アメリカの「Harvard Business Review」10月号でビッグデータが特集されました。この内容を簡単に日本語で紹介したので、このスライドをシェアします。

1. 雑誌「 Harvard Business Review 」
2012 年 10 月号
「ビッグデータ特集」の中身
報告
2012 年 11月 12 日
菅原 裕

2. 「ビッグ・データ」という語の由来
• 雑誌「 The Economist 」の特集 [2010 年 2 月 ]
– “Data, data everywhere” で取り上げられたことが大きなき
っかけ
– 同誌では、その後も何度か特集
• それ以前に雑誌「 Nature 」でビッグ・データ特集
［ 2008 年 9 月］ (http://www.nature.com/news/specials/bigdata/index.html)
• 更にそれ以前では、シリコン・グラフィックス社
のチーフ・サイエンティストであった John R.
Mashey の論文 “ Big Data and the Wave of Infra Stress” (
http://static.usenix.org/event/usenix99/invited_talks/mashey.pdf)
» （（野村総研 鈴木良介さんのまとめ
» [2012] ビッグデータ・ビジネス ( 日経文庫 ) ）
2

3. 2012 年秋、私の周囲のビッグデータをとりまく環境
• デジタル広告配信に使われている • 企業の対応はまだまだ＝企業の問
技術はすでにビッグ・データと言 題
って良い物
 データが不十分
 ジオグラフィック・データ  あっても、セクションごと、目的
 デモグラフィック・データ ごとにバラバラ
 ウェブの行動履歴  データを処理する人材がいない
 リアルの行動履歴
 そもそも、マーケティング・マネ
などを掛け合わせるために ジメントや経営にデータを活かす
クッキー という考えがない
IP アドレス
GPS データ
購買履歴 いきなりビッグデータと言ってもなかなか受
などを活用 け入れる素地がないので、
まずはデータドリブン・マーケティングの重
要性を説いていこう
と思っている
3

4. 2012 年 1 月
0
• こんな状況の中で、権威ある
ビジネス雑誌「 Harvard Business
Review 」が 2012 年 10 月号でビ
ッグデータを特集
• 「 GETTING CONTROL OF
BIG DATA 」
– 日本でいうと、「日経ビジネス」
でビッグデータ特集をするような
もの
4

5. 24 ページにわたる特集 3 本の論文
1. “Big Data : The Management Revolution”
「ビッグデータ：マネジメント革
命』 by McAfee, A. & Brynjolfsson, E.
2. “Data Sceientist : The Sexiest Job of the 21st
Century” 「データ・サイエンティ
スト： 21 世紀一、セクシーな仕
事」 by Davenport, T.H. & Patil, D.J.
3. “Making Advanced Analytics Work for
You” 「先進解析を意思決定に生か
す」 by Burton, D. & Court, D.
5

6. 特集序文
企業は、いまだかつてない量のデ
ータを収集することができるよう
になった。この量は、どのように
処理すればいいのか我々が知って
いる量を超えてしまっている。
この宝の山を活かし、競争に勝つ
ためには、新しいスキルやマネジ
メントのスタイルへの転換が求め
られるだろう。
6

7. 7

8. ビッグデータ：マネジメント革命
• You can’t manage what you don’t measure.
– データドリブンな意志決定は、直感による意思決定より優れている。
ビッグデータを使用すれば、意思決定は、科学的根拠に基づいて行な
うことができるようになる。この点が、ビッグデータがマネジメント
革命を引き起こす要因である。
– Google やアマゾンのような、デジタル生まれデジタル育ちの会社はビッ
グデータをマスターしている。しかし、レガシー企業がビッグデータ
から得られるベネフィットは、これ以上のものがある。
– 経営陣は、科学的根拠に基づいた意思決定を受け入れることを学ばな
ければならない。
– 組織は、非常に大規模なデータセット内のパターンを検索し、有益な
ビジネス情報にそれらを変換することができるサイエンティストを雇
用する必要がある。
– IT 部門は、データに関連するすべての内部および外部ソースを統合し
なければならない。
8

9. 導入のための 4 つのステップ
• ビッグデータを扱うための IT 投資は、以前に比べて非常に小さく
なった。したがって、ムダをいとわず、さまざまなトライをしてみ
るのが肝要だ。ここでは、まずは土台から構築するための一つのア
プローチとしての 4 つのステップを紹介する。
1. 実験場にするビジネスユニットを選ぶ。データ・サイエンティスト
のチームによる手厚いバックアップが受け入れられやすい文化のあ
るビジネスユニットを選ぶ。
2. まずは挑戦。ビジネスを左右する 5 つのキーファンクションを選定
し、これを分析するプロトタイプを構築する。チームの人数は 5 人
以上とし、この構築は 5 週間以内とする。
3. 実験、計測、共有、レプリケーション （他 の 環境 に 複製 して 同
期 を 取 る ）の 4 つのステップを繰り返していく。
4. 心に「ジョイの法則」を留めておく。 「ジョイの法則」とは“最も
賢い人々は、他の誰かのために働く”ということ。つまり、インタ
ーネット上にあなたのデータセットおよび分析の結果のいくつかを
公開して一般から意見をもらう。
9

