見出し画像

SUNABACO アントレプレナー講座 4日目メモ データの取り扱いと施策立案

ドイのnote

本記事は受講後の復習のためのメモとなります。
受講後に見ないと意味がないものです。

3日目はこちら

では4日目もがんばろー！


注意：アーカイブ受講は今後受講する方のために、クイズやリアルタイムでのやり取りが必要な項目のネタバレは極力しないように進めます。

4日目質問回答コーナー

ユーザーの望む行動をとってもらう
とは、誰の望む行動でしょうか
→みんなにとって現世利益があるように

習ったことを信じてはならないとのことですが、根本的なことも変化していきますか？
→誰にもわからんだろ

世の中でヒットしたモノはデザイン性が良いことが挙げられますが、形ないモノなどでも当てはまるのでしょうか
→そのとおり

色は何色使えば目を惹きやすいのか
→ベースカラー、メインカラー、アクセントカラーの3色（実質決めるのは1色）

社内の企画会議を通せる気がしません
→力のない立場の社員にとって、最強の武器となるのが「ファクト」

ファクトとは「事実の情報」→ここでは想像や嘘ではない情報というニュアンス。

人の思い込みは良くないとわかっているのに、企業も人も変化がないのはなぜか
→思い込みは知っていても外せないから
だからデータを元にして考えるのが大事

かんぱ「Xでポストしろ」（北方謙三　風）

EBPM DXのその先へ

EBPM（エビデンス・ベースト・ポリシー・メイキング／エビデンスに基づく政策立案）とは、政策の企画をその場限りのエピソードに頼るのではなく、政策目的を明確化したうえで合理的根拠（エビデンス）に基づくものとすること

DX=IT化 * 業務革新
①機械にできることは機械がやれるようにする
②その時間であたらしい価値創造ができること

人の手が空くように、業務変革する

社会はVUCAの時代に

VUCAとは、変化し（Volatility）不確実で（Uncertain）複雑（Complexity）、さらに曖昧＝両義性がある（Ambiguity）現代の特徴を言い表す言葉

ヒューリスティック（heuristic）とは、
心理学用語で「発見的手法」を意味します。経験や先入観によって直感的に、ある程度正解に近い答えを得ることができる思考法。
「経験則」と同義であると言われている

（良くも悪くもない、人間の優れた能力である）

ヒューリスティックによる意思決定から、現実に即した合理性のある意思決定へ。

EBPM エビデンスに基づく政策立案

EBPM とは

エビデンスベース
因果関係のある数字を意思決定の手がかりにすること

エピソードベース
たまたま見聞きした事例や限られた経験のみに基づいて政策を立案

要因解析フェーズ部分なのかな。

統計的因果推論
ランダム化比較試験　← これだけでも覚えて帰れ

研究の対象者を2つ以上のグループにランダムに分け（ランダム化）、治療法などの効果を検証することです。 ランダム化により検証したい方法以外の要因がバランスよく分かれるため、公平に比較することができます。

統計学をビジネスに活かす。
そのための最低限を覚えておくのは有益

全国のSUNABACOに置いてある本

そもそも意思決定とは何か？

EBPMはよりよい意思決定をするためのもの。

意思決定とは、特定の目標を達成するために、複数の選択肢の中から最善の解を求めようとする行為

複数の選択肢の中から、"何らかの手がかり"をもとに選択を行なっている。

エビデンスベースの意思決定とは、
選択の基準を形式知化（可視化）した上で関係のある数字を用いること

因果関係のある数字！！

誰が見てもわかるように表現されるデータ
EBPMの目指す状態

データ分析で現場業務を改善する型
　ビジネスの悩み→見つける（分析問題設計）
分析問題
　解く（データ解析）
分析結果
　使わせる（現場導入）
意思決定

データ分析・AIを実務に活かす データドリブン思考

感想文書いてるのでこちらもぜひ

ファスト＆スロー
パッと思いつくこと、はかなり思考の癖みたいなものがかかってしまう。

よくある。。。

結果をだすために何をすべきか？
　→定量的なデータドリブン

ユーザーに望む行動をとってもらうためには？
　→定性的な調査と分析

EBPMとは、
定量的なデータドリブン＋定性的な調査と分析

「定性的な調査と分析」って、あんまり腹落ちしていない。
誰かコメントで補完してもらえません？？

参考サイト（なかまこ代表から救いの手）

定性は人が暴くしかない

Data for DX

データとは、事実の情報。
　ただし、現在は取れる量がすごく増えた。

ファクトフルネスクイズ

知っているようで意外と知らないってことを知ること

ちくしょー

なのでちゃんとデータを集めてくる

・ビッグデータ（量）
・オープンデータ（二次利用性）
・パーソナルデータ（性質）

情報は分断されがち（サイロという）
情報が独立して管理されがち。

例：アプリケーション特有になっていてそれ以外と共有できない

部署ごとに扱う媒体が違う（エクセルだったり、ちがかったり、ラジバンダリー

StringだったりCodeだったり

適切に集めて、誰でも扱えるようにする。

データサイエンティストとシステムエンジニアの境界は曖昧になってきているほど、最低限のデータリテラシーは持っておくべき。
システムサービスはいずれ使われなくなるが、データの賞味期限は長い（こともある）
データは資産（情報資産）

データにも司書さんが必要。


なぜ「すぐ作る」が重要か
　→すぐ捨てられるから（捨てて良い）
　→データは残る

すぐ捨てるができるかどうかが鍵かもしれないなぁ。。

施策結果の回収（グローズハック）
→将来の予測

娘がいるのでプリキュアは一通り勉強したけど、
何の話だっけ（CustomVision）
ノーコードでAIが作れる


既存の意思決定の棚卸しと、因果関係のあるデータの棚卸し
→データサイエンティストだけの話ではない
　→現場を知る人間ができるデータ収集

DAY4講義をAI使って文字起こししてテキストマイニング
言葉尻をいろいろ調整するとこんな感じになりました。
64000字、3800単語くらい。

五日目はこちら


いいなと思ったら応援しよう！

ドイのnote
お読みいただきありがとうございました。もし参考になったり面白かったと思っていただけましたらサポートよろしくお願いします。次の執筆のモチベになります。