ところで、今週は月曜から水曜までより3つのイベントを企画しております。

まずは、月曜日に統計学の本の出版記念セミナーを開催します。著者の西田がAIと統計学について話します。

そして、火曜日には日本橋のBarで、「データサイエンス3.0」について語るイベントを開催します。

最後に、水曜日には実際に大学でデータサイエンスの授業をされている先生方に、学校におけるデータサイエンス授業のカリキュラム構築や授業の進め方のノウハウについてお話していただきます。

統計学、AI時代のデータ活用、教育現場での実践例など、多様なテーマをご用意しておりますので、 ご都合のつくイベントにぜひお申し込みの上ご参加ください！

12/15 (月) : データに触れながら学ぶ統計学 - 出版記念セミナー

先日出版された「データに触れながら学ぶ統計学」の本の出版記念セミナーを、12月15日（月） に出版社インプレス様の会場にて開催します。

アジェンダ：

• 本の紹介と、書くことになった背景

• AI時代における「統計学」の役割と重要性

• データサイエンス2.0（AI × 統計 × プロンプト）における新しい統計学

• 本書を最大限に活用するための実践的なヒント

• 懇親会

開催要項

日付 : 12月15日（月）
​時間：18:30 〜（18:00 会場）　
​会場：インプレスグループセミナールーム（東京都千代田区神田神保町1-105 神保町三井ビルディング 23階地下鉄 神保町駅［A9］出口 徒歩1分）
​対象者：データに興味のある方であれば誰でも歓迎です！
​参加費：無料

お時間の都合のつく方は、ぜひご参加ください！

セミナー申し込みページ

12/16(火) : AIで変わる データ活用の未来を語らNight

12月16日（火）の夜に東京駅近くのBAR「THE FLYING PENGUINS（通称 フラペン）」にて、弊社CEOの西田がデータサイエンス3.0について語る会を企画しております。

西田がバーの一日店長となり、当日BARにお越しのお客様とお酒（ノンアルもあります！）を片手に、AI時代のデータサイエンスについて語り合うという企画です。

ぜひお気軽に遊びに来てください！

開催概要

日付 : 2025年 12月16日 (火)
​時間：18:30から開始
​会場：にのに八重洲仲通りビル 2F（東京都中央区日本橋2-2-18）

イベント申し込みページ

12/17 (水) : 大学でのデータサイエンスの民主化 with Exploratory

文部科学省が推進する「数理・データサイエンス・AI教育プログラム認定制度」により、デジタル時代の「読み・書き・そろばん」として数理・データサイエンス・AI教育の重要性が位置づけられており、多くの大学がデータサイエンスの教育を行うようになってきています。

それに伴い、近年Exploratoryを使って授業を実施されている大学が増えてきていますが、どのようにカリキュラムの設計をして良いのかお問合せいただくケースも増えてきました。

そこで、大学にてExploratoryを使って授業を実施している先生方の生の声をお届けするために、カリキュラム設計や授業を実施する上での注意しているポイントなどをお話しいただく「大学でのデータサイエンスの民主化 with Exploratory」のセミナーを実施します。

学校でのデータサイエンス教育に興味がある方は、ぜひご参加ください！

開催概要

日付 : 2025年 12月17日 (水)
​時間：18:30 - 20:20（18:15開場）、20:20 - 22:00 懇親会
​会場： AP東京八重洲（東京都中央区京橋1-10-7 KPP八重洲ビル）
​参加費：セミナー（無料）、懇親会（無料）

セミナー申し込みページ

年末のお忙しい時期ではございますが、皆様のご参加を心よりお待ちしております。

よろしくお願いいたします。

西田

Exploratory, CEO

今日は、先週リリースしたExploratory v14のテーマでもある「データサイエンス 2.0」について詳しく話したいと思います。

こちらに関しては以下のイベントでも話す予定です！

イベントの詳細

データサイエンスの誕生

2023年の ChatGPT 3.0 の登場以来、生成AIはあらゆる業界に大きなインパクトを与えました。 もちろん データサイエンス も例外ではありません。

ただ、その話に入る前に、「そもそもデータサイエンスとは何か？」ということを簡単に整理しておきましょう。

もともとデータサイエンスという言葉が一般化する前、同じような仕事をしていた人たちは「統計学者」と呼ばれていました。

私も、昔から知っていた統計学者である知人がある日、何かのカンファレンスで出会うと、名刺が「データサイエンティスト」に変わっていたことを今でもよく覚えています。

データサイエンスとはそれまでの統計学と何が違うのかというのは当時よく議論になったことですが、それは大まかに言ってしまえば、プログラミングと機械学習が加わった点にありました。当時、オープンソース・コミュニティで急速に進化してきたRとPythonというデータ分析やデータの処理に強いプログラミング言語の出現によって、誰もが高度なアルゴリズムやモデルに無料でアクセスできるようになりました。

さらに、当時インターネットやモバイルから膨大なデータが生成されることで、こうしたビッグデータを使った高精度な機械学習、深層学習モデルが続々と生まれました。

それまでは、データ分析と言えば統計ソフトを使うという常識が、こうしたオープンソースのプログラミング言語や機械学習モデルの誕生によって、大きく変わってしまったのです。そこで、これまでの統計学に、機械学習とプログラミング（Python、R）を加えた3つの要素が交わるものをデータサイエンスと呼び始めることになったのでした。

機械学習 -> 生成AI

しかし、2022年にChatGPT3.5がリリースされると、業界は再び大きく揺れました。チャット形式で会話できるだけでなく、 トレーニングデータに含まれていない最新の文書でも解釈し、要約や分類、Q&A ができる という性能が明らかになったのです。

それまでは、例えばテキストデータのセンチメントを分析したいと言った場合、データサイエンティストが自分で大量のテキストデータを集め、その大量データを元に機械学習または深層学習モデルを作り、精度改善のためのチューニングを行った上で、センチメントを予測していたものでした。

しかし、そんなことができるのはデータサイエンスの知識があり、膨大な量のデータが用意でき、プログラミングができる一部の人達（データサイエンティスト）だけでした。

そんなとき、生成AIで使われるGPT（Generalized Pre-Trained Transformer）モデルが出てくると、それが必要なくなってしまいました。

GPTなどの大規模言語モデル（LLM）は、世界中のありとあらゆるデジタル化された膨大なデータを元にすでにトレーニングされた超巨大モデルであり、世の中にあるどんな文字（またはイメージやビデオ）情報でもそれを解釈するために必要な能力を持ったものでした。そのため、モデルが見たことないはずの文章データをAIに渡すと、そうした文章データを要約したり、分類したり、そのセンチメントをスコアリングしたりできるのでした。

全てがそうだとは限りませんが、特にテキスト（または画像）データを大量に読み込ませたモデルを時前で作るという時代は終わりを遂げてしまったのでした。

（普段のビジネスで手にするよう比較的小さなデータであったり、数値データに関する場合は、現在のところ生成AIモデルよりも、自前の統計学習、または機械学習モデルの方が予測精度がいいというのが現実です。これは、GPTがもともとテキストやピクセルといった高次元のデータにおけるパターンを認識するのを得意とするアーキテクチャであることが関係しています。）

プログラミング -> プロンプト

そして、この生成AIがデータサイエンスに与えた大きな影響としてもう1つ重要な点が、そうしたモデルへのアクセス、そして予測精度を上げるための「チューニング」に関してです。それまでは主にPythonなどのプログラミング言語を書くことで自前の機械学習や深層学習モデルを作り、その予測精度を上げるためにパラメーターを変えたりしてチューニングを行ったものでし。

しかし、この新しいAIモデルの場合、その結果の精度を上げるために私たちはプログラミング言語を書くこともなければ、パラメーターを変えたりしてチューニングすることもありません。

その代わりに、私たちが使うのはプロンプトであり、そこで使われる”言語”は、私たちが普段の日常会話で使う日本語や英語といった言葉です。

つまりプログラミング経験があるかないかに関わらず、誰もが世界最先端レベルのモデルを“使いこなせる”ようになった のです。

つまり、データサイエンスにおける機械学習が生成AI（GPT）に変わり、プログラミングがプロンプトに変わってしまったのです。

もちろん、統計学自体も、生成AIの登場によって大きく影響を受けたことは間違いありません。実際、生成AIを使うことで統計学の実行や解釈がしやすくなりました。しかし、統計学自体が生成AIの登場によって何か別のものに変わってしまったり（例えば統計モデルが生成AIモデルに代わる、など）、または必要無くなってしまうということにはなりませんでした。

データサイエンス 2.0の問題

さて、テキストデータや文字列情報をそれまでのどんなモデルより適切に「解釈」した上で、期待したような結果を返してくれる生成AIですが、自分のデータをChatGPTなどに投げて分析させたみると、思ったようにうまくいかないことがよくあります。実際にやったことがある人であれば経験したことがあると思います。

例えば、アンケートの自由記述のようなテキストデータが数百、または数千行あったとします。こうしたデータをAIに渡し、それぞれの文章のセンチメントをスコアリングさせたり、または分類させたりすると、一部はうまくいっているのですが、途中からいい加減な結果が出力されることがよくあります。

インプットしたデータを、私たち人間が期待するように全て見たうえで、全ての行に対して答えを生成しているという保証がないのです。そのため、データの量が多くなると答えが不安定になってしまったり、またAIに渡すデータを事前に加工しなくてはいけなかったり、何百、何千行というデータに対して帰ってきた結果が正しいのか判断つかなかったりといったことがおきます。また、どんなプロンプトを書けばよいのかというのも多くの人にとっては大きなチャレンジとなります。

• 行数が多いと、途中から結果が雑になる

• 全データを本当に読んだか保証がない

• プロンプトの書き方が難しい

• 結果が正しいか検証できない

• 前処理が必要だが、AIは自動でやってくれない

データサイエンス 3.0 with Exploratory

そこで、データサイエンス 2.0 の問題を解決するために、Exploratory v14 から「AI 関数」が加わりました。

これは、Exploratory に取り込んだデータに対して、

• 予測

• 分類

• スコアリング

• 翻訳

• 名寄せ

• テキスト生成

などを 1行ずつ確実に実行 できる機能です。

つまり、データサイエンス 2.0 で期待されたことを、ExploratoryのUIを組み合わせることで、誰もが実現できるようになります。

もちろん、この関数を作るために必要なのは、関数でもプログラミング言語でもありません。行いたい処理を普段の言葉でプロンプトの中に指示するだけです。そして、実行すれば、各行に対してプロンプトの指示に従った結果が返ってきます。

AI関数の使い方

使い方は簡単です。列ヘッダーメニューから「AI関数を作成」を選択し、

Exploratoryにインポートしたデータに対し、AIモデルに、スコアリングや予測などのやりたい計算を自分の言葉で話しかけるようにプロンプトに入力するだけです。後はAIモデルがデータを適切に解釈し、指示された計算処理を行ってくれます。

例えば、以下はテキストデータを9つのグループに分類したい場合の例です。

また、テキストデータのセンチメントをスコアリングしたい場合、以下のようなプロンプトを入力するだけです。

AI関数を使えば、他にも様々なことができるようになります。例えば、

• 文章のセンチメントのスコアリング

• 名寄せ — 表記揺れの修正

• 電話番号から国籍の判定

• 文章の翻訳

• メールアドレスから会社情報（業種・規模など）を補完

• 属性情報を元にメール文書の自動生成

といったこともできるようになります。

データ分割と並列処理について

Exploratory では、200 行以上のデータを扱う場合、データを自動的に複数の小さなデータセットに分割し、並列で処理します。これにより、AIによる処理速度が大幅に向上します。

データの分割：

結果の結合：

ただし、データを分割するということは、AI が一度のリクエストで見るデータが全体の一部に限定されるということでもあります。そのため、まれに「データの塊ごとに微妙に異なる解釈」が生まれる場合があります。

もし、

• 「全データをまとめて AI に解析してほしい」

• 「分割によるわずかな差異を避けたい」

という場合は、オプション 「データ分割による並列処理を有効にする」 をオフにできます。

この設定をオフにすると、AI が全データを一括で解析するようになります。そのぶん処理時間は長くなりますが、データ全体を見たうえでの一貫した結果が得られます。

AIプロンプト・テンプレート

一度作ったプロンプトへの指示はテンプレートとして保存し、後で使い回すことも可能です。

一度テンプレートとして保存したプロンプトは、「テンプレートを使用」を選ぶと「テンプレート」リストより選べるようになります。

プロンプトのサンプル集

自分で好きなようにプロンプトを書くことができるとは言っても、最初の慣れないうちはどういったプロンプトを書けば良いか戸惑ってしまうかもしれません。

そこで、いくつかの例をこちらのAI関数・ギャラリーページに用意しました。各ページにはプロンプトのテキストの例だけでなく、サンプルデータもダウンロードできるようになっておりますので、ぜひお試しください！

やりたいことをプロンプトで記述するだけで、複雑なアルゴリズムやモデルを組むことなく、データに“意味”を加えることができます。

今回追加された「AI関数」に関しては、こちらのポストで詳しく解説しておりますので、ぜひご参照ください。

ExploratoryのAI関数を使うメリット

Exploratoryの中にデータを取り込み、AI関数を使うのは以下のようなメリットがあります。

• 前処理の自由度が高い

  • AI に渡す前に、自由に加工できる

• 結果を視覚的に検証できる

  • チャートやサマリビューで直感的にチェック可能

• さらに次の分析につなげられる

  • 結果をそのままアナリティクス機能で深堀り

• 高速処理

  • 内部でデータを自動分割し、並列処理

• 結果の安定性が高い

  • 全行に対して確実に処理が行われるよう最適化

• プロンプトの再利用が簡単

  • テンプレートとして保存し、関数のように使い回し可能

加工と可視化、そして分析（アナリティクス）が得意なExploratoryの中で、自分のデータに対して直接生成AIモデルを使ってテキストデータに対してスコアリング、分類、予測などができるようになれば、より多くの人たちにとってデータサイエンスがさらに身近になり、ビジネスの改善、より良い意思決定につながるのではないかと思います。

データサイエンス 3.0 の時代がはじまりました

AI 関数を使えば、やりたいことを自然言語で書くだけで、以下のようなテキストデータの変換・加工・分析が誰でも簡単にできるようになります。

• センチメント・スコアリング

• 会社名の表記揺れの修正と標準化

• 電話番号から国を特定

• テキストの翻訳

• メールドメインから業種・規模などの企業属性を取得

• 顧客属性をもとにメール文面を自動生成

• フィードバック文をカテゴリ分類

• 長文テキストの要約

……など、活用方法を数えだしたら止まりません。

いま、データサイエンスは 統計 × AI × プロンプト の組み合わせであるデータサイエンス2.0へと進化しています。

ただし、ChatGPTなどの汎用的なAIツールにデータを丸投げするだけでは不十分です。AI を最大限に活かすには、AIに渡す前にデータを整え、安全に、そしてスマートにプロンプトを実行し、返ってきた結果を分析や可視化につなげられる、そんな信頼できるデータ分析プラットフォーム が必要です。

これがデータサイエンス 3.0です。

そしてこのデータサイエンス 3.0を実現するために、私たちは Exploratory v14 に AI 関数 を搭載しました。

これによって、データサイエンスが民主化され、もっと多くの人がデータを使いこなし、より良い意思決定やビジネス改善につながる—そんな未来はもうすぐそこまで来ていると確信しています。

AI 関数を試す！

ぜひExploratory最新版をこちらよりダウンロードし、「AI 関数」を試してみてください！

Exploratoryのアカウントをまだお持ちでない方は、ぜひこちらよりサインアップした上でお試しください。最初の30日は無料トライアル（お試し）期間となっています！

すでにトライアル期限が切れている方でも、最新版を起動すると表示される
「トライアル延長リンク」からリクエストできます。

データサイエンス 3.0 について語る

「データサイエンスって、いまどこまで進化しているんだろう？」

生成AIの登場によって、データサイエンスの定義も可能性も大きく変わりました。
モデルの力が従来の限界を超え、プロンプトという新しいインターフェースが生まれたことで、“できる人だけの領域”だった世界が、いま誰にでも開かれつつあります。

そこで、お酒を片手に、最新トレンドと未来のヒントを語り合う夜を東京日本橋にあるBAR「THE FLYING PENGUINS（通称 フラペン）」で開催します！

データサイエンスの歴史を振り返りながら、現在進行中の「データサイエンス3.0」がどこへ向かうのか、その可能性と課題をゆるやかに語り合う時間にしたいと思います。

AIやデータ活用に興味がある方なら、どなたでも大歓迎です！

イベントの申込み

もし質問やフィードバックなどありましたら、ぜひこちら（kan@exploratory.io）までご連絡ください！

引き続き、よろしくお願いいたします。

西田
Founder & CEO, Exploratory

いよいよ、本日Exploratory v14をリリースしました！🎉

今回のテーマは 「データサイエンス 2.0」 です。

これまでの

「機械学習 × 統計学 × プログラミング」 というデータサイエンスを構成する3大要素は、

ChatGPT をはじめとする生成AIの登場によって、今や

「AI × 統計学 × プロンプト」 へと進化しました。

この”進化した新しいデータサイエンス”の恩恵をより多くの人たちが実感できるように、Exploratory v14 では 「AI 関数」 と 「AI ノートエディター」 という2つの強力なAI機能を新しく搭載しました。

これらを使うことで、

• テキストデータの分析、加工における”不可能”が”可能”に

• レポート作成は “書く” から “編集する” 時代へ

• 分析クオリティは大幅に上昇、それにかかる作業時間は劇的に削減

という、これまでとはまったく異なる体験が可能になります。

それでは、今回追加された2つのAI機能と、その他の主な改善点を簡単に紹介します。

1. AI 関数 : 自然言語でテキストデータの分析や変換が簡単に

手元のテキストデータに対して、

「テキストのセンチメントのスコアをつけて」

「テキストをいくつかのグループに分類して」

「テキストを翻訳して要約して」

「会社名を統一させて」

といった指示を元にAIに分析またはデータの処理をさせることができる、これが今回新たに追加されたAI 関数です。

上記のようなことがしたかったら、一昔前であれば、自分でテキストデータを分析するためのアルゴリズムを作ったり、自分で用意した膨大なテキストデータを元に予測モデルを作ったりして、テキストデータをいくつかのグループに分けたり（分類）、それらのセンチメント（ポジティブ、ネガティブ）をスコアリングしたりしたものでした。

しかしこれからは、生成AI（LLM）を活用して、分類、スコアリング、予測、翻訳、名寄せなど、これまで複雑なプログラミングが必要だった処理を誰もが自分の言葉（プロンプト）で定義し、実行できるようになります。

使い方はとても簡単です。

まず、列ヘッダーメニューから「AI関数を作成」を選択します。

そして、例えばテキストデータを分類したいのであれば、

文章をいくつかのグループに分類してください。

といったプロンプトを入力するだけです。

もし、事前に分類したいグループが決まっているのであれば、そうしたグループもプロンプトに加えることで、さらに的確な分類ができるようになります。

例えば、以下はテキストデータを9つのグループに分類した場合の結果です。

このAI関数を使えば、他にも様々なことができるようになります。例えば、

• 文章のセンチメントのスコアリング

• 名寄せ — 表記揺れの修正

• 電話番号から国籍の判定

• 文章の翻訳

• メールアドレスから会社情報（業種・規模など）を補完

• 属性情報を元にメール文書の自動生成

といったこともできるようになります。

プロンプトのサンプル集

自分で好きなようにプロンプトを書くことができるとは言っても、最初の慣れないうちはどういったプロンプトを書けば良いか戸惑ってしまうかもしれません。

そこで、いくつかの例をこちらのAI関数・ギャラリーページに用意しました。各ページにはプロンプトのテキストの例だけでなく、サンプルデータもダウンロードできるようになっておりますので、ぜひお試しください！

やりたいことをプロンプトで記述するだけで、複雑なアルゴリズムやモデルを組むことなく、データに“意味”を加えることができます。

2. AIノートエディター : レポート作成を10倍速く、10倍わかりやすく

データサイエンス・ワークフローの最後のステップである、「分析結果を伝える」ためにレポートを書くという作業は、重要ではあるのですが、骨の折れるものでもあります。特に文章を書くのが苦手な人にとってはなかなか気が進まないものですし、時間のかかる作業でもあります。

