西内啓のレビュー一覧

統計学が最強の学問である［ビジネス編］

本書の結論は、企業の収益性を向上させるためには先人が積み重ねた理論を自社に適用できるようにカスタマイズする必要があり、そのために統計リテラシーを身につけようということである。本書では抜本的な幹となる活動の改善を最終目的とし、経営戦略、人的資源、マーケティング、オペレーションの4つの領域について理論と具体的な分析手順が詳しく解説されている。本感想では、なぜ先人の理論に加えて統計解析が必要となるのか、どのように統計解析をするのかという2点について述べる。
1. なぜ先人の理論に加えて統計解析が必要となるのか
どのような状況にも適用できる万能な理論は発見されていないからである。例えば、経営戦略を考える際に有名なフレームワークとして外部環境に着目するSCP理論、内部環境に着目するRBVがあるが、これらはどちらかが間違っているのではなく、「状況次第」で使い分ける必要がある。そしてそのヒントは企業のデータを用いた統計解析によって得られるのである。
2.どのように統計解析をするのか
統計解析の手順は、分析対象の設定→説明変数とアウトカムの決定→データ収集→データ分析→分析結果の解釈とアクションである。各手順の詳細は本書に任せるが、最も重要なポイントは最終目的に沿ったアクションを起こせるように解析を行うことである。

企業の収益性を高めることはすべてのビジネスマンに求められる課題である。経営学の理論、データ分析の両方に精通することで、ビジネスマンとしての市場価値をより高めることができると感じた。

データでもっと儲ける方法 経営とマーケティングのためのアナリティクスデザイン

第一章では、データの加工やクレンジングの大切さを説きます。第二章では何を最大化もしくは最小化したいのか（アウトカム）それを何毎に比べるのか（解析単位）というリーチデザインの考え方を分かり易い例を挙げて説明します。第三章では機械学習は対象（解析単位）ごとに目的変数（アウトカム）を正確に予測し、最適な選択肢を提示するものとデータ分析との違いを定義するもリーチデザインは同じように重要と説きます。AIの価値を判断する基準として総負荷量、安定性、有効性、責任性、感情性を挙げ、クロスバリデーション法（交差検証）の必要性についても言及してます。終章ではデータ活用のプロジェクトチームについて説明するも最も重要なのは数字と理屈で意思決定のリスクを取れるボスとしてます。表題に「もっと儲ける」とありますが、内容は巷に広がる間違ったデータ分析やAIの使い方を憂い正しいをやり方を指南する書となっています。コラムと称して、自社製品のdata Ferry,data Diver,data Snaiperなら、先に挙げた面倒な作業が簡単にできると説明されてます。とても勉強になる良書でしたが、データでもっとも儲かるのはデータビークルさんのようです。

統計学が最強の学問である［実践編］

最近読んだ統計学の本の中で1番面白かった。
統計学をビジネスとしてどう活用するのか？が非常に丁寧に書かれており、ビジネスマンは是非読んだ方が良い1冊だなと思いました。

統計学が最強の学問である［ビジネス編］

具体的な統計の使い方が書いてあるので、すぐにでも実行できそうなものもあった。特に人事とマーケティングに関しては簡単にできそうだという感触を受けた。

予測よりも洞察のための統計が重要視されているのは前著、前々著の精神を受け継いでいる。

統計学が最強の学問である［実践編］

まずは、重回帰分析を最初にすればいいということが分かった。そうすれば一単位増えたらどれだけ増減するのかということがわかり、直観的にもわかりやすくなるからだ。

因子分析はカテゴリーの縮約に使えることも分かった。類似したカテゴリーがあると、データ的には情報量が増えないので、そういうデータはまとめてしまって、さらに重回帰分析に落としこめばいいということも分かった。

ただ、肝心なのは、自分の手元にそういうデータがないということである。統計学は最強であるといっても、目的がなければ何にもならないということが分かった。

統計学が最強の学問である［実践編］

2018年に読んだ本BEST10

第9位 :『統計学が最強の学問である[実践編]―データ分析のための思想と方法』

・数学者の先生が書いた、ビジネスで統計学を活用するための入門書 第二弾。数年前に読んだ前著『統計学が最強の学問である』は、統計学がどのように世の中の役に立っているのかという事例などが書かれた、入門の入門だったが、今回は、問題の種類ごとにどのようなデータ分析手法を用いるのか、が中心。

