松本健太郎のレビュー一覧

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...続きを読むでは、
　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。

・時系列データは、傾向変動、循環変動、
　季節変動、不規則変動の4種類に分類出来る。

・ディープラーニングとは、従来は人間が
　与えていた特徴量を自ら探す学習法のこと。

・2018年の日本の広告費は、
　総広告費6兆5,300億えんで、インターネット広告が
　1兆7,589億円となっている。

・データ分析チームが活躍するためには、
　KKD（経験・勘・度胸）から、
　DNA（データ・数字・AI）に変革すること。
　そのためには、ボトムアップからのアプローチも
　必要となってくる。

・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...続きを読むたからだと思う。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像を捉えていてわかりやすい。元々の分析する前の工程に重きがおかれているのが良い（そもそものデータ自体の正確さや疑いをもつべきという松本さんらしい）

・手法の選択は経験値を積んでおきたい。より良いやり方があるのに分析手法のレパートリーを知らないのはもったいない課題解決手法の幅を広げる戦略は正しい。

・PysonとRの使い分け。
Pyson→サービスの一機能として組み込み
R→統計データ分析による意思決定の支援

データサイエンスはおろかＩＴも合理的に使えない昭和の価値観のままの日本の社会や会社組織などを糾弾し、過去のしがらみから脱却せよと熱弁を奮ってのつかみ。データサイエンス導入に当たっての、ビジネス、サイエンス、エンジニアリングそれぞれの立場での視点を解説し、代表的な分析手法の解説を行い、実装そしてビジネ...続きを読むスへの展開と話を進めます。終章ではこれからのビジネスのについて展望します。2章は体系的にまとまっていて良かった印象ですが、1章と3章は散漫な感じですね。2章はだけでもっと詳しく書かれたほうが良かった気がします。

2章の実務の話は面白かったけど、それ以外は実際にデータサイエンティストとしてお仕事してる身としては、内容がちょっと薄すぎた。

ただ、データ活用の仕事の重要性をわかりやすく伝えるには、これくらいの方が良いんだろうな、とは思う。数学の話をし始めると、途端にわかりづらくなるので。

ビジネス志向で、かつ...続きを読む、AIという言葉に踊らされたくない人は、ぜひ読んだ方が良い本です。

データを見る自分に自然とバイアスがかかっていることを認識することができた。複雑なものをシンプルに考えようとしがちだけど、そうじゃない真実もあるということを理解した上でデータを見る必要があるなと感じた。バイアスとの付き合い方を常に意識したい。

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...続きを読む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、対象オリジナルの事象なのかをチェックを漏らさないようにしたい。

本書の中で、グラフの判例や定義が記載されておらず、グラフの意味を解釈できない箇所があったのは少しもったいない。

用いるデータと伝えたい内容（メッセージ）によって使うべきグラフは異なってくる。人口推移であれば線グラフ、年代別構成比であれば円グラフといった具合。
積み上げグラフ、面グラフの使い方について新たな発見があったので、早速使ってみるつもり。

なかなか見ない本音的なお話。その理由は詳しく語られてないが、そんなにうまい話はないよねと思い納得してます。ディープラーニングは何でもできそうなのに。

　グラフの作り方により表現が変わってしまう。本当の真実はいくらあがいても人の目に判断できる状態にはならないだろう。

　




　棒グラフ
　折れ線グラフ
　円グラフ
　レーダーチャート
　ヒートマップ
　散布図
　積み上げグラフ
　

代表的なグラフの紹介とその使いどころについて分かりやすく解説されています。ただ、普段仕事でグラフを使いこなしている方にとってはやや初歩的な内容で物足りないかも知れません。
むしろ、棒グラフや折れ線グラフ、円グラフといった、現代では良く知られているグラフを考案した人やその時代背景等について紹介されてい...続きを読むる部分が、他の書籍とは異なるユニークな点だと思います。
グラフの読み方だけではなく、その特有の「落とし穴」に注意することで、新聞やテレビといったメディアが発する言葉に惑わされることなく、正しく事象を捉えることができるようになります。