータの特徴を理解することは重要で、データをどう活かすかという視点を学びたい。
因果関係が分からなくても従ってみるというところに違和感を感じた。例えより良い結果を得られたとしても、納得できないのでは？と思うし、そういった事例が増えるほど、人は考えなくなっていくのではないのだろうかとも思う。
顧客の行動・特徴分析等
人工知能によるバイアスというのは新たな気付きであった．教師データが正しいとは限らないということを意識しなければならない．
因果関係が曖昧だとせっかくの提案が却下されるというのは，論理的に考えることが大事と教えられ教えてきた会社では当然の帰結だと思います。しかし，本当に人間は論理的に行動しているのでしょうか？言葉ではうまく説明のつかない人間の行動や無意識の選好を鮮やかに示してくれるのがビッグデータのおもしろいところ。
うちの会社も大量のデータを持っているのに，ほとんど有効活用できていないのではないかと思う。しかし，ビッグデータで検査コストを削減する方法が見つかったなど少しずつ成果は出てきている。
「因果から相関へのパラダイムシフト」って、そうなった理由がわからないと何か気持ち悪い感じがしますが、これこそビッグデータの強みなんですね。でも、なぜそうなったか、常に考えることは必要な気がします。
使う目的を押さえ、ビジネスやサービスの全体を構想して、ツールを使わないと、ツールに使われてしまうことには注意したい。
理解できた。データ化で見えるようにするとサービスの幅が広がることが理解できた。具体的には浮かばず。。
ビッグデータの活用で、スシローが廃棄損を75%も改善したことには驚いた。自身の業務にも、レスポンスの良いグループの抽出などに使用していくべき。
これから益々活用が増えるであろうビッグデータの活用のポイントが学べて良かった。生活、仕事両面で貴重な予備知識となる。
最後は人間の意思が大事な事ではないのか？と思う。
人間は因果関係がはっきりすると安心するが、ＡＩは因果関係を意識しておらず、様々なデータから相関関係を導き出しており、因果関係は不明だが相関関係が分かっているので、ＡＩの結果を採用したりするといった事がとても印象に残りました。
①ビッグデータの特徴
・全数データである。↔ 従来の統計学の抽出データとの違い
・因果関係ではなく、相関関係から判断する。個々のデータから学ぶ回帰分析の考え方。
②活用するために必要なこと
・目的を押さえる。
・基礎的な技術の理解
・基礎的な数学・統計学
③注意点
・情報漏洩
・AIにもバイアスがかかることがあること
因果関係がわからなくても相関性があれば・・・というところが目から鱗でした。ビックデータ、知っているようで知らないことばかりですが、データを集める目的が明確でないとバイアスがかかったデータ集めになってしまうところが怖いですね。匿名性についても同様に学びたいと思いました。
ビッグデータというワード自体は、あらゆるところで出てくるようになったが、実際にどのようなものなのかを体系だてて学ぶことができた。今後データを取り扱う際に留意したい。
人間側で因果関係がわからなくても、相関関係が強いものを可視化しておくことで、インサイトを発見できる可能性があるのは面白いと感じた。人間の理解を超えて新しい発見をするための機械学習。
今後の発展が楽しみである。
因果から相関へのパラダイムシフトは、特に日本のような文化の国で浸透するのは難しいと感じた。
ビックデータの活用は企業成長には不可欠であると感じた。
AIにおいてバイアスが存在すること驚いた。データは使い方次第で、より価値が高くなる為、必要性を改めて感じた。
ビッグデータを活用したタクシー配車システムについて、ＮＨＫで特集していたことを思い出した。天候や交通量、イベントによる、乗車率アップにつながるルート設定等、経験者のみが直観的に活用するノウハウをビックデータを前提とした相関関係により、判断できるシステムは、他分野に活用可能であると感じた。
どうやってビックデータの収集するのか、収集する手段、収集するために必要なコストなどビックデータを活用するには課題がたくさんありそうだ。
相関関係からなにが言えるのか、わかるのか、その点をしっかり考えられるようにならないとうまく活用できないだろう。
因果関係がわからないため、相関のみの判断で、それに従っていくうちに、いつしか人間は考えることをやめてしまう。
人工知能は万能ではなく、あくまで人間が何か目的を達成するための手段であることを認識して使用しなくてはならないと思った。
スシローの需要予測がビッグデータから導き出されていることと廃棄ロス削減効果が大きいことに驚きました。ビッグデータから何が解決できるか、考えてみます。
ビックデータ活用によるスシローの廃棄率75％削減は驚いた！同様に、店舗での欠品を避けたいがため製品廃棄となっている余剰分の削減に活用できるのでは！？と感じた。
ビッグデータの概要を理解することが出来ました。
ビックデータの使い方ひとつで、ビジネスの有効利用が変わると思いました。
ビッグデータという言葉は知っていましたが、活用方法や内容については今回の学習で学ぶことができました。
