見出し画像

良い習慣を身につけよう！（5月活動記録）

こーし

どうも。こんにちは。
ケミカルエンジニアのこーしです。

5月もあっという間に終わってしまいましたね。
毎日一歩ずつでも進んでいかないと、あっという間に時間が過ぎ、何も為せずに後悔する未来が見えてしまいます。。
よって、毎日コツコツ積み上げていく習慣を身につけたいと考えています。


1．所感

（1）習慣化アプリ「Streaks」

コツコツ積み上げるための仕組みを作りたいと思い、習慣化アプリ「Streaks」をインストールしてみました。
（今のところ、21日連続で継続できている項目があります！）

この習慣化アプリ「Streaks」を使って日々の進捗管理を行い、毎月のnote（活動記録）で、月の進捗と新しい取り組みについて管理していきたいと思います！

また、自ら進んでやる努力（精進）は、どんなに疲弊したとしてもストレスにならない実感があります。自分の成長を実感できるからでしょうか。
”楽しく”自らを追い込んでみましょう！

（2）活動記録

毎度のことですが、年初に掲げた目標の進捗確認をしてみます。

すでに5ヶ月経ちましたので、目標の進捗率は5/12  = 41.7%です。
では、見ていきます。
①ブログ100記事到達 +29記事　8/29 = 27.6% ×
②note ＋20記事　この記事含め 6/20 = 30.0% △
③X +300ポスト　62/300 = 20.7% ×（2024/6/8 20:30時点）
④読書　30冊　19/30 = 63.3% ◎

ブログとXの投稿の進捗が思わしくないですね。。
毎月、このnote（活動記録）を書くことで「やらなきゃ」とモチベーションを復活させています。

2．気になるニュース

（1）旭化成のDX

旭化成は4年連続でDX銘柄に選定されました。
化学メーカーでは、一歩進んだ企業であるということでしょう。

先日、DXセミナーで旭化成の講演を聴きました。
特に印象が残ったのが「DX人材教育」です。

一般に、DXの進め方は下記の流れになります。
①デジタル化（ペーパーレスなど）
②見える化
③統計解析（予測・最適化）
（⇒本当はこの先にビジネスモデルの変革、新しい価値の創出が必要）

しかし、DX人材教育は逆の流れの方が上手くいくそうです。
①統計解析（予測・最適化）
②見える化
③デジタル化（ペーパーレスなど）

まず、サンプルデータなどで統計解析を身につけ、その後、見える化ツール（TableauやPowerBIなど）でダッシュボードを作成し、最後にデータになっていない帳票などをデジタル化していきます。

これは確かに、一理あると思いました。

データをどう活用できるか最終ゴールが見えた上で、どんなデータが欲しいかを考えた方がモチベーションが湧いてきます。

製造現場では、デジタル化ばかりに目が行きがちですが、運転員含め、統計基礎を勉強し、見える化ツールを使いこなす重要性が理解できました。

日本企業の強みは、「教育」です。
社員全員がデータ解析を使いこなす。そんな職場を目指したいですね。

（2）デジタル化で疲弊する日本

最近話題になっている「デジタル赤字」について調べてみました。
詳細を書くと長くなりそうなので、別記事にまとめたいと思います。

要点だけまとめると、

  • 日本のデジタル赤字は世界1位（▲5.5兆円）

  • 3年連続貿易赤字

  • つまり、デジタル化しても輸出品に付加価値が付けられていない

  • お金がどんどん海外に流れ円安に向かっている
    （インバウンドでいくらか挽回しているが）

デジタル投資は徐々に進んできているが、価値の創出に結びついていないことは明白です。

直接価値に結びつかないのに、デジタルサービスに依存し、サブスクの支払いが増えていき、お金を安易に海外に流出させてはいないでしょうか。

  • クラウドサービス

  • PC関連ソフト

  • データ解析ツール

  • 見える化ツール

  • 経費処理、人事評価、購買管理などのソフト関連

  • PLC、DCS周りの制御系ソフトウェア
    など

挙げるとキリがありません。

単なるデジタル化を推進するだけでは、日本はドンドン貧しくなってしまいます。デジタルトランスフォーメーション（変革）を起こさないといけないのです。

デジタル化して満足するのではなく、本当に「危機感」を持って、ＤＸ（ビジネスモデル変革、価値創出）に取り組まないといけないことがわかりました。

3．データサイエンス勉強記録

今月は、Python＆統計ブログを2記事書きました！

（1）決定木とランダムフォレストによる重回帰分析

決定木やランダムフォレストは有名ですが、回帰分析に使われている例は少ないため、ブログ記事で解説してみました。

また、ランダムフォレストの重要度に基づく変数選択手法であるBorutaの解説記事を書くための下準備という位置づけでもあります。

（2）Borutaによる変数（特徴量）選択

実務でもよく使う変数選択手法であるBorutaを解説してみました。
アルゴリズムが直感的にわかりやすく、Pythonコードも非常に簡単なので、オススメの変数選択手法です。

ステップワイズ法や、LASSO、遺伝的アルゴリズム（GA）、PLS-VIPなどと比較しても、Borutaで変数選択した方が、予測精度が良くなる傾向があります。

ブログ記事にまとめることで、「なぜ過学習しにくいのか」や「選択される特徴量の数の調整方法」が以前より深く理解できました。

（3）今後の勉強予定

そのほかの変数選択手法として、下記について整理しブログにまとめたいなと考えています。

  • LASSO

  • PLS-VIP

  • NCSC-VS

その後、下記の回帰分析手法についてもブログに書けたら良いなと思ってます。

  • SVR（サポートベクター回帰）

  • ガウス過程回帰

  • LightGBM

あと、異常検知にも興味があるので、そちらの勉強をするとブログ執筆（変数選択手法や回帰分析）は後回しになってしまうかもしれません。

一歩一歩進むことが大事なので、（優先順位や自分のやる気と相談しながら）気ままに楽しくお勉強していきます！

（4）DX人材教育

旭化成のＤＸでも触れましたが、ＤＸ人材教育では、まず「統計解析」を身につけることが重要です。

統計検定2級レベルの統計基礎を全員に身につけてもらうにはどうするべきか、「ＤＸ人材教育」にも目を向けていきたいと思います。

ブログ記事でも良いですし、何かしら自分にしかできないことを模索してみようと思います。

ここまで読んでいただき、ありがとうございました。
ではまた、今月もコツコツと楽しくお勉強していきましょう！

この記事が気に入ったらサポートをしてみませんか？