そこで、Exploratoryの中でAIを使ってクオリティの高いレポートを簡単に素早く作り上げることができるようにという想いで、「AI ノートエディター」を作り上げました。

Exploratoryの中で作ったノートにチャートとコメントを残しておくだけで、AIが文脈に応じて自動でレポートを生成してくれます。

しかも、チャートの内容まで“解釈つき”で説明してくれます。

例えば、以下のようなレーダーチャートがあった場合、チャートの中にあるデータのトレンドやパターンを認識したうえで、その解釈となる解説文が加えられます。

「チャートの解釈」は、ただ数値を解釈するだけでなく、データの中にあるトレンドやシグナルといった文脈に応じて、以下のようなことができます。

• 散布図では、相関の強さ、有意性の解釈

• XmRチャート（管理図）であれば、シグナルの出現を指摘

• 時系列チャートの場合、トレンドや変化点の把握

この「チャートの解釈」機能を使えば、自分が見落としていたかもしれない、またはしっかりと解釈できていなかったかもしれない情報もしっかりと拾うことができるため、結果として単にレポートを書く時間の短縮といったメリットだけでなく、分析のクオリティ改善といったメリットもあります。

他にも、「AIノートエディター」を使えば効果的なレポートを作成するために、以下のようなことができます。

• 文章を要約

• 文法やスペルミスの修正

• 文章の改善

• 表現やトーンの改善

• 翻訳

カスタム・プロンプト

ところで、AIノートエディターでは、「カスタム・プロンプトを実行」を選ぶことで、自分のニーズに合った形式のレポートを作成するためのプロンプトを入力することも可能です。

そのさいは、Markdown形式で「見出し」や「箇条書き」といったレポートの形式を指定できます。

さらに、自分で作ったカスタム・プロンプトを後で使い回しするために、「テンプレート」として登録することも可能です。

一度テンプレートとして保存したプロンプトは、「登録済みテンプレートを選択」を選ぶと「テンプレート」リストより選べるようになります。

このテンプレート機能を使えば、目的に応じて必要なプロンプトを取り出し、定期的に作らなくてはいけないレポートを素早く簡単に作成することができるようになります。

プロンプトのサンプル集

いくつかのプロンプトの例をこちらのAIノートエディター・ギャラリーページに用意しました。ぜひお試しください！

その他の新機能

さて、Exploratory v14の目玉機能は上記の2つですが、他にもたくさんの新機能、機能強化があります。

ここでは簡単に以下の3つを紹介させていただきます。

リファレンスラインの新しいUIと機能強化

チャートにリファレンスラインを簡単に追加することができるように、UIをアップデートしました。リファレンスラインを表示したい場合は、上部にある「ライン」ボタンをクリックし、追加していくことができます。

X軸とY軸に対するリファレンスラインの一元管理

「ライン」ボタンをクリックすると出てくるダイアログの中で全てのリファレンスラインを編集したり削除したりすることができます。

複数リファレンスラインの表示

今回の新しいUIの変更によって、Y軸にも複数のリファレンスラインを追加することができるようになりました。

新しいタイプのリファレンスライン

以前のバージョンでは「表計算」として提供されていた一部の計算結果をリファレンスラインとして表示することができるようになりました。例えば、売上の推移を表すラインに沿って、前年同月の値をリファレンスラインとして表示したい場合は、

または、パレート・チャートのように、バーチャートに累積合計、または累積合計の割合をいっしょに表示したい場合は、

ピボットテーブル ： 合計、小計での表計算のサポート

ピボットテーブルで、例えば「前の期間からの差の割合」といった「表計算」を使った計算をした場合、以前のバージョンでは「合計」と「小計」には元の集計関数（例えば合計など）を使って計算された値が表示されていました。

しかし、Exploratory v14からは「合計」や「小計」でも表計算を使った計算結果が表示されるようになります。

例えば、以下のように売上の「前期との差」や「前期との差の割合」を計算していた場合、合計の列（右端）もそれぞれの行の値を合計した上で、さらに「前期との差」や「前期との差の割合」を計算し、その結果を表示します。

他にも、例えば従業員のデータがあって、各職種ごとに、3つの婚姻ステータスに分けた従業員の割合を計算していた場合、各グループ（職種）の小計の行には該当グループの合計、そして全体の「合計」（一番下）には全ての行の合計を元に、各婚姻ステータスごとの割合が表示されるようになります。

ナンバー：サブ指標の色の反転とラベルの上書き

ダッシュボードで指標をモニターするときによく使われる「ナンバー」は、その数値の下に比較対象としての「サブ指標」を表示することができます。このサブ指標の数値が正の値であれば緑で、負であれば赤で表示されますが、この設定を反転させることができるようにになりました。

例えば、キャンセル率、返品率といった指標をモニターしている場合、その数値が前期よりも上がった場合（正の場合）は悪いことであり、逆に下がった場合（負の場合）は良いことです。そうした場合は、「正負の色を反転する」オプションをチェックすることで、上がった場合（正の場合）には赤で表示し、下がった場合（負の場合）には緑で表示することができるようになります。

Exploratory v14を試す！

ぜひさっそくExploratory v14をこちらよりダウンロードし、「データラングリング with AI プロンプト」を試してみてください！

Exploratoryのアカウントをまだお持ちでない方は、ぜひこちらよりサインアップした上でお試しください。最初の30日は無料トライアル（お試し）期間となっています！

すでにトライアル期限が切れている方でも、最新版を起動すると表示される
「トライアル延長リンク」からリクエストできます。

もし質問やフィードバックなどありましたら、ぜひこちら（kan@exploratory.io）までご連絡ください！

引き続き、よろしくお願いいたします。

西田
Founder & CEO, Exploratory

Exploratoryの西田です。

ご無沙汰しております。

この3ヶ月ほど、今年夏の出版を予定している統計学の本の執筆と、来週リリースすることになるExploratory v12の開発の方に集中していたせいで、こちらのニュースレターの方の更新がすっかり止まってしまっていました、すみません！

ところでそのExploratory v12の方ですが、この半年ほど昼夜問わず開発を進めてきたのですが、いよいよ来週前半にリリースする予定です！🚀

今回のリリースの目玉は「データラングリング（加工、整形）with AI プロンプト」機能です。

これまではExploratoryではダイアログなどのユーザー・インターフェース（UI）を使ってデータラングリングを行ってきたわけですが、これからはAIプロンプトというインターフェースを使ってデータラングリングができるようになります。

それもあって、今回のリリースのテーマは「パラダイムシフト」として開発を進めてきました。

ところでこの「パラダイムシフト（Paradigm Shift）」という言葉ですが、実はこの言葉を広く知らしめたのは、アメリカの科学哲学者トーマス・クーン氏です。

彼は1962年に発表した著書『科学革命の構造』（The Structure of Scientific Revolutions）の中で、こう述べています。

「科学の進歩は、ただ積み重ねられていくのではなく、ある時点で従来の枠組み（＝パラダイム）そのものが根本から転換することで飛躍的に進む。」

たとえば…

• 天動説から地動説へ

• ニュートン力学からアインシュタインの相対性理論へ

こうした変化が、科学の世界でのパラダイムシフトの例です。

古い枠組みでは、「うまく解決できない問題が蓄積され、もう限界だ！となったとき、問題をよりシンプルに、うまく解決できる新しいパラダイムが出現し、人々は自然とそちらへ移り始めていくのです。

そして今、データの加工や整形などいわゆるデータラングリングという世界においても、まさにこのパラダイムシフトを迎えていると私たちは考えています。

これまでデータを加工、整形すると言えば、

• コード、または（Excelなどの）関数や（Rなどの）コマンドを書く

• ExploratoryなどのUIツールが提供するダイアログを使う

必要がありました。

しかし、プログラミングやコマンドを書くためのスキルの獲得は初心者にとっては大変時間のかかるものでしたし、さらにUIツールにしても、データラングリングにおける様々な問題を解決するためのスキルの獲得には、それなりのサポートと時間を要するものでした。

そのため、現在においてもデータサイエンスやデータ分析において、最大のボトルネックは実はデータの加工というのは多くの人にとっての共通の悩みだったのです。

今回のExploratory v12の「データラングリング（加工、整形）with AI プロンプト」機能は、この問題を根本から変えます。

これからは以下のように、「やりたいことを自然言語でAIプロンプトに入力するだけで、データを自由自在に加工する」ことができるようになります。

• 「企業情報の列から会社名だけを取り出して」

• 「日付に関する列を正しく日付型に変換して」

• 「”都道府県情報”のデータと結合して」

• 「リテンション率を計算して」

• 「過去7日間のデータだけに絞って」

これまでデータの加工や整形に苦手意識があった多くの人たちも、すぐに簡単に始めることができるようになるのではないかと強く思っています。

このExploratory v12のリリースによって、データラングリングはこれまでのコードやコマンドのインターフェース、またはダイアログなどのユーザー・インターフェース（UI）を使う“古いパラダイム”から、AIプロンプトというインターフェースを使う“新しいパラダイム”にシフトします。

＊（注意）Exploratory v12以降もこれまでのUI機能はそのまま使えます。

このAIプロンプト機能は、創業以来掲げている私たちExploratoryのミッションである「データサイエンスの民主化」を一気に前進させ、データサイエンス業界にパラダイムシフトを起こす革命的な新機能であると私たちは確信しております。

そこで、この新しいデータラングリングの世界をぜひ多くの方に体感していただきたく、以下の通り無料のExploratory v12 リリース記念セミナーを開催いたします。

日頃Exploratoryをご利用いただいている方も、初めての方も、ぜひこの機会にご参加ください！

📅 Exploratory v12 リリース記念セミナー

• 日時： 2025年3月26日（水）

• 時間：18:30 - 21:00（18:15開場）

• 会場： AP東京八重洲

• ​住所：東京都中央区京橋1-10-7 KPP八重洲ビル 7F (ルームY2）

• 参加費： 無料（事前申込制）

• ★今回は懇親会も無料でご参加いただけます！

✅ セミナー内容（予定）

• Exploratory v12の新機能概要

• データ加工 with AIプロンプト機能の紹介

• AIプロンプトのベストプラクティス

• 今後のExploratoryリリース予定

• 質疑応答

• 懇親会

✍️ お申し込みはこちらから！

以下のボタンをクリックし、セミナー申し込みページよりお申し込みください。

皆さまのご参加を心よりお待ちしております。

お申し込み

よろしくお願いいたします。

西田, Exploratory/CEO
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

Exploratoryの西田です。

先週アメリカで、United Healthcareという保険会社のCEOがニューヨークの路上で暗殺されました。（リンク）その様子が写っている動画がソーシャルメディアを含めたで一斉に広がったため多くの人がショックを受けていました。（リンク）

現場で発見された暗殺に使われた弾には「deny」、「defend」、「depose」という言葉が書かれていたとのことですが（リンク）、これは保険業界の長年にわたる悪徳なビジネス慣行について書かれた「Delay, Deny, Defend」という本からとってきた言葉だろうと言われています。

この本に書かれているように、アメリカの保険会社は加盟者が保険の適用を申請してもなんとか言い訳をしたり、申請手続きを必要以上に複雑に、そして面倒なものにしたりすることで有名ですが、その中でもひどいのが今回CEOが暗殺されたUnited Healthcareです。

LendingTreeが行った調査によると30％以上もの申請が拒否されたとのことで、その拒否率の高さは業界トップです。

もちろん、だからといってこうした暴力や殺人はとうてい受け入れることはできませんが、今回の事件で保険業界の黒い側面にスポットライトが当たったというのも事実です。

現在、今回の殺人事件を伝えるメディアやソーシャルメディアのコメントセクションにはUnited Healthcareの「悪徳」なビジネス慣行に対する多くのコメントが寄せられています。

アメリカでは保険は個人やビジネスが保険会社から直接買うもので、さらに新規参入を難しくする複雑な規制はあるのですが、加盟者を守るべきの規制は緩いため、保険会社は加盟者よりも株主を優先して儲け主義に走ってしまうという傾向があります。

こうした背景が、今回のような事件につながってしまったというのであれば、まさに悲劇であります。

データ、AI関連ニュース

お年寄りしか使わなくなったGoogle検索

今から20年ほど前に何か疑問、または何か思い出せないことなどがあればよく、「ググれば？」という言葉が流行っていた頃がありました。

友達と話している時など、それまではわからないことがあっても思いつくまま話を進め、なんとなく終わるというのが当たり前だった時代に、スマホを開けてグーグル検索をすれば、たいていの場合すぐに答えがわかるというのは、当時たいへん衝撃的なことでした。

その後マイクロソフトのBingなど他の検索エンジンが出てきましたが、グーグルの絶対的な位置を脅かすものはありませんでした。今でこそAIという言葉がもの凄く流行っていてますが、当時からグーグルの創業者たちは自分たちの会社をAIカンパニーと宣言していました。当時はグーグルの検索エンジンで使われていたページランクというアルゴリズムこそAIだったのです。

よく理解できない新しいものをAIと呼び、ある程度慣れてきて何ができて何ができないかがわかってくるとAIと呼ばなくなる、とはよく言われたりしますが、まさにグーグルの検索エンジンもそういった例の1つです。

グーグルはその後検索市場で絶対的に有利な立場を確立し、その上に広告ビジネスを作り上げることで市場価値にして世界で上位数社に入る企業となりました。あまりにも「ググる」ことが当たり前になってしまい、誰も検索市場でグーグルに真剣に挑めないほどになっていました。

これがグーグルが現在アメリカの司法省によって反トラスト訴訟で追い詰められている理由です。

ところが、ここにきて、グーグルの検索を使う人たちの数が減ってきていて、それに伴い収益も減ってきているという記事がウォールストリート・ジャーナルから出てきました。（リンク）

AI検索の登場

その大きな理由として挙げられるのが最近のChatGPTなどのAIだと言われています。

私も少し前のNews Letterでも話したのですが、ここ最近ではPerplexityやGenSparkなどがAI検索のサービスを提供していて、私自身も何か「ググり」たいときはこう言ったサービスを使うのが当たり前になってしまいました。

• Exploratory Vol115（リンク）

ChatGPTを提供するOpenAIも検索機能の強化に力を入れていて、最近ではChromeブラウザーのプラグインを提供し、ブラウザーのアドレスバーから直接ChatGPTに対して検索をかけることができるようになりました。さらに現在独自のウェブブラウザを開発中であると噂されています。

もちろんグーグルも黙って見ているわけではなく、GeminiというAIサービスの開発に力を入れ、さらにグーグル検索に組み込んだりもしています。

ところが、これがグーグルにとってはビジネス的に大きな問題です。

というのも、グーグルの収益の80%近くを占める広告ビジネスの大きな収益源は、検索結果に出てきたページのリンクをユーザーがクリックすることによってお金が入ってくるビジネスです。

しかし、Geminiが検索ページで答えを出してしまうとユーザーはどこのページにも飛んで行かなくなります。つまりAIの性能がよくなればなるほど、ユーザーはいくつものリンク先に飛んで自分で答えを探しにいかなくて良くなるということです。しかしそうなると、広告主はグーグルに広告を出す価値を見出さなくなるので、広告収益は減少していきます。

AIの精度上昇 → ページに飛ばなくなる → 広告収益減少

これがグーグルが直面しているイノベーターのジレンマです。

現在のところAI検索を提供しているOpenAI（ChatGPT）やPerplexityはサブスクリプションがビジネスモデルとなっているため、他のページにユーザーを誘導する必要はありません。

もっとも、OpenAIも広告モデルを検討しているという噂もあるため、いずれ無料プランが出てきて、そうしたユーザーを対象にAIと広告ビジネスを組み合わせることになるのでしょう。ただこのAIと広告ビジネスの組み合わせはOpenAIなどの新興企業にとってもグーグルにとっても新しい市場であり、そういう意味では彼らは同じ土俵で戦うということになり、グーグルにとっては競争優位となるものがほぼないというのが現状です。

検索結果に蔓延するAIで自動生成された質の悪いページ

ところで、グーグルで検索する人が減っている理由は新しいAI検索サービスだけではありません。これはみなさんもすでに経験している人が多いと思うのですが、検索結果に出てくるページがゴミだらけというものです。

私も週末に料理をするときにレシピを探したりするのですが、そんなときに「ググる」と出てくるページがどれもこれも似たようなもので、さらにそれぞれのページを訪れると、肝心の知りたい情報に辿り着く前に、たくさんの広告バナーや動画が表示され、非常にうざったい経験をすることになります。

また、例えば新しいスピーカーを買おうとした時なども同じで、「ググる」と出てくるページはどれも似たようなページで、それぞれのページに行くとグーグルの広告プラットフォームによって動的に提供される広告バナーや動画の嵐で、そこにのってる情報もありきたりであまり有用でありません。

こうしたどれも同じようなページが検索結果のトップページに出てくるのはちょっと前までは行き過ぎたSEOのせいでもあったのですが、最近はみんなAIを使ってSEOを最適化させたページを自動的に大量に生成しています。

これが検索結果に出てくるページの多くが「本物」さに欠ける理由です。（ちなみに、これはアメリカではそうなのですが、日本では違うかも知れません。その場合はぜひ教えてください！）

こうしたこともあって、私の場合はYoutubeへ行って検索することになるのですが、こちらは私は有料会員なため広告が出てくることはなく、知りたい情報に動画付きでさっさと辿り着けます。

Youtubeの場合はインフルエンサーが自分のブランドを賭けて製品を紹介しているためより信用できます。さらにある製品のスポンサーを受けている場合は、たいていの場合そのことを公開します。

また何かの商品やそのジャンルについて検索したいときは、アマゾンに行き関連製品を比較したり調べたりします。

つまりこういうことになります。

グーグルの広告ビジネスはウェブページにより多くの人が訪問することで成り立ちます。ところが、AIによってユーザー体験と情報の質の悪いページが大量生産されることによって、ユーザーはGoogle検索の結果にリストされるそうしたページへのリンクをクリックしなくなり、ついには「ググらなくなる」。

もちろん、Youtubeはグーグルの子会社なので、Youtubeで検索するのであればグーグルにとってはいいじゃないか、という話もあります。しかし、現在グーグルの広告ビジネスの70％以上は検索からで、Youtubeの広告が占める割合はまだ13％ほど、そのYoutubeの広告収益自体も実はあまり伸びていません。

ユーザーを裏切ったWokeなグーグル

今から2年ほど前にレポートしたことがあるのですが、Googleの検索結果はかなりリベラル、民主党、左寄りのバイアスが入っています。

多くの人がこのことに気づいていないため、知らずに「ググって」いるとどんどんとリベラル寄りの考えが当たり前だと思うようになります。

そうした政治的なバイアスがより顕著だったのが白人、黒人に関するものです。

例えば、「happy white woman（幸せな白人女性）」と画像検索すると黒人といっしょにいる白人の女性、または黒人の女性の画像ばかりでした。

逆に「happy black woman（幸せな黒人女性）」と画像検索すると黒人の女性の画像が期待どおり返ってきました。

詳細はこちらに2年ほど前に投稿していますが、現在はこのあからさまなバイアスはすでに修正されています。

こうした例はグーグル検索は中立的、客観的だと思っていた人たちにとっては衝撃的で、多くの保守系、共和党、右寄りの人たちの信用を失うこととなりました。

もっとも、最近グーグルのCEOであるスンダー・ピチャイ氏はインタビューの中で、グーグルの行き過ぎたリベラル文化を修正し、個人的な政治的信条ではなく、会社のミッションを優先するよう努力しているという話をしていましたので、これから変わってくるのかもしれませんが。（リンク）

PCが出てくると、業界の主役はIBMからマイクロソフトに移りました。そしてウェブ、モバイルの時代になると主役はアップルとグーグルに移りました。現在のAI時代には、主役がOpenAIを含めた新しいビジネスに移るのかも知れません。

どちらにせよ、またイノベーションによる大きな変革の時代がやってきたということで、明日のグーグルを作るチャンスが多くの人の手にあるということでもあり、とてもエキサイティングな時代でもあります。

みんなが読んでる記事はすでにAIによって生成されている

最近の分析結果によると、ビジネス向けソーシャルネットワークのLinkedInに投稿されている英語記事の半分以上はAIによって生成されているとのことです。この傾向はこれからさらに加速するでしょう。（リンク）

