矢野和男さんの『データの見えざる手』(第5章)

今日も、ただ、ひたすら暑い。体温より暑い外気温、どう理解したらいいのだろうか。
これは外に出るなということだろうか。

本日も、矢野和男さんの著書、データの見えざる手を読み進めております。

人間の活動に温度差があるとはいえ、一日でできる小さな活動から大きな活動まである範囲に収まるという発見は、
驚かされた。U統計、U分布に、人の活動は規定されているのだ。自分の分布を知り、それをよりよくすることは、
是非ともやってみたいことであろう。加速度センサーからの人の行動、組織内部の行動構造について説明がなされたが、
第5章では、『データから見える社会を科学する』という視点からのお話をご説明いただいている。

いきなり社会構造といっても分からなくなってしまうので、まずは一人ひとりの人間の周りにある「場」とその周辺にある
人との相互作用の結果が、行動として表れるとしている。環境とのやりとり、相互作用から、行動が生まれるのだから、
環境内部に、様々な確度からの測定することができるならば、社会のある構造について語れるはずであるというアプローチを
取っておられる。人を加速度センサーという視点で詳しく見てきた方なので、場と相互作用も何かしらの方法で見える化できれば
と考えるのは、得心いたします。

様々なセンサーを取り付けた店舗内情報と、人の活動情報を照らして、売り上げを最大にするための要因を明らかにした
説明がなされています。跳躍学習を取り入れたAIシステムソフトウエアの凄さを解説いただいている。
何がすごいかって、一言でいうと、仮説生成を自動で行えるシステムに仕上がっている点にある。

計算機システムは、だいたい、よくわかっている専門家が、その知識のうえに、システムをくみ上げる。
これが何がダメかといえば、その専門家の恣意が、知らず知らずに入ってしまう点にある。
問題をシンプルに置き換えて、簡単かしてしまうような発想では、社会構造のような複雑な事象を扱うことができない可能性が
あり(気づかないだけで、シンプルな構造表現できる場合もあるし、それを見つけることがこれまでの科学手法でもあった)、
複雑な事象とは、どの方向からどうやって分けるのかすら、分からないほど、複雑なので、であるならば、帰納的な部分については
複雑なまま計算機に扱わせてしまおうという立場で説明される、これなんぞは、目から鱗である。

矢野さんらのAIシステムが画期的であるのは、データから仮説を自動生成、その仮説数も数百万の仮説を作りだして、
ある特定のパフォーマンスを高める因子を見つけ出せるようである。モデルはこうだと思い込んで、プログラム開発をするのではなくて、
データからすると、どうもモデルはこうなっているようだと、モデルの逆生成を行っているという、なんともすごいことである。

システム屋からすると、いままでの反対の行動でどんどん進んでおられるので、たいへん興味がわく次第である。
これができるなら、これからの必要となるといわれるデータアナリストも、いらなくなるのではないか。
アナリストがデータ分析を繰り返して、1つの道筋を見つけている間に、跳躍学習Hは、膨大な仮説から、
非常に多くな有用なストーリを示して頂ける可能性がある。もちろん、業界の専門家ですら、気付けない点についても、
きっとHシステムから、ご提案をいただけるのであろう。ほんとに、カッコいい。

今後私たちがなすべきことが分かった気になった(気づかせて頂けたというべきか)。
前提として、何を目標・目的に据えるかである。この目標・目的は、人間でしかできないことであり、意思を表すということだ。
そしてのその目標・目的を表現するために、どういうミクロなデータを集めるかを決めなければならない。
いついかなる時も、均質なデータを延々と取り続けること。取ったり取れなかったりするデータでもなくて、
24時間365日のデータ(時間軸上はできる限り短い時間、データ量はその分増えるが)を手にすることである。
この膨大なデータ量を手にした後、そのデータから目的や目標に到達するストーリを、計算機に導かせる。
人が作りだす仮説なんてものは、個人の恣意が入り、仮説のうちに入らないという世界が、近づいてきているようにも思えた。

目標設定⇒均質なデータ取得⇒データから多くの仮説を作り、目標を達成するモデルを逆生成する。

将棋・囲碁、画像認識、自動運転、こうした考えがベースになって、それぞれのアプローチを進めているように思います。
わたしも、こうした動きに少しずつでも理解を深め、前に進めるアプローチできたらと思います。

矢野さん本、いよいよ残りは6章だけになりました。矢野さんの見ている世界観を少しでも近づくことができたらと思っています。
勉強になります。

矢野和男さんの『データの見えざる手』(第4章)

こんにちは、日曜日の午後です。
JONGDARI(ジョンダリ)は、過去見たこともない軌道を描き、地球の自転に反しての
右から左へ突き進みました。不思議なことが起きるものですね。
そして、今朝は、また暑い日曜日となっています。
どうも、水野裕識(みずのひろのり)です。

