【実践GPT】文系社員でも「データ分析」はここまでできる
コメント
注目のコメント
コミュニティメンバーの素晴らしいワークです。データ分析のつまづきポイントという観点から少しコメントさせて頂きました。
私が考えていた以上にChatGPTのAdvanced Data Analysisは「使える」ツールでした。もちろん分析機能も良いのですが、なにより試行錯誤が簡単であることが素晴らしいです。また、面倒な前処理と可視化(グラフ化)のハードルを一気に下げたことは大きな意味があります。誰でもデータ分析できる時代、データ分析の民主化と言ってもよいでしょう。
最後にコメントしたように、壮大な意思決定ではなく、日々の小さな意思決定を、みんながデータを使ってできるようになるようになるというのは、かつてない大革命でしょう。
この生成AIマニュアルは、ビジュアルでリアリティあるとても面白い読み物です。是非ご一読くださいませ。「文系」「理系」というのは、あまり意味がはっきりしない言葉で、「数学がどれだけできるかどうか」がポイントです。
(高校の時にどのクラスにいたかとかは、どうでもいいです)
ある程度以上の実証性のあるデータ分析というのは、数学の問題(たとえば、最適化問題)を解くことだからです。
確率論、行列、圏論、線形代数などの問題を解くのがデータ分析で、データというのは問題を解くための材料です。
プログラミングができるかどうかは直接は関係ありません。
なぜ数学ができた方がデータ分析ができるかというと、数学ができないと、自分が何をしていて、何を目的としているのかわからないからです。
建築資材についての知識や、完成した後の建築物の使われ方や機能についての知識がないと、すぐれた建築設計はできません。
エンジンが動く仕組みや、ハーネスの強度についての知識がないと、すぐれた自動車設計はできません。
それが本当に使いものになるかどうかはわからずに、それらしいものをデザインしてみて、できた気になりがちです。
最近は、様々なソフトウェアの急速な発展で、データ分析から数学上の作業の手間が省かれました。
便利なものはどんどん活用するべきです。
ただし、自分はこれはそもそも何をやっているのか、ソフトウェアから出てきた答えが妥当なものであるかどうかは、そもそもソフトウェアがやっている数学の問題がどういうものであるのかわかっていなければ、判断できません。何やらChatGPTのAdvanced Data Analysisがやばいらしい、、
今年6月からスタートしたNewsPicksの生成AI学習コミュニティ「OUTPUT CAMP meets AI」では、Advanced Data Analysisの前身となるCode Interpreterという機能がローンチされた7月初旬から、大きな盛り上がりを見せていました。
その機能の実力は、データ分析を任されている弊社のインターンが、「自分たちの仕事がなくなる」と危機感を感じていたほど。
とはいえ、ど文系の私には、その凄さや使いこなし方はよくわかりませんでした。そこで、今回コミュニティメンバーの有志30人の力をお借りして、「つまずきポイントマニュアル」を作成いただきました。
マニュアル作成の過程(構成、画像生成など)にも思いっきり生成AIが活用されていて、とても読み応えのある網羅マニュアルとなっています。
(マニュアル完全版はこちら→https://speakerdeck.com/outputcamp/output-camp)
そして今回の記事は、このマニュアルをもとにデータ分析のプロである比屋根一雄さんに「失敗しないデータ分析」のコツを対談形式で教えていただきました。
コピペできる部分もありますので、ChatGPT有料版が使えるという方は、ぜひ試しながら記事をご覧ください!