トランプ政権とシリコンバレー

今回のトランプ政権はすでにシリコンバレー企業からの強い支持を集めています。最近ではMeta（Facebookなど）のマーク・ザッカーバーグ氏がフロリダのトランプ氏を訪問し、次期政権での協力事項について議論したと言われています。（リンク）

また、Paypalの創業チームでもありベンチャーキャピタリストでもあるデービッド・サックス氏がAIと暗号通貨の担当アドバイザーとして任命されました。（リンク）

次期政権では暗号通貨まわりの法的環境が整備され、起業、投資しやすい環境になり、さらにビットコインが政府の準備資産として正式に採用され、前政権のときに起きたようなAIに対する行き過ぎた規制が取り払われ、より検閲の少ないものになりそうです。

また、A16Zのマーク・アンドリーセン氏もイーロン・マスク氏とともに次期政権人事に深く関わっているとのことです。（リンク）

第一次政権時と違い、今回はかなりシリコンバレー色が強い政権となりそうです。これが吉と出るか凶と出るかは、実際に動き出し時間が経ってから出ないと判断できませんが、少なくとも民主党バイデン政権時に起きたような行き過ぎた検閲がなくなる方向に進むというのは歓迎です。

というのも、データを元に真実に近づいていくためには、自由に議論が行える環境が不可欠だからです。

AIのレースはまだまだ続く

先日イーロン・マスク氏のxAIが6ビリオンドル、日本円にして1兆円近くの資金を集めたといことが話題になっていました。これで、xAIはこの1年の間に1.5兆円以上の資金を集めたことになります。

GPU、そして原子力を始めとした電気発電所の確保など、ファウンデーションモデルの開発には相当な投資が必要とされますが、そのレースはまだまだ続くようです。

データサイエンス・ブートキャンプ・トレーニング #38

おかげさまでいつもご好評いただいおりますデータサイエンス・ブートキャンプですが、現在来年3月版への参加申し込みを開始しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに習得していただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2025年3月25日(火), 26日(水), 27日(木)

場所：東京八重洲（対面形式）

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

Exploratoryの西田です。

こちらアメリカではサンクスギビングが終わり、いよいよクリスマスシーズンに突入しました。我が家でもクリスマスツリーを買ってきて（アメリカでは毎年本物の木を買う習慣があります。）、クリスマスのデコレーションをしてすっかり気分が盛り上がってきました。

ちなみに、写真に写っているのは最近我が家にやってきた2匹のウサギです。

ところで、前回のNews Letterで、世論調査は単純に世論を理解するために行うというよりも、世論調査の結果自体が世論（選挙）に影響を与えることがあるという話をしました。

選挙中に選挙に関する世論調査を行いそれをメディアが全国的に報道すると、その調査結果自体が選挙に影響を与えると言われています。例えば選挙日に近いタイミングで、ある民主党候補が圧倒的に勝つ可能性が高いだろうという報道が多くなれば、共和党候補を支持する人たちはあきらめて投票に行かなくなるといった具合にです。

そのため、選挙結果の予測を取り締まりたいというモチベーションはどちらの党にもあるわけです。

現在アメリカでは選挙が終わって、特に民主党サイドではなぜ負けたのかについての議論が行われています。そこで出てきたのが、ハリス氏の選挙キャンペーンのシニア・アドバイザーの告発です。彼によると内部で集めていた選挙予測データはいつもトランプ氏がリードしていたとのこと。（リンク）

トランプ氏側の選挙予測データもいつもトランプ氏がリードしていたと選挙中言っていたので、両陣営とも同じようなデータを集めていたことになります。

にも関わらず、ほとんどの世論調査は選挙前の9月、10月にかけてハリス氏がリードという結果を出していました。

両陣営ともトランプ氏リードの調査データを持っていて、例の賭けサイトのPolymarketもトランプ氏リードを示していたとすると、これらの世論調査はいったい何を反映していたのかということになります。

これは世論調査に対する信用を失うことになる、深刻な問題だと思います。これでは、世論調査は世論操作するために行われているという説により重みを与えることになります。

世論調査は一般的にはしっかりと調査設計がされていて、その結果はその時の世論がどうなっているのかを理解するために大変有用なデータです。しかし、特に政治的なものの中には、世論を反映するというよりも、世論に影響を与える目的を持ったものがあるのではないか、という視点は私たち市民は持っておくべきだと思います。

もちろん、中にはより正確な結果、、つまり選挙結果を予測するに役立つ情報を伝えていたRasmussenなどの世論調査もありますので、すべての世論調査が信用できないというわけではありません。

メディアの報道する世論調査の結果をそのまま鵜呑みにするのではなく、その世論調査はどの組織によって行われているのか、過去の実績はどうなのかといったことに注意しなくてはいけないということですね。

データ、AI関連ニュース

AIと規制

このNews Letterを以前から読まれている方にはお馴染みだと思いますが、私は去年から今年の前半にかけてAIにおけるアメリカ政府やEUによる規制には気をつけた方がよいという話をしてきました。

• セミナー：AIは誰のものなのか？独占 or 民主化 - リンク

というのも、市民をAIの脅威から守るというAIセーフティの名の下に、既存のGoogle、Microsoft、OpenAIといったAIテック企業が政府と組んで他の企業の新規参入を難しくする規制を作ろうとしていたからです。

• AI時代の宣教師と密売人 - リンク

例えば、新しいモデルを作るたびに政府または受託機関の承認を必要とするだとか、オープンソースによるAIモデルの開発を禁止するといった規制です。今でこそ、こういった法案はアメリカでは廃案となりましたが、今年の前半頃はそういったことが真剣に議論されていました。

最近、シリコンバレーでは泣く子も黙るほど有名なA16Zというベンチャーキャピタルのトップであるマーク・アンドリーセン氏がポッドキャスティングでこのAIの規制に関して具体的な話をしていました。彼らが首都ワシントンで共和党、民主党の政治家たちとミーティングをするたびに、新しいAIのスタートアップは諦めた方がいいと言われたとのことです。既存のAIテック企業によるロビー活動（陳情）が凄まじく、彼らを守るための規制ができるのは既定路線だと言われたのことです。（リンク）

ポッドキャスティングで「そういうことを言われたらどうするのですか？」と言われたアンドリーセン氏は、「だからドナルド・トランプの支持を表明した」と答えていました。

今回の選挙ではシリコンバレーで力とお金と影響力を持った人たちが、トランプ支持に回ったという話を以前しましたが、それはこうした行き過ぎた規制を嫌った人たちが多かったからでした。

今回の選挙でトランプ氏が当選したことで、このAIに関する規制に関しては大きく変わるだろうと言われています。それを象徴するのが、トランプ氏によってFCC (Federal Communication Commission / 米国連邦通信委員会）のトップに指名されたブレンダン・カー氏です。（リンク）FCCはテック企業の規制に主導的な役割を果たす組織です。

彼は以前からAIに関する行き過ぎた規制に反対の立場を表明していて、中でも「実際の世の中で起きているわけでもない想像上の危険を元にしたAIの規制はするべきでない」と過去に発言しています。

私はAIも他のテクノロジーと同じくオープンソースを含め、より開かれた公正な環境で開発が行われることが重要だという立場です。そうすることで、より多くの人々がそうしたテクノロジーを手にし、その恩恵を直接受けることができ、さらにそういったテクノロジーがより早く進化していくことを可能とするからです。

若年層が熟年層のプロフェッショナルに生成AIの使い方を教えることを期待するな！：新しい技術のリスクと初心者によるAIリスク軽減戦略

• Don't Expect Juniors to Teach Senior Professionals to Use Generative AI: Emerging Technology Risks and Novice AI Risk Mitigation Tactics - Link

MITスローン経営大学院とボストン・コンサルティング・グループ（BCG）による最新の調査によると、AI導入に際し若年層（ジュニアプロフェッショナル）に過度に依存することのリスクを指摘しています。

この調査は、生成AI（特にGPT-4）を使用した実際のビジネス問題解決の取り組みについて、2023年7月から8月にかけて78名のジュニアコンサルタントを対象にして行われたものです。

調査によると、多くのジュニアプロフェッショナルはAI技術に親しみがあり、実務に応用しようとする姿勢が強いものの、そのアプローチは表面的な活用にとどまることが多いとのことです。例えば、AIを利用して単純なレポート作成やマーケティング用のコンテンツ生成を行うといったケースが多く、AIの本来の可能性である高度なデータ分析や戦略的な洞察を引き出す活用には至れていないとのことです。

また、ジュニアプロフェッショナルは既存のルーチンワークの効率化に重点を置き、AIの導入によって業務全体を革新する視点に欠けてるとのことです。例えば、特定のタスクやワークフローの自動化にAIを用いる提案が多く、組織全体におけるAIの統合的な活用や、業務プロセスの根本的な改革を見据えた提案はほとんど見られなかったとのことです。

そしてこれはある程度予想されたことですが、生成AIの出力に対する批判的な評価や検証を怠る傾向があるとのこと。たとえば、AIが生成したデータの要約や洞察をそのまま使用するケースがあり、AIモデルが持つ限界や（ハルシネーションによる）間違った情報に対して注意することなく、そうした情報をもとにした意思決定を行うことがあるとのこと。

ただ、上記のような問題は、何も若年層、ジュニアレベルの人たちに限ったことではなく、熟年層、シニアレベルの人たちにも起きうることです。

しかしこれは、データサイエンスにおいても同じなのですが、結局はドメイン知識がなければ、AIが出力する結果をどう解釈すれば良いのか分からなかったり、正しいかどうか判断できなかったりします。

そして最も深刻な問題は、そもそも何を質問すれば良いのか分からないというものです。特に現在のAIはプロンプトをどう作っていくか、またどうやってAIと「会話」を繰り返しながら質の高い情報を得ていくかが重要です。

ですので、AIをうまく使いこなすために、若年層か熟年層、ジュニアかシニアかというよりも、ドメイン知識、問題意識、質問力、仮説の設定能力といったものを持っているかどうかが問われているのだと思います。

今週のデータ

TWD#40 - メディアと民主党リベラルによって分断されるアメリカ

よくアメリカの政治は2極化していると言われ、その原因は極右勢力が影響を強めているからといった見方が主流です。しかし、データを見てみると、実は左派、民主党、リベラル勢力こそがここ10年の間に極端に左に振れ、さらにその原因はメディアにあるということがわかります。

今回は、このメディア、そして民主党によって分断されるアメリカについて解説してみました。ぜひご覧ください！

データサイエンス・ブートキャンプ・トレーニング #37

おかげさまでいつもご好評いただいおりますデータサイエンス・ブートキャンプですが、現在12月版への参加申し込みを開始しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに習得していただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2024年12月17日(火), 18日(水), 19日(木)

場所：東京八重洲（対面形式）

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

Exploratoryの西田です。

先週お伝えしたアメリカの選挙結果をどの世論調査よりも高い精度で予測した賭けサイトのPolymarketの創業者/CEO、Shayne Coplan氏が、先週FBIによる家宅捜査をうけました。（リンク）理由は、賭けに参加していたユーザーにアメリカ人が含まれている可能性があるからということです。

以前にこちらのビデオでも解説しましたが、実はアメリカではアメリカ人のオンラインでの賭けは禁止されていたため、アメリカ人はVPNを使って外国からのユーザーであるふりをして賭けに参加していると言われていました。

しかし、今年の春にはオンラインでの賭けに対する規制が緩くなり、例えばRobinhoodなどのスタートアップは実際に今回の大統領選挙の賭けをアメリカ市民を対象に堂々と行っていました。

また、Polymarketは2020年に創業し、2020年の大統領選挙、2022年の中間選挙でも同じような賭けを提供してきていただけに、このタイミングでの家宅捜査は、今回の選挙で負けることになった現民主党政権による影響が疑われています。（FBIは司法省管轄で、FBI長官も司法長官も現民主党人事です。）

選挙中に選挙に関する世論調査を行いそれをメディアが全国的に報道すると、その調査結果自体が選挙に影響を与えると言われています。例えば選挙日に近いタイミングで、ある民主党候補が圧倒的に勝つ可能性が高いだろうという報道が多くなれば、共和党候補を支持する人たちはあきらめて投票に行かなくなるといった具合にです。

そのため、選挙結果の予測を取り締まりたいというモチベーションはどちらの党にもあるわけです。賭けサイトによる大統領選挙の予測に関しては、選挙の前にこちらのビデオで解説していますので、まだ見てない人はぜひご覧ください。

ところで、今回の選挙では共和党が大統領、上院多数派、下院多数派の全てを全てを取ることになり、レッドウェーブ（赤い波）が起きたと言われています。（アメリカでは共和党が赤で、民主党が青ということになっています。）

その原因は、この４年間の民主党バイデン政権の間に一般庶民にとっての経済状況がかなり悪くなり、さらに州や市レベルを含めた民主党政府の違法移民や犯罪者に対する甘い対応による治安の悪化、シリコンバレーのテック企業などを狙い撃ちにした規制、訴訟、検閲などの多くがあげられます。

こうした理由もあって、今回の選挙では様々な層において民主党支持から共和党支持への乗り換えというトレンドが見られました。

その中でも、歴史的に民主党支持が圧倒的に多かったヒスパニック系（中南米系）アメリカ人の多くが共和党支持に乗り換えた、というのが今回の大きなレッドウェーブの原動力だったと言われています。

この点に関して以下のビデオで詳しく解説していますので、ぜひご覧ください！

ちなみに、上記のチャートの中で民主党支持が増えた層が2つあります。1つは白人の大卒女性ですが、これは中絶が1つの争点だったためです。（共和党は州レベルに任せたい、民主党は連邦政府レベルで推進したい）

もう1つは65歳以上というグループですが、これはテレビの影響だ思われます。

アメリカのテレビや新聞は歴史的にほとんどがリベラル系、民主党寄りですが、特にここ最近はその傾向が極端になってきていて、まるでそれは民主党専属報道機関であるかのごとくです。

そして、こうしたテレビや新聞のニュースから情報を得ている割合が最も高いのがこの65歳以上というグループなのです。（リンク）

TVや新聞などの伝統的なメディアがあまりにも左に寄りすぎた結果、そうしたメディアに対する信用はこの20年ほどの間に特に共和党寄り、そして独立派の人たちの間で相当低くなりました。（リンク）

こうした伝統的なメディアの影響力の低下も今回の選挙結果に大きな影響を与えることになったのではないかと思います。

ちなみに、ポッドキャストやX、Youtubeなどが特に若年層への影響力を増大させているメディアとして挙げられていますが（リンク）。

データ、AI関連ニュース

機械学習を用いた科学における再現性の危機

最近はよく機械学習を利用した科学研究におけるブレイクスルー的な発見のニュースがよく出てきます。しかし、実はそうしたものの中には、データリーケージ（データ漏洩）というタイプのエラーに基づいているものが少なくないとする「機械学習を用いた科学におけるリーケージと再現性の危機」という論文が最近発表されました。

• Leakage and the reproducibility crisis in machine-learning-based science - Link

データリーケージとは、意図せずモデルの予測に影響を与える情報がデータの中に混入してしまう現象であり、このために結果が偏ってしまい、科学分野全体で再現性の危機を引き起こしている可能性があると語られています。

論文によると、このデータリーケージの問題は思った以上に多くの研究で発生しており、特に医療や環境科学などの分野でよく見られるとのことで、こうした問題によりモデルの性能に関して過度な主張につながっている可能性を指摘しています。

対策として検証方法の改善と、データ処理に関する意識向上の必要性を強調していますが、これはデータ分析を長年やってきた人たちからすると、お馴染みの問題のように聞こえるかもしれません。

機械学習やAIの性能がどんどん進化しているのは事実ですが、だからといって手放しで新しい科学的発見につながるとは言えないということですね。

これはビジネスにおける機械学習やAIモデルの活用においても同じことが言えると多いますので、気をつけたいところです。

深層学習はすでに天井が見えているのか

スケーリング仮説というのを知っていますか？

このニュースレターでも過去に話したことがありますが、現在のLLMのようなAIモデルはデータ量、トレーニングにかける時間、パラメーターの数を増やせば増やすほど、その性能はどんどんと進化していくというものです。

この仮説を元に、ファウンデーションモデル（大量のデータを用いてトレーニングしたLLMのようなAIモデル）の性能を改善させるために、OpenAI、Anthoropic、Google、Meta、MicrosoftといったAI企業は大量のGPUを買い集め、大規模なデータセンターを用意し、莫大な電力の確保に必死です。最近世界中で原子力発電所建設ブームが起きているのもこれが原因です。

しかし最近、前述のスケーリング仮説を提唱したIlya Sutskever氏（OpenAIの創業メンバー、現在はSSI（Safe Superintelligence）というAI研究所を創業）がこのスケーリングが天井に達したということを言っていました。（リンク）

このことについて、非常に面白い分析記事があったので、こちらで解説します。

• Is Deep Learning Actually Hitting a Wall? - Link

AIの性能が頭打ちしていると言われる理由の1つとして挙げられているのは、モデルのトレーニング（事前学習）用に使われてきたクオリティの高いデータ、つまり人によって作り出されてきたデータ（本やブログ記事など）やこれまでのシステムによって作られてきたデータはもうほとんどすでに使い果たしてしまったからだというものです。

そうなると、AIによってデータを人工的に生成しない限りデータは増えないということですが、逆にこうしたデータを使うことでモデルのクオリティが落ちることになってしまうことも確認されていると言われています。

実際、OpenAIはGPT-3からGPT-4の時に見せたような進化を次期バージョンでもたらすことに苦労しているとのことで、Orionと呼ばれる現在開発中のバージョンはGPT-5とは呼ばれないかもしれないとのことです。Claudeの開発元であるAnthoropicも同じような問題に直面しているとのことです。

こちらのチャートはOpenAIがo1モデルを発表したときに出したものですが、横軸が左側のチャートはトレーニング時間、右側はテスト時間、縦軸はどちらもモデルの予測精度となっています。

これを見るとトレーニングに時間をかければかけるほど、つまりデータの量を増やしてパラメーターの数を増やすと予測精度が上がるように見えます。

しかしここで注意したいのは、横軸はログスケール（例えば１目盛10倍ずつで増えていく）なのに対して、縦軸はそのままのスケールです。ということは、モデルのトレーニングにかかる時間が指数関数的に増えていくのに対して、精度は線形関数的（段階的）にしか上がらないということで、莫大なコストをかければかけるほどリターンは限定的になっていくということを示しています。

現在ではこうしたモデルの性能改善はトレーニングフェーズではなく、推論フェーズにウェイトが移っています。例えばChatGPTであれば、o1モデルがそうですね。

しかし、この推論型というのはユーザーからのリクエストに対して演算処理に時間をかけることで解答のクオリティを上げようとするものですが、そのことがビジネス的には問題になるのではないかと著者は言います。

それは、ユニット・エコノミクス（収益性）の問題です。

LLMなどファウンデーションモデルを元にしたAIビジネスのユニット・エコノミクス（収益性）はソフトウェアビジネスに比べるとあまりよくありません。というのもソフトウェアビジネスであれば一度プロダクトを作ってしまえば、その後に規模を拡大するためにかかる費用はほぼゼロです。車であれば作る度にコストがかかりますが、ソフトウェアを複製するコストはゼロです。そして複製にかかる時間もほぼゼロです。

しかし、現在のようなAIは、特にChatGPTであればo1といった推論型のAIは演算部分に時間をかけることで性能が良くなるため、ユーザーにサービスを提供すればするほどコストがかかります。例えばChatGPTのo1-preview（推論型モデル）はGPT-4oの6倍ほどの価格です。（リンク）

もし、現在のようにトレーニングによってモデルの性能を上げることに限界が来ているため、o1のような推論型（演算処理に時間をかける）に希望があるというのであれば、それはさらなるコストの増加を意味します。

ファウンデーションモデルを作るAI企業間の競争は熾烈を極め、現在ではどこの会社のモデルも性能的には大差ありません。これはある意味、自動車産業と変わりません。つまり大規模なデータセンター（製造工場）を作り、大量のユーザーに提供することで低コストにするという「規模の経済」型ビジネスです。

