マガジンのカバー画像

データサイエンス入門講座

21
データを活用してエビデンスに基づいた経営判断を行いたいと考えるすべての人に。「データでもっと儲ける方法 ~経営とマーケティングのためのアナリティクスデザイン~(著:西内啓/発行:…
運営しているクリエイター

記事一覧

第21回 社内政治を乗り越えろ(2)

ボス以外のポジションの役割多くの日本企業において、もっとも人材が不足しがちなポジション…

第20回 社内政治を乗り越えろ(1)

実はここまでで、まだ道半ば ここまで、皆さんは、データを整備し、分析や予測、AIの開発とい…

第19回 ズルのできない予測精度の検証方法(2)

過学習を見抜くためのフェアな評価方法過学習がなぜ問題になるかというと、今あるデータに対…

第18回 ズルのできない予測精度の検証方法(1)

「精度100%の予測」といわれたら、まず疑うべきこと適切な課題を設定できれば、予測モデルもA…

第17回 AI開発における適切な課題設定とは(2)

総負荷量とトレードオフになる安定性と有効性このように総負荷量という考え方を持って「どれ…

第16回 AI開発における適切な課題設定とは(1)

省力化に着目したAIの課題設定 「予測精度の改善価値」にフォーカスする予測モデルについては…

第15回 何をデータで予測させるべきか(2)

前回の記事はこちら 1.05倍の予測精度の向上価値なぜ「感覚的に1.05倍」か、という点について説明しておきましょう。おおむね現在行っている経験や勘による意思決定から、短期間でデータを活用して改善できる予測の精度についての私たちの経験的な改善余地ですが、ただの経験則というだけではありません。MITスローン経営大学院のBrynjolfssonらの論文によれば、「データに基づいて意思決定する企業は5~6%生産性が高い」という結果が示されています。私たちの経験則と、経営学者の分析

第14回 何をデータで予測させるべきか(1)

何の予測モデルを作るべきか予測モデルとAIの使い分けが理解できたら、それぞれについて「何…

第13回 予測モデルとAIの使い分け

正確な予測が価値を生むときまずリサーチデザインを応用して、予測モデルやAI開発の課題設定…

第12回 洞察・予測・最適化〜AI開発で同様のところと違うところ

AI開発ではどうなのか前章ではアウトカムと解析単位というリサーチデザインの基本をもとに、…

第11回 何がその違いと関係しているのか〜基本的なデータ分析の読み方(2)

他の説明変数が絡んだ関係「p値」や「95%信頼区間」といったデータの見方を理解できれば「た…

第10回 何がその違いと関係しているのか〜基本的なデータ分析の読み方(1)

効率的な「違いの見つけ方」アウトカムと解析単位が決まり、データから考え得る限りさまざま…

第9回 解析単位を決めるための4つのルール

解析単位を選ぶコツ 前節ではアウトカムを定義するためのコツを説明しましたが、ここでは解析…

第8回 アウトカムを設定するコツ(2)

そのアウトカムでズルはできるか前回示したように、まずは利益に直結するか、ということを考えて通貨の単位で記録されているデータ、日常的に大きなコストがかかっているデータに着目すればアウトカムの目星がつけられます。 ただ「長期的に確実に」ついては難しいところです。それがわかれば苦労しないよと思われる方もいるかもしれませんので、この部分については「ズルができるか」という別の角度からチェックしてみましょう。 システム開発やコンサルティングを請け負う会社の営業活動についてのアウトカ