Tweet

以前、ビックデータ時代だからこそスモールデータの手法の理解も大事というエントリを投稿しました。

で、自分はあまりテレビを見ないのですが、たまたまCNNによる世論調査で1000名を対象に米国時期大統領トランプ氏を支持するかしないかについて、世論調査したところ以前オバマ氏が81%のところ40%で支持率が低いという報道でした。

あらかじめ言うと、自分はこの結果に、とく賛成・反対はありません。むしろ、純粋にデータサイエンス的にこれが有意かどうか純粋に興味があります。

一番、確実なアプローチは、米国民３．１８９億人に賛成か反対かを問うこと。いわゆる、ビックデータのアプローチ。ただ、これが本当にできるかといえば意外と難しい気がする。１１月の大統領選挙でも、多くのメディアがヒラリー氏優先と伝えたものの、蓋を開けたら違う結果になったように、”ビックデータ”で解決できる話でないと思う。

となると、やっぱり、母集団からサンプリングして、そのサンプルから母集団を推定するというアプローチが妥当で、統計の世界では、サンプルの許容誤差という考え方があります。一般的には誤差５％つまり１００のうち９５が正しくて５が誤ると想定すると、許容誤差のサンプル数は(正規分布の5%信頼水準 1.96)^2 x (支持率 0.5ｘ非支持率 0.5)/(標本誤差 0.05)^2 = 384、つまり、384人にアンケートを取れば、理論上、許容誤差に収まる、なので、1000人は許容誤差の範囲といえるかもしれない。

ただ、この5％の許容誤差を1％にすると、(正規分布の5%信頼水準 2.58)^2 x (支持率 0.5ｘ非支持率 0.5)/(標本誤差 0.01)^2 = 16,641人、384人くらべて43倍のサンプル数が必要になる。

というわけで、ここから何がいえるか？この許容誤差の5%というのは、完全無作為に抽出する前提であれば成立するかもしれない。ただ、ただでさえ、CNNはトランプ氏から”うそのメディア”というレッテルを貼れて、質疑を拒否されたほど対立関係にあるので、もしかしたら、何かしらのバイアスがかかって”完全無作為”とはなっていないかもしれない。

というわけで、この精度をあげるには、１．CNNとは独立な機関によってサンプル抽出する、もしくは、２．許容誤差を5%から下げる、ともう少し尤もらしくなると思うのでした。

Tweet

　日経新聞のカルロス・ゴーン氏の私の履歴書を読んでいて、共感するところがありました。

　彼がルノーあるいは日産において、不振の要因が縦割りの組織にあると感じ、「会議では自己主張や実りのない議論が多く、何も決まらない。何か起きれば、言い訳が先行する」状態だったと。そして、これを変えるべくクロスファンクショナルチームをつくる。それによって、部門壁を壊し、風通しを良くして一緒に問題の解決にあたる状況をつくると。

　自分は製造業の経験はないけど、IT企業においても、これがズバリ当てはまる。IT企業の場合の多くは開発と営業の厚い壁があるケースが多い。開発は、”営業がムリな案件とってきた、仕様がムチャクチャ”と営業の詰る。一方で、営業は、”開発が遅い、バグが多い”と開発のせいにしがち。自分の経験上、開発と営業の溝が深いほど、企業の業績は落ちる、逆に、開発と営業との距離が近いほど、業績は総じて手堅い。

　で、この溝を解決するには、一つしかない。それは、マネジメントによるハンズオン・介入。開発はいつも営業が悪いというけど、たまには営業が正しいこともある、逆もしかり。だからこそ、マネジメントが場を作って、しっかりと受け止めて、フェアに判断する、そして、仕組みを作る。ま、一言でいえば、リーダーシップですね。

　「一方聞いて沙汰するな」、もうだいぶ時間がたってしまいましたが、大河ドラマ篤姫の主人公が常に心がけたことです。やっぱり、開発の話を聞いて沙汰するのではなく、開発と営業、両方の言い分をきちんと聞いて沙汰する。翻って、ゴーン氏はこうした判断能力が卓越していると思う、で、自分もまだまだだけど少しで近づければなあと思ったのでした。
　
　

Tweet

昨日、今日と和倉温泉の加賀屋にいく機会があり、いろいろと気づきがありました。

　いままで世界中でいろいろなホテル・旅館に滞在する機会がありましたが、加賀屋はおもてなしという点では、自分の中ではダントツでベストです。すばらしい旅館です。やはり、従業員一人一人が「どうしたらお客さまにとって過ごしやすい滞在ができるか」ということを徹底的に考えていて、すべてがその目線でサービスされています。たとえば、浴衣だと寝にくいだろうという配慮から夜にはパジャマを提供したり、男性には男性向けの食器、女性には女性の食器、アメニティ、タオル、何から何まで、ここまでやるかというところまで徹底しています。なので、1回だけではなく2回、3回とリピーターになる理由がとてもよくわかりました。