・自分のSEの業務の中でも、BIツール、機械学習などを扱っているのだけれど、それらと統計学の繋がりが少し分かった気がする。統計学の使用目的には、「(1)現状の把握」「(2)因果関係の洞察」 「(3)今後の予測」があり、(1)が ExcelやBIツールによる「データ抽出・可視化」、(3)が機械学習による「回帰予測」と「クラス分類」。そして、(2)が本著で扱う「洞察のための統計学」である、という点は腑に落ちた。

・紹介されている分析手法は、重回帰分析、ロジスティック回帰、クラスター分析など。数式ほとんど無しで概要のみの説明なので、読みやすいのだけれど、正直ほとんど理解は出来ていない。でも、説明変数（入力項目）とアウトカム（出力結果）の種類（質的か量的か）ごとに、どのデータ分析手法を使うか、という表は、今後もっと深く勉強していってから立ち戻ると、重宝しそう。

・「データ分析・機械学習の手法の選択」は、近い将来 SEの仕事が定型化・効率化・自動化されて減っていった時でも、機械に出来ない仕事の一つになりそうなので、今の内に統計学を勉強しておきたい。今後も、同分野の本を継続して読んでいくつもり。学生の頃、社会に出て数学が何の役に立つのか、と疑問だったが、今は必要性を実感している。

統計学が最強の学問である［実践編］

統計学をビジネスに活かすためのヒントやその手法。
ビジネスに当てはめると、解釈が難しく、実際の行動に活かせない事に対して、逆引き的に統計手法を教えてくれる。

シグナル&ノイズ 天才データアナリストの「予測学」

・統計学の勉強本ではなくて，「目の前にあるデータの見方についての誤りを正すための警告をしている本」だろうか。この本で統計学の勉強はできないが，普通の教科書よりもずっと豊富な知見を与えてくれる。

・人はシグナルとノイズの区別はできない。特に事前には。
・データ量を多くしても予測が正確になるとは限らない。シグナルよりもノイズが増える方が多い。
・結果として人はデータに騙される。本当は「騙された」わけではなくて，「見誤っている」だけなのだが。

統計学が最強の学問である［数学編］―――データ分析と機械学習のための新しい教科書

算数及び数学の説明が素晴らしかった。
高校のときに、落第生だった自分でも何とか最後まで読み進めることができた。高校のときにわからなかったことが、わかるようになった。いったいこの手法が何の役に立つのか？を含めて。
著者の伝えようとする熱意と愛が伝わってきた。

シグナル&ノイズ 天才データアナリストの「予測学」

邦訳されたすぐ後に買っていたのだが1/3くらい読んだところで放りだしていた。分厚いながらも別に読みにくい本ではないのに。このたび、家ですごす連休のお供として引っぱり出したのだが、これがまたコロナの時代にピッタリの内容であった。いま世界中が、きわめて不確実な状況に置かれながら少しずつ明らかになるウイルス/疾病の情報をもとに今後の見通しを更新していく、まさにベイズ的な過程のただなかにいる。私たちが「知っていること」と「知っていると思っていること」の違いを識別しなければならないと教えてくれる本だ。

ネイト・シルバーの文章には論理的な明晰さがあって読みやすい。少し斜に構えたユーモアとあわせて、なんとなく余白がない感じがアメリカ的な薄っぺらさとも言えるのかもしれないが、読んでいるこちらまで少しアタマが良くなったような気がしてくる。

本領である選挙やスポーツの予測にはじまり、金融、経済、気候、地震、テロリズムなどなど意欲的に幅広い分野の予測をテーマとしている。個人的には、シルバーの個人的な体験であるオンライン・ポーカーのくだりを特に興味深く読んだ。彼の実践的なスタイルは鉄火場で培われたのではないかと思わせる。

まさにタイムリーにインフルエンザなどの感染症の予測、疫学モデルにも1章を割いている。SIRモデルはシンプルすぎる（多様な行動をとる異なる人々のグループを捨象してしまっている）として批判しているが、ワタクシの最近の付け焼き刃知見では、そこらへんの多様性を導入したモデルもすでにあるようだ。これについては、この数年間での疫学の進歩なのか、単に著者のリサーチ不足なのかは不明。

