シティズンデータサイエンスラボ

「シティズンデータサイエンス」とは、統計学の専門家ではない一般の人々がツールを用いて手軽にデータを活用すること。データ分析の世界をより身近にします。株式会社データビークルから株式会社ソウジョウデータに運営を引き継ぎました。https://www.soujoudata.com/

シティズンデータサイエンスラボ

「シティズンデータサイエンス」とは、統計学の専門家ではない一般の人々がツールを用いて手軽にデータを活用すること。データ分析の世界をより身近にします。株式会社データビークルから株式会社ソウジョウデータに運営を引き継ぎました。https://www.soujoudata.com/

マガジン

  • 市民データサイエンスの現場を訪ねて

    データビークルの最高製品責任者であり統計家の西内啓がデータ活用で成果をあげている企業・組織のキーパーソンの方とデータサイエンスの現実について語り合う対談シリーズ。

  • データサイエンス入門講座

    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:翔泳社)」の全文を公開します。

市民データサイエンスの現場を訪ねて

データビークルの最高製品責任者であり統計家の西内啓がデータ活用で成果をあげている企業・組織のキーパーソンの方とデータサイエンスの現実について語り合う対談シリーズ。

くわしく見る

「データ活用で新しいモビリティインフラへ」Mobility Technologies 川鍋一朗氏×西内啓対談 Vol.2

コロナ禍でテクノロジーに頼らざるを得ない状況になり、顧客受容性が伸びた 西内 『お客様探索ナビ』をヒートマップ表示ではなくナビゲーションにした背景には、乗務員さんからの意見や会社としての考えがあったのでしょうか。 川鍋 単純に、ヒートマップ表示よりもルートを示したほうが乗務員さんもわかりやすいということがあります。 同時に、新型コロナの影響が大きかったと思っています。コロナの影響でタクシーを利用するお客様が減ってしまい、これまで頭の中に描いたとおりにタクシーを走らせても

「経験と勘」のタクシー営業がデジタルにシフトした Mobility Technologies 川鍋一朗氏×西内啓対談 Vol.1

「タクシー産業の定義が変わる」シリコンバレーでUberを見て受けた衝撃 西内 JapanTaxi(現Mobility Technologies)では2011年に日本で初めてタクシー配車アプリをリリースし、現在では『GO』を展開しています。会社としてデジタル側にピボットしてきた経緯を教えていただけますか? 川鍋 本業であるタクシー事業の半分がデジタルになったことが大きいですね。日本交通のグループ会社であるJapanTaxi(現Mobility Technologies)は2

「データ活用人材に必要なのは人への興味」北の達人 木下勝寿氏×西内啓対談 Vol.3

「人間への興味を持ち、人間の行動を考える」ことが大切西内 経営やデータ活用において、御社にとっての課題とはなんでしょうか。 木下 データ分析の究極がビッグデータを解析したAI だと思うのですが、そうした環境が整えば整うほど、人間の考える力はどんどん落ちていると感じます。20年前にeコマースの事業を始めた当時は取れるデータが少なく、自動で分析できるわけではなかったので、日々脳味噌を絞って必死で解データを分析していました。 しかし、今の若い人たちはそうした機会がほぼないんで

「ECはデータを使えば確実に勝てる」北の達人 木下勝寿氏×西内啓対談 Vol.1

データを計測することで確実に「勝てる」ことに気がついた西内 はじめに、御社のビジネスについて教えてください。 木下 当社では現在、自社ブランドの化粧品や健康食品を扱うeコマース事業を展開しています。インターネットが普及し始めた2000年の創業ですが、当時私は北海道が好きで、出身地である神戸市から北海道までよく旅行に出かけていました。そこで、北海道の特産品を扱う事業をやろうと考えたのです。 当初はカニやメロン、イクラといった北海道の特産品を扱いながら、事業がある程度軌道に

データサイエンス入門講座

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:翔泳社)」の全文を公開します。

くわしく見る

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はこのボスですが、それ以外のポジションの役割もデータ活用に欠くことができません。多くのボスはデータ活用以外にもさまざまな意志決定や関係各所の調整に追われますので、ボスの管轄する事業の「現場」を確認する相手が他に必要になることもあります。これが「エキスパート」と私たちが呼んでいるポジションです。製品を企画するには設計や製造オペレーションを知らなければなりませんし、プロモーションを企画するには

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の開発といったデータの活用の仕方を学んできました。本書の内容を活かせば「どこから手をつけていいかわからない」とか「何をしたらいいかわからない」という状態から抜け出る、最初の一歩を踏み出すことができるはずです。また、ナンセンスな分析しか得られない、お金を払う人のいないAIを作ってしまうというリスクも避けられるはずです。 しかしここまでの話はデータ活用全体でいえば「ようやく道半ばまで来たところ」で

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、今あるデータに対してもっとも予測値と実際の値のズレが小さくなるように計算した状態で、その計算に使ったデータにおける「予測値と実際の値のズレ」を評価しようとしていたからでした。本当に知りたいことは「いまあるデータにおけるズレ」ではなく、新たに開発された商品のように「次に得られるデータ」において、できるだけ正確に予測できる状態であるはずです。このギャップが、過学習の生じている予測モデルやAIにおいて「実際に使

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AIも開発できるようになります。ここまでの具体化ができていれば、統計解析や機械学習の専門家でなくても、日本国内だけで100社以上あるという機械学習の開発を請け負う会社に依頼すれば、少なくとも何のアウトプットも出てこないということはありません。 最後の問題は、社内の技術者であれ社外の技術者であれ、あるいは自分自身でも、どのぐらいの精度で予測し、どの程度最適な選択肢を提示できるかを確認す