赤坂 悠作

正直記事にあるデータはまだただのデータであり、「東京ドームn個分」と同じような状態かなと。ビッグデータ自体の価値を推し量るのではなく、なんのために、どのような形で蓄積、活用するか、その基盤が整っているかでデータの資産としての価値は決まってくる。なので集まったデータに対して活用する側のリテラシーやスキルが無いと価値は途端になくなってしまう。 データは、それをインテリジェンスにすることで、不確実性を下げた意思決定を続けることにこそ意味があると思うので。

統計的に確からしい意思決定を行うためのコツについて、教科書的であるが、非常に示唆深い 例えば、UX改善に伴う変更を行う際、一度にすべてのユーザーに提供するのではなく、新しい体験を受けるユーザーの割合を徐々に増やしていき、まだ古い体験を受けているユーザーとの違いを定量/定性の両面から観察する。このようにフォローアップテストを繰り返すことで、A/Bテストによって得られた不確実性の高い定量的結果だけに頼らずに結果を再現しやすくなる。

Netflix内の実験文化の重要性について 有意水準や検出力の解説など統計的にマニアックな仮説検証の内容になってきて面白い。 あと、『目的は、不確実性をなくすことではなく、不確実性を理解して定量化し、適切な意思決定を行うこと』という認識である文化も好き。

・アイデアを検証可能な仮説にする ・主要な意思決定指標に加え、副次的な指標もモニタリングすることで因果の推定を適切に行う ・マイナスの影響、顧客の体験に意図しない影響を与えないための指標もおく

丁寧に自己内省と他者FBを繰り返し、それを実践できる環境づくりが重要だと実感しています。 そして、最後の前提の重要性についても要チェック。 >最後になりますが、今回お話しした成人発達理論や意識構造診断は、人間を説明する上で有用なツールではありますが、それと同時に補助線でしかない

ここ最近、企業や大学の技術者向けの研修資料の無料公開が目立っているが、こういった基礎的な数学に尖った資料はあまりなく、すごく良い。 最近はプログラミング言語のRustや因果推論のCausal Impactなど、前提の知識は深いものの、扱うのは簡単になってきたものが増えてきたので、その重要性はないがしろにされるべきではないかと。

内容はさておき、きっかけとして素晴らしいと思います

データサイエンスやエンジニア等の新人研修資料が情報として一気に流通するようになり、価値の低いスクール事業や情報商材は淘汰されていくのが望ましいところ。 また、情報量が増えることで、経験の価値が膨れ上がっていくだろう。 【各社技術者研修資料まとめ】 サイボウズ:https://blog.cybozu.io/entry/2021/07/20/100000 ミクシィ: https://mixi-developers.mixi.co.jp/21-technical-training-a0bcdbf9bca0?gi=ff8ad3492fe0 セガ: https://slideshare.net/SEGADevTech/ss-249343092 サイバーエージェント: ttps://developers.cyberagent.co.jp/blog/archives/30024/ AI Shift: https://ai-shift.co.jp/techblog/1980 ペパボ: https://tech.pepabo.com/2020/09/09/newbie-training-2020/ Classi: https://tech.classi.jp/entry/2021/05/20/110000