放送大学主催の公開講座、「みんなのデーターサイエンス」に参加しました♪♪
自宅にいながら、日本中（世界中）の講座に参加できるって、
人間の発明力による技術の進歩ってすごいですね。
本当に、ありがたい！！！
「みんなのデーターサイエンス」＠大西仁先生
データサイエンスはデータを用いて課題解決のための有益な知見を引き出すアプローチです。課題解決のプロセスを理解していれば、統計学やAIの高度な手法を使わなくても、多くの場面でデータを課題解決に生かすことができます。データサイエンティストだけでなく、事業に関わる人がそれぞれの立場で課題解決のプロセスを理解することで、個人や組織の課題解決力を上げることができます。
引用：放送大学HP「みんなのデータサイエンス」ご案内より】
講座の案内の文章を読んで、「みんなの」という言葉に惹かれて参加しました。
データーサイエンスというと統計学の部分があって、ちょっとアレルギーが・・苦笑
「みんなの」という言葉に祈りを込めて、参加しました（笑）
内容メモで残しておこうと思います。
データー活用とDX
データは、高度な技術を持たなくても活用することができるようになりました
社会的背景として
企業が生き残るために
・生産性の向上と経営の効率化
・業態の変化や組織を変革して競争優位を確立していく
これらが大切であり、DX推進がカギになっています
デジタルトランスフォーメーション（DX）という言葉は、浸透してきました
DXのもともとの定義は、「情報通信技術により生活のあらゆる面をよりよく変えること」なんですが・・・
経産省が出しているガイドラインとしては、
「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用し、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化、風土を変革しｍ競走場の優位性を確立すること」
だそうです
身の回りで起きている変化として、あらゆる部分でDX・・・
〇ヘルスケア
・スマートウォッチ
・日用品にセンサー
・自身の健康と家族の見守り
〇保険
・健康増進型生命保険
→健康によい活動により、保険料の増減、報酬
・テレマティクス保険
→運転情報を保険会社が取得し、自己のリスクに応じて保険証を増減
・逆選択の解消
〇シェアリングエコノミー
・資産を交換・共有することで成りたつ経済の仕組み
→所有から利用へ
・物のシェア
→インタネットオークション、フリマアプリ
・モビリティのシェア
→カーシェアリングなど
〇シェアリングエコノミーを支えるオンラインプラットホームとして
・需要と供給のマッチング
・個人が供給者として参加することが容易
・地理的距離を超えての取引が可能
・位置情報による配車デリバリーの最適化
それらを踏まえて「データーサイエンス」とは？
情報というのは、データーのこと
データーサイエンス実行に必要な人材は、
・データーサイエンティスト
・データーエンジニア（↑の補助）→データー取得の仕組みづくり、データーを使いやすくする変換など
これら専門家はとても大切だが、同時に「データーサイエンス」を理解している人が大切！！！
〇以下を行うデーターサイエンスを理解している人材の役割
・現場とデーターサイエンティストをつなぐ
・情報システムなどを扱うＩＴ部門とデータサイエンティストをつなぐ
・幹部などを説得する
データーで分析して提案→サイエンティストの役割
それらをもとに意思決定→経営者の役割
データーサイエンティストが提案したことを、経営者がスムーズに理解することは難しいそうです
せっかくデーターを活用としても、その結果を理解して納得しないと物事は進まない！！！！
（データー活用がされない状況に陥る）
そのため
データーで分析して提案→サイエンティストの役割
と
それらをもとに意思決定→経営者の役割
の間をつなぐ人が重要になる！んですね
データーサイエンスを理解している人をたくさん育てることも、これから重要なことです
営利組織でなくても問題は存在するし
大きな組織で無くても問題は存在する
高度な知識やスキル、大量データーを使わなくてもできることはありますよと、教えてもらいました！
データサイエンスに関する国、大学の動き
すべての大学生にデータサイエンス教育を実施できる環境の整備へと動き出しています
→全学部生必須とする大学も出てきている
多くの人が自分の立場にあった形でデーターサイエンスをそれなりに理解できることがとても大切なんだそうです
