ブログ一覧

ハーバード大学院のコース終了『Outsmarting implicit Bias』

精力的に取り組んできたHarvard Business Schoolの「Outsmarting Implicit Bias」コースを正式に修了しました。
バイアスは、データ分析など合理的な判断と対を成すもので、インド人の先生から最新の科学的な視点を学ぶことができました。

【分析TIPS】過度に「相関」に頼らない

２つのデータ間の関係性の強さを測る「相関分析」はとても汎用性が高く、有効、有用な分析の一つです。
ただ、この”手法”をお伝えすると、それを「使う」ことが目的化され、「相関分析を使う場所を探す」という本末転倒なことが起こり勝ちです。
他の視点で思考を広げることはできないものでしょうか。

メルマガ配信終了のお知らせ

2014年10月に配信を開始し、先月200号をお届けした本メルマガですが、役割や立ち位置の変化に伴い、2025年2月をもちまして配信を終了させていただきます。これまでのご購読に心より感謝申し上げます。ありがとうございました。

【2025年度の新規ご依頼について】

2025年度の新規ご依頼につきましては、すでに多くのお問い合わせをいただいております。スムーズなご案内のため、ご検討中のお客様はぜひお早めにご相談ください。ご希望の納期や内容によっては、調整が必要となる場合もございますので、まずはお気軽にお問い合わせいただければと思います。皆さまのご依頼を心よりお待ちしております。

AI作成『データ分析誤解の図』

ChatGPTに対して「データ分析により色々な情報が得られてビックリしている絵」を依頼したところこの図が表示されました。
今度講演などでこれを使って「こんなこと実際には起こりませんし、起こっていると誤解しているだけですよ。まずはこの誤解をしっかり解くところからスタートしましょう」とお伝えしようと思います。

実務データ分析虎の巻Vol.95～「ビッグデータによるデータサイエンス」とのゴールの違い

まだまだ”ビッグデータ“や”データサイエンス“といった言葉は広く意識されているようです。ところが一般実務の中で、これらが活用されて成果が出ているという話は、言葉の広がりのわりには耳にすることがありません。それはビッグデータやデータサイエンスそのものが悪いというよりも、ゴールが違うことが理解されていないからではないか、と思うことがあります。

Note記事【「問いを立てること」の重要さ】

データもデータ分析もその高度さとは関係なく、いずれも“手段”や”アプリケーション“でしかありません。
その「手段」を有効に使うために必要なのは、「目的」（私はこれをゴールや問題などと表現することもあります）です。
ところが、多くの人が「目的」を明確に持たないまま「その”手段“をどう正しく使い、正解を得るか」にまい進してしまいます。

PAGE TOP