有料コンテンツの購読
現在、Web上での有料コンテンツ購読機能は準備中です。
ご不便をおかけしますが、有料コンテンツを購読希望の方は
モバイルアプリ上で購読の手続きを行ってください
認証方法を選んでください
ご協力いただきありがとうございます。
いただいた情報は実名認証のみに使用いたします。
利用可能になる機能
コメントの公開範囲が
すべてのユーザーまで開放されます
フォロー中トピックスの投稿にコメント・返信ができるようになります
Facebookで認証を行う
LinkedInで認証を行う
名刺・学生証で認証を行う
お名前の変更には
再度実名認証が必要です
Facebookで認証を行う
LinkedInで認証を行う
名刺・学生証で認証を行う
名刺または学生証を利用して
実名認証を行いましょう
名刺または学生証をアップロード
※ 名刺等の情報は照合にのみ利用します
※ アップロードされた資料は公開されません
入力された情報に虚偽があった場合、認証が取り消されることがあります。
これに同意の上、下記のチェックボックスにチェックして登録を完了してください。
実名認証を行う
を利用して
実名認証を行いましょう
入力された情報に虚偽があった場合、認証が取り消されることがあります。
これに同意の上、下記のチェックボックスにチェックして登録を完了してください。
実名認証を行う
実名認証が完了しました
ご協力いただきありがとうございました。
一層のコミュニティ活性化に取り組んで参ります。引き続きNewsPicksをご活用ください。
利用をつづける
実名認証をして
コメントを発信しよう
現在あなたのコメント公開範囲は
フォロワーのみに限定されています
信頼性の高いコメントコミュニティをつくっていくために、実名認証にご協力をお願いします。設定を行うことでコメントの公開範囲が「すべての利用ユーザー」に開放されます。
実名認証を行う
あとで
学割プラン継続確認
学割プランは毎年月に更新の確認を行っております。
月以降も学割プランを継続されたい方は、
学生情報を更新してください。
学生情報を更新されない場合、
次回更新時に自動解約となります。
卒業される方等、プレミアムプランに移行される方には
1ヶ月無料期間をサービスいたします。
学割プランを更新されない場合
学生の場合
学生の間であれば、またいつでも学割プランにお申込み頂けます。
社会人になる場合
いま、アンケートに答えてプレミアムプランに移行すると1ヶ月無料の特典が受けられます。
ここで「更新しない」を選択すると、後からは1ヶ月無料の特典は受けられなくなりますのでご注意ください。
メール認証をしてください
ご登録いただいたメールアドレス宛に届くメールから
URLをクリックし本人確認をお願い致します。
届いてない場合、見つからない場合は下記から再送と認証をお願い致します。
再送設定する
閉じる
新しいトップページへの
フィードバックのお願い フィードバックを受けて改善いたしますので、ご意見・ご要望をいただけませんか?
新聞、メディア等でも結局の所、「それってたまたまそうなっただけではないの?」という事実を喧伝し、しかもそれが受け手が鵜呑みするというケースも少なくないように見受けられます。それらも結局、「言いたいこと」への思いが先走った結果なのかもしれません。今回のトークはあらゆる場面に通じて大事なことを再確認させてくれそうです。自戒のためにも楽しみです。
ただ、これを繰り返していて思うのは、きちんと因果を理解する、特定できるということは「むずかしいこと」なんだな、ということ。
ビジネスの世界では正しく因果をわかる人のほうが正しい答えに導ける確率が格段にあがるので、端的に言えば因果理解力は「差別化になる」ということなんだと思います。
トヨタの「5 why」も、因果を掘り下げる言葉ですが、因果が間違ったまま、5回も掘り下げていったら想像するだけで大変なことになりますので
データサイエンスが未発達の頃は、人は経験則から判断していた。
経験からの判断も立派なデータサイエンスだが、データ量が脳の処理能力を超えてしまうビッグデータの世界では、科学的なアプローチが必要。
何でもアメリカでやっている事が良いとは思わないし、「発想」はまだ人間の得意領域。
しかし、データを読み解いて、判断の根拠を科学的に証明してくれる事は非常に助かる。
少なくとも、因果関係を誤解した「間違った判断」が減る事は確か。
でも、最後に決めるのは「人」でありたい。
自戒を込めて、真摯に取り組みたいと思います。
一方で、企業経営者やメディアから見ると、「仮説の正誤を言い切ってほしい」「単純集計、クロス集計で把握した方が、社内で問題を共有化しやすい」という想いもあり、プロのアナリストの分析を煙たがることが、見られるようです。
マーケティング・イノベーションを起こすためには、「正確なデータ分析」と「わかりやすい表示」「明確なメッセージ」が求められますね!まだ見えていない世界のデータ分析も含めて、創意工夫します!
見せかけの相関や逆因果は内生性を引き起こし、推定モデルに疑問が持たれます。一方で、テクニカルにそういったことに対処した分析はできますが、内生性の程度やテクニカルに行った場合さらに生じる問題もあり、大切なのはそういった判断ができることだと痛感します。
今後、AI発達により分析は現在より容易になるでしょう。テクニカル先行で「出てきた結果がよく分からないけどなんとなく良さそう」な場面が増えるのではないかと個人的に危惧しており、判断できるようになりたいと思っています。
データ提供側の人間として注目する特集です。