― 分析の前に考えること ―
この記事でわかること
-
データDXの本当の対象
-
研究所でデータが活かされにくい理由
-
研究者視点での第一歩
- この記事でわかること
- はじめに
- データは、すでにある
- 使えない理由
- データDXの最初の仕事
- 研究者視点のデータ
- 分析は、その後
- 今の自分が思うこと
- 今日のまとめ（Lv33）
- 次に考えること（Lv34予告）
はじめに
データDXと聞くと、
多くの場合、
-
AI
-
高度な分析
が思い浮かびます。
でも研究所では、
もっと手前で
止まっていることが多い。
まずは、
そこから考えてみます。
データは、すでにある
研究所には、
データがあります。
-
実験データ
-
評価結果
-
報告資料
問題は、
「ない」ことではなく、
「使えない」こと。
この違いが、
とても大きい。
使えない理由
データが
使えなくなる理由は、
技術的なものではありません。
-
どこにあるか分からない
-
何のデータか分からない
-
誰が作ったか分からない
意味が分からないと、
データは存在しないのと
同じです。
データDXの最初の仕事
データDXの最初の仕事は、
分析ではありません。
-
整理
-
意味付け
-
関係づけ
データが
判断材料になる形に
整える。
これが、
データDXの出発点です。
研究者視点のデータ
研究者は、
-
条件
-
前提
-
例外
をよく知っています。
この知識が
データに紐づいていないと、
価値は半減します。
データDXは、
この暗黙知を
どう残すか、
という話でもあります。
分析は、その後
データが整理され、
-
比較できる
-
つながる
-
信頼できる
状態になって初めて、
分析が意味を持ちます。
順番を飛ばすと、
結果だけが
一人歩きします。
今の自分が思うこと
データDXは、
難しい分析を
することではありません。
研究者が
当たり前に
頭の中でやっていることを、
形にする。
それだけで、
DXは一歩進む。
今は、
そう感じています。
今日のまとめ（Lv33）
-
データはすでに存在している
-
問題は「意味」がないこと
-
整理と意味付けがDXの第一歩
次に考えること（Lv34予告）
次は、
研究そのものではないDX。
業務DXとは何か。
地味だけど効く話をします。
前の記事：Lv32：実験DXとは何か
次の記事：Lv34：業務DXとは何か