そのため、もしAIの性能を上げるためのコストが指数関数的に上がっていくのに比べてそのリターンである性能の改善が線形でしか上がっていかないのであれば、OpenAIなどファウンデーションモデルを提供するAI企業のビジネスモデルは期待されているほどのリターン（収益）を上げないのではないかと著者は疑問を投げかけます。

もちろん、プライベートセクターであればビジネスモデルが問題になりますが、政府であれば別です。例えば、アメリカの防衛省にとってはAIの性能を進化させることは国家安全保障にとって重要ですから、利益関係なしに莫大なコストをかけてAIをさらに進化させるための投資と研究を続けることができます。

ただ、70年代にアメリカ政府が人間を月に送ったのをピークにアメリカの宇宙探索における進化は止まってしまったように（最近では民間企業のSpaceXによってようやく技術革新が見られようになりましたが）、政府は技術を進化させ続けることが苦手だということも忘れてはいけません。

AGI（Artificial General Intelligence / 汎用人工知能）を含めたAIの進化に関する予測を難しくするのは、最新のAI技術に関する情報を持っている人たちは、たいてい何らかの金銭的な動機を持っています。OpenAI、Googleなどの重役であったり、新しいAIスタートアップの創業チームであったりという具合です。

そして彼らは投資家からの莫大な資金を必要としています。というのも、AIモデルを現在の仕組みの中で進化させるためには、それが莫大な利益をもたらすかどうかは抜きにして、莫大な費用（データセンター、電力、GPUなど）を必要とするためです。

そこで、こうしたAIを開発している人たちは、数年以内にAGI（Artificial General Intelligence / 汎用人工知能）が可能だといった大きな風呂敷を広げなくてはいけないという面もあります。

しかし、たとえそれが可能であったとしても、それを作り出すにはあまりにもコストがかかり過ぎるため、結局はAGIによって人間の仕事を完全に置き換えるというのは、まだまだかなり先の話なのかもしれません。

データサイエンス・ブートキャンプ・トレーニング #37

おかげさまでいつもご好評いただいおりますデータサイエンス・ブートキャンプですが、現在12月版への参加申し込みを開始しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに習得していただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2024年12月17日(火), 18日(水), 19日(木)

場所：東京八重洲（対面形式）

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

Exploratoryの西田です。

先週はアメリカでは選挙があり、共和党のトランプ元大統領が再選され、さらに上院、下院も共和党が多数派を占めることとなりました。

蓋を開けてみればトランプ元大統領の圧勝だったわけですが、マスコミのニュースだけを頼りにしていた人達にとっては驚きの結果だったようです。というのも直前までは各メディアが行う世論調査を元に、五分五分でどっちが勝ってもおかしくないという報道だったからです。

こうした世論調査を元にした予測は、2016年トランプ元大統領が初当選したときからあまり当てにならないと言われてきました。というのも、特にトランプ元大統領のように大半のメディアにあからさまに嫌われている場合は、世論調査をする人達の持つバイアスが調査の仕方に影響を与え、またトランプ支持の人達は調査員に対して本音で答えないからだと言われています。

そこで、むしろPolymarketのような賭けサイトによる予測のほうが頼りになると言われてきたのですが、今回も賭けサイトは10月に入って以来トランプ元大統領の勝利の確率は上昇傾向に入り選挙の数週間前から60％ほどを示していました。（リンク）選挙当日もどのメディアよりも早いく当確の予測を出すに至りました。

結局、今回もメディアによる世論調査よりもPolymarketのような賭けサイトの方が予測に役立ったわけですが、なぜなのでしょうか。

それは英語で「Skin in the game」と言われるもののせいです。つまり、実際に自分のお金がかかっている場合、人々はより真剣に、そして本音で判断するようになるため、周りの目を気にしたり、希望的観測で答えてしまうこともある世論調査に比べると「回答者（または賭け者）」によるインプット情報の質が高いからだと言われています。

品質改善の父であるエドワード・デミング氏は「知識とは予測に役立つものだ」とよく言っていました。ただメディアから流れてくる情報をそのまま知識だと勘違いして受け入れていれば、いつになっても予測がうまくできません。そこで何が予測に役立つのかという姿勢で自分から情報を探しに行くことが求められます。

もちろん、世論調査が頼りにならないと一般的な話をしてるわけではありません。あくまでも、トランプ元大統領のようなメディアに嫌われている人が絡む選挙に関しては頼りにならないという話です。

賭けサイトによる大統領選挙の予測に関しては、選挙の前に以下のビデオで解説していますので、ぜひご覧ください。

もう1つ今回のアメリカでの選挙に関して。

日本ではアメリカのリベラルメディアからの情報しか入ってきません。そのため、アメリカの政治に関するニュースには民主党のバイアスがたくさん入っています。

そこで、今回なぜトランプ元大統領や共和党がより多くのアメリカ人に支持されたのかについて、日本のメディアなどではいい加減な報道がされているようです。

その中でも極端なのが、トランプ元大統領や共和党を支持するのは南部の教育レベルの低い白人たちだというものです。これは有名なエリート大学を多く抱えるカリフォルニア、ニューヨーク、マサチューセッツといった州ではいつも民主党支持が多数派を占めることも影響しているのだと思います。

しかし、これは以下の点によって反証されます。

まず最初に、今回もトランプ元大統領支持が多数派となったフロリダ、ジョージア、テキサスにも全米でトップクラスの大学が数多くあり、こうした州の教育水準はカリフォルニア、ニューヨークなどに比べて低いわけではありません。

さらに、今回の選挙ではほぼ全ての州で共和党支持が大きく増えました。

ソース：

https://www.ft.com/content/392e1e79-a8c1-4473-ab51-3267c415b078

上昇の幅が最も大きかったのは実はカリフォルニアやニューヨークといった元々民主党支持が高い州でした。

また、今回の選挙ではヒスパニック（ラテン）系アメリカ人の支持の多くがトランプ元大統領、共和党に流れました。

これについては、南部国境から入ってくる違法移民の取締り強化と、違法移民の強制返還を訴えるトランプ元大統領をなぜ中南米系の人達は支持するのかと驚く人もいます。しかしこうした人達には合法の移民と違法の移民の区別がついていないため、ヒスパニック系、中南米系アメリカ人といった合法移民は、違法に入ってくるギャングを含めた移民によって治安が乱されることに不満を持っているという現実は目に入らないようです。

またヒスパニック系、中南米系アメリカ人は一般的に白人以上に保守的です。そのため特にここ最近の民主党による極端なリベラル政策（LGBT、中絶、犯罪者に優しい政策、など）にはついていけないという人達がたくさんいます。

今回の選挙でなぜトランプ元大統領が当選したのかを考える時、「教育レベルの低い白人の支持が高いから」といったあまりにも適当で単純化した見方をしていると、いつまでも「予測に役立つ知識」を獲得することはできません。

今回の選挙では多くの一般的なアメリカ人は経済、違法移民、犯罪といったことを問題にしていました。そうした国民の懸念に対し独自の政策を明確に打ち出したのがトランプ元大統領であり、共和党でした。それに対して、ハリス副大統領、民主党は「民主主義の危機」、「中絶の権利」を今回の選挙の争点として全面に打ち出し、経済などの問題に対しては現民主党政権との違いを明確に打ち出すことをしませんでした。

さらに、特にシリコンバレーなどではこの4年間の現民主党政権による極端な規制、反ビジネス政策が嫌われたというのも大きかったと思います。

トランプ元大統領はリベラル系メディアに嫌われているため、彼の発言に関する報道もかなり歪曲したものになりがちです。そこで、なぜトランプ氏が当選したのかを冷静に分析できない人が多いようです。しかし、こういうときこそデータを元に客観的に状況を分析することが重要です。

そして、多くの人たちが特にこの4年間で民主党を見限り、共和党そしてトランプ元大統領を支持するに至ったのはなぜなのか、という視点からの冷静な分析と問いかけも重要なのではないかと思います。

最後に話は大きく変わりますが、先週「データを使ってビジネスを改善するために必要な3つの質問」というブログポストを書きました。データを見ていてもビジネスが改善するわけではありません。改善のためには本文の中で紹介されている3つの簡単な質問に答えることが必要で、そこではXmRチャートが役に立つという話です。

データを使ってビジネスを改善していくための仕組みを作りたい方はぜひご参照下さい！

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

データサイエンス・ブートキャンプ・トレーニング #37

おかげさまでいつもご好評いただいおりますデータサイエンス・ブートキャンプですが、現在12月版への参加申し込みを開始しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに習得していただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2024年12月17日(火), 18日(水), 19日(木)

場所：東京八重洲（対面形式）

詳細を見る

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

Exploratoryの西田です。

先月初旬に私の住むフロリダのサラソタにハリケーン・ミルトンが直撃して以来、こちらのニュースレターの発信の方が滞ってしまいましたが、その間に様々な事がありました。

中でも以下に述べる3つの出来事が、私にとっては注目に値するものでした。

まずは1つ目、前述のハリケーン・ミルトンです。幸い私の家は大した被害はなく、州政府のよく練られた事前準備のお陰で、その後の復旧作業もかなり素早く行われ、今となってはハリケーンが直撃したことも過去の出来事のようです。

ただ、毎年のことですが、この手の自然災害が起きると決まってメディアは「地球温暖化」、「気候変動」を騒ぎ立てます。大型のハリケーンは地球温暖化によって起こされていて、何もしなければこれからもっと大変なハリケーンが襲ってくるというわけです。

しかし、落ち着いて過去のデータを見てみれば、この手の大型のハリケーンは特に最近のものではなく、昔から定期的にやってくるものであることが確認でき、それは地球温暖化とは関係のないことがわかります。

こちらに関しては詳細を以下のビデオにまとめましたので、地球温暖化とハリケーンの関係について興味のある方はご覧ください。

2つ目は、いよいよ大統領選挙が来週に迫ってきました。そこでメディアによる誹謗合戦も日に日に凄まじくなってきて、何が本当なのか、トランプ氏とハリス氏のどちらが勝つのか見えにくくなっています。

ただ、今回の選挙は前回2020年と比べて注目すべき2つの大きなうねりがあります。1つは黒人、ヒスパニック層が民主党支持から共和党支持に流れていることです。もう1つは、シリコンバレーも民主党支持から共和党支持に流れていることです。実際こうしたトレンドが最終的にどれほど選挙結果に影響を及ぼすのかはわかりませんが、それでも無視できないトレンドだと思います。

こちらに関しては以下の2つのビデオにまとめましたので、アメリカの大統領選挙や政治に興味のある方は、ぜひご覧ください。

最後の3つ目は、みなさんご存知の通り最近のAIの進化のスピードです。毎日のようにOpenAI、Google、xAI、Meta、Anthropic、そして他のAIスタートアップなどから新しいAIの新機能や新サービスが誕生しています。

その中でも私にとって衝撃的だったのは今週発表のあったChatGPTの検索機能です。以前から私はGoogleの検索の代わりにPerplexityやGenSparkなどのAI検索を使うようになっていました。ところが、ChatGPTが出してきた検索機能は、対話をしながら知りたい情報を探っていくというChatGPTのユーザー・エクスペリエンスを残しながら、さらに最新の情報を含んだ検索を組み合わせることができるという点で、かなり便利なものです。

さらにOpenAI（ChatGPTを提供する会社）が同じタイミングで出してきたChromeブラウザのChatGPTプラグインを使えば、ブラウザのアドレスバーに検索文字列を入力するだけで、知りたい情報に効率よくたどり着けるようになりました。

これをもって、私がGoogleの検索を使うことはもう完全に無くなるでしょう。このことが私にとっては衝撃でした。というのも、これこそが「イノベーターのジレンマ」というやつだからです。現在の生成AIの元となるのはトランスフォーマーというモデルで、それはGoogleで元々開発されたものです。しかし、その商業化に成功したのはChatGPTで、そのChatGPTがGoogleの検索ビジネスを潰してしまうことになるからです。

なぜ、Googleはもっと早く、OpenAIがChatGPTを市場に出す前に、トランスフォーマーを最大限活用したAIサービスを提供し、さらにGoogleの検索機能そのものを生成AIベースにすることができなかったのでしょうか。このできなかった理由こそが、大企業がすでに起動にのっているビジネスを守るために、新しいイノベーションを起こせなくなるという「イノベーターのジレンマ」というのものです。

現在Googleはアメリカ政府に検索市場での独占的地位を維持するために反競争的な行為を行っているとして、反トラスト法（独占禁止法）違反で訴えられています。それほど強固な独占ビジネスであったその検索ビジネスが、新興AI企業（OpenAI）によって奪われようとしているのは、あまりにも皮肉的な状況だと思います。

以上がここ最近で最も大きなデータ、AI関連の出来事でした。もちろん他にも様々なことが起きていますが、それらはまた来週以降触れていきたいと思います。

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

データサイエンス・ブートキャンプ・トレーニング #37

おかげさまでいつもご好評いただいおりますデータサイエンス・ブートキャンプですが、現在12月版への参加申し込みを開始しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに習得していただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2024年12月17日(火), 18日(水), 19日(木)

場所：東京八重洲（対面形式）

詳細を見る

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

Exploratoryの西田です。

先週アメリカ南東部にやってきたハリケーン・ヘリーンによるダメージは、私の住むフロリダでも大きく、友達の中にも洪水で一時住む場所がなくなってしまった人達が何人かいたほどでした。

しかし、さらに壊滅的だったのはノース・カロライナ州やテネシー州のアパラチア山脈近郊の地域に襲った洪水でした。すでに200名以上の方の死亡が確認されているとのことですが、アクセスが難しい奥地へ被害が拡大したため、死亡者はもっと多いとも言われています。現在も行方不明者の捜索、道路が破壊され身動きが取れなくなってしまった人達の救出活動が行われています。（リンク）

アメリカにはこうした自然災害などが起きたときの緊急活動にあたるためのFEMA（Federal Emergency Management Agency / 米国連邦緊急事態管理庁）という連邦機関があるのですが、今年のハリケーンシーズンを乗り切る予算が足りないとの発表を行っていました。（リンク）

その理由が、すでに予算の大半である1ビリオンドル（約1500億円）を違法移民のシェルター（滞在所、避難所、ホテル、など）や移送にかかる費用として使ってしまったからとのこと。

2021年、バイデン政権になってからアメリカに入ってくる違法移民は急激に増加しました。

そしてこの違法移民の増加は偶発的に発生したものではなく、アメリカ政府、NGOが裏で手を引いていたことがわかっています。

本来であればFEMA（米国連邦緊急事態管理庁）の予算は今回のようなハリケーンなど、自然災害による被害者の救済、被災地の復興に使われるはずなのですが、異常に増加した違法移民のために使われていたということで、特に右派の間で問題となっています。

また、最近ちょうど同じ時期にアメリカはウクライナ向けの8ビリオンドル（約1.2兆円）の軍事支援金を送る緊急法案を通したばかりです。（リンク）

こうしたことから、右派、そしてハリケーン被害を受けた地域に住む市民の間で、民主党現政権は「America Last」だとの声が大きくなっています。（トランプ陣営の標語がAmerica Firstであるのに対して）

アメリカのメディアの多くは最近は特に極端に民主党寄りであるため、民主党にとって都合の悪い南部州でのハリケーン被害、そして復興活動の遅延などのニュースはなるべく避けているようです。

そのため、リベラル系メディアの情報しか入ってこない日本にはアメリカの南部州での救済活動、復興の遅れによる現地の実情に関する話はなかなか入ってこないのではないかと思います。

現在アメリカは一ヶ月後に大統領選挙（そして、上院、下院なども）を控えているため、このハリケーン被害に関するニュースもどうしても政治化してしまいがちです。これは右派も左派も同じです。しかし被害を受けた人達にとっては、共和党か民主党かは関係ありません。こういうときこそ政治的な違いを乗り越え、迅速な救済と復興が行われることを願いたいと思います。

データ、AI、意思決定関連記事

新しいアーキテクチャを元に作られたAIモデルがLiquid AIからリリースされる

MITからスピンオフしたスタートアップであるLiquid AIがLiquid Foundation Models (LFMs)をリリースしました。これは現在ChatGPTなどに使われているトランスフォーマーを基盤としたアーキテクチャと異なる「Liquid Neural Networks」を基盤とした新しいアーキテクチャが採用されています。

データに対して動的に適応することができ、さらに継続的な学習が可能とのことで（トランスフォーマーのアーキテクチャは一度学習した後の調整には再度追加のトレーニングが必要となります）、そのため急速に変化する環境やデータセットにおいても関連性を維持でき、メモリー効率が高く、モデルのサイズも比較的小さくてすむと言われています。

にも関わらず、既存のモデルに比べても高い性能を出しています。

ChatGPTなどで使われている現在のAI（トランスフォーマーを元にしたアーキテクチャ）のシステムは、理論的にはデータの量を増やし、パラメーターの量を増やし、演算処理をするGPUなどを増やせば増やすほど性能が上がります。

そして、その限界は現在のところまだ見えていません。そこで、OpenAIにしても、Googleにしても、Metaにしても、現在どんどんとGPUのクラスターの数を増やし、データとパラメーターの数を増やし、自分たちのAIの性能を向上させることに資源を投入しています。

こうした大規模なAIモデルの学習環境を支えるデータセンターには、大量の電力が必要となり、それが現在テック企業が自分たちのデータセンター専属の原子力発電所の確保に必死になっている理由です。（リンク）

オラクルのラリー・エリソン氏（リンク）、Meta（Facebook）のマーク・ザッカーバーグ氏（リンク）によると、この競争に参加するには少なくとも100ビリオンドル（約15兆円）が最低でも必要だということです。

それだけに、この新しいタイプのAIアーキテクチャに対する期待は大きいものがあります。これからに注目したいと思います。

現在Liquid AIのAIモデルはPerplexity AI、Cerebras Inferenceなどを通して試すことができます。

AI規制法案にカリフォルニア知事が拒否権を行使

カリフォルニアですでに議会で承認されたAIセーフティ法案（SB1047）が、知事によって拒否権を行使され廃案になったとのことです。（リンク）

この法案が通ると、AIモデルを作るものは誰もがカリフォルニア政府の「セーフティ」に関する承認を受ける必要があり、さらにそのモデルを使ったサービスによって何らかの損失が生じた場合は、そのモデルの提供元（それはOpenAIかもしれませんし、もしくはオープンソースであれば名の知れない個人かも知れません）が金銭的な面も含めた責任を取るというものでした。

この手の規制が好きなカリフォルニアですが、民主党に多額の資金を提供しているシリコンバレーのOpenAI、Google、ベンチャーキャピタルなどがこの法案に反対するよう知事にプレッシャーをかけていたとのことです。OpenAIやGoogleなどは連邦政府レベルでは、AIモデルに対して規制をかけることに賛成していたので、これには私も驚きました。

AIモデルに対する何らかの規制が必要だとする意見も理解はできるのですが、ただ多くの場合はそうした規制は当初の目的を離れ、既存企業を守るためのものとなってしまうことが多く、それはソフトウェアの世界ではオープンソースによる開発を不可能にしてしまいかねません。

AIに関する規制と民主化の動きについては過去にセミナーで解説してますので、興味のある方はぜひご覧ください。

今週のデータ

TWD#30 - 電気自動車をめぐるアメリカと中国の貿易戦争

アメリカが電気自動車を強く推す理由は日本とドイツの自動車産業潰しのためです。

電気自動車は日本が強いハードウェアではなく、アメリカ（シリコンバレー）が強いソフトウェアで勝負が決まります。電気自動車とはiPhoneに車輪がついたようなものと思っていただければ、その全体像がつかみやすいと思います。

そして現在一人勝ちしているのがソフトウェア（そしてAI）の強いアメリカのテスラです。

しかし、そのアメリカに果敢にチャレンジしているのがBYDなどを抱える中国です。 そのため、アメリカはあの手この手で中国の電気自動車がアメリカの市場に入ってこないよう対策を打っているのですが、その最新のものが中国の自動車用ソフトの禁止です。

TDW#31 - 庶民が感じるインフレと中央銀行が見てるインフレのギャップ

最近アメリカの中央銀行は0.5%の利下げに踏み切りました。その理由はインフレが「収まった」ということでした。

しかし、アメリカに住む一般市民にとっては物価高は収まったようには思えないほど、物価は高いままです。 この一般市民が感じるインフレと、中央銀行の政策担当者が見てるインフレの違いについてチャートを使って解説しました。

