From:山極綾子
データサイエンスは大量のデータを使う。
モデルを学習する。
パターン認識によって分類や予測の結果を示す。
そして、示すものは因果関係ではなく関係性である。
先日ハーバードビジネスレビューを読んでいた時に、面白い記事、
というよりも一文に出会いました。
【デジタルとアナリティクスで稼ぐ力を高める】
https://www.dhbr.net/articles/-/7935
この記事ではデジタルやアナリティクスについて解説がされているのですが、
その中のはじめの方に
「データサイエンスは因果関係ではなく関係性を示す」という一文がありました。
なぜこの文章に目が留まったかというと、半年ほど前まで、
上の文章の通り考えてしまっていたからです。
因果推論という分野についての書籍を学んだことで、
必ずしもそうではないことを学びました。
確かに、いま多くのビジネスで使われているようなディープラーニングでは正しい記述です。
翻訳に使われているディープラーニングは、あくまで単語間の関係性を学習しています。
そしてその学習された関係性を基に、対応する文章を予測するものです。
一方で、データや変数をきちんと制御することが出来れば、因果関係の方向性や、
その影響度合いについてまで、きちんとモデル化することが出来ます。
恐らくこの記事を書かれた方は関係性をモデル化する機械学習を念頭に置いて
書かれたとは思うのですが、そうではないことがある、
というのは常に頭に入れておかなければいけないのだと認識させられました。
山極綾子
P.S.
とはいえ、機械学習で因果関係を明らかにするためには問題設定や実験状況を
かなり整える必要があります。
そういう意味では、機械学習は（基本的に）関係性を示す
（し、因果関係を表すこともある）ものである、が正しいのかな、と思い始めました…。
P.P.S.
今日も最後まで読んでいただきありがとうございます！
メルマガの感想などありましたら、こちらからお聞かせ下さい。
嬉しく拝見しています。いつもありがとうございます！
↓
https://keieijinjipartnersytube.typeform.com/to/B8JjDrk5
—————————————————————-
【経営人事メールマガジン】
発行責任者： 山極毅（株式会社経営人事パートナーズ）
発行者住所：〒100-0005東京千代田区丸の内1-8-3丸の内トラストタワー本館20F
連絡先：https://keieijinji.co.jp/
メールアドレス： strategic-membership-program■■keieijinji.co.jp(■■を@に置き換えてください)
—————————————————————-
↓バックナンバーはこちら↓
PC: https://04auto.biz/brd/BackNumber.htm?acc=keieijinji&bid=3
スマホ・ガラケー: https://04auto.biz/brd/BNMobi.htm?a=keieijinji&b=3
↓メルマガの新規登録はこちらから↓
PC: https://48auto.biz/keieijinji/touroku/scenario13.htm
スマホ: https://48auto.biz/keieijinji/touroku/sp/scenario13.htm
ガラケー: https://48auto.biz/keieijinji/touroku/sp/scenario13.htm