10. 10

11. データ・サイエンティスト： 21世紀一、セクシーな仕事
• かつて 1990 年代にウォール・ストリートを闊歩したコンピューター · エンジニアた
ち「クオンツ」。彼らは、高度な数学的手法を用いて、市場を分析したり、投資戦略
や金融商品を考案・開発した。 21 世紀、これに代わるのが「データ・サイエンティ
スト」だ。企業は前例のない情報のボリュームと種類と格闘するため、これら専門家
を先を争って採用しなければならない。 Facebook と LinkedIn をバックアップしたベン
チャーキャピタル会社グレイロック · パートナーズ社などは、「今後、データサイエ
ンティストの不足から、ビッグデータ分析が進まないのではないか」と危惧している
。
• データ・サイエンティストたちは、ビッグデータがもたらすチャンスを実現するため
の鍵だ。彼らの役目は、バラバラのデータを組み合わせ、それに説得力のあるパター
ンを見つけ、データの持つ意味やデータに埋もれるストーリーを見つけて意思決定を
行なう幹部に助言することだ。重要なのは、彼らは単なるレポート配信者ではないと
いうことだ。彼らは、問題の核心をとらえて、創造的なアプローチを実施する。彼ら
の助言が、経営に生かされないようでは意味がない。
• 例えば、詐欺の問題を研究していた、あるデータ・サイエンティストは、この問題が
、一見関係ない「 DNA シーケンシンス問題」に類似していると気づいた。それらの
異なる世界を複合させ、彼は劇的に詐欺損失を低減するソリューションを作り上げた
。突拍子もないアプローチ、これがクリエイティブであり、これが経営に変革をもた
らしていくのだ。
• 現状の大学教育では、データ・サイエンティスト育成過程はまだ存在しないので、採
用にもクリエイティビティが必要だ。
11

12. データ・サイエンティスト採用 10 の方法
1. 新卒採用。スタンフォード、 MIT 、 UC バークレー、ハーヴァード、カーネギー
メロンなどの大学はだれでも思いつくが、それ以外にノースカロライナ州立大学
、 UC サンタクルーズ、メリーランド大学、ワシントン大学、 UT オースティン
なども候補に入れる。
2. 「 The R User Group 」「 Phyton Interst Group 」のメンバー表から探す。
3. LinkedIn で「データ・サイエンティスト」を検索する。
4. Hadoop World Conference やミートアップに出かけて、そこで探す。
5. ベンチャーキャピタリストの友だちを作って、紹介してもらう。
6. サイト「 Kaggle 」や「 TopCoder 」での発言を読んで、クールな人をフォロー・ア
ップする。
7. コーディング・スキルが高くないからといって候補から外してはいけない。コー
ディングは後からでも学べるが、数学的な才能は天賦のものだ。
8. 候補者には、データセットを渡して、これからどのようなストーリーを見つけて
くるかで判断する。報告の際に、数字と言語で経営陣とコミュニケーションでき
るかどうかを判断するのが最も重要だ。
9. ビジネス感覚のない候補者に注意。具体的に、あなたがビジネス上どんな問題が
あり、この候補者がそれを助けてくれるかどうかの質問は欠かせない。
10. 「自分の分析や洞察力についてのスキルをどのようにシャープに保っているか」
を候補者に依頼すること。スタンフォード大学のオンライン機械学習コースの高
度なトラックの受講証明を獲得しているとか、オープンソース · プロジェクトに
貢献しているとか、または例えば GitHub などのコード・オンラインリポジトリを
構築しているとか。
12

13. 13

14. 先進解析を意思決定に生かす
• ビッグデータを重視するトレンドは、とてつもなく早くなってしまってい
る。経営陣は「時期尚早」「こんな話は大げさ」などという意見が社内か
ら上がっても、それを却下しなければいけない。
• 先進的な解析によって得られるメリットはとてつもなく大きく、競争に勝
つために、どうしても今やらなければいけないことだ。そればかりか、今
後の経営のコア・エレメントになるのだと言っても過言ではない。
• また、ビッグデータのモニタリングはむずかしいので専門家に任せればい
いと思うかもしれないが、これが大きな間違いである。ビジネスの成果の
指標は、 C- スイートのトップ・メニューに掲載して、 C- スイートを使用す
る全員が容易に目にできるようにし、共有することが重要である。
• このためには、会社の文化を変えていかねばならない。これには時間がか
かるが、ビッグデータが経営陣の日常活動にまで浸透するようにしなけれ
ばならない。
14

15. ビッグデータから利益を得るには
1. 多様なデータ・ソースを確保する
– 社内、社外のクリエイティブなソース
– IT アークテクチャーとインフラを、多
様なデータをマージできるようなもの
に改める
1. 予測モデルと最適化モデル
– 業績を左右する最大の要素にフォーカ
スする
– モデルの構築にあたっては、複雑性と
実際の使用の容易性の間で上手くバラ
ンスを取る
1. 組織的変革
– 幹部全員が使えるシンプルでわかりや
すいツールの作成
– 業務プロセスを変更する。ツールが使
用できるようにトレーニングをする
15

16. 以上でした
以後、菅原の感想を

17. 感想
• 「なんだ、日本と変わらないじゃないか」が感想。
– 2 ページに書いた、日本の現状と何ら変わることがない。
– いわく
• データが集まらない
• 人がいない
• 経営陣に理解がない
– まったく、同じである
• 一番印象深かったのは、「導入のための 4 つのステップ」の 4 ステップ目
。「インターネット上にあなたのデータセットおよび分析の結果のいくつ
かを公開して一般から意見をもらう。」
– トヨタや花王などの日本企業が自社のデータと解析結果をネットで公開して意見
を募る、なんて、想像もできない。早くそうなるといいと思うし、こんなことが
できるようなら、すでに企業文化はビッグデータムキになっているのだと思う。
17

18. Hype Curve 2012 for Big Dataもこんな感じだし
18

19. なので
• 時間がかかるだろうなぁ
• 忍耐も要るなぁ
– と思いました。
– そのうち「ビッグデータってやっぱりバズワードだったよね」
とか言われるんだろうなぁ、とも。
• とはいえ、トレンドは、データドリブン・マーケティングには、ま
ちがいなく行っているんだろうな、