サラリーマンの悩みのほとんどにはすでに学問的な「答え」が出ている

"多くのサラリーマンが一度は思い浮かべる悩みについて、アカデミックな見解をわかりやすく紹介している。たとえば、なぜいくらがんばっても給料が上がらないのか？ということについて読み解いていく。
誰もががんばっているし、個人、個人に置き換えると、いろんな意見が出てきそうな設問。その答えは至極まっとうなもので、利益を生み出すには新しいやり方を生み出す必要がある。読み書きそろばん程度の知恵ではなく大学以上の学問でないと、世界では通用しない。「給料あがらね～」と嘆く前に、学ぶべきことを学び新しいやり方を生み出しなさい。

ははぁ～　ごもっとも。

読み物としても面白い本だった。"

統計学が最強の学問である［数学編］―――データ分析と機械学習のための新しい教科書

統計学と機械学習で背景にある道具立てとしての数学は同じあるとの説明から始まる。ここで数年前にビッグデータ処理と称されていたことが現在人工知能と呼ばれる理由がよく分かる。
そして、これらで必要な数学の基本、二次関数、二項定理、対数、ベクトル・行列そして微分・積分を紹介し、終章ではディープラーニングでの活用事例を解説する流れになっている。
統計学あるいは機械学習のテキストをチラッと見ると数式が並んでいる。その数式を理解できるようになるためには、数学の何を勉強しておけば良いのかがわかるのが本書だ。さらっと読んで分からなかったところは読み直すか、場合によっては別の数学のテキストなどで勉強する必要がありそうです。

サラリーマンの悩みのほとんどにはすでに学問的な「答え」が出ている

この本は、星5個では足りない。星10個に値する。
ほとんどの悩みについて、すでに研究されており、科学的に答えが出ているとして、その答えを教えてくれる本。
詳しく知りたいときの参考図書も示されていて、自ら学ぼうとする人にとって大変有益な本。

思い当たる悩みがワンサカ出てくるが、そのすべてに「すでに答えが出ている」と言われ、びっくり。
悩みについて科学的に解決を図りたい人にはぴったりでしょう。

統計学が最強の学問である［数学編］―――データ分析と機械学習のための新しい教科書

2018003冊目。

AIやディープラーニングに興味があり手にした一冊。今までの著者の統計学シリーズがあまり数式に頼らなかったので、数学編はそのあたりの事を詳しく解説してあります。統計学の本と言うよりも統計学に役立つ数学の本でしょうか。

数式の証明もひとつひとつ丁寧に書かれているので、流れをきちんと見て行くことができます。二項分布、行列は何となく昔学んだことを思い出しながら、ベクトルや微積分、偏微分辺りになると時間の関係で、なかなか本質が理解できない所も。機械学習の話は流し読みですけど、数学の方程式などを見ていると、綺麗にまとまっているものは美しいと感じます。

物事の本質を知ることは、簡単な作業ではないなと実感。

統計学が日本を救う 少子高齢化、貧困、経済成長

・少子高齢化の本質は高齢化ではなく少子化である。
・社会福祉は必ずしも弱者救済の為ではなく治安維持が目的。その恩恵は社会全体が享受できる。歴史に学ばない人は、政策の結果についての想像力が乏しい。
・最も効率的な政策は、原因を直接叩くこと。幼児教育は最も費用対効果の高いお買い得な政策。
・終末期医療にかけられる費用には限界があり、経済効用を考慮していくらまで負担しても良いのかコンセンサスを得ることが重要。
・経済成長と人口増加に相関はなく、教育とR&Dに投資することで十分に成長は可能。
などなど、データに基づき論理的に論を組み立てていて非情に説得力がある。
ここから推定できるのは、今話題のベーシックインカムは期待通りの結末にはなりそうもないということ。ほとんどの労働者の賃金は最低賃金に張り付くし、旧ソ連のように労働生産性も下がる。

思うに、与党政治家も官僚もこの程度の事は十分に理解しているのではないか。ただ低賃金で働く底辺労働者がいなければ資本家にとって困るから、国力が下がろうとも敢えて公平な分配や教育への投資を妨げていると考えるのは穿ちすぎだろうか。官僚、政治家、資本家など特権階級だけが世代を超えて富を受け継ぐ社会を目指しているように見える。