矢野さんの本と向き合おうと決めて、後半戦、4章になりました。
この章のテーマは、”運とまじめに向き合う”です。

運とは、ビジネス上の定義すると、「確率的に自分が必要とする知識や情報を持っている人に出会うこと」
運は、多くの場合、人との出会いより得られることのようだが、運に出会うことを理論・モデル化について、
4章では説明がなされる。人を介しての到達度とは、自分からみた人を介しての2ステップの到達数とし、
仕事がうまくひとというのは、概して到達度が高いとのこと。複雑に見える事象も、到達度をつかって、
そのヒントや答えの道筋に到達しながら、解決をしている可能性が高いようである。
人と人の関係性グラフ(ソーシャルグラフ)をえがくと、到達度の高い人のまわりに、多くの人が囲むようになるそうだ。
面白いことに、取り囲む状態は、必ずしも職位が高いからそうなるものでもないようだ。

なかなか希望を抱かせる結果である。コミュニケーションをしっかりとる、人のことを思いやる、
人望が厚いとか、結果を出せるとかいうすべての要素が絡み合い、このソーシャルグラフに反映されるのだろう。
組織のリーダが一人頑張らなくても、リーダーへの到達度を上げる方法もあるようだ。
そんなのはリーダが直接つながる人が増えればいいだけと、思ってしまったが、そこは違うとある。

ではなにかというと、メンバー間に三角形のつながりを作り出すのだそうだ。
3角錐の辺同士が連結していくのだと思った。強固な分子構造の話のようにも思える。
つまり部下同士が繋がることのようである。
これを意識してみると、三角形がない関係を、あえて作りだすようにしていくことで、リーダの力は自然と
あがってくる。面白いことを見つけるものですね。
この章では、事業統合の事例(違う会社の組織を統合して新事業体として進める話)が説明がなされ、
矢野さんの名札カードを活用し、データを分析することで、その統合もうまく進められたという話が紹介されている。
こうした利用法は、今後、様々な会社で活用されるのだろうなと想起される。詳しくは本書をお読み頂きたい。

会議の質も図れるようだ。会話とは、身体の動きのキャッチボール。言葉として発する部分は、会話とされるうちの
1割であり、それ以外の非言語によるコミュケーションが9割を占めるという。つまり、この9割は何かとなるのだが
身体の動きにも表れるということなのだろう。

会議に臨む人の態度は3つあるらしい。
1つは、対立を超えた答えを導く「建設」、2つ目は、リーダの意見に従う「追従」、3つ目は、「懐疑」だそうだ。
このカードで測定をすると、建設・追従・懐疑のどれにいるのか会話モードを計測できるとある。建設的な場面では、
会話が双方向率が高くなり、それ以外は低くなるとある。会話の双方向率と事業収益との関係が明らかになれば、
自然と建設的な会話モード(双方向率が高まる)にはいらざるをえなくなると考えている。

この日本の至るところで、不毛な会議、権限だけ持って能力のない上司、会話もない同僚などなど、生産性を抑える行動
が発生している予想する。名札カードを現場に取り入れることで、その組織の課題が客観的なデータとして見える化され、
さらにアドバイスまで頂けるなら(たぶん、上司からではなくて、AIがそう言ってますというのがいい)、
それに従ったほうが、早いとすら思える。

単なる加速度という時系列データから、ここまで価値を引き出したものだと思う。

データ上は、数字と時間のペアが、延々と並んでいるだけであろうが、
そのデータにラベル化を行い、意味を見いだしを繰り返し、ここまででも大変な作業であったと推察するが、
コミュケーションや組織にまで適用しようと研究をされたことに、驚くとともに敬服する。
いま流行りの?IoTにおける問題は、ここが欠落していて、データを大量に集めましたのその先が、見えてないことにある。
データの適用先を見いだせるかどうか、さらにそれを従来からの問題の解決に使えるように仕立て上げられるかどうか。
センサーデータを積み上げてきた結果、これに使えそうだ、こう使えばこういう意味のあることが言えるようになるという
ことを、説明をしていかなければならない。
IoTサービスも、そろそろ見える見える話から、こうすれば使える使えるの発想に切り替わっていかなければならないと思う。
この意味でも、矢野さんの書かれたこの本は、貴重だと思いました。

NHKスペシャルが良かった。震災ビッグデータによる復興未来

NHKスペシャルが、とても良かった。震災ビッグデータによる復興の鍵を示してもらった。

震災後2年半を経過してもなお復興が進んでいないという。これがどうしてなのかの原因をさまざまなビッグデータにもとづいて、1つの状態をあらわにしてみる試みであった。

1.携帯電話の位置情報から、人の動きを表すことで、人口動態を明らかにしてみせる。

役場も被災した都市の人口を正確に掴めていないようであったが、人の動きは思った以上にジグザクと上げ下げをしていることを示していた。時期によって、出入りが多かったのだろう。携帯電話から人口推移を導ければ、政策にも多いに影響を与えることができる。

2.被災した12万社を含めた70万社の取引状態を表すことで、コネクターハブと呼ばれる企業の存在を炙りだした。

被災した企業の取引2万本が震災後に失われたという。企業1社あたり、20社程度の取引先があるものの、取引先のその先まで含めると4-5千社となるということで、このなかで好循環な取引経路を活かした企業ほど、売上が落ちることなく推移したという。