データサイエンスのゴールは、方策の構築
データサイエンスに抱きがちなイメージは・・・
統計のグラフを作って、「売り上げの現象の要因は来店頻度が低いためである」と分析する
これだけではダメ！！！
大切なことは、「なぜならば」・・・を、データ分析に基づいて説明することが大切だからです
データを用いた問題関係のプロセスは・・・
１，目的・問題の特定
２，現状把握、課題の特定
３，要因の特定
４，方策の構築→うち手を実行し、検証する
１，目的、問題の明確化のポイント
〇目的の特定
いきなりデータを集めて手を付けると、息詰まり、
誤った問題設定をすると、誤った解が出てきます
本当は、何をほしているのか、何を求めているのか
しっかり、特定することがとても重要！！
〇問題と指標（データ）の一致
・問題と指標がずれていると、本来の目的とずれた方策が構築される
・あたりかえの事であるが、陥りながら問題
・問題の定義の不適切さ
・データを集めていじることから始める問題
・虹データー（自分で集めたデータではない）
２，現状把握と課題の特定のポイント
〇現状把握
・トレンドの把握
→市場の成長、衰退傾向
〇課題の特定
・課題に関する仮説で問題を分解
分析法を計画
各仮説を検証
特定された課題は必要があれば、さらに分析し掘り下げる
分析とは？
分 わける
せき 湧ける 解く
３，要因の特定のポイント
〇仮説を立てる
（例）
①商品の教職緑地化→既存客の売り上げは維持
②不景気や震災→既存客の売り上げは維持
③店が一見さんを寄せ付けない→讒言市内
④商品、商品の良さ、ブランドが浸透していない→おおいにあり得る
⑤ＥＣサイトの登録が面倒→ＥＣなｒあり得る
⑥営業が新規顧客の獲得に力をいれていないのではないか
〇要因の特定のポイント
様々なデータを集めて検証してみる
※裏どりを必ずすること
・課題の要因の候補（仮説をあげて、課題との関連を確認）
・要因と課題の定量関係を把握
仮説を検証するために、データを活用します
４，方策の構築のポイント
・課題の要因が特定されたら、次に課題の解決する方策を考案する
・課題を解決するために、方策は課題の要因に作用するように構築してこそ効果がある
〇方策の構築
企画立案
ターゲット
ニーズ
商品・サービス
ベネフィット
生成ＡＩにアイディアを出させるものもあり
アイディアは質より量！
〇アイディアの選択
→実現可能性、効果、ビジネス性の観点から評価
〇コンセプトの検証
・コンセプトの受容性は最終的にアンケート調査で検証を行う
事前に二次データで可能な限り検証する
→アンケート調査を効率的・効果的に行える
方策は、課題の要因に作用するように構築する
成功例等を分析することでヒントを掴むことができる
まとめ：データ分析に基づく問題解決
筋の通ったアプローチが重要となります
そのために「目的は何か」はとても大切です
〇データー分析に基づく問題解決の利点
・「おおはずし」は、しにくい
・効果があがらないときに、問題点を分析して改善しやすい
・数字と論理の客観性により説得力がます
データは仮説検証に用います
科学研究と同じですね！
感想
あっという間の1時間でした。
そして、受講してよかった！！！と思った一番のポイントは、
「データーサイエンスは、データーを活用した問題解決なんだ！」ということが、
とてもしっくりきたからです。
講座の説明に書いてあるやん！！ってつっこまれそうですが（笑）
講座の後半説明してくださった話は、「問題解決のプロセス」そのものでした。
データサイエンティストのような専門家には、もっとデーターなどの知識やスキルが必要になる。
日常的に「データーと活用して問題解決する」ことを考えると、一番大事な力は「問題解決力」で、
その次に「データー活用力」なんだってことが、つかめました。
いくらデーターという情報があっても、問題解決力がなかったら有効活用できないから・・・。
問題解決のプロセスは、文字だけみるとシンプルなんだけど、
それを１つずつきちんと実践していくことは、とても大変。
わたしは、自分が「問題解決力」のトレーニングするほうの専門家になるので、
違う分野のことになるのかな？と思っていたら、すごく繋がっていてびっくりしました。
あと、私も、ユニセフのデーターとか、幸福度のデーターとかを見ながら、
教育や日本の幸福度にまつわる問題解決に取り組んでいるのですが。
もう一歩踏み込んで、データーを有効活用していけるように、
自分の取り組んでいる教育分野の問題解決プロセスを見直してみようと思いました。
学びの場に感謝！