Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
データサイエンス業務 最初の一歩
Search
ぶんちん
July 27, 2023
Technology
0
240
データサイエンス業務 最初の一歩
初心者向けに仕事で成果につなげられるようにするためには、どのようにプロジェクトを始めたらよいか紹介
ぶんちん
July 27, 2023
Tweet
Share
More Decks by ぶんちん
See All by ぶんちん
良書紹介03_ データ分析読解の技術
bunnchinn3
0
28
MVP未満からの成果獲得
bunnchinn3
0
21
個人計画とプロジェクト遂行の考え方
bunnchinn3
0
48
データ分析イベントデータ説明(VRChatイベントカレンダー)
bunnchinn3
0
80
<事前告知> DS集会データ分析イベント VRChatイベントカレンダー
bunnchinn3
0
69
統計知識と実務のギャップ
bunnchinn3
0
99
製造業における品質不良の要因分析04_ツール選択の考え方
bunnchinn3
0
140
これまでLT振り返り 何が人気の話題?
bunnchinn3
0
95
製造業における品質不良の要因分析03_必要な知識の入手方法
bunnchinn3
0
110
Other Decks in Technology
See All in Technology
怖くない!はじめてのClaude Code
shinya337
0
310
生成AIで小説を書くためにプロンプトの制約や原則について学ぶ / prompt-engineering-for-ai-fiction
nwiizo
6
3.8k
あなたの声を届けよう! 女性エンジニア登壇の意義とアウトプット実践ガイド #wttjp / Call for Your Voice
kondoyuko
4
520
FOSS4G 2025 KANSAI QGISで点群データをいろいろしてみた
kou_kita
0
300
MUITにおける開発プロセスモダナイズの取り組みと開発生産性可視化の取り組みについて / Modernize the Development Process and Visualize Development Productivity at MUIT
muit
1
3.6k
整頓のジレンマとの戦い〜Tidy First?で振り返る事業とキャリアの歩み〜/Fighting the tidiness dilemma〜Business and Career Milestones Reflected on in Tidy First?〜
bitkey
1
3.7k
解析の定理証明実践@Lean 4
dec9ue
1
210
開発生産性を組織全体の「生産性」へ! 部門間連携の壁を越える実践的ステップ
sudo5in5k
1
1.7k
使いたいMCPサーバーはWeb APIをラップして自分で作る #QiitaBash
bengo4com
0
1.4k
Should Our Project Join the CNCF? (Japanese Recap)
whywaita
PRO
0
300
生成AI時代の開発組織・技術・プロセス 〜 ログラスの挑戦と考察 〜
itohiro73
1
390
KubeCon + CloudNativeCon Japan 2025 Recap
ren510dev
1
320
Featured
See All Featured
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
7
730
Gamification - CAS2011
davidbonilla
81
5.3k
Optimising Largest Contentful Paint
csswizardry
37
3.3k
It's Worth the Effort
3n
185
28k
What’s in a name? Adding method to the madness
productmarketing
PRO
23
3.5k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
The Cult of Friendly URLs
andyhume
79
6.5k
The Invisible Side of Design
smashingmag
300
51k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
181
53k
How to Ace a Technical Interview
jacobian
277
23k
A designer walks into a library…
pauljervisheath
207
24k
Site-Speed That Sticks
csswizardry
10
680
Transcript
超初心者向け データサイエンス業務 最初の一歩! ぶんちん 2023年7月27日 データサイエンティスト集会 in VRC 1
自己紹介 ぶんちん 複合経営が特徴の企業(製造業)に所属 データ分析担当者だったが。。。 成果獲得を狙うと、 同じことに繰り返しで 飽きた 他者にやらせたら、
成果が増えるのでは 特に非専門家向けのDS教育 2
注意!! 基本的に高度な技術の導入に体制が整い切れていない組織 新規技術の開発ではなく、具体的な経済効果の獲得が私の主目的 多くの案件を根拠にしているものの、あくまで私の経験則 3 泥臭い The
重厚長大 製造業 私はスマートな業界ではなく、 が前提のお話です。
初心者が直面する壁 4 将来のためにデータサイエンスの勉強するぞ! 数学!機械学習!プログラミング!etc 勉強したことが仕事で使えない。 使ってみたけど成果につながらない。 実力不足。もっと勉強しないと! Q.いつになったら 仕事に生かせるの?? 成果を出せるの??
A.不足しているのは技術ではなく、 仕事の進め方(技能)かも?
よくある勘違い 高度な技術は基本的な技術の上位互換! それを活用した仕事ができるようになる! 技術を学べばすぐに実績を積める! 5 現実はそんなに甘くない
基本的な手法 • そこそこの性能 • 使いやすい 少し高度な手法 • 性能向上 • デメリット追加
高度な手法 • さらに性能向上 • さらなるデメリット データサイエンス技術適用の構造 6 高度な手法は基本的な手法の 単純な上位互換ではない! 課題 技術的に高度になるほど扱いづらくなっていく →案件ごとに全体最適のバランス調整が重要 いきなり使いこなせますか?
高度な技術の適用から考えてしまうと。。。 7 オーバースペックになっていない? など どのようなリスクが考えられる? どうやって運用していくの? 現場適用どうするの? モデルの監視はどうするの? 体制は?他部署との調整は? 誤動作した場合の対応ってどうなの?
いくらの効果と費用になるの? たとえ良い結果が得られた場合であっても… 全て解決しないと効果獲得まで至らない 様々な課題の整理・対応も併せて少なくないリソースが必要 →中断判断も難しく、泥沼案件化することが多い
世の中は失敗だらけ 私が考えている失敗の理由 ① 課題設定の失敗 ② 技術課題以外の問題 ➢ 理想論に基づいた目標設定 ➢ 実現不可能な課題の泥沼化
➢ 適用先の業務設計が不十分 8 “POC死”と検索すると、 死屍累々なのがよくわかります 数年前にPoC(Proof of Consept;概念実証)が流行 専門家と協力してAI(≒データサイエンス)を活用したプロジェクトが乱立 そのほとんどが失敗。9割が失敗といわれているが、もっと多いのでは? PoCが黒歴史的ワードに。
ポイント1:適切な課題設定 9 技術(シーズ)から課題を探すな!! 詳細は別の機会に説明します 課題解決ではなく、技術適用が目的になる →成果につながりにくい 私の初心者におすすめの取り組み課題 • 具体的に困っている人がいる •
ちょっとした改善活動
★ポイント2:基本的な手法で具体化 理由 技術課題とは別の部分の課題を明確にしたい 必要とされる”最低スペック”を検討できるよう、比較基準を最速で作りたい 見込みがなければ即撤退できるよう、投入リソースを最小限にしたい 10 手順
1. データの可視化(+α)程度でできる施策を検討 100点中20~50点の成果を最速で実現。定量評価を可能にする 2. 上記のアプローチが原理的に可能か、トライアルを実施。 技術面以外も含む課題を洗い出す。 ここまでできてから、徐々に手法を高度化していきましょう
まとめ 高度な手法を身に着けるだけでは成果につなげられない 適切な課題設定と技術課題以外の対応が超重要 特に初心者は、意図的に簡単な手法から順に検討を進めよう 11 とにかく •
技術課題の明確化 • 技術面以外の課題への対応 そこからスタートです。