ビックデータを活用するには、自社がどのようなデータを保有し、解決できそうなことを考えなければいけない。目的の設定と、PDCAを回しながらチューンナップし、モデルを構築する必要がある。
今までエクセルデータの情報を手作業で扱っていた状態からビッグデータを活用すると目的に沿った情報を飛躍的に早く入手出来ると感じました。
企業側は個人データを価値のあるものと認識して収集・活用している。自分の1つ1つの購買行動などに情報的価値があると気がつかされた。
データの取得はできているが、活用する段階まで至らず、重要度の社内での理解も低い。今後一気に進んでくれば、商売の仕方も大きく変化する。
因果関係をベースにこれまで判断をしていた中、相関関係による分析結果に違和感を感じるかもしれない。分析結果をそのまま鵜呑みにするのではなく、情報バイアスのような罠があることも理解して、最終的に判断をしないといけない。
ビッグデータを駆使しても、バイアスがかかることがある為、十分に気を付けて最終的には人間が判断すべき。
「AIは因果関係ではなく、相関関係で考える」非常に興味深い。一方で、「AIは自分でバイアスを作る」このリスクもある。
ビックデータに対しAIを駆使する利点は多く魅力大だが、人間が如何に適切に判断するか、この課題が依然残っており、今回の学びからしかと認識しておきたい。
因果関係がすぐに分からなくてもABテストをしてみるなどの分析で要因を見つける必要があると考える。
相関はあくまでも相関であり、他の要因が変化した場合に影響を受けないとは言えない。
とりあえず人工知能に従ってみる感が若干怖い
これから必要となる数学、統計学を学び、これからのビジネス上の変化に対応していく事ができる。
因果関係ではなく相関関係
ビックデーターを活用した事案を検討したときに、必要となる関連されたビックデーターを入手することができず頓挫した経験がありました。
ビックデーターの種類は大きいが、自分の用途に合ったビックデーターを
収集する仕組みの構築も重要と考えています。
ビッグデータは日常生活においては切っても切りはなせないくらい浸透してきているように感じる。業務の方ではまだまだだが、やはり「全数データ」であることは強みのように思えるので、活用できる方法を探ってみたい。なお、その際に統計学や技術面での基礎的な知識が必要だという点にはとても納得した。
因果より相関、というところがAIらしい。因果を考えるより、今ここにある現象は間違いがないから。
因果関係と相関関係の解説は納得。
特に因果関係→相関関係のパラダイムシフトが参考になった。またAIが自分でバイアスを作る点も面白かった、
巷ではビッグデータが万能薬のように誤解している人がいるが、ビッグデータが解決するのではなく、ビッグデータで何を解決するのか、目的を明確にするのが重要。まあある程度の統計的知識がないと、バイヤスに気づかず、相関を見誤る。
ビッグデータの取り扱いの基礎を学びました
ビッグデータの概要を理解できた。今後、身近な業務での活用について考えていきたい。
人工知能にもバイアスがあることを理解してビジネスに活用していきたい
相関性だけで判断していいか、製造現場では意見が分かれるかと思います。
因果関係は関係ない。
びっくりしたと同時に、コロナにおけるビッグデータの活用法に顕著に表れてるなと、寧ろ今までなぜ？と腑に落ちなかった部分が見事にすっと腑に落ちた。
これなのか。
ここからは人間の力で導き出すしかないのか？
これは政治的に下手に利用すると大変なことになるなと、使い方によって陥る可能性、落とし穴の大きさに思わず不安になった。
数字、データだけが独り歩きする。
スシローは店長がビッグデータを無視して高い成績を上げている事例もあります。
業務で活用するには、そのデータが誰の何を測定したものかを明確にして伝達する必要がある。また、どのような業務にどのように活用したいのか＝目的の明確化も必要。
また、政府の意思決定等で、因果関係と相関関係の議論がかみ合っていないことが理解できたような気がする。例えば「GOTOの感染者は〇人のみで今回の流行拡大との因果関係は不明。（だから何もしない）」といった判断から、「GOTO前後の人の動きのビッグデータからは、相関が認められる〇〇をやってみるべきだ。（因果関係は分からないが）」という意思決定をしていくというパラダイムシフトを促されている。
ビッグデータについて理解しました。
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
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。
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。
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。
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。