データサイエンス・ブートキャンプ・トレーニング #37

おかげさまでいつもご好評いただいおりますデータサイエンス・ブートキャンプですが、現在12月版への参加申し込みを開始しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに習得していただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2024年12月17日(火), 18日(水), 19日(木)

場所：東京八重洲（対面形式）

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

Exploratoryの西田です。

今週はフロリダにまたハリケーンがやってきました。今回のはカテゴリー4（5が最大）となり、各地に多大な被害を与えるほどでしたが、幸い私の住む地域は直撃を逃れたため被害は限定的でした。うちも庭の木が倒れたり、裏の川が溢れたりはしましたが、その程度で済んだのは幸いでした。

フロリダに2021年に引っ越してきて以来、毎年ハリケーンに遭遇しているため慣れてきましたが、それでも自然の持つ大きな力にはゴジラのような怪物を見る気がします。

日本でも最近北陸地方で洪水の被害があったと聞きましたが、素早い復旧が行われることをお祈りします。

ところで先週、「戦略論と科学思考の教科書 - チームで創るデータ駆動イノベーション」の著者であり、過去にはデータサイエンス・ブートキャンプに参加いただいたこともある吉田 裕介氏をお招きして、この本を書くに至った背景や戦略論と科学的思考などについて対談させていただきました。こちらにセミナーの録画がありますので、ぜひご参照ください。

データ、AI、意思決定関連記事

AIと原子力発電

先週、アメリカのエネルギー企業であるコンステレーション・エナジーが、使われなくなっていたスリーマイル島原子力発電所を再稼働させ、そこから得られる電力の全てをマイクロソフトに供給するという発表を行いました。（リンク）

さらに、マイクロソフトはプライベート・エクイティの金融企業であるブラックロックと提携し、データセンターに必要となる電力を確保するためにまず30ビリオンドル（約4兆円）、最終的には（14兆円）にも上る投資をすると発表しました。（リンク）

先週、AIの利益は現在のLLM（ChatGPTなどに使われている大量言語モデル）のようなAIモデルのトレーニングと運用に欠かせないGPU市場を独占するNvidia一社が総取りしているという話をしましたが、その大規模なGPUクラスターを動かすのに必要となるのが大量の電力です。

AIモデルを運用するために急激に増えた電力は、従来の電力会社からの電力だけでは足りず、どのAIテック企業もGPUの確保だけでなく、電力の確保にも必死となっています。これが前述の発表の背景です。

オラクルの創業者、元CTOであるラリー・エリソン氏も現在のようなAIを動かすデータセンターには原子力発電が必要となると話していました。そうした背景もあって、彼によるとこのAIレースに参加するためには少なくとも100ビリオンドル（約14兆円）が必要となるとのことです。（リンク）

前述のマイクロソフトの発表でも彼らは100ビリオンドルの投資を計画しているとあったことからも、この数字は適当なものではないようです。

ところで、前述のコンステレーション・エナジーのCEOは「原子力発電なしにAIの進化は続かない」と言っていましたが（リンク）、彼らのような原子力業界にとっても、この急増する電力需要というのはこれまでのEV（電気自動）やクリーンテックなどの需要とは桁違いに大きいとのことです。

こうした急増するGPU、電力需要に応えるために必要となる膨大な投資額、国の規制などを考えると、AIのレースに本気で参加できるのは、アメリカと中国の企業だけとなりそうです。

EV（電気自動車）におけるアメリカと中国の攻防

アメリカが中国とロシアの車用ソフトウェアの使用を禁止するとのことです。中国やロシアなどが運転データを収集したり、または車のシステムに侵入したりすることをアメリカ政府が懸念しているからとのこと。（リンク）

たしかにそういう可能性もあると思いますが、それを言ってしまえば、例えば日本などもアメリカの車用ソフトウェアの使用を禁止すべきとなるでしょうが、もちろんなりません。テスラなどアメリカ製の電気自動車は絶えずデータを収集していますし、それがアメリカ政府に渡されていないという保証はありません。また、最近のレバノンでおきたポケベルやトランシーバーのように、いずれは車も爆破や何らかの異常を遠隔操作できる日が来るのはそう遠くないでしょう。

私は個人的にEV（電気自動車）はアメリカによる日本とドイツの自動車産業潰しだと思っています。というのも、車の動力が内燃機関から電気になると、それはiPhoneに車輪がついたようなものとなり、そこでの勝負はソフトウェアが決めます。そして日本もドイツもソフトウェアは苦手で、これはアメリカにとって圧倒的に優位な土俵です。これがアメリカがEVを強力に推進する理由であり、その波に乗っているのがテスラです。

ところが、ここでアメリカの優位を脅かす存在が出てきました。それが中国です。中国も国を挙げて電気自動車に力を入れていますが、その売上台数はすでにテスラを超えるほどです。

そしてBYDなど中国の自動車企業は自社のEVを世界に向けて輸出を拡大中です。（リンク）

そして、主な輸出先はドイツ、オーストラリア、イスラエル、ブラジル、タイなどとのことです。（リンク）

ヨーロッパへの電気自動車の輸出台数はすでに中国がトップで現在拡大中です。

スマホで起きたことが繰り返されようとしているのではないかと思います。というのも、アメリカや日本ではアップルのiPhoneが主流ですが、ヨーロッパやアジアなどに行くとアンドロイドベースのスマホがiPhoneよりも多かったりします。（リンク）

これと同じように、ヨーロッパやアジアなどはそのうち中国の電気自動車であふれることになるでしょう。しかし、アメリカは様々な手を使って国内市場においてテスラを守るのではないでしょうか。

こうした背景から、アメリカ政府はすでに去年より中国製の電気自動車に対して100％の関税をかけていました。しかし、これにはアメリカ国内またはアメリカと通商同盟（NAFTA）のメキシコで作れば関税なしで「輸出」できるため効果が限定的でした。そこで、次の手として出てきたのが中国製のソフトウェアの使用禁止です。これで中国製の電気自動車がアメリカ市場に入ってくる道はほぼ閉ざされることになるでしょう。

貿易の自由化を謳い、日本など他国には関税ゼロ、規制撤廃を求めるアメリカですが、自国の戦略的重要産業を守るためには相手国の製品に関税をかけまくり、都合の良い規制を作るのもアメリカです。

リモートからフルタイムオフィスへ戻るアメリカ企業

現在アメリカではリモートを止め、フルタイムでオフィスで働くよう働きかけている企業が増えています。

KPMG 2024 CEO Outlook Surveyによると80％近くのCEOが完全リモートワークは次の3年でなくなるだろうと回答しているとのことです。

アマゾンは最近CEOが社員に対して1月2日までに全ての社員は毎日オフィスで働くよう通知するメールを送ったことで話題になりました。CEOのアンディ・ジャシー氏はその理由として生産性を挙げています。これは現場で仕事している人であれば誰でも気づいていることですが、やはり複数人で仕事をしている限り同じ部屋で仕事をしたほうがコミュニケーション、問題解決やアイデア出しのための議論において圧倒的に効率がいいのは明らかです。

アメリカはいい意味でも悪い意味でも、どんどんとやり方を変えていきます。一つのことを特に理由もなくだらだらとやり続けることがありません。激しい競争世界なので切り替えるべきときにさっさと切り替えれない企業は競争に負け、最後には潰れるという現実があるからでしょう。

日本ではまだまだリモートが当たり前となっている企業が多いようです。しかし、好む好まずに関係なく、多くの企業はアメリカや中国の企業と競争関係にありますから、いずれこうした生産性の差が日本企業にとって大きな足かせとなっていくのではないかと心配します。

今週のデータ

TWD #28 - アメリカから入ってくるニュースがいつも民主党寄りな理由

テレビ、新聞を含むアメリカのほとんどのメディアは民主党寄りです。その理由の１つはそこで働くジャーナリストの大半が民主党寄りの人たちで、逆に共和党寄りの人はほとんどいないからです。 この前提を知らずにアメリカから入ってくるニュースを読んでいると、気付いたら親民主党、反共和党となっていきます。

TWD #29 - 民主党から共和党支持へと流れていくアメリカ人

現在アメリカは戦争や外交だけでなく、経済、違法移民、都市部での犯罪、貧困化など内政にも多くの問題を抱えています。

そうした問題に対して効果的な対策をまったく打てない現民主党政権への失望から、多くのアメリカ人は共和党、そしてトランプ支持へと流れていっています。

このトレンドを世論調査で有名なギャロップのデータを元に解説してみました。

データサイエンス・ブートキャンプ・トレーニング #37

おかげさまでいつもご好評いただいおりますデータサイエンス・ブートキャンプですが、現在12月版への参加申し込みを開始しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに身につけていただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2024年12月17日(火), 18日(水), 19日(木)

場所：東京八重洲（対面形式）

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

Exploratoryの西田です。

先週は一週間日本でしたが、あまりの暑さにやられました。（笑）普段住んでいるフロリダの夏も暑いですが、それ以上に暑かったです。

ただ、琥珀流しのようなデザートであったり、京都の川床であったり、暑いときにこそ楽しめるものがあるのは日本の素敵なところで、そういう意味では日本の夏を少しでも楽しめたのは幸せでした。

ところで先週は水曜日にデータリテラシー・セミナーを東京で開催しました。データを使ってビジネスを改善するためには欠かせない、アウトプット指標とインプット指標をモニタリングしていく仕組み。これをアマゾンの例を参考に具体的にどう行っていけばいいかという話をしました。こちらに録画がありますので、ぜひご参照下さい。

データ、AI、意思決定関連記事

AI、そしてNvidiaに群がるテック企業

先週ロサンゼルスで、シリコンバレーで最も人気のあるポッドキャスト「All-In」によるイベントがありました。その1つのセッションでPaypal創業者、ベンチャーキャピタリストのピーター・ティール氏によるAIビジネスの本質に関するコメントが面白かったです。

「NvidiaがAIビジネスの利益の100％を取っている。それ以外の企業はみんなお金を失っている。」（リンク）

現在OpenAI、Google、X、Tesla、Metaなどを含め、どのAI企業もAIモデルをトレーニングするために大量のGPUを備えた施設の構築、または確保に追われています。ところがそのGPUを作れるのは現在のところNvidiaしかなく、そのGPUの供給は需要に追いついていません。

データの量は増える一方ですし、AIモデルの方も進化し続けているため、しばらくこの傾向は続くでしょう。どのテック企業またはAI企業もこの競争に負けるわけにはいかないため、採算度外視でこの供給の足りないGPUの奪い合いが起きています。

ここで不思議なのは、AIにおける競争優位はChatGPTのモデルであるLLMのようなソフトウェアではなく、NvidiaのGPUというハードウェアだということです。これが長年シリコンバレーのソフトウェア企業に対して投資をしてきた人たちにとっては違和感のある現実だということです。

たしかにシリコンバレーには例えばAppleのようにPCやiPhoneなどのようにハードウェアを作っている企業もありますが、それでもやはり彼らの競争優位はMacOS、iOS、App Store、iTunesなど、ソフトウェア・レイヤーにあります。そして、Google、Meta（Facebook、Instagram）、Airbnb、Uberなどはどれもソフトウェアに強みを持つソフトウェア企業です。これがとくにここ30年ほどのシリコンバレーのトレンドからすると違和感があるということなのでしょう。

ピーター・ティール氏のトークの全編は以下となります。

ところで、このNvidiaのGPU獲得競争については、オラクル創業者、現在CTOのラリー・エリソン氏も先週の記者会見で同じようなコメントをしていました。

「私 (Oracle) とイーロン (SpaceX/Tesla/X) とジェンセン (Nvidia) の3人で日本食レストランのノブで夕食したんだが、俺達の金を持ってってくれ、もっと持ってってくれ、とジェンセンを拝み倒したよ。」（リンク）

フルビデオ：リンク

オラクルは今となってはクラウドインフラを提供する企業ですから、そうしたクラウド環境でAIモデルをトレーニングしたい顧客は山のようにいるはずです。そこでオラクルとしても大量のGPUを用意する必要があるのです。

イーロン・マスク氏もTeslaの自動運転、XのGrokなど自分の抱えるどの企業もAIが中核ですので、大量のGPUを必要とします。

テック企業はどこもNvidiaのGPUが喉から手が出るほどに欲しいわけですが、シリコンバレーではトップレベルの人間関係がフルに作動しているようです。

カメラとドローンによって市民が四六時中監視されるようになる

さきほど出てきたオラクルのラリー・エリソン氏ですが、彼によると近い将来すべての市民がカメラとドローンで四六時中監視される世の中になるとのことです。（リンク）

これによって市民は犯罪を犯さなくなり、いつも正しい行動をとるようになるから、それはいいことだという文脈です。

このニュースレターをこれまで読んできた人たちはご存知だと思いますが、現在世の中は確実に監視社会に向かって進んでいます。それはジョージ・オーウェル氏の「1984」という小説あるような世界です。それは共産主義のような専制政府によって何が真実かが管理され、市民は絶えず監視され、個人が自由に考えることさえ禁止され、絶えずプロパガンダと恐怖によって支配される世界です。

車、スマホ、PC、玄関、エレベーター、ドローン、信号機、電車、改札、などすでにカメラは私達の身の回りに絶えずあります。こうした画像はシリコンバレーにある数少ないクラウドテック企業に送られ、AIを使って自動的に処理されます。

そしてこの数少ないテック企業をコントロールする、または影響力を持っている人たち（それはアメリカの場合は民主党であったりします）にとって都合の悪い情報や考えは「誤情報」というラベルが貼られ、それに触れる人達は自分の使うサービスのアカウントが停止されたり、警察に捕まったりするような世界はすぐそこまで来ています。

実際、現在イギリスではソーシャルメディアへの投稿や流れてきたツイートをリツイートすると逮捕される人が出始めています。（リンク、リンク）

中国ではすでに起きていたことで、そのさい中国は共産主義政権の国だから、独裁主義だから、といった感じである意味他人事でした。ところが現在、私達が民主主義、自由主義だと思っていた「西側」諸国でも同じようなことが起き始めているということです。この危険なトレンドには注意を払うべきだと思います。

今週のチャート

最近PEWリサーチによって、アメリカ人がどのソーシャルメディア系のサイトを使ってニュース情報を得ているのかについての調査結果が発表されました。（リンク）

それによると多いのはFacebookとYoutube、それぞれ30％を超えるレベルです。3人に1人はFacebookやYoutubeからニュースを得ているとのこと。

ここで1つ注目したいのは、TikTokが急速に伸びているということです。数年前ま数％だったのが最新では17％、5人に1人近くがTikTokからニュースを得ているということです。

ところでこの中でTikTokだけがアメリカの企業でありません。現在アメリカの民主党政権と対立しているXも政府にとっては目の上のたんこぶですが、それ以上に中国政府との関係の強いTikTokから多くのアメリカ人がニュースなどの情報を手に入れているという事実はアメリカ政府にとっては不都合なはずです。

こうした背景もあって、今年4月にTikTok禁止法案が可決されました。これにより親会社のBytedanceはTikTokを非中国人の人たちに売り渡すか、さもなければ禁止というものです。ただ猶予期間があり今年の終わりまでは執行されず、今現在TikTokはUS政府を相手に法廷闘争中です。

アメリカは誰がニュースを含め情報を管理しているかに敏感です。ニュースが世論を形成し、世論が選挙を動かすわけですから、民主主義を謳う国であれば当然と言えば当然です。その点で、日本も外国政府からの影響に対してもう少し敏感になってもいいのではと思います。

データサイエンス・ブートキャンプ・トレーニング #37

おかげさまでいつもご好評いただいおりますデータサイエンス・ブートキャンプですが、現在12月版への参加申し込みを開始しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに身につけていただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2024年12月17日(火), 18日(水), 19日(木)

場所：東京八重洲（対面形式）

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

Exploratoryの西田です！

みなさん、「ガンホー」という映画聞いたことありますか？

アメリカの1980年代の典型的なドタバタコメディで、潰れそうになった自動車工場に日本からコンサルタントがやってきて立て直すというシナリオの映画です。

映画としてはB級ものなんですが、当時自動車産業をはじめとした製造業において、日本の企業に打ちのめされていたアメリカの当時の雰囲気をつかむことができます。

というのも、今となっては信じられないかもしれませんが、80年代、90年代頃は多くのアメリカ企業が日本の製造業を視察しに行ったり、日本企業の社員を派遣してもらって「指導」してもらったりしていました。

そしてみなさんご存知のアマゾンもそうした企業の一つでした。

「なぜ床掃除をしているんだ？そんな時間があるなら、ホコリが出る原因を取り除け！」

これは、2000年代初め頃に倉庫の床掃除をしていた当時ジェフ・ベゾス氏（アマゾン創業者/元CEO）に対してカイゼン（改善）の指導をしていたトヨタ出身のコーチが放った言葉です。

ベゾス氏によると、当時「カイゼン」コーチからよく怒鳴られていたとのことですが、こうした指導によりアマゾンはその後ビジネスを継続的に改善していく仕組みを作ることに成功し、今となっては時価総額にしてトヨタを超え、世界トップ５、カナダやオーストラリアのGDPに匹敵するほどの規模を持つ企業へと成長することとなりました。

驚異的な成功を可能にしたアマゾンの「カイゼン文化」、この文化の核となっているのが毎週実施される「WBR（Weekly Business Review）」です。これはデータを活用し、実験と検証を繰り返しながらコントロールできるインプット指標を探していく仕組みです。

来週から久々の日本ですが、水曜日11日夕方にはデータリテラシー・セミナーとしてこのアマゾンの「WBR（Weekly Business Review）」という仕組みを参考に、企業や組織はどのようにデータを使ってビジネスを改善するための仕組み、そして文化を作っていけばよいのかという話をする予定です。

どのようにデータを活用してビジネスの改善に結びつければよいのか頭を悩ませている多くの人たちにとって、具体的なヒントを提供することができればと思っています。

興味のある方はぜひ、お気軽に会場の方までお越し下さい！直接お会いできるのを楽しみにしております！

申込みページ

データ、AI、意思決定関連記事

知識とは何か？情報と知識を区別するデミング・クライテリア

データを使ってビジネスを改善したいと多くの人が思います。しかし、いざ始めると期待したようにはうまくいかないということが多いのも事実です。

そこで少し立ち止まってそもそもデータを使う、または分析する目的は何なのかを明確にしてみましょう。もちろん、ビジネスを改善するのが究極的な目標ではあるのですが、それではあまりにも抽象的すぎますよね。

実は、データを分析する目的は知識を得ることなのです。

ここで言う知識とは、何かを知っているという意味の知識ではなく、予測に役立つという意味での知識です。こうした知識があればビジネスを改善させるために効果的な施策、対策を打っていくことができるようになります。

そこで今回はこの「知識」とは何かについての話をしたいと思います。

続きを読む

UberとBYD（中国）が10万代のEVと自動運転に関する提携を発表

配送サービスのUberは中国のBYDから10万台のEV車を仕入れることに合意したとのことです。（リンク）まずはヨーロッパ、その後他の地域に拡大していくとのことです。またUberとBYDは自動運転についてのテクノロジーの開発も一緒に行うとのこと。

アメリカではタクシーの代わりにUberを使うのが当たり前ですが、近い将来ロボタクシーが選べるようになるようです。自動運転に関してはアメリカでは現在テスラがかなり先行していますが、そのうちロボタクシーが実現するとすれば、テスラとBYDの2強になるのかもしれません。

AIに怯える世界中のコールセンター特区

フィリピンなど、英語圏先進国に対してコールセンター業務を提供してきた国や都市がAIによって仕事がなくなり始めているとのことです。（リンク）

最近のChatGPTのようなAIはテキストベースでの会話から、音声で会話ができるものへと進化しています。これによって大きなインパクトを受ける仕事の１つが、コールセンターです。

元々、アメリカなどの英語圏の国はコールセンター（電話での対応業務）をフィリピンやインドのような英語ができるが賃金は安い国にアウトソースしてきました。こうした仕事が現在AIに置き換わり始めているため、コールセンター経済というのが崩壊するだろうとのことです。