水産加工業が中心の話ではあったが、たらこ加工の製造業者は、日本の大手通販会社(たぶん、楽天)の販売を強化することで、そのあと、新しい取引先を数社見つけて、いまは盛況になっているという。この会社が潤うことで、たらこが納まる高級な箱の会社に発注が続き、その箱を作る会社の売上の増加につながったという。

3.ツイッター上の履歴から分かる風評被害の分析

一人の強力なツイッターが、悪口というか、良くない事例を拡散させると、確かに負の影響を受けてしまう可能性があるという話。放射能を受けた桃を食べることはできないというツイートを繰り返し、その後、福島の桃の業者を訪問をして、いまの正しい状態として、業者にとって良いツイートに変えたという。桃の業者側も、放射能を日々測定して、問題がないと伝え続ける努力をしていた。風評被害である。この風評被害が、どれだけ、復興の足をひっぱているかをあきらかにした。

http://www.nhk.or.jp/special/detail/2013/0908/index.html

私自身は、とくに2番について興味がわいた。取引企業間の強弱を分かることができるならば、次に取引すべき、あるいは営業するべき企業を、その企業に示すことができるのではないかと考えた。これは、ビッグデータが示すビジネスコンサルティングそのものである。役所がこれを有効活用して、地元企業に企業同士をつなげていければよいし、またこのつながりを押し進めるならば、これコネクティングに大きなビジネスの可能性があるということである。

ビッグデータの活用法として、あたらしく気づいたことであり、今後の日本のビジネスの活性化に多いに活用されたら、良い結果をもたらすだろうと思った次第である。

日立製作所がSUICA履歴情報をマーケティングに活用するビジネスを発表しました。

すっかりとバズワードになった感のある『ビッグ・データ』、ITビジネスの動きが盛んになってきました。

日立製作所から、JR東日本の電子乗車券SUICA(発行枚数4298万枚)の情報を活用したマーケティング提供サービスが発表されました。

日立製作所のサイト

http://www.hitachi.co.jp/products/it/bigdata/field/statica/

駅利用者の性別、年代、利用目的や滞在時間、乗降時間帯などを集め、それぞれのデータに分析を加えた月1回のリポートを販売するらしい。

駅周辺の利用者情報、居住者の規模や構成が見える化されることにより、新たにお店を出そうとする企業や不動産事業の評価、広告の出し方などに大きく影響を与えそうである。

SUICA利用者の行動パターンから、駅周辺の居住者の特性が分かることも多かろうと思う。

また電子乗車券は、SUICAに限らない。その他、10種類(Kitaca / PASMO / Suica / manaca / TOICA / PiTaPa / ICOCA / はやかけん / nimoca / SUGOCA)もある。

解析結果を販売するビジネスであり、販売先は、企業、自治体を想定しておられるようである。いろいろな応用ができそうな感じがする。

これから、日本全国で利用者の動きを捉えて、マーケティングに活用されることだろう。

どこまで深堀りされて、新ビジネスにつなげられていくのかが、楽しみである。

 

 

ICTは、TからCに向かって、やっとIに到りました。

ICTは、Information And Communication Technology の頭文字を取った略語です。技術からコミュニケーションを支えるという視点(SNS)から、最近は先頭文字であるI、情報(データ)に注目が集まっています。

日本では、一人あたり年間で30時間の交通渋滞に巻き込まれるのだそうです。これを日本全体で換算すれば、38億時間の非効率性を生み出しているので、そのロス金額は、12兆円及ぶのだそうです。車載センサーからの情報を拾いあげて、リアルタイムに解析した結果を、ドライバーに戻すことにより、このロスをなくそうという試みがあります。さらには、CO2削減にもつながるということで、ITがおおいに活躍する場面ではないかと思います。

社会の無駄・非効率性に着目をして、そこにITを導入することによって、社会の効率性を高めるということは、素晴らしい取り組みと感じます。大規模な社会システムに対して、IBM、TOYOTAをはじめとするグローバル企業が取り組まれるのでしょう。

投資金額はまったく知りませんけれども、仮に税金から年間200億円投資して、10年で2000億円で、このインフラが整備されたとします。コストダウンが2兆円であれば、投資効果は10倍なので、ROIは良いのだと思います。

情報の非対称性ゆえに、効率的ではない部分はまだまだ残されているとと思います。たとえば、中小企業として望まれるのは、ビジネスマッチング。発注元がどこに頼んで分からないようなケースに、ネット上でビジネスマッチングをすることは、発注者側にたいしては、最適な答えを導けるのではないでしょうか。
受注者側にとっても、新しい顧客開拓ができることもメリットですが、発注者側には品質が一定そうならば、コストだけで判断する傾向が強いことから、コストメリットに繋がりそうです。

ただ、単発のお仕事の場合には、発注者側が優位に立ってしまう可能が高く、叩き合いになって結果として受注サイドは離れてしまうため、ちょうど良いバランスを保つことができるマッチングサイトを実現できれば、長く生き残ることができるでしょう。