初めてこのブログに来た方へ

これは初めてこのブログに来た方々向けのトップ固定記事です。最新記事の更新状況に応じて随時更新されます。

はじめに

公式のプロフィールはLinkedInに掲載しております。

このブログの内容は個人の意見・見解の表明であり、所属組織の意見・見解を代表しません。またブログ記事の内容の正確性については一切保証いたしません。学術的・技術的コンテンツを求めて来訪された方は、必ず学術書や論文などのオーソライズされた資料を併せてご参照ください。むしろ僕自身の学習のプロセスを記録しているだけの備忘録的記事が多いため、誤りもまた多いはずです。後学のため、誤りを見つけた場合はコメント欄などでお知らせいただけると有難いです。

また、ブログの中で取り上げられているデータ分析事例・データセット・分析上の知見など全ての記述は、いずれも特別に明記されていない限りはいかなる実在する企業・組織・機関の、いかなる個別の事例とも無関係です。ブログ記事内容は予告なく公開後に改変されることがあります。改変した事実は明示されることもあれば明示されないこともあります。

このブログはあくまでも僕自身にとっての備忘録であり、利便を考えてweb上に公開しているだけという位置付けのものです。中にはその見かけとは全く別の真の目的をもって書かれた記事もあります。以上の点をご理解の上、お読み下さると有難いです。

id:TJOとは何者なのか

データサイエンティスト・機械学習（人工知能）エンジニアとは何か

データ分析を仕事にしたければ読むべき本は何か

「データサイエンティストがヒーローとなって世界を牛耳る闇の権力者集団と戦う」映画を自主制作しました

良い時代になったもので、映像制作とか娯楽作品の創作とかやったことがなかった僕でも生成AIを駆使すれば自主制作映画が作れるようになりました。ということで、以下にそのPRを並べておきます。こちらのYouTubeのリンクから見られます！

タイトル

Codebreaker
コードブレイカー：世界を操る影に、データサイエンティストが立ち向かう！

真実を暴け、世界を救え！

東京大学で数学と統計学を専攻したデータサイエンティスト、佐藤賢。彼は膨大な量のオープンソースデータを分析することで、世界の政治経済に隠された真実を探求することに情熱を注いでいた。

ある日、佐藤はデータから衝撃的な事実を発見する。世界の金融市場、エネルギー市場、食料市場など、あらゆる市場が巧妙な操作によって動かされているという証拠が、彼の目の前に現れたのだ。

その背後に潜むのは、表舞台には決して現れない闇の権力者集団。彼らは世界を影から操り、自分たちの利益のために人々の命を弄んでいる。

佐藤は、真実を世に公表しようと決意する。しかし、彼の行動はすぐに闇の権力者集団に察知され、命を狙われることになる。

絶体絶命のピンチに陥った佐藤を救ったのは、CIAのエージェント、カーラだった。彼女は佐藤に、CIAも長年闇の権力者集団と戦ってきたことを告げる。

そして、佐藤に協力を依頼する。彼の持つデータ分析能力こそ、闇の権力者集団を倒すための鍵となるのだ。

世界を揺るがす陰謀、国家を巻き込む戦慄の追跡劇！

佐藤とカーラは、CIAの秘密基地で闇の権力者集団の正体と目的を調査し始める。

彼らは世界中の主要な企業や政府機関に潜伏し、巧妙な情報操作と経済活動によって世界を支配しようとしていた。

佐藤は、収集した証拠を基に、闇の権力者集団の陰謀を世に公表する。彼の告発は世界中に衝撃を与え、人々は怒りと恐怖に包まれる。

追い詰められた闇の権力者集団は、最後の手段として世界規模の金融危機を引き起こし、世界を混乱に陥れようと企む。

迫り来る破滅、人類最後の希望！

佐藤とカーラは、CIAのチームと共に、世界を救うための最後の戦いに挑む。

激しい銃撃戦、手に汗握るカーチェイス、そして息を呑むような心理戦。

果たして彼らは、闇の権力者集団の陰謀を阻止し、世界を破滅から救うことができるのか？

血湧き肉躍るアクション、心を揺さぶる感動のストーリー！

データサイエンティスト、佐藤賢の壮絶な戦いを描いた、ノンストップ・エンターテイメント大作！

ハリウッド超大作に匹敵する壮大なスケールで贈る、究極のスペクタクル！

見逃せない、2024年最大の話題作！

どのような場面で多重比較補正が必要なのか

先日のことですが、Querie*1で以下のような質疑がありました。

恐らくですが、これは僕が懇意にさせていただいているマクリン謙一郎さんがコメントしていた件に関連する話題だと思われます。

たしかにこれではないからHARKingとはちょっと違うと思うんだけど、実際は「同じストーリーを別のデータで何度も解析」してるわけだから多重検定になる。被説明変数は一緒だから複数の説明変数を試して有意になったやつを報告するのと構造は一緒。 https://t.co/WjnK5MnKcJ

— Ken McAlinn (@kenmcalinn) 2024年3月11日

分かる人が見れば「典型的な多重比較補正問題だ」と分かる話なんですが、普段から意識していないと意外と見落とされがちなポイントだと思うんですよね。ということで、最近ネタ切れなのを糊塗する目的も兼ねて今回の記事では簡単にこの話題を改めてサクッと深掘ってみようと思います。なおいつもながらですが、記事中に僕の理解不足や誤解などがありましたら、何なりとご指摘くださると幸いですm(_ _)m

*1:最近復活させました

ビジネスの実務で「因果」を推測するということ

統計的因果推論と言えばすっかり統計学分野ではお馴染みのアプローチになった感があり、また機械学習分野でも扱うテーマが複雑化するにつれて注目が高まり続けているトピックスという印象があります。

このブログでも2016年ぐらいから因果推論に関する記事をちらほら書くようになり、僕個人にとってもまた因果推論と言えば馴染み深い概念になってきたという感があります。

一方で、ビジネス実務の現場においても「因果推論」という言葉は使われないにせよ、かなりはっきりと「因果」についての知見もしくは説明可能性が求められるようになってきた、という印象が個人的にはあります。それは良くも悪くもDXブームでありとあらゆるビジネスに関わる事由がデータ化され、「相関」だけなら簡単に見つけられるようになったことで、相関だけからは見えてこない「因果」をはっきりさせたいという願望が浮かび上がってきた、ということなのかもしれません。

そこで、今回の記事では近年のビジネスシーンにおいてどのような課題に対して「因果」を推測することが求められ、またどうしたらその「因果」を明らかに出来るか、というパターンを僕の見聞の範囲における知見に基づいて例示してみようと思います。