この30年ほどの間、グローバリゼーションという名の下に多くの仕事がアメリカや日本などの先進国から低賃金で比較的単純な労働力を提供できる発展途上国にアウトソーシングという形で移っていきました。その結果、そうした先進国での産業の空洞化を招き、極端な貧富の差を作り出してきました。今度はそのグローバリゼーションの恩恵を受けていた発展途上国において比較的単純な労働を要する仕事が失くなっていくというのは、歴史の大きな転換点だと思います。

Facebook、Google、Amazonのマーケティング・パートナー企業はあなたのスマホを盗聴している

Facebook、Google、Amazonのマーケティング・パートナー企業がスマホのマイクを盗聴していることが流出文書から判明したとのことです。（リンク）この問題になっている企業の人達はこうしたデータを使って、広告ターゲティングの効率化ができるということを自慢していたとのことです。

こうしたマーケティング会社にできることを、政府や諜報機関が行わないわけがないというのが、アメリカでの常識です。前からこうした話は一部で言われていましたが、旧ソ連の共産主義政府が夢に見ていた監視社会が、ここ「自由主義」世界で実現し始めているというのがなんとも皮肉です。

運転データを勝手に販売していたGMがテキサス州に訴えられる

さらに、音声データだけでなく今度は運転データです。

先月、運転中のドライビングデータを勝手に収集しそれを車の所有者に無断で保険会社に売っていたとのことで、テキサス州が自動車メーカーのGMを訴追しました。（リンク）

車の運転の仕方によって、保険料を上げたり下げたりするのは理にかなっていると考える人もいるかもしれません。しかし、こうしたデータを使えば、あなたが車を使ってどこに行ったのか、誰と会っているのかを追跡することができますし、それらのデータを使ってこれからどこに行くのか、誰と合うのかも予測できるということです。

日本やヨーロッパに比べて個人情報の扱いに関する規制がゆるいアメリカに特有なことなのかもしれませんが、アメリカで起きることは数年の時差で日本にやってくるというのはこれまでにもたくさんありました。

さらに現在日本の多くの企業や政府のITインフラはアメリカのクラウド企業に握られつつあります。今後日米間での個人情報の取り扱いに関する駆け引きには注意が必要です。

データリテラシー・セミナー : アマゾンのデータを使った改善の仕組み

今でこそ時価総額2兆ドル（約320兆円）を超え、世界中に150万人を超える従業員を抱える超大企業となったAmazonですが、実はその驚異的な成長を支えたのはデミング哲学を元にした改善の仕組みだというのはあまり知られていません。

前回のデータリテラシーセミナーでは、このデミング哲学についての理論的な背景を話しましたが、今回はその実践編として、Amazonがどのようにデータを使って継続的な改善とイノベーション可能にしているのか、その仕組みについて解説します。

Amazonのデミング哲学を元に作り上げた改善の文化の話は、現在ビジネスの改善のためにどうデータを使えばよいのか悩んでいる多くの人たちにとって大きなヒントになると思います。

ぜひ、ご参加を検討下さい！

​開催概要

日付：2024年9月11日（水）
時間：18:30 - 20:00 - セミナー、20:00 - 懇親会
場所：AP東京八重洲（東京都中央区京橋1-10-7 KPP八重洲ビル 11F ルームO）
講師：西田勘一郎
参加費：セミナー（無料）、懇親会（2,000円）

申し込みページ

Exploratoryユーザー会 #33

9月13日に「Exploratory ユーザー会 #33」を開催します。

今回も様々な業界、業種でご活躍されるExploratoryユーザーの方たちに現場でのデータ分析や活用の話を発表していただきます。

Exploratoryユーザーの方はもちろん、データやExploratoryに興味のある方はぜひお気軽に遊びに来て下さい！

ところで、登壇者によっては録画の公開がNGの場合もありますので、可能な限り会場へのご参加を検討ください。

席数が限られておりますので、お申し込みを締め切る場合がございますため、お早めのお申し込みをご検討下さい。

開催概要

日付 : 2024年9月13日 (金)
時間：17:30 - 20:00（17:15開場）、20:00 - 懇親会
会場：株式会社GxP様（東京都新宿区西新宿1-26-2 新宿野村ビル48F）
参加費：ユーザー会（無料）、懇親会（2,000円）

申し込みページ

データサイエンス・ブートキャンプ・トレーニング #36

おかげさまでいつもご好評いただいおりますデータサイエンス・ブートキャンプですが、現在12月版への参加申し込みを開始しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに身につけていただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2024年12月17日(火), 18日(水), 19日(木)

場所：東京八重洲（対面形式）

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

ご無沙汰しております。Exploratoryの西田です。

来週末より、Exploratoryのデータサイエンス・ブートキャンプやExploratoryユーザー会のために来日する予定です。

そこで、来日中の水曜日、9月11日の夕方18:30よりデータリテラシー・セミナーを東京駅八重洲にある会場で開催します。

前回のデータリテラシー・セミナーでは「デミング哲学 - 深遠なる知識」として、データを使ってビジネスを改善していく文化とはどのようなものであるかという話をしました。（録画）

今回は実践編としてさらに一歩進み、デミング哲学を取り入れたAmazonがどのようにデータを使って継続的改善とイノベーションを可能にしてきたのか、その仕組みについて話をしたいと思います。

AmazonのWBR（Weekly Business Review）という仕組みを元にした、データを使ったビジネス改善の仕組みは、現在ビジネスの改善のためにどうデータを使えばよいのか悩んでいる多くの人たちに大きなヒントとなるのではないかと思います。

都合の許す方は、ぜひセミナーの詳細ページよりご参加お申し込みください！

詳細ページ

おすすめのデータ、意思決定関連記事

2つの異なるタイプのデータ分析 - 観察 vs. 実験

データ分析の対象となるデータには以下の2つのタイプがあります。

• 実験的データ - あるタイプのデータは実験または何か特別な調査によって生じるデータを使った分析です。何かの変更を加えたグループと何も変更を加えていない2つのグループを比べる、いわゆるA/Bテストと呼ばれるものなどから生じるものです。

• 観察的データ - 何らかのオペレーションの結果として生じるデータを使った分析です。ビジネスを運営することによって、あなたが観察できるデータが生み出されます。ウェブトラフィック、在庫、売上、投資などをモニターしてるときに見るデータのことです。

この2つのデータはそのデータを取得する背景やモチベーションが大きく異なるため、自ずと分析手法やアプローチも異なります。

ところが実際には、ビジネスでのデータ分析の現場においてこのことをあまり意識せず、学校や教科書で学んだ実験的データに対する分析手法を観察的データに対して使ってしまうことで、意思決定に役立たない分析結果に終わってしまうケースをよく見かけます。

ほとんどの人たちに無視されているがとても重要なこと、つまり観察データの分析と実験データの分析の違いについてわかりやすく解説している「Two Types of Data Analysis」という記事があったので、要訳という形で紹介しています。

続きを読む

改善のためにはボイス・オブ・カスタマーでなくボイス・オブ・プロセスを見なくてはいけない理由

データを使ってビジネスを改善するためには、ボイス・オブ・カスタマー（顧客の声）ではなく、ボイス・オブ・プロセス（プロセスの声）に注意を向けるべきです。

ボイス・オブ・カスタマー（顧客の声）とは、ターゲット、ゴール、予算など、顧客や経営層などに求められる何らかの要件、仕様などを表すものです。

ボイス・オブ・プロセス（プロセスの声）とは、自分たちのビジネスや組織が何らかのアウトプット（結果、成果）を出すまでのプロセスです。例えば、ユーザーがサインアップするまでのプロセス、ユーザーがキャンセルするまでのプロセス、などです。

XmRチャート、WBR（Weekly Business Review）といったツールや仕組みを使いボイス・オブ・プロセスに耳を傾けることで、ビジネスのアウトプットに影響するインプットに関する知識を得ることができるようになります。

そしてこれこそが、業務に携わる人を含め、組織にいる全ての人にとって知りたい知識であり、こうした知識を元にビジネスを確実に改善していくことで、仕事が意味のあるもの、やりがいのあるものとなっていく、という話を「Goodhart's Law Isn't as Useful as You Might Think」という記事を元にしました。

続きを読む

今週のチャート

私が昔住んでいたサンフランシスコはここ数年の間にホームレスの問題がとんでもなく大きくなってしまいました。昔からホームレスの問題はあったのですが、それは一部の地域に限られていました。ところがここ最近では、とにかく市内のあらゆるところの路上で見かけるようになり、さらに麻薬の問題、暴力事件などもからみ、手が負えない状況になってしまっています。

なぜ、こんなに問題が悪化してしまったのかについて、興味深いデータがあります。それは、サンフランシスコ市のホームレス関連の予算がこの10年の間にすごい勢いで増え続けているのですが、それにともないホームレスの数も増えているというものです。

そしてそうした予算の多くはNPOやシェルターを建設する建設会社に入ります。ホームレスの問題が悪化すると、政治家はそれを感情的な争点とし、より大きな予算を求める政治家が選挙で勝ち、その対策として様々なサービスを売り物にするNPOにお金が入る。そして、この問題が続く限り、予算は増え、同じ政治家が選挙で勝つ。

こうした「魔の無限ループ」から出られなくなっているのが、現在のサンフランシスコなどのいわゆる「リベラル」と言われる市に多い現象です。

この辺の話はXでデータを下にしていますので、興味のある方はぜひご覧ください。

続きを読む

データリテラシー・セミナー : デミング哲学 - 「深遠なる知識」

アメリカ北西部の小さな町ベルビューで生まれたスタートアップ企業が、この哲学に出会い、デミング哲学をビジネスオペレーションに取り入れることで、飛躍的な成長を遂げました。

そのスタートアップこそ、現在では時価総額2兆ドル（約320兆円）を超え、世界中に150万人を超える従業員を抱える企業となったAmazonです。

前回のデータリテラシーセミナーでは、このデミング哲学についての理論的な背景をお話ししました。今回はその実践編として、Amazonがどのようにデータを使って継続的な改善とイノベーション可能にしているのか、その仕組みについて解説します。

Amazonのデミング哲学を元に作り上げた改善の文化の話は、現在ビジネスの改善のためにどうデータを使えばよいのか悩んでいる多くの人たちにとって大きなヒントになると思います。

ぜひ、ご参加を検討下さい！

​開催概要

日付：2024年9月11日（水）
時間：18:30 - 20:00 - セミナー、20:00 - 懇親会
場所：AP東京八重洲（東京都中央区京橋1-10-7 KPP八重洲ビル 11F ルームO）
講師：西田勘一郎
参加費：セミナー（無料）、懇親会（2,000円）

申し込みページ

Exploratoryユーザー会 #33

9月13日に「Exploratory ユーザー会 #33」を開催します。

今回も様々な業界、業種でご活躍されるExploratoryユーザーの方たちに現場でのデータ分析や活用の話を発表していただきます。

Exploratoryユーザーの方はもちろん、データやExploratoryに興味のある方はぜひお気軽に遊びに来て下さい！

ところで、登壇者によっては録画の公開がNGの場合もありますので、可能な限り会場へのご参加を検討ください。

席数が限られておりますので、お申し込みを締め切る場合がございますため、お早めのお申し込みをご検討下さい。

開催概要

日付 : 2024年9月13日 (金)
時間：17:30 - 20:00（17:15開場）、20:00 - 懇親会
会場：株式会社GxP様（東京都新宿区西新宿1-26-2 新宿野村ビル48F）
参加費：ユーザー会（無料）、懇親会（2,000円）

申し込みページ

データサイエンス・ブートキャンプ・トレーニング #36

おかげさまでいつもご好評いただいおりますデータサイエンス・ブートキャンプですが、現在12月版への参加申し込みを開始しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに身につけていただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2024年12月17日(火), 18日(水), 19日(木)

場所：東京八重洲（対面形式）

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

Exploratoryの西田です。

ご無沙汰しております。すっかりこちらのニュースレターの更新が止まっておりました。大変失礼いたしました！

今週末よりExploratoryのデータサイエンス・ブートキャンプやユーザー会のために、また日本に来ております。この時期の日本は新緑がきれいで大好きな季節です。ちょっと足を伸ばせば、都会の街でも公園や庭園などに新緑がまばゆいばかりです。

ところで、今週2つの大きなイベントがありますので、こちらで共有させて下さい。

まずは、水曜日、6月19日の夕方18:30よりデータリテラシー・セミナーを東京丸の内で開催します。多くのビジネスや組織がデータドリブンな文化を作ろうとして苦労されている話をよく耳にする中で、どうすれば「データを使ってビジネスを改善させていく文化」を作っていくことができるのか。実はその答えは今から30年前にエドワード・デミング氏によって提唱された「深遠なる知識」というデミング哲学の中にあります。

簡単に言えば「深遠なる知識」とは、数値に踊らされるのではなく、それを作り出すシステムと人に注意を向けることで、ビジネスを継続的に改善していくことができる、そのためにデータを使うというものですが、その仕組みとさらにその裏にある考え方をみなさまと共有したいと思っております。

生涯をかけて日米の多くの企業を支援する中、彼が93歳で亡くなる直前に彼の集大成としてまとめられたデミング哲学、これは30年経った今、多くの企業がデータの活用に苦労しているこの時代にこそ必要とされるものだと強く思っています。ぜひこちらのページより詳細をご確認下さい。

詳細ページ

さらに、金曜日、6月21日の夕方17:30よりExploratoryユーザー会を東京新宿で開催します。今回も様々な業界、業種でご活躍されるExploratoryユーザーの方たち、そして学生の方たちにも発表して頂く予定となっております。

Exploratoryユーザーの方だけでなく、データやExploratoryに興味のある方はぜひお気軽にご参加下さい！

詳細ページ

おすすめのデータ、意思決定関連記事

改善のための知識をデータから得るために必要なデータインフォームド文化

先週、データドリブンになろうとする組織がうまくいかないのは、データドリブンになろうとするから、という話をこちらのブログ記事でしました。

この記事の中ではさらに、データが中心で人間を不幸にするデータドリブンな文化と、人間中心でデータを道具としてデータインフォームドな文化の違いの話をし、真に目指すべきはデータインフォームドな文化であるという話をしています。

記事を読む

今週水曜日のセミナーではさらに一歩踏み込み、データインフォームドな文化を作るための考え方と仕組みの話もする予定です。

自由記述のアンケートデータがあったときに実施すべき4つの分析手法

アンケートに自由記述の回答があった場合、そうしたテキストデータを一つ一つ読む以外にどのように分析を進めればよいのかわからず、データから知見を得ることができずに終わってしまうことが多いとよく耳にします。

そこでこちらのブログ記事で、アンケートの自由記述データより有用な知見を得るために実施すべき4つの分析手法を簡単に紹介しました。手持ちのアンケートデータを活用されたい方という方は、ぜひご一読ください。

記事を読む

今週のデータ

こちらのニュースレターは更新が止まっておりましたが、「今週のデータ」シリーズは毎週どんどんと新しいコンテンツを発表しております。

その中から1つ人気のあったコンテンツを紹介します！

#25 - いまや上位1％でも負け組となってしまう超格差社会アメリカ

よく「上位1％が世界の資産の多くを独占している！」みたいな話を聞きますが、実は最近のアメリカでは上位1％に入っていても、上位0.1％に入っていない場合は、彼らの資産はあまり増えていません。

ある意味、それだけ格差が極端に拡大しているということなのですが、そのあたりの詳細をデータを使って探っていました。ぜひご覧ください！

データリテラシー・セミナー : デミング哲学 - 「深遠なる知識」

データドリブンになろうとして始めた多くのプロジェクトが失敗に終わるのは、データドリブンという考え方そのものに問題があるからです。データを使ってビジネスを改善させていく組織に共通しているのはデータインフォームドな文化を持っているということです。

そこで、今回のセミナーではデータインフォームドな組織を作るための基本である「深遠なる知識」というデミング哲学について話をします。

この考え方を吸収できれば、データを見る目的、データの見方、仮説の立て方、データを使った改善の仕組みなどを整理することができ、データを使ってビジネスを改善していく組織へと変革していくことができるようになります。

ぜひ、ご参加を検討下さい！

​開催概要

日付：2024年6月19日（水）
時間：18:30 - 20:00 - セミナー、20:00 - 懇親会
場所：AP東京丸の内（東京都千代田区丸の内１丁目１−３ 日本生命丸の内ガーデンタワー 3F）
講師：西田勘一郎
参加費：セミナー（無料）、懇親会（2,000円）

申込みページ

Exploratoryユーザー会 #32

今週の金曜日、6月21日に「Exploratory ユーザー会 #32」を開催します。

今回も様々な業界、業種でご活躍されるExploratoryユーザーの方たち、そして学生の方たちにも発表して頂く予定となっております。

Exploratoryユーザーの方はもちろん、データやExploratoryに興味のある方はぜひお気軽に遊びに来て下さい！

ところで、登壇者によっては録画の公開がNGの場合もありますので、可能な限り会場へのご参加を検討ください。

席数が限られておりますので、お申し込みを締め切る場合がございますため、お早めのお申し込みをご検討下さい。

開催概要

日付 : 2024年6月21日 (金)
時間：17:30 - 20:00（17:15開場）、20:00 - 懇親会
会場：株式会社GxP様（東京都新宿区西新宿1-26-2 新宿野村ビル48F）
参加費：ユーザー会（無料）、懇親会（2,000円）

申込みページ

データサイエンス・ブートキャンプ・トレーニング #35

おかげさまでいつもご好評いただいおりますデータサイエンス・ブートキャンプですが、現在9月版への参加申し込みを開始しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに身につけていただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2024年9月10日(火), 11日(水), 12日(木)

場所：東京八重洲（対面形式）

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

あなたの知識の究極のテストは、他の人にうまく伝えることができるかどうかだ。

— リチャード、ファインマン、物理学者

こんにちは、西田です！

今週末から3ヶ月ぶりに日本に来ていますが、思わぬ寒さにびっくりしました。普段とても温かいフロリダに住んでいるためか、すっかり春になってるものだととんでもない勘違いをしていました。（笑）

ところで、今週の金曜日はいよいよExploratoryユーザー会です。今回からExploratoryユーザーの方が主体となった開催となり、これまでのようにExploratoryユーザーの方によるビジネスの現場でのデータ分析や活用に関する事例発表、そして新しく今回からライトニングトークや学生の方たちの発表も加わります。今から大変楽しみにしております。

まだ参加枠が若干残っておりますので、データやExploratoryに興味のある方はぜひご参加申し込み下さい！

詳細を見る

ところですでに気づかれている方も多いかと思いますが、このニュースレターではたまに直接データとは関係ないように見える意思決定や思考に関する記事やエッセイも紹介しております。先週は「パワポのスライドと箇条書きが人間を駄目にする」を紹介しました。

実はそれには理由があります。私はデータを使う一番の目的は私達人間がより良い意思決定ができるようになることで、そのことによって自分の生活やキャリアを、そして自分のビジネスや組織、コミュニティをより良くしていくことができると信じています。これはExploratoryのビジョンでもあります。

もちろんデータによって私達の仕事を効率化したり最適化したりすることもできるのですが、それは長期的な目的ではありません。こうした効率化や最適化は最終的にはAIなどによって人間の仕事を置き換えていくものですが、人間の意思決定という仕事はいつまでたっても置き換わるものではありません。私達人類が滅びない限りは。

ただ、特に現在のようにテクノロジーが急激に進化し、それによって私達人間も、そして社会も必死に適応することを求められる状況の中では、いかに早く大量の情報を取得し、いかに効率的に右から左にものを流せば良いかというようなことに重きが置かれているように見えます。

しかし情報やデータの量が多くなってもそのほとんどはノイズです。一度立ち止まってノイズの多い情報を自分で精査し、自分に役に立つシグナルを見つけ、自分なりに解釈し、自分の目的の達成ために判断し、意識的に意思決定をしていかなければ、情報の波にただ溺れるだけとなってしまいます。

データ分析の目的が意思決定であるということ、そして今のようなビッグデータ、AI時代にこそ私達人間は意思決定についてもっと積極的に考え、実践していくべきではないかと思い、意思決定や思考に関する記事も紹介している次第です。

