自宅のリビングにて
ノーベル医学生理学賞の受賞が決まりましたね！
世界の免疫学研究を長年リードし、
抗がん剤「オプジーボ」の創薬をけん引した
京都大学の特別教授の本庶佑先生です。
体重６０キログラムの患者１人が１ヶ月に使用するに
なんと２７０万円する高額な薬らしいです！
１００ミリで７２万円です。
お金がないとガンも治りませんね！
本題へ
ビッグデータはどう収集したら良いのでしょうか？
最近では大学の授業まで、ビッグデータの活用法に
ついて講座があります。
ビッグデータという言葉は、今では多くの大学だけではなく
企業がビッグデータ分析によって様々な成果を得ています。
あるメーカーの自動販売機内での商品配置にもビッグデータが
活用されています。
人間は何かものを見る際に、左上から右上、左下から右下と
いった視線を見ると言われています。
通販ビジネスでは、これは「Zの法則」と呼んでいます。
メーカーの自動販売機内は、このZの法則通り
左上に主力商品を配置していました。
しかしながら、実際には、トラッキングデータを
収集し分析したところ違ったのです。
消費者の視線は自動販売機の
下段に集中していることが分かりました。
そこで主力商品を下段に配置したところ、
売上が1.2％増加したとのことです。
この内容は、あるセミナーを聞きに行った時に
教えて頂きました。
地味ではありますが、他にもビッグデータ分析に
関する事例はいくつもあります。
ビジネスで新しい成果を生み出しているのは
大企業だけではありません。
小さな会社の企業でもビッグデータ活用による
成功事例は多く存在します。
今後も業界や規模を問わずビッグデータを
活用することが重要視されています。
しかし一方で課題もあります。
ビッグデータ分析に取り組む小さな会社に
とってまず課題になることが「データ収集」です。
ビッグデータとは、まさに大量のデータも
ビッグデータの一つなので、
これをいかにして収集するのかによって、
ビッグデータの検証結果も変わります。
ちなみに、ビッグデータの定義は、単に大量のデータ
という意味ではありません。
ビッグデータは
・Volume(量)
・Velocity(速度)
・Variety(多様性)
の3要素から構成される
「3V」が必要だと定義されています。
そして、現在は、価値のvalue（バリュー）に当てはまる
「V」を入れて４Vと定義しています。
よって学生にもお伝えしていますが、
ビッグデータをどのように収集すればよいのか？
についてお話します。
ビッグデータの収集源は無数にあります。
・Webサイト
・ECサイト
・SNS
・スマートフォン
・製品に取り付けたセンサー
など、これらの収集源からデータを集めることが
重要です。
最低限の件数は、800件です。
だからこそ、それほど難しい問題ではありません。
ビッグデータ活用のための
データ基盤は整えられています。
企業はITツールだけではなく
ビッグデータ収集を実行できます。
そこで大切になるのは、
どういったITツールを導入するか？
というところです。
ビッグデータ収集の方法ばかりに
頭を悩ませていると、時間や労力ばかり使い
本来得られるべき仮説検証の
成果にたどり着けなくなってしまいます。
ビッグデータを収集する目的は
企業によって様々です。
デジタルマーケティングを活かしたいという企業。
新しいノウハウを得たいという企業。
AI研究のためにビッグデータを収集したい企業。
と沢山増えています。
いずれの目的においても言えることは、
ビッグデータの収集はビッグデータ活用
において「最初の1歩」ですらないということです。
そもそも皆さんにとって
ビッグデータは大量であり、入出力の速度が早く、
多様性に溢れているというのです。
こうした定義から
ビッグデータは大量かつ様々な種類の
情報でなくてはならない
という固定概念を持つ人が少なくないでしょう。
しかし、ビッグデータは必ずしも
「ビッグ」である必要はありません。
むしろ時として「スモール」な800件ぐらいの
データの方が分析に適していることはあります。
実は、ビッグデータに取り組もうと
考えている企業の中にはデータ収集病
にかかっている企業が多いです。
ビッグデータは集めながら分析していくのが鉄板です。
そもそもビッグデータには収集の
上限というものはありません。
データは継続的にしかも、
蓄積することを意識したら良いです。
データをここまで取集したら分析を始めよう
では、永久にスタートができません。
よって、学生にも伝えていますが、
まずは、仮説をたてて実践です。
ビッグデータがやっと溜まったという段階では
仮に、私のようなデータサイエンティストに
依頼を受けても
ビジネスへの新しい知見や洞察を
得るまでには時間がかかります。
データを収集しながら分析する
ということです。
ビッグデータ活用は、
やっとのことで収集したデータの８割は
ビジネスのゴール到達には使えないデータです。
残り２割は使えてもすぐには
分析できる状態ではないというのが現場ではおきます。
大吟醸酒「獺祭(だっさい)」を製造する旭酒造ですら、
過去の酒造データを分析したことで
杜氏(日本酒を醸造する職人)無しでも
世界最高峰の酒造に成功した事例が存在します。
旭酒造が持っていたデータは、
必ずしも「ビッグ」ではなかったのです。
正しい着眼点と分析方法、それと活用方法を
知ることでスモールデータでも
ビジネスデータのゴールに到達することはできるのです。
あなたもビッグデータ収集と同時に
分析を進めてください。