データはあくまでも、この世で起こった事象のある一部分を切り取りデータとして表出された何かです。

ある暑い夏の日、喉が渇いたという理由で、コンビニで500ペットの飲料を1つ購買すれば、それがPOSデータという名のデータとして記録されます。

このように、データはあくまでも、ある事象のほんの一部分しか表現していません。それも極一部です。

データサイエンスや機械学習、AI、DXなどで表現されるデータ活用の多くは、この極一部のデータを活用し、この世の何かしらより良い影響を与えようと目論むものです。

そう考えると、データ活用というものは、もの凄いことです。

今回は、「データから垣間見る人間模様を想像する事象理解」というお話しをします。

想像力がものを言う

データ活用で上手くいくかどうかの要素の一つに、想像力というものがあります。

データはあくまでも、この世で起こった事象のある一部分を切り取りデータとして表出された何かです。

ある事象のほんの一部分しか表現していないデータから、その事象をいかに捉えるのか、その手段は想像力しかありません。

コンビニで500ペットの炭酸料がある時間帯に非常に売れた、というデータから事象の全体像を想像する、ということです。

例えば……

• その日とても暑かったから売れたのだろうか
• 近くで何かイベントがあったのだろうか
• 他の商品が品薄で炭酸飲料ばかりになったためだろうか
• キャンペーン中だったからだろうか

……などなど。

そこを見誤ると、とんでもないことが起こるかもしれません。

データ理解とは？

データ活用の第一歩として、「データ理解」というステップがあります。

文字通り、データを理解する、というステップです。

集めたデータを、色々な軸で集計したり、平均値や分散、最大値、最小値などの基本統計量を計算したり、どのようなデータなのかを理解するステップです。

集計したり基本統計量を計算したりするだけでは、データ理解はできません。

なぜならば、データ理解とは、「データを通した事象理解」だからです。

「データを通した事象理解」とは、「そのデータを通しどのような事象が生起したのかを理解する」ということです。

データ理解には現場理解がポイント

データだけをいくら眺めても、事象理解をすることは困難です。

例えば、データサイエンスや機械学習などの初学者が、サンプルデータを使い、データ分析したりモデル構築したりしても、多くの人は実感が無いというか臨場感は沸かないことでしょう。

なぜならば、事象理解していないからです。

事象理解の前提は、現場理解です。現場を知らない人が、その現場を想像するのは困難です。

そのため、データ理解をするには、データが発生している現場や、それを活用する現場などを、直に見に行ったほうが早いです。

そこで、現場の人とお話しができたら、なおいいです。

一番いいのは、現場を体験することです。

現場無視の提言

事象理解のないデータサイエンスや機械学習などは、非常識な提言を誘発します。

某飲料メーカの新卒のデータサイエンティストです。

意気揚々と彼は、次のような提案をもってきました。

• 気温が25度を超えた瞬間に増産する（それにともない工員を採用する）
  
• 気温が25度以下になった瞬間に減産する（それにともない工員を解雇する）

増産するには、働く人を増やし工場のラインの新設が必要になります。そう簡単にできることではありません。減産の場合は、どの逆のことをやる必要があります。

そもそも、従業員の採用と解雇を、気温を理由に秒で行うことはできません。

衝撃の提案ですが、似たようなことを、たまに見かけます。ほぼ、現場理解が足りていないことによる想像力不足です。

この提案はボツになりましたが、彼の愚痴を聞く限り「やる気が足りない。やとうと思っていない。現状維持のぬるま湯に噛まんじている」という感じでした。

本当に、「やる気が足りない。やとうと思っていない。現状維持のぬるま湯に噛まんじている」という理由で、データ活用の提案をボツになることもあるため、彼の愚痴を一概に否定することはできません。

非現実すぎてボツになったのか、やる気の問題でボツになったのか、そこを履き違えると不幸なことになりそうです。

気をつけたいものです。

今回のまとめ

今回は、「データから垣間見る人間模様を想像する事象理解」というお話しをしました。

データはあくまでも、この世で起こった事象のある一部分を切り取りデータとして表出された何かです。

ある暑い夏の日、喉が渇いたという理由で、コンビニで500ペットの飲料を1つ購買すれば、それがPOSデータという名のデータとして記録されます。

このように、データはあくまでも、ある事象のほんの一部分しか表現していません。それも極一部です。

データサイエンスや機械学習、AI、DXなどで表現されるデータ活用の多くは、この極一部のデータを活用し、この世の何かしらより良い影響を与えようと目論むものです。

そう考えると、データ活用というものは、もの凄いことです。

そのため、データ活用で上手くいくかどうかの要素の一つに、想像力というものがあります。

何を想像するのかといえば、データが発生している現場や、それを活用する現場などです。

おすすめは、直に見に行くこと、そこで、現場の人とお話しができたら、なおいいです。

一番いいのは、現場を体験することです。目で見たり話しを聞いたりすること以上の理解を得ることができます。

最悪なのは、想像することができないままデータ分析やモデル構築などを行い、非現実な何かを押し売りし、強烈な拒絶に合うことです。