それでは、今週もいくつかおすすめのデータ、意思決定関連記事を以下に紹介します！

おすすめのデータ、意思決定関連記事

ファインマンの学習メソッド

学校ではたくさんのことを覚えさせられ、その後ほとんどのことを忘れ、これを毎年毎年繰り返します。

そのせいか、学校を出てもこれを繰り返しがちです。多くの本を読んだりセミナーに参加し、多くのことを知っているのに、そうした知識は自分のものとして消化されず、自分の生活やキャリア、ビジネスを改善するために使えていなかったりします。

そこで今回は、何かを知っているという知識ではなく、自分の人生において使えるという知識にするために使える学習メソッドとして、ノーベル物理学賞を受賞者でもある偉大な科学者であり、愉快な先生でもあるリチャード・ファインマン（1918 - 1988）が提唱した「ファインマンテクニック (The Feynman Technique」を紹介したいと思います。

記事を読む

アメリカでは現在どんなデータの仕事が求められているのか？

• Data Job Market 2024: Insights You Need to Boost Your Career - Link

現在のアメリカではどういったタイプのデータの仕事が求められているのか、それをビジネス系ソーシャルネットワークのLinkedIn上で今年2024年に募集されている3000件以上のデータアナリティクス（ミドル・レベル）関連の仕事データを元にまとめた記事がありました。

それによると現在最も多く募集されている仕事の上位3は、データ・アナリスト（Data Analyst）、アナリティクス・マネージャー（Analytics Manager）、そしてデータサイエンティストとのことです。

そしてそうした仕事が募集されている業界のランキングが以下のチャートです。

テクノロジー業界が多いですが、ここで1つ重要なのはこの業界は他の「売切型」ビジネスが多い業界に比べて「SaaS/サブスク型」ビジネスモデルが多いという点です。「SaaS/サブスク型」ビジネスはユーザー、顧客に関するデータが集まりやすく、データ分析手法もある程度確立されているため「データアナリティクス」人材の需要は他の業界に比べ高いものです。

そのため、上のチャートのような結果はある程度期待通りだと思いますが、日本でもこの傾向は増えてくると思われるため、これからデータサイエンス、データ分析の世界でキャリアを伸ばしていきたいという方は、「SaaS/サブスク型」のデータ分析手法を身につけるのも重要かと思います。

こちらのページに「SaaS/サブスク型」の指標やデータ分析手法などをまとめていますので、是非参考にしてみて下さい。

最後に、データアナリティクス関連の職種別に必要とされているスキルを表したのが以下のチャートです。データ・アナリストであればデータ分析と可視化、データサイエンティストであれば統計、機械学習のスキルが求められています。

フランス国民の半数の医療データがリークされる

• Data of half the population of France stolen in its largest ever cyberattack. This is what we know - Link

フランスでは国民の半数にあたる人たちの医療データが漏洩したとのことです。個人データ、プライベートなデータはいずれ何かの形で漏洩する、残念ながらそういう認識でいたほうがいいようです。

アメリカでは個人データを敵国に売り渡すのを禁止する大統領令が出される

• President Biden Issues Executive Order to Protect Americans’ Sensitive Personal Data - Link

なるほど、アメリカでも中国やロシアなどの仮想敵国に厳しく対応し始めたんだな、って思う人もいるかもしれませんし、いやいやそもそも個人データを敵国に売り渡すのは今までオッケーだったの？って思う人もいるかもしれません。

ところがなんとアメリカでは、今でも個人データを敵国以外の個人だろうが組織だろうがに売り渡すのは法律的に許されています。

EUはGDPRというだれにもよくわからない、そして実効性があまりない個人データを保護する厳しい法律があります。個人データ保護に関しては厳しすぎるEUとゆるすぎるアメリカが２極端を行っています。

今週のデータ

TWD#18 - フェンタニルによって現在内部崩壊中のアメリカ

現在アメリカでは全国的にフェンタニルというオピオイド系の麻薬によって多くの人が死亡し、中毒になって廃人化し、多くの都市、コミュニティは崩壊中です。

もともと2000年以降オピオイド危機と言われるものが起きていたのですが、コロナによる前代未聞のロックダウンが2000年に全国的に行われて以降、前代未聞の規模の被害が全米で起きています。

今回はオピオイド系の麻薬の過剰摂取による死亡者数データを使って、この傾向の解説、さらにデータの取り方、チャートの作り方を解説しました。

Exploratoryのセミナー

#132 - 営業の最重要KPI - 営業活動のパフォーマンスを上げるために見ておくべきファネル指標の作り方

営業またはセールスの方たちがデータドリブンになるには、売上などの結果の指標だけでなく、日々の営業活動がうまくいっているどうかを測るためのファネル指標を定義する必要があります。

こうした指標をモニターしていくことで、自分たちの営業活動のどこで問題が起きているのかを早めに発見し、そうした問題の解決に向け素早くアクションを起こしていけるようになります。

今回のセミナーでは、どのような業界でも共通する営業のファネル構造や、各ファネルで注視しておくべき指標の解説をしました。

録画を見る

データサイエンス・ブートキャンプ・トレーニング #35

毎回人気のデータサイエンス・ブートキャンプですが、次回開催は6月となっております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに身につけていただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時：2024年6月18日(火), 19日(水), 20日(木)

場所：東京八重洲（対面形式）

詳細を見る

Exploratoryユーザー会 #31

今週の金曜日、3月29日に「Exploratory ユーザー会 #31」を開催します。

今回より、Exploratoryのユーザーの方が主体となったユーザー会として運営していくこととなりますが、内容の方はこれまでと基本的に同じく、ユーザーの方が普段行われているデータ分析やデータ活用事例を発表していただく予定です。

今回から新たにライトニング・トーク（LT / Lighting Talk）や学生の方の発表枠も追加され、より内容が盛りだくさんとなっております。

Exploratoryユーザーの方はもちろん、データやExploratoryに興味のある方はぜひお気軽に遊びに来て下さい！

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

私達の思考が馬鹿げているせいで英語は醜く不正確なものになってしまった。しかし、この英語のだらしない性質そのものが、私達が馬鹿げた思考をする助けとなっているのだ。

- ジョージ・オーウェル (Politics and the English Language), 1946

こんにちは、西田です！

ちょっと前にこのようなチャートを見かけたのですが、それ以来このことが私の頭から離れません。

様々なジャンルにおいて時代とともに私達の体験の仕方の移り変わりを表したものですが、ゆっくりと時間をかけた体験から、より早く簡単な体験へ、そして最近では短時間の間にいかに刺激を得ることができるかを重視した体験に変わってきたというものです。

わかりやすい例としては、動画であれば昔は映画やテレビでそれなりの時間をかけ、見たくないものも含め全てのパッケージとして見ていたものが、自分の好きなものを選択して録画し、好きな部分に早送りして見ることができるようになり、さらには最近ではYoutube ShortやTiktokのような数秒で興奮できるものを見るようになってきたというものです。

短期的な刺激や快楽、そして便利さを求めいつも「モダン」な時代に生きる我々人類は、いよいよここまで来てしまったわけですが、そのかわりに失いつつあるのが思考ではないのかと思わずにいられません。

次から次へと洪水のように降ってくる情報の波にただ流され、立ち止まって考える時間、くだらないことも含めあーだこーだと思考を巡らせる時間がなくなることで、私達は自分というものを見失いつつあるのではないでしょうか。そしてこうした私達の世代は情報を流す側にとってよりコントロールしやすい世代となってしまったのではないでしょうか。

それに関連して、ビジネスなどの報告書やコミュニケーション手段としてよく使われるパワポのスライドと箇条書きリストが私達人間から思考力を奪い取っているのではないかとする、今から20年ほど前に書かれたエッセイを紹介する記事を最近書きました。詳しくは今週の記事として以下に紹介していますのでぜひ読んでいただければと思います。

ところで話は変わりますが、今月の29日、金曜日の夕方に「Exploratoryユーザー会」を開催します。今回より、これまでどおりExploratoryユーザーの方にビジネスの現場でどのようにデータを活用されているのか発表していただくものですが、今回よりライトニングトーク（5分での短い発表）や学生の方たちによる発表も加わり、より強力なラインナップとなっています。お時間の都合のつく方はぜひお気軽にご参加下さい。

詳細を見る

それでは、今週もいくつか興味深いデータ関連記事を紹介します！

最近の興味深いデータ関連記事

パワポのスライドと箇条書きが人間を駄目にする

今から20年前の2003年、データの可視化やインフォメーションデザインの先駆者として有名なイエール大学の教授エドワード・タフティが「パワーポイントの認知スタイル」というエッセイを発表しました。

彼はこのエッセイの中で、パワーポイントのようなスライド形式はプレゼンテーション自体の質を低下させ、余計な誤解や混乱を招き、さらに言葉の使い方、論理的な説明、そして統計的な分析といったものが犠牲になるため、スライドをつくる人の思考回路にダメージを与えると主張します。

こうした主張に賛同する人は現在でも多くいて、その典型的な例がアマゾンです。アマゾンではミーティングの前に文章形式の資料が配られ、ミーティングの最初の5分はそれぞれがこの配られたレポートを黙って読むことから始まるという話は多くの方も聞いたことがあるのではないでしょうか。（リンク）

実は、アマゾンのジェフ・ベゾス（創業者、元CEO）や初期チームのメンバーは、実際このエッセイを読んだ後に社内ミーティングでのパワーポイントのようなスライドの使用を禁止し、その後文章形式のレポートに変えたとのことです。

今回は、何がパワーポイントのようなスライドの問題なのか、どのようにそういった問題を克服すればよいのか、元のエッセイを要訳という形でまとめてみました。

記事を読む

ChatGPTを人事採用に使うと起きるバイアス

• OpenAI’s GPT is a recruiters dream tool. Tests show there’s racial bias - Link

人事採用の際に送られてくる大量の履歴書を1つ1つ読む代わりに、生成AIが事前にスクリーニングして、自社に適している人材の履歴書だけを選び、さらにそれらの要約を送ってくれると嬉しいですよね。

ただ生成AIと言っても中の仕組みは基本的にこれまでの機械学習モデルと変わりません。つまりインプットとなる過去データがあって、その中にあるパターンをモデルとし、答えのない新しいデータを入れるとモデルがその答えを予測してくれるというものです。

ということは、これまでの機械学習で問題になったことが結局は生成AIでも問題となります。つまり過去データに自ずと含まれる偏りによってバイアスが作られてしまうということです。

これは昔、2018年頃にアマゾン社で問題になったことです。過去の採用人材に男性が多かったため、そうした過去データを元に作られたモデルは女性の履歴書は自社に適していないと判断してしまい、そのため女性の採用が進まなくなってしまったというものです。

現在多くの企業ではOpenAIのChatGPTを使った人事採用を実験中ですが、実際こうしたバイアスが人種差別という形で出てきているとのことです。

これは難しい問題で、バイアスを直すために下手に手をいれると今度はGoogleのAIのようにWokeなAIとなってしまうこともあります。

• リベラルWokeなAIによって化けの皮を剥がしたGoogleと民主主義の危機 - Link

生成AIにしろ機械学習にしろこうしたインプットデータとなる過去のデータによるバイアスがシステム的に入り込んでしまうという限界をしっかりと理解したうえで使っていくことが求められます。やみくもに、まるで黄金の武器を持ったかのように全てをAIに任せてしまうのは、まだまだ先の話です。この当たりの限界を認識することなしに知らず知らずのうちに問題が起きてしまい、後から気づいたときには取り返しのつかないことになってることもあるのです。

• Amazon scraps secret AI recruiting tool that showed bias against women - Link

これは機械学習を使う限り起きる問題という意味で古い問題ですが、事情をよく理解せずに使う企業にとっては新しい問題として出現することになるでしょう。

インドではAIモデルに差別とバイアスがないかのチェックが義務付けられる

• India reverses AI stance, requires government approval for model launches - Link

インドでは全てのAIモデルは政府による承認が必要で、そのためにはバイアスや差別がないことが必須となるとのこと。上記でも話しましたが、バイアスのないAIモデルなんてものは存在しません。この世の中はバイアスもあれば、味方によっては差別となることもたくさんあります。そんな世の中にあるデータを元にAIモデルは作られるわけです。無理やりバイアスや差別をAIモデルから無くそうとすると、逆におかしなバイアスを抱えてしまうことになり、それはもうカオスになるでしょう。

• リベラルWokeなAIによって化けの皮を剥がしたGoogleと民主主義の危機 - Link

イーロン・マスクがGrokをオープンソースにすると発表

• Elon Says Grok Will Be Open Source - Link

先週イーロン・マスクは彼のAIスタートアップ xAIが作るChatGPTへの対抗となるGrokをオープンソースすると発表しました。(リンク）

ちなみにその直前にイーロン・マスクはChatGPT開発元のOpenAIを訴えています。元々非営利企業としてオープンな環境でAIを開発するという約束を破り、今やクローズドな環境で営利のためにAIを開発するための企業になってしまったというのが理由です。このあたりの背景は過去のニュースレターでも述べたので詳細はそちらを参照下さい。

いずれにせよ、このGrokをオープンソースにすることで世界中の開発者がそのコードに自由にアクセスし実際に自分たちで何かを開発したりすることができるようになります。

またさらに重要な点として、GrokというLLM（Large Language Model）がどのように手を加えられているのかが透明化されるということです。こちらの記事でも解説したように、ChatGPTにしてもGoogleのAI（Gemini）にしても極端なリベラル、そして党派的なバイアスが人工的に作られていますし、さらに政府から圧力の元、ソーシャルメディア各社は一部の情報「検閲」しています。こうした人工的に作られたバイアスや検閲のルールを誰の目にも明らかにすることは、民主主義を標榜する社会においては非常に重要なことであると思います。

ちなみに、Meta（Facebook）もLLAMAという彼らのLLMをオープンソース化しています。

AIのオープンソース、クローズドというのは現在も様々な場所で議論されていますが、AIはますます私達が情報へアクセスするための手段となりつつあるだけに、これからのAIのオープン化の動きは誰もが注目すべき重要な問題だと思います。

今週のデータ

以下は世界中の人達に対して行った、AIが自分たちの仕事にポジティブ、またはネガティブな影響を与えたかに関するアンケート調査です。（リンク）インドやインドネシアなどは半数以上の人が生産性が上がったとポジティブな反応（紫）を持っているのに対し、アメリカでは上がった（紫）と思ってる人の割合が低いという結果が出ています。

ただ、アメリカやヨーロッパの場合は、どちらでもない、よくわからないという人の割合も高いことから、実はあまり使っていない、もしくは実は使っていても使っているという感覚がないということなのかもしれません。

また、非英語圏の人たちのほうが例えば、自動翻訳と言ったわかりやすく実用性のあるAIに対して恩恵を受けたと感じることができるかもしれず、そのことが結果に反映されているのかもしれません。

Exploratoryのセミナー

#132 - Exploratoryでノートを作る際に知っておくと便利な10の機能

Exploratoryではインタラクティブなチャートと文章を使って、データ分析から得られたインサイト（知見）を他の人達に効果的に伝えていくために、簡単に「ノート」を作ることができます。

先週は、ノートを作る際に知っておくと便利な機能についてセミナー形式で紹介しました。

• ２つの改行タイプ

• チャートのサイズ調整

• チャート - コメント、編集

• チャートとデータの更新

• 目次の表示と設定

• 見出しへのリンク（アンカー）

• パラメーターを使う

• Webページの挿入

• LaTeXフォーマットを使った数式

• Rスクリプトを使った機能拡張

録画を見る

データサイエンス・ブートキャンプ・トレーニング #35

毎回人気のデータサイエンス・ブートキャンプですが、次回開催は６月となっております。

次回も東京でのクラスルームでの対面授業形式での開催となります。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに身につけていただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時： 2024年6月18日(火), 19日(水), 20日(木)

場所：東京八重洲（対面形式）

詳細を見る

Exploratoryユーザー会 #31

今月の3月29日（金）に「Exploratory ユーザー会 #31」を開催します。

今回より、ユーザー様主体のユーザー会として運営していくこととなりますが、内容の方はこれまでと基本的に同じく、ユーザー様が普段行われているデータ分析やデータ活用事例を発表していただく予定です。

今回から新たにライトニング・トーク（LT / Lighting Talk）や学生の方の発表枠も追加され、より内容が盛りだくさんとなっております。

Exploratoryユーザーの方はもちろん、データやExploratoryに興味のある方もぜひお気軽に遊びに来て下さい！

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

冷に耐え、苦に耐え、煩に耐え、また閑にも耐えて、激せず、騒がず、競わず、随わず（そわず、従わず）、自強してゆこう。

安岡正篤

こんにちは、西田です！

最近私の周りのアメリカ人の間ではウンザリ間が広がっています。

連日流れてくるガザの悲惨な状況のニュースを前に、自分たちの国は（イスラエル以外で）唯一停戦に反対し、さんざんウクライナに対して「軍事、金融支援」を行ったウクライナ戦争は敗戦が濃厚になり、連日大挙して押し寄せる不法移民から自国の国境を守れず（リンク）、インフレに対して給料が追いつかず自分たちの生活はますます苦しくなる。

こうした状況を前に、多くの国民は何か変化を求めているのですが、今年の選挙はまた前回と同じ選択肢（バイデンとトランプ）という状況に何かウンザリしてしまうのでしょう。

しかしこんなときでも、いやこんなときだからこそ、周りに流されることなく、自分にできること、自分に求められていることを毎日に着実に実行していく、精一杯改善していくことが重要なのではないかと個人的には思っています。

Exploratoryでは現在次のメジャー・バージョンであるv10に向けて開発をしている最中です。より多くの人たちが自分の手でデータを取って、仮説、実験、検証のプロセスをより簡単に、より素早く回していけるようになることで、より良い意思決定を行っていけるようになり、さらにより真実に一歩でも近づいていけるようになればという思いの下、様々な機能強化を行っています。

それでは、以下データ、AI、意思決定関連の記事の紹介です。

最近の興味深いデータ関連記事

2つのタイプの知識 - AIによって置き換わるもの、置き換わらないもの

アマチュアは何か（What）を知っていて、プロはやり方（How）を理解している、とはよく言われます。この2つは「知識」いう意味を考えるうえで重要な点です。

もちろん、何かを知っているというのは大事ですが、それ以上にやり方を自分のものとして理解しているかどうかがより良い意思決定を行うためには不可欠ですし、ビジネスや仕事で成功するかどうか、実り多い人生を実現できるかどうかの違いにつながります。

こちらの違いを簡単にエッセイとしてまとめたので、ぜひ読んでみて下さい！

続きを読む

アメリカのAI関連ロビー活動が185％上昇

これまでもこのニュースレターやセミナーなどを通して伝えてきたことですが、アメリカでは現在AIの規制に関する議論が活発です。AI関連テック企業のトップが首都ワシントンに呼ばれて議会などで公聴会が開かれたりしていますが、そうした表のパフォーマンスとは別に裏では政治家、官僚組織、テック企業の間で様々な駆け引きが行われています。つまり、ロビー活動です。

それを裏付けるかのように、このAIに関してのロビー活動がこの一年の間に185％も上昇したとのことです。

• AI Lobbying Up 185% - Link

GoogleやMeta（Facebook）などおなじみのテック企業以外にも、Tesla、ByteDance（TikTok）、Palantir、Nvidia、OpenAI（ChatGPT）などを含め450にも上る組織がこうしたロビー活動を現在活発に行なっているとのことです。

アメリカ陸軍は戦闘アドバイザーとしChatGPTをテスト中

• US Army tests AI chatbots as battle planners in a war game simulation - Link

先週も話したことですが、現在のAIは政治的に極端なバイアスを持っています。これはGoogleのAIだけでなくChatGPTにおいても同じようなバイアスを持っています。

• リベラルWokeなAIによって化けの皮を剥がしたGoogleと民主主義の危機 - リンク

さらにChatGPTのようなAIは、間違った答えをもっともらしく答えるというハルシネーションすることもしばしば起きます。こうしたChatGPTをアメリカ軍が使うほど怖いことはないと思うのは私だけでしょうか？もちろんアメリカ軍は市民を誤爆することが日常茶飯事なので、彼らにとってはそのへんは問題ないのかもしれませんが。