　やはり、このモデルはおカネがかかる。お客様に常に快適に過ごしてもらうには、仲居さんが一人で沢山お客様を相手にしていては対応できないので、結果的に従業員を増やし、かつ、研修のコストも結構かかると思う。くわえて、設備についても、常に新しく入れ替えたり、料理を変えたりしないと、ライバルに追いつかれてしまうので、やはり、常に投資をしないと競争優位を保てないモデルだと思う。そういう意味で、競合を圧倒的な投資・M&Aで出し抜くアマゾン、もしくは競馬で稼いだ賞金をすべて投資につぎ込むノーザンファームのビジネスモデルに近いかもしれない。

　この稼いだ金を全部つぎ込む全力投球型ビジネスモデルの場合、自分の経験では、やはり、どんどん投資して強くなるプレイヤーと投資の余力がなくなりジリ貧に陥るプレイヤーの二極化になりやすい。加賀屋も前者のプレイヤーで、今後もどんどん投資して強くなると思います。

　というわけで、旅館・ホテルにとどまることなく加賀屋から学ぶべき点はたくさんあります。もちろん、加賀屋のように大規模な投資は、よほどの規模でないかぎり体力的にもキツイと思う。でも、「どうしたらお客様にとって過ごしやすい滞在ができるか？」というのは知恵を絞れば実現できる気もする。たとえば、そのアプローチがデータの活用。お客様にかかわるデータを徹底的に集めて、どんな新聞を読むのか、どんな食べ物が好きなのか、枕の好みなど大規模な投資をしなくてもお客様のことを理解できる手段はいろいろあると思う。百聞は一見に如かず、加賀屋での心地よい滞在からいろいろ得るものがありました。

Tweet

　２年ほど前からインプレスさんと一緒にデータサイエンス基礎講座をやらせていただいており、来年２月分についても募集がスタートしました。

　今回は機械学習のための数学基礎編ということで、わりと、数学（統計学）をメインに扱います。いま、ディープラーニングとか機械が人間を越えるような答えを出す時代になりました。ただ、すべてを機械任せておけばよいとわけでもないと思っています。

　やっぱり、何が正しいかを自分で考えて、仮説を立てて、データで検証する。その道具として統計はアリかと思っています。たとえば、確率分布でいえば、正規分布は割とポピュラーですが、カイ二乗分布、あるいはｔ分布、いわゆる”スモールデータ”を分析する手法ですが、母集団をよりよく知る大事なツールだと思います。

　今回はこの手の確率分布の話からディープラーニングの数理までR演習を含めて取り扱います。大学のセメスターの授業を４回で扱うので、シンドイところもありますが、受講者の躓くポイントを２年かけて潰してきました。最後は巣籠さんの講演もあります。興味があればぜひ。

https://www.impressbm.co.jp/event/datascientist201702/

Tweet

おそらく2年ぶりくらいになりますが、本が出ます。「図解入門ビジネス 最新FinTechの基本と仕組みがよ~くわかる本」。このシリーズは二度目で、紙の本はいつのまにか6冊目です。

　たまに、「書くの楽じゃないの？」、と聞かれることがあるのですが、全くそんなことはないです。今回もいろいろな方の話を伺い、自分が腹落ちするまで調べて、何度も何度も書き直す（かのピーター・ドラッカーは自著を三度書き直すそうですが、さすがにそこまでは。。）。このプロセスはマラソンのようにキツいプロセスで、かつ最近はアプリックスCFOとの二毛作で平日はあまり時間をとれず、休みを主に使いましたが、納得がいくものができました。

　アリペイ、テンペイなどのフィンテック先進国の中国、出稼ぎ労働者の送金から生まれたケニアのM-PESA、インドで起こりつつあるペイティーエムのようなモバイル決済、ロボアドバイザー、ブロックチェーン。日米だけではなく、世界各地で革命が起きていて、時間ができたらこうした世界を回るスタディーツアーをできればなあと思いました。というか、だれかやりましょう。

　最後に今回もこうした機会をいただけました編集の山内さんありがとうございました。来週くらいから本屋さんに並ぶようで、電子書籍も近いうちにでるようです。ぜひ、よろしくお願いいたします！

Tweet

　先日、丸の内の地下を歩いていて、たまたま、靴修理のミスターミントの前を通りました。ミスターミントは、いつものように靴修理とスペアキーの他に新しくスマホ修理というのがあって、なるほど、と思いました。

最近だとiPhoneのガラスが壊れたというのは自分も経験あるけどスマホのガラスが割れることはよくおきます。そして、わざわざアップルストアにいくよりも、近くのミスターミントで直してもらった方が、やっぱり便利です。ミスターミントにとって、スマホ修理のスキルは、たぶん、スペアキー作成、靴修理と似たようなスキルだと思う。

