松本健太郎のレビュー一覧
-
-
Posted by ブクログ
マクドナルドの売れる理由は、背徳感。サラダマックは売れず、クォーターパウンダーは売れた。
人間は合理的ではない。人間の負の部分を見たほうがヒットする可能性が高い。
花咲爺さんも、兄さんがすぐに真似をした。成功していれば称賛される。
バイキング方式は、デンマークで北欧式のビュッフェ「スモーカーボード」をまねたのが始まり。
気分一致効果＝良い気分のときは良い情報を、悪い気分のときは悪い情報を思い出す。
元を取りたい＝損失回避、サンクコストの誤謬。
人間のお腹は400gでいっぱいになる。ステーキ300g、吉野家牛丼並350g。
サントリーのストロングゼロは、飲む福祉といわれている。簡単に酔える商 -
Posted by ブクログ
数年前、「予想通りに不合理」という行動経済学のヒット作を読み、とても面白い分野だと思いました。その後、行動経済学に関する本は読んでいませんでしたが、改めて、人は不合理な生き物であると思いました。
教養としては面白いのですが、それを踏まえて、経営者として何かアクションできるかというとなかなか難しいと感じました。
おもしろいんですけどね・・・。
↓以下メモ
ヒット商品には「悪」の顔がある。煩悩に訴える。悪のスパイス
サラダマックはアンケートで上位だったのに、全く売れなかった。
ギガビックマック等が大ヒット、背徳感の先。
サントリー天然水
パッケージを野鳥に変えたら売れなくなった。水を買ってい -
-
-
-
Posted by ブクログ
トレンド本と言って良い本。旬なネタで現在進行形の現場の動きや、提供側の視点での事例紹介などが記載されているので、採用する側の人が読むとちょうど良い感じにお互いが歩み寄れるような雰囲気があります。
ただ、パートワンの各種指摘は、当たり前すぎな上に、採用する側のシニア層からすると鼻につく書き振りなところもあるかなと、ある意味同業の営業の昭和生まれからは指摘したいw
結局、データサイエンスなるものが自社のビジネスに役に立だせることができるか？平たくいうと、それウチが儲かる話なの？って言うドライな所が最も大事だと思うのだが、その急所の部分は発注側が責任もって欲しい所。
この本は、そう言う点で、発 -
-
Posted by ブクログ
新奇事象の100本ノック。同時期に読んだ「なぜ『つい買ってしまう』のか？」ではインサイトの探し方を体系化し説明していたのに対して本作は、新奇事象をひたすら並べた一冊。著者が規定する14のカテゴリー別に整理された事象からそれぞれ導出したアイデアにまで昇華させています。
こうしてみていくとやはり事象をみただけ・知っただけでは（自分には）すぐさまアイデアに結び付けることは難しいと感じます。とはいえ著者もあとがきで書いているように本作は、なんども読み返し、そのたびに新たな発見をするためのもの、ということですから、手元においてスルメのように長く味わうべき本なのかもしれません。 -
Posted by ブクログ
データサイエンスビジネスについて、
ざっくり書いてくれている本。
どちらかというと初心者向けかなと思うが、
それでも全体感を掴むには分かりやすかったと思う。
これからデータサイエンスビジネスに
取り組む人であれば、一度読んでみてもよいと思う。
【勉強になったこと】
・AI・データ分析における開発では、
ユーザー企業による開発の内製化や少人数が
短い期間で開発とリリースを繰り返す
「アジャイル型開発」の採用が増えてきている。
・分析前までにかける時間はプロジェクト全体の8割程度
・データサイエンスビジネスでは、何よりもまず、
データから何を知りたいのかを定義すること。
・時系列 -
Posted by ブクログ
・中級者以上のデータ分析実務経験者にとっては既知の内容が多いのではという印象。その差分を得ていくのがよい。
・パート1で論じられている事の現実感が逆になかった。納得や共感よりも、まだそんな考え方の企業がいるのか。という所感の方が強い。多分、新卒からIT企業に勤めて、他企業の文化に触れる機会がなかったからだと思う。逆に「ものづくり」企業を中心にそうした旧時代的な考え方がマスである認識を持っておく必要はある。
・圧倒的に自分に不足しているのはITリテラシー。エンジニアと会話できなければ、未来はない。実学を学んで、自分で実践して体感すべきと再確認。
・P51のビジネスプロセスは分析ワークの全体 -
-
-
-
-
-
-
Posted by ブクログ
ネタバレ■Q1. 人工知能とDeep Learningの関係は？
2018年時点では、人工知能とはDeep Learningのことである。Deep Learningは分類ができるものである。人間の知能の根底には分類がある。
2018年時点では、人工知能はある分野に特化して人間に勝っている。人工知能を作るにあたって、必ずしも人間の脳を模倣する必要はない。
■Q2. Deep Learningが現時点で強い領域、現時点の弱点、将来期待される領域は？
[現時点で強い領域、弱点]
2018年時点では、画像認識の精度がすごいが、何でも認識できるわけではない。認識できるのは「名詞」であり、「動詞」が認識できるの -
Posted by ブクログ
データに基づく議論は一度必ず疑って見るようにすること。つい議論に流されてしまうことがあるが、ミスリードして全く違う結論に至ってしまうことを意識すべき。
様々な指標の定義を確認すること。よく調べると、完全な指標はない。GDP・エンゲル係数・失業率…etc。その上でどう解釈するか、吟味すること。
データをビジネスに活用をしていくのであれば、データを読み解く厳密さにもう少しこだわるべき。初心にかえる心持ちだった。
若者の●●離れの言説は、若者以外でも起きているという若者に限った事象でないというありがちな見逃しはしないようにしたい。1つの対象調査で結論付けるのではなく、対象以外の事象も確認して、 -