今週のデータ

TWD# - 白人男性だけ給料が上がらない国、アメリカ

あまり知られてない事実なのですが、実はアメリカではこの20年ほど白人男性の給料だけが実施ベース（インフレ調整後中央値）でほぼ上がっていません。

そしてその間に、アジア人女性に抜かれることとなりました。

今回は人種や男女の違いによってアメリカではどのように給料が変わったのか、そしてなぜ白人男性にトランプは支持されるのか、データを元に解説しました。

Exploratoryのセミナー

#131 - 営業の最重要指標 - 売上、営業利益率、顧客あたり売上、顧客獲得コスト

よく営業またはセールスの仕事をされている方たちから、データドリブンになるために見ておくべきKPI（Key Performance Indicator）指標は何かという質問をよく受けます。

そこで2週間ほど前に、営業またはセールスであればどんな業界でも最低限押さえておきたい5つの重要なKPIの紹介と、その計算および可視化、さらに簡単なダッシュボードの作り方までデモを交えて紹介するセミナーを開催しました。

• 新規顧客からの売上 / 既存顧客からの売上

• 利益

• 利益率

• 顧客あたりの売上

• 顧客獲得コスト

録画のほうが公開されてますので、興味のある方はぜひご覧ください。

録画を見る

データサイエンス・ブートキャンプ・トレーニング #34

毎回人気のデータサイエンス・ブートキャンプですが、次回開催は今月３月となっております。

今回も東京でのクラスルームでの対面授業形式での開催となります。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに身につけていただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時： 2024年3月26日(火), 27日(水), 28日(木)

場所：東京八重洲（対面形式）

詳細を見る

Exploratoryユーザー会 #31

3月29日（金）に「Exploratory ユーザー会 #31」を開催します。

今回より、ユーザー様主体のユーザー会として運営していくこととなりますが、内容の方はこれまでと基本的に同じく、ユーザー様が普段行われているデータ分析やデータ活用事例を発表していただく予定です。

今回から新たにライトニング・トーク（LT / Lighting Talk）や学生の方の発表枠も追加され、より内容が盛りだくさんとなっております。

Exploratoryユーザーの方はもちろん、データやExploratoryに興味のある方はぜひお気軽に遊びに来て下さい！

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい残りの週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

最近私の住むアメリカでは日本がリセッション入りしたとのニュースが一時賑わいました（リンク）。しかしその後、日経平均株価は過去最高を記録し、リセッションという暗いニュースを一気に吹き飛ばし、世界中が日本に羨望の目を向ける状況となりました。（もちろんこの後株価がどうなるかというのはわかりませんが。）

ところで、もう一つ世界が日本に羨望の眼差しを向けるデータがあります。それは日本の失業率です。実は日本の失業率は、他の海外の国などと比べるとかなり低いんです。以下はOECD加盟国の失業率の推移を表したものですが、一番右下が日本です。

日本の失業率が低いという話をすると必ず、いや日本の給料は伸びてない！といってくる人達がいるのですが、それはさておき、仕事があるかないかというのは自分への自信や人間の尊厳にも関わってくる問題だけに、この「世界に比べると失業率が異常に低い」という事実はもっとポジティブに捉えらてもいいのではないかと思います。

それでは、以下データ関連の記事の紹介です。

最近の興味深いデータ関連記事

ノーススター（北極星）指標をモニターしてるのにビジネスが成長しないのはなぜか？

よくスタートアップやSaaSの世界などでノーススター（北極星）指標が注目されます。自分たちのビジネスを成長させるために組織の全員が一丸となって追うべき1つの指標というものです。

例えば、アクティビティの指標であるDAU（Daily Activity Users）やMAU（Monthly Active Users）であったり、またはエンゲージメントを測るためのDAU/MAU、またはそれこそ売上やMRRであったりするかもしれません。

データや数値を元にビジネスを成長させようということで、こうした「ノーススター」指標を決め、ダッシュボードなどで毎週、毎月モニターし始めます。

ところが、ここから誰もが話したくないことが起き始めます。

たいていの組織や企業の中の人達はこの指標をだんだん見なくなる、または本気にしなくなります。

実際見ている人は経験あると思うのですが、こうした指標の数値は良くなったり悪くなったり、つまり上がったり下がったりするものです。ずっと上がり続けたり、下がり続けたり、といったことはあまりありません。

この数値が良かったときはみんなウキウキし、褒め合ったり、成果を誇示したりし、逆に悪くなったときはみんなの（特に上司の）機嫌が悪くなり、どなったり、文句を言ったり、他の誰かを責めたり、といったことになります。

そうこうしてるうちにみんな指標に振り回されることに疲れてきて、半年も経てば見るのも嫌になり、終いには誰もこのノーススター指標を見なくなります。

せっかく「データドリブンになるぞー！」といって勢いよく始めたプロジェクトは、こうして何かしっくりこないうちに終わっていきます。

もちろん現実はここまで極端ではないかもしれませんが、これに似たような経験のある方も多いのではないでしょうか？

ちなみに、私は直接こういう経験をしたことが過去に何度かありますし、お客様などからこういった話を寄せられることも多いです。

ではなぜ、こういったことが起こるのでしょうか？

そもそもデータを使って、または指標を使ってビジネスを改善するなんてことは無理なんでしょうか？

いえ、そんなことはありません。上のような状況になるのは実は当たり前で、というのもそれはノーススター指標の使い方を間違えているからなのです。

そもそもノーススター指標とは、みなさんのビジネスにおける様々な活動や施策の結果が最終的に数値として表されるものです。つまり「結果の指標」です。

結果なので、この指標が悪かったというとき、すでにゲームは終了しているのです。もちろん、次の月、四半期に向けて何か対策しようということになりますが、相変わらずこの結果の指標を見ているだけでは、何も変わりません。というのも、みなさんがいったい何をすればよいのか、何を軌道修正すればよいのか、この指標は何も教えてくれないからです。

ノーススター指標という結果の指標を宗教的に追い続けてしまい、その結果に影響を及ぼすためのどういったアクションを起こせばよいのか学ぶための指標を見ることができていないのが問題なのです。

これでは、「データを使ってビジネスをドライブ」するという意味でのデータドリブンではなく、「データにドライブされる」という意味でのデータドリブンになってしまいます。

そこで、ノーススター指標をモニターすることの問題点と、ビジネスを改善するために追うべきインプット指標の選び方の話を、以下の記事を元にこちらにまとめました。

• Don't Let Your North Star Metric Deceive You - リンク

自分たちのチームや組織をもっとデータドリブンにしたいと思われている方は、ぜひ参考にしてみて下さい！

続きを読む

リベラルWokeなAIによって化けの皮を剥がしたGoogleと民主主義の危機

最近GoogleがChatGPTに対抗するサービスとしてGeminiをリリースしました。ところがこのGoogleのAIが出す答えが、「Woke（ウォーク）」と言われる極端なリベラル思想のバイアスにまみれてあまりにもひどいので、あらゆる方面から叩かれていました。

これまでもGoogleの検索結果には「Woke」なバイアスがかかっているというのはよく言われていました。

• Google検索の左寄りバイアス - リンク

ところが、この度のGoogleのAI（Gemini）が生成するイメージやテキストの結果に見られるバイアスはひどいを通り越し、Googleの組織的なWokeなバイアスを世間にさらすこととなりました。

もちろん、GoogleのAIに対する信頼が揺らいだというのもGoogleにとっては問題ですが、それ以上に今回のようなWokeなバイアスを内包したAIの登場は、一部のテック企業によってAIが独占されることの弊害、そしてそのことによる民主主義の危機を示しています。

そのことについて、まずはいくつかのGoogleのAIによるバイアスの例を提示し、その後、このことが示す問題を解説してみたいと思います。

続きを読む

企業はAIチャットボットが生成する情報に法的責任を負うのか？

カナダの航空会社であるエア・カナダが提供するAIチャットボットが、お客に対してチケットを買った後に払い戻しができるという、会社のポリシーとは反する間違った情報を提供してしまったとのことです。

その後、そのお客との間で裁判沙汰になってしまったのですが、最終的にはエア・カナダが敗訴し、お客に対してチケットの払い戻しをし、さらに今回の件に関してお客が被った被害を弁償することになってしまったとのことです。間違った情報だったとしても、エア・カナダ側がお客に提供した情報なのであればエア・カナダは法的な責任から逃れられないとのことです。

カスタマーサポートなどで使われるチャットボットに、最近のChatGPTのようなAI（LLM）を組み込めば、より多くの質問に素早く、さらにより的確な情報を持って答えることができるというメリットがあります。しかし、ChatGPTやGoogleのGeminiがそうであるように、こうしたAIはいつも正確というわけではありません。この世界では「ハルシネーション」と呼ばれたりもしますが、平気で間違った情報を返すこともあります。

もちろん、今回の払い戻しのようにたとえ間違った情報を返したとしても、そのコストは（金額的には）たいしたことなく、それよりもAIチャットボットを使ったことによるコスト削減の方が圧倒的に大きいとも言えるので、そうした判断によってAIチャットボットを運用するというのも1つのやり方だとは思います。

重要なのは、こうしたベネフィットとリスクをしっかりと認識し、評価した上で、意思決定をする必要があるということです。そうしたリスクを減らすためには、AIに全てを任せるのではなく、ドメイン知識を持った人間がAIのアウトプット情報の正確さ、的確さを絶えず判断できる仕組みを持つことが企業側に求められます。

今週のデータ

TWD #16 - 世界に比べて異常に低い日本の若者の失業率

今回のニュースレターの冒頭でも触れましたが、世界の国々と比べると日本の失業率はすごく低いというのは、あまり知られてない事実です。

そして、さらに知られていないのは、日本の若者の失業率は世界と比べてさらに低いという事実です。

一般的にどの国でも若者の失業率は全体よりもはるかに高い傾向があります。しかし日本の場合、全体と若者の失業率はそんなに違いがなく、どちらも他国に比べるとかなり低い傾向にあります。

日本だけに注目し、連日メディアで報道される国内の様々なスキャンダルに滅入ってしまいますが、実は他国からすると羨ましがられるほど、現在、経済環境がうまくいっている国、それが日本です。（もちろん、この後どうなるかというのはわかりませんが。）

ビデオを見る

Exploratoryのセミナー

少し前になりますが、去年12月から今年1月にかけてあった国連総会の決議をランダムに10個選択し、 それらに対する投票パターンを元に類似度を計算し可視化してみたのが以下のチャートです。

アメリカが他の国に比べて大きく離れています。

実はこの傾向は最近始まったわけではありません。 以下はオバマ政権のときの全ての国連決議の投票データをもとにしたものです。

メディアを見ていると、ロシアや中国などが国際社会から孤立し、アメリカが国際社会の中心にいるような錯覚を受けますが、国連総会での投票パターンから見える世界は実はその逆だったりします。国連決議投票データはそういった意味で、私達に重要な視点を与えてくれる貴重なデータです。

こちらのセミナーでは、国連決議データの取得方法、投票パターンを元にした距離の計算方法、そしてMDSというアルゴリズムを使って２次元空間で上記のように可視化する方法を解説しています。

データサイエンス・ブートキャンプ・トレーニング #34

毎回人気のデータサイエンス・ブートキャンプですが、次回開催は今月３月となっております。

今回も東京でのクラスルームでの対面授業形式での開催となります。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした「科学的思考」もいっしょに身につけていただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時： 2024年3月26日(火), 27日(水), 28日(木)

場所：東京八重洲（対面形式）

詳細を見る

Exploratoryユーザー会 #31

3月29日（金）に「Exploratory ユーザー会 #31」を開催します。

今回より、ユーザー様主体のユーザー会として運営していくこととなりますが、内容の方はこれまでと基本的に同じく、ユーザー様が普段行われているデータ分析やデータ活用事例を発表していただく予定です。

今回から新たにライトニング・トーク（LT / Lighting Talk）や学生の方の発表枠も追加され、より内容が盛りだくさんとなっております。

Exploratoryユーザーの方はもちろん、データやExploratoryに興味のある方はぜひお気軽に遊びに来て下さい！

詳細を見る

今回のニュースレターは以上となります。

それでは、素晴らしい週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida

われわれは、分析においては革新的、理念においては理想的、方法においては保守的、行動においては現実的でなければならない

ピーター・ドラッカー

こんにちは、Exploratoryの西田です！

早いもので今年もすでに２月となってしまいましたが、皆さんお元気にお過ごしでしょうか？

私の住んでいるフロリダはこの一ヶ月ほど冷え込んでいたせいか、家族の誰かが絶えず風邪にやられている状態が続いていましたが、ようやくみんな元気になってきました。

ただ、日本に目を向けると現在も北陸地方では復興が遅れているという話を伝え聞き、心配するとともに一刻も早い正常化を祈るばかりです。

さらに中東の方も、イスラエル・パレスチナで始まった戦火は収まるどころか、徐々に他の地域に拡大しつつあり、今後どうなるのか不安でもあります。

ところで、私の住むアメリカでは現在国境を侵入してくる不法移民の数がとんでもないことになっていて、自国の国境を守れない政府に対する不満が全国的に広がっています。

中東の問題にしても、不法移民の問題にしても、アメリカのメディアは政府公認の見解を伝えるばかりで真実を伝えようとしません。さらにコロナ時の検閲がX（Twitter）などを通して次々と明らかになってくるにつれ、現在アメリカではメディアを信用できないという人たちが増加中です。

そこでより多くの人達は、伝統的なメディアではなく、ポッドキャストやソーシャルメディア、オルタナティブ・メディアなどから情報を得る傾向が増えています。

しかし情報源が増えたところで、「何が正しいのか」という問題は残ります。

そこで科学的思考、つまり仮説を立て、データを使って間違いがないか検証していくことを、より多くの市民が自分の手で行っていくことが求められるのではないかと思います。

それだけに、これからもより「データが民主化」されるよう、活動の質とスピードを上げていきたいと思っております。

引き続きよろしくお願いいたします。

西田

最近の興味深いデータ関連記事

人間をAIで置き換えるのはコストがかかり過ぎる

• It's expensive to replace humans with AI, MIT says - Link

人間の仕事の多くはAIで置き換えるにはコストがかかり過ぎるという研究レポートが最近MITから発表されました。（リンク）

今回の調査はコンピューター・ビジョンにフォーカスしたものですが、現在は3％ほどの仕事のみが経済的な観点から自動化するに値するとのことです。

大きな理由は、人間は仕事を行う上で、これまでの経験から得られた直感や暗黙の知識などを元に、クリティカルシンキング、エモーショナルインテリジェンスを用い、意識的または無意識的な思考プロセスの元、様々な意思決定を行います。

そして、人間はこうして得られた知識やスキルを絶えず更新し続けていくものです。

こうしたことをコンピューターやAIで置き換え、さらにそのメンテナンスを続けるのは、できるかできないかよりも、単純にコストが掛かりすぎるので、逆に人間がやったほうが安いし効率的だということですが、もっともだと思います。

技術的に「置き換えれる」と経済的に「置き換えたい」というのは違います。この視点がよくある「多くの仕事がAIに置き換わると」いうニュースに欠けていると思います。

生成AI時代の著作権 - ニューヨーク・タイムズ vs. OpenAI

去年の年末、ニューヨーク・タイムズがChatGPTの開発元であるOpenAIとそのパートナーであるMicrosoftに対する訴訟を起こしました。（リンク）

OpenAIがChatGPTのAIモデルをトレーニングするために、ニューヨーク・タイムズの記事を勝手に使ってサービスを提供しているというのがこの訴訟のポイントです。

ただ、これは難しい訴訟になるかもしれません。というのも、アメリカのコピーライト（著作権）に関する法律は私達一般人が思っているほど単純ではないからです。

現在のような生成AIブームの中では、そうしたテクノロジーを使って新しいサービスを提供するチャンスがたくさんあります。ただ気をつけなくてはいけないこともあるので、アメリカの最新動向を皆さんと共有できればと思い、記事としてまとめました。

記事を読む

新しいAIモデルはアメリカ政府の許可が必要となる

• OpenAI and Google will be required to notify the government about AI models - Link

AI企業はまもなく新しいAIモデルを開発するさいにアメリカ政府に報告しなければいけなくなるとのことです。最近制定された「ディフェンス・プロダクション法」が根拠となっているとのこと。ジーナ・レイモンド、アメリカ商務長官によると、

「私達はディフェンス・プロダクション法を使って、企業が新しいLLM（大規模言語モデル）をトレーニングするさいは毎回その安全性に関するデータを含め結果を政府に報告させます。そしてそれを私達がレビューします。」

とのことです。

安全性のためというのが表向きの理由ですが、これはおそらく既存のアメリカの大企業の利益を守るために使われるでしょう。

銀行業界でもよくある話ですが、政府によるこういった規制は当初一般の国民のためという触れ込みなのですが、そもそも政府には企業の活動業務やサービスをレビューするために必要な知識も人材もないため、結局は既存大企業の言いなりになってしまいます。

今回も、AIモデルのレビューには既存のGoogle、Microsoft、OpenAIなどからの人材に頼らざるを得なくなり、彼らが審査のチェックリストやガイドラインを作ることになります。もちろん自分たちに都合の良いようにです。

私は以前からこの点を問題にしていますが、より多くの日本企業にもこの問題について知っておいてもらいたいと思います。

前述の商務長官はさらに、アメリカのクラウド企業、つまりAmazon、Google、Microsoftなどが自分たちのサービスを利用する外国企業やユーザーに関する情報を報告させるための大統領令を出すという話もしています。（リンク）

日本企業がアメリカのクラウド環境を使ってAIモデルを作るとき、それはアメリカ政府、さらにはアメリカのAI企業には筒抜けになるということです。

X（Twitter）、アトランタに新しいAIデータセンターを建設開始

• Elon Musk’s Twitter/X granted $10 million tax break for AI hardware in Georgia - Link

イーロン・マスクのX（Twitter）はジョージア州のアトランタに約1000億円（$700M）をかけて新しくAIデータセンターを建設するとのことです。

X（Twitter）は去年1万個ほどのGPUをAIのトレーニングのために購買したというニュースもありましたが（リンク）、彼らは自分たちのGrokというChatGPTに対抗するAIの開発に本気です。つまり、AIの開発に本気であれば、自前でデータセンターを作り、大量のGPUを用意しなければいけないということですね。

先週のセミナー

オープンデータを使って気候変動問題の裏側に迫る

日本に帰る度に、日本で当たり前となっている世界とアメリカで当たり前となっている世界の乖離に驚きます。おそらく、日本のメディアはアメリカの一部のメディアからの情報しか流さないからなのではないかと思います。しかし、そうした情報は必ずしも「欧米の常識」というわけではなく、さらに真実というわけでもありません。

先日開催したデータリテラシー・セミナーでは、オープンデータを使って、地球温暖化の真相に迫ってみました。

今週のチャート

TWD #10 - 大量の違法移民が押し寄せるアメリカの国境

冒頭でも触れましたが、現在アメリカでは国境を違法に侵入してくる移民の数がとんでもないことになっています。そこで、今回は違法移民の逮捕数のデータを元にそのトレンドを可視化してみました。

さらにちょっと調べてみたところ、そうした移民は自発的というよりも、特定の団体などによって組織化されているものということもわかりました。このあたりの解説もしていますので、ぜひ御覧ください！

データサイエンス・ブートキャンプ・トレーニング #34

毎回人気のデータサイエンス・ブートキャンプですが、次回開催はこの３月となっております。

今回も東京でのクラスルームでの対面授業形式での開催となります。授業内容を振り返るためにトレーニング中6回ほど、参加者どうしでグループを作っていただくエキササイズの方も用意しております。

ビジネスのデータ分析だけでなく、日常生活やキャリア構築にも役立つデータリテラシー、そして「よりよい意思決定」をしていくために必要になるデータをもとにした科学的思考もいっしょに身につけていただけるトレーニングとなっています。

データサイエンス、統計の手法、データ分析を1から体系的に学ぶことで、ビジネスの現場で使える実践的なスキルを身につけたいという方は、ぜひこの機会に参加をご検討ください！

日時： 2024年3月26日(火), 27日(水), 28日(木)

場所：東京八重洲（対面形式）

詳細を見る

以上となります。

それでは、素晴らしい週末をお送りください！

西田, Exploratory/CEO   
KanAugust

Exploratory Newsletter

海外を中心としたデータサイエンス関連の役に立つ情報をまとめたものを、Exploratoryの開発ニュース、興味深いデータなどの情報と共に毎週お送りします。 購読は無料です。

By Kan Nishida