データ・ドリブン社会の創発と戦略(安宅 和人) 第二回
上記の講義を受けて有益であったinputを備忘録としてまとめていく。
・「規模→富」から「未来を作る力(妄想力)→富」に。
ex)TESLAは、販売台数が100倍以上も違うトヨタなど自動車産業のトップ企業に、マーケットキャップ(時価総額：＝ 株価×発券株数 ≒ 企業価値 )でほとんど勝っていた。(イーロンマスクの失言などもあり株価が落ち、実現してないが、、、、)
・課題解決(未来実現)=課題発見(夢・未来の妄想)×技術×デザイン
・どうデザインし、どう付加価値を生み出すかが勝負。
当たり前だが、ただ技術を使うだけでなく価値を生み出すのが大切。目的は価値を生み出すこと。
・今までと勝つ人の特徴が変わった。
みんなが走る競争で強い人(資格)→あまり多くの人が目指さない領域のいくつかでやばい人
科学・工学・法律・医学など個別領域の専門家→妄想力があり複数の領域をつないで形にする人(課題×技術×デザイン)
自分で何でもできる人→どんな話題でもそれぞれ自分が頼れるすごい人を知ってる人
・基礎教養は
「母国語＋世界語＋問題解決能力＋データリテラシー」
世界語とは英語と中国語のこと。
問題解決能力は講義でおっしゃられたわけではないが、「イシューからはじめよ」で深く扱ってそう。
データリテラシーは分析力やデータドリブンな思考力などで詳しくは一回目の講義の箇条書きの一番最後。
・分析とは比較
ex)日本語の特徴を分析しようとしたら、日本語以外の言語を知らないと何も言えない。
Aを分析しようとしたらAとA以外のものと比較しないとAが見えてこない。
＋ 定性的ではなく定量的であるべき。
・定量分析の3つの基本
量比較・割合比較・変化比較
全ての比較はこれらそのもの、またはこれらのかけ合わせである。
(左：量比較の代表 中：割合比較の代表 右：変化比較の代表)
イシューからはじめよにもさらに詳しく書いてます。
・ダメな分析パターン
言いたいメッセージ仮説がない。ただデータを並べれば何かが出てくると思っている。
→それが分析をする目的になるので、仮説は一番最初に立てるべき。
意味合いがない。
→分析の軸が不適切。
分析対象が決め打ちされている。データが作為的(都合のいい層しかアンケート対象にしていないなど)。
→データに問題がある。
比較できるはずのないものを比較している。足せないものを足してる。
→異質なものの比較。
言えるはずのないことを言っている。
→解釈力がない。
・良い分析の条件
目的がクリア
適切な比較軸
→軸は2つあって、条件軸と結果軸。この二つのかけ合わせを考える。
評価軸の広がりに十分な意味合いがある
比較がフェア(作為的でない)
意味合いだしがクリア
・意味合いの発見の本質は「違いの発見」
偏りがあったり、ほかでは見られないパターンがあったり、変化があったりを発見することが意味合い出しにつながる。
＋ 違いがあると信じられていた(期待・予想していた)のにも関わらず違いが見いだせないのも「(期待・予想との)違い」の発見。
意味合いを出すにあたって求められる違いの大きさは各分野によって異なるが明快であることは基本的に必要。
・平均は思ったより信用ならない
所得分布がいい例だが、平均と最頻値に大きなずれがある場合も珍しくない。
慶應義塾大学 データ・ドリブン社会の創発と戦略 第02回
安宅和人
この記事が気に入ったらサポートをしてみませんか？