統計学が最強の学問である［実践編］

与えられた情報から、いかに正しい結論（アウトカム）を導き出すかということについて、統計学の重要性とその苦心の歴史が書かれた前著。それを通じて統計学に目覚めた読者に対して「では実践として」と書かれたものです。統計学に興味を持ってもらうことも意識されていた前著と違い、本書ではその次の段階として書かれています。ビジネスの現場で統計学をどのように使うのか、その手法をできるだけ数式を使わずに書かれているところに著者の苦心が見れます。文系の私では理解しにくいところも多く、難解さを感じながら読ませていただきましたが。著者の数式で解説すれば一行で済むところを、回りくどく根気を込めて書かれているおかげでなんとか読み切ることができました。
与えられたデータから、効果的なアウトカムを導き出す。その過程は完全に理解できたとは言えませんでした。しかし、そのアウトカムの持つ意味と、それがどのようなデータから導き出せるのかが理解できただけでも読む価値があったと思います。

シグナル&ノイズ 天才データアナリストの「予測学」

自分が興味ある分野だけに、500ページのボリュームでしたが、かなり興味深く読みました。
リーマンショックや巨大地震、インフルエンザなどの予測に関する失敗のエピソードは、参考になりました。
著者は、最近のビックデータ分析で用いられているベイズ統計の重要性と推奨をしてます。
ある事象を分析する上で、その事象が起こる前の事前確率を見積もり、現実の事実を組み合わせて、確率的に予測する理論です。
ベイズ的アプローチは、問題解決のための観察・仮説形成・検証というアプローチと、概ね同じプロセス・思考法であるという切り口は、圧巻でした。
また、ベイズ統計が批判されている部分である、事前確率に主観性が入ることについても、大まかですが人間が思考して行動する以上は主観性は避けられず、またベイズ統計の、日々変化している世の中の事実に対応出来る柔軟性があれば、問題を最小限に抑えることができるという論には、なるほどと感じました。
いままで自分は、多変量解析など頻度論での統計解析を経験してきましたが、解析対象と実際の頻度理論が乖離しており、解析後に再解釈するという場面が多く、馴染みにくいというのが現実です。それ故、なかなか統計学が世の中に浸透しない一因かと思います。
一方、ベイズ統計の場合、自分の思考そのものをベイズ的に変えることができれば、解析対象そのものの思考がベイズ的思考で考えるので、合理的であると思います。
ぜひ自分の身の回りに適用していきたい考え方だなと、あらためて感じ入りました。
ちなみに、他の予測に関するエピソードとして、ポーカー勝負、地球温暖化、テロ防止のための国家インテリジェンスなど、多様です。
この様な予測に関する学習ができる本を探していた自分としては、大ラッキーでした。

統計学が最強の学問である［実践編］

以前に「統計学が最強の学問である」を購入し感銘を受けました。
この度、QC検定を受験することになり、さらに手法の考え方を深めるために、本書を読みました。
フィッシャーの統計論に基づき、基本統計量の説明から、検定・推定、回帰分析、因子分析、クラスター分析までを守備範囲とし、本質の理解と手法の活用プロセスについて、安易に解説頂いております。
GACCOでも統計の科目を受講しており、学びが一層深まりました。

統計学が最強の学問である［ビジネス編］

センスと事例で分析をするなとして、先人がどこまでのことを明らかにしていて、どこまでのことか分かっていないかを把握して、まだ分かっていない重要なことを減らすためにはどのようにデータを集めて分析するかを考える「リサーチデザイン」の紹介を導入に、経営戦略、人事、マーケティング、オペレーションとリサーチデザインのひな形を挙げて説明する。
それぞれに分かり易い事例などと合わせて陥り易い間違えなどにも言及されていて、理解が容易な構成になってます。
とにかく小さくでも分析を始めて、その結果を元に、実際に試してみる。そこから何をどう分析するかを増やし、更に試行を行う。その繰り返しで大きな分析と実践に繋げていくのが良さそうです。

シグナル&ノイズ 天才データアナリストの「予測学」

地震予知、地球温暖化予測で用いられるデータの信憑性に関して、もやもやとしたものがあったが、本書を読んで見方が多少分かってきた。因果関係と相関関係、データ中に含まれるノイズ、そのデータを使う人の目的などを知り、安易に騙されないよう心掛けたい。特に自分に都合の良い意見を持っている人のよりどころとしているデータに関しては客観的に見直したり、反対意見の人の考えも排除しすぎないよう注意しよう。