　新規事業というと、何やら大したものかもしれない。これまで、自分がいろいろ見ていて、失敗する新規事業は”飛び石”、つまり、全く知見のない分野に参入すること、たとえば、IT受託開発会社がリゾート開発に新規参入といっても、受託開発（お客様の仕様にあわせてソフトを開発する）のスキルとリゾート開発（自分で仕掛けてトレンドをつくる）のスキルは全然違うので、うまくいかないことがおおい。ひるがえって、ミスターミントのスマホ修理、おそらく、ミスターミントにとって新規事業かもしれないけど、知見のある分野かつ初期費用もそれほどかからないので、”となり”の分野への参入といえるかもしれない。そして、”となり”へいくことはとても理にかなっていると思うのです。”となり”から”となり”へどんどん行けば、それにしたがって、ビジネスも大きくなると。

　ミスターミントは上場していないので、どういう状況かわからないけど、こうした地に足をつけるという点で良い会社だと思う。そして、自分も地に足をつけて行きたいと思いました。

Tweet

何度かセミナーを開催させていただいております情報機構さんで、来年１月にPythonの機械学習セミナーを開催します。

Pythonを使って学ぶ機械学習～PC実習つきセミナー～

Tweet

先日、ある方と”要領のよい人”について話して、いろいろ得ることがありました。

　ま、要領が良いか、悪いかといえば、当たり前だけど良い方が良いことは間違いない。つまり、どんなことにあたっても、卒なくこなす、これが一般的な要領の良い人だと思う。

　で、自分はここ２年間くらい、エンジニア向けにデータサイエンスの授業をやっていますが、その中で必ず登場するのが、正規分布。ま、正規分布をザックリいうと、世の中の事象はだいたい平均に収斂するという考え方。こうしたザックリした考え方なので、ランダムウォークっぽい事象をモデル化したり、わりと便利な考え方です。

　そして、この要領が良い人は、おそらく、正規分布っぽい考え方をしているような気がします。世の中、何が起こるかわからない、でも、２σ（±5%くらいで起こる確率）、３σ（±0.03%くらいで起きる確率）は滅多に起きないので、それを排除して、一番、起こりやすいことに選択と集中する、だから、省エネできると。

　でも、思うのは、世の中、要領が良い人ばっかりだと、結局のところ、平均に起きることばかりを考えてしまうと言えるかもしれない。むしろ、絶対起きないと思われる２σ、３σを考える”要領が悪い人”も必要かもしれない。というわけで、結論、やっぱり、要領がいい人だけではなく、要領が悪い人、両方、必要かもしれない。

　最後に告知。ここ２年間、データサイエンスの授業をやってきましたが、参加者を中心にデータサイエンス友の会という集まりを１０月２６日開催します。誰でも参加可能で、まだ、参加ＯＫのようです。ご興味があればぜひ！

https://www.impressbm.co.jp/event/datascientist201610/society.html

Tweet

　やれやれ、というかんじで、この時期になるといつも村上春樹のノーベル文学賞が話題になります。で、なぜ、彼がいつも候補になるのか、ハルキストの一人として以前から不思議に思っていました。
　
　その不思議が比較的解消されたのが、去年、彼が出版した自叙伝的エッセイ「職業としての小説家」。そのなかの、「第１１回　海外に出て行く。新しいフロンティア」を読んでなるほどと思いました。

　「アメリカで作家として成功しようと思ったら、アメリカのエージェントと契約し、アメリカの大手出版社から本をださないことには、まずむずかしいよ」（ｐ２７３）とアメリカ人に忠告され、彼は忠実に守って、アメリカの文芸界の超トップクラスのエージェントと契約したと。

　そして、日本人の作家ではなく、アメリカ人と同じ土俵に立ってやっていこうと、自分で翻訳者を見つけて個人的に翻訳してもらい、その翻訳を自分でチェックし、その英訳された原稿をエージェントに持ち込み出版社に売ってもらうという努力を続け、アメリカ人と同じスタンスで扱ってもらうようにしたと。

　そうしてアメリカのマーケットを開拓したことが、ヨーロッパ、ロシア、東欧、今では世界５０カ国で読まれるようになったと。まあ、アメリカマーケットの開拓とノーベル賞候補は直接因果関係はないものの、アメリカの土俵というフロンティアを開拓した彼にやはり敬意を表したいと思う。

　これはわりとビジネスでも似たような話で、一般的には国内なんだろうけど、たまに、最初から海外を見てビジネスを展開するスケールの大きい人がいる。たとえば、５０年以上前、誰もアメリカに日本製品が通じると思わないなかで、アメリカに移住したソニーの盛田昭夫氏は最たる例だと思う。そして、そのリスクをとったからこそ、大きなリターンを得られるのではないかと。

　というわけで、今年のノーベル文学賞、日本人として新しいフロンティアを切り開いた彼に期待です。