「データ駆動型ビジネス」の課題を整理
突っ込みどころ満載の“おかしな分析グラフ”はなぜ生まれるのか
大量のデータをビジネスに生かす「データ駆動型ビジネス」。その推進に当たり、データ分析者の焦りや先入観が思わぬ落とし穴になりかねない。
ネイト・シルバー氏は、ブロガーおよびデータジャーナリストとして名をはせている。米政治・経済ブログ「FiveThirtyEight」の創設者および編集長として、多くの企業の経営幹部と同じ観点から、大量のデータをビジネスに活用する「データ駆動型ビジネス」の問題を見ている。「企業の意思決定プロセスのどこに分析が適合するのか」「どのツールをデータ分析に使用するのか」「Webサイトの情報分析に、十分な時間を掛けるようにするのか」という問題だ。
これらのタスクには非常に時間がかかる。その理由の1つは、ビジネスデータ分析の分野では、データの分析や視覚化、解釈についての業界のスタンダードとベストプラクティスの策定が遅れていることだ。
「このトピックについて話し続けて数年になる。話せば話すほど、私たちのフラストレーションはたまる一方だ」。2015年8月中旬に米ボストンで開催された「HP Big Data Conference」で、シルバー氏はこう語った。
「先入観」がデータ駆動型ビジネスの邪魔をする
スタンダードとベストプラクティスの欠如の問題は、「偏った分析」と「誤解を招く視覚化」という形で表面化すると、シルバー氏は指摘する。いずれも意図的なものではないが、ユーザーは存在しない可能性のある関連性を見ようとしたり、相関関係(一方が変化すれば他方も変化する関係)しかない事象に因果関係(一方が原因、他方が結果となる関係)を見いだそうとするとシルバー氏は考えている。「分析結果が有効であるように見せたい」というユーザーの思いが、こうした状況を招いている可能性があるという。
大量のデータを扱う“真のビッグデータ環境”で作業をしているときには、先入観の問題がさらに顕著になることがあるとシルバー氏は指摘する。分析は、さまざまな事象の間にある関係を理解することだ。当然ながら、扱う事象の数が増えるにつれて、分析対象となる事象間の関係は飛躍的に増加する。その結果、全てを理解することはさらに困難になる。
ここで先入観が入ってくる。特に突出して重要な関係が見つからない場合でも、ユーザーは自分にとって最も意味を成しそうな1、2件の事象を選んで関係を見いだそうとし、「この判断は数値によって裏付けられている」などと主張しがちだ。実際はそうではない可能性があるにもかかわらず、である。「データの量が増えるほど、先入観が入り込みやすくなる」というのが、シルバー氏の考えだ。
データの可視化がうまくいかないことは「往々にしてある」とシルバー氏は語る。その理由は2つだ。1つはデータを詰め込みすぎてデータを解釈できなくなること。もう1つは、データを除去しすぎた結果、有益なデータとなるために必要なコンテキスト(文脈)が剥ぎ取られてしまうことだ。
グラフにはシンプルかつ一貫した測定尺度と視覚要素を使用すべきであると、シルバー氏は警告する。そうしないと、専門知識のある分析チーム以外の人が視覚化したデータを目にしたときに、問題が発生しかねないからだ。
見た目を良くしようとするばかりに、分析結果を支持するコンテキストを削除しすぎてしまうことが、こうした問題の原因だとシルバー氏は言う。「不適切な視覚化がなされたデータは多い。その点で、例えば広報部門に視覚化を任せることには慎重になるべきだ」
「直感」を侮るなかれ
データ駆動型ビジネスに潜むこうした落とし穴に対処する方法の1つは、意思決定プロセスにおけるデータの役割を明確に規定することである。企業は全プロセスの遂行をデータに依存する必要はない。プロセスの最初の80%をデータに先導させて、それ以降は人に任せるのがよいとシルバー氏は主張する。
こうしたプロセスの進め方をすれば、分析の真偽を確認することが容易になる。その結果、分析モデルに根付く先入観を是正できるかもしれない。最終意思決定者が分析モデルの推奨事項について、「社会通念と大きく矛盾する」と感じた場合は、分析モデルに先入観が入り込んでいるか、あるいはデータが不適切であることの兆候だと捉えることができるはずだ。
こうした議論はいずれも、分析のベストプラクティス策定に向けた動きだとシルバー氏は考えている。多くの企業にとって、データ駆動型のアプローチを意思決定に適用することは、比較的新しい概念である。とはいえ、普及が進むにつれて標準化は進むはずだ。「ベストプラクティスは、まだ模索中だ。現時点では、スタンダードについて検討している段階であり、それもまだ始まったばかりだ」とシルバー氏は語る。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
プレミアムコンテンツ
[アイティメディア株式会社] AI活用を成功に導く「オブジェクトストレージ」 NAS/SANの限界を突破するには -
プレミアムコンテンツ
[アイティメディア株式会社] 「性能ならSSD」「大容量ならHDD」はもう古い? 変わるストレージの常識 -
プレミアムコンテンツ
[アイティメディア株式会社] 「オンプレミス回帰」がまさかの失敗に クラウドをやめずに安くする最適化手法 -
事例
[発注ナビ株式会社] AI活用を成功させる企業とそうでない企業の違いとは? -
製品レビュー
[発注ナビ株式会社] システム開発「はじめの一歩」 押さえておきたい基礎知識と失敗を防ぐ方法
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
SAP移行で1900億円の赤字 「ベンダー任せ」が招くERP崩壊と回避策
-
2
「VMware vCenter」でゼロデイ悪用、PHPも修正――今朝の情シスニュース
-
3
「Copilot利用率99%」デンソー驚異の定着術 3万人を動かした“社長賞”の舞台裏
-
4
「GPT-6.1 Terra」は半額 それでもなぜ企業はAIモデルを選べないのか?
-
5
「nginx」のHTTP/2脆弱性(CVSS 9.2)、パッチ適用までの緊急チェックリスト
-
6
積水化学工業が「SAP S/4HANA Cloud」の“全グループ導入”に踏み切った訳
-
7
AIに長文を入力する際の「コンテキストウィンドウ」の適切な扱い方はどれ?
-
8
“アジャイルの壁”に挑むオリックス生命がIBMの開発管理ツールを選んだ理由
-
9
「Chrome」「Edge」「Firefox」のメモリ使用量はどれだけ違う? 測定してみた
-
10
「Active Directory」復旧で“詰む”企業が続出 ランサムウェアに備える4対策
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
SCS評価制度時代の「SASE選定」ガイド
-
3
Microsoft 365 Copilotを安全&効果的に活用するために必要な「2つの準備」
-
4
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
5
パスワード管理だけで十分? 特権アクセスを脅かす暗号鍵の放置リスクとは
-
6
すぐ分かる「AWS WAF」ガイド:特徴・運用課題・メリットを解説
-
7
マンガで解説:情シスの負担を減らす「MDRサービスのインシデント対応」の中身
-
8
「Copilot Cowork」でこう変わる AIエージェント時代の新たな働き方とは
-
9
AI活用で激化する外部・内部リスク、取引先へ波及する脅威から守る対策とは?
-
10
Microsoft 365 Copilotで実際何ができる? 回答の精度を高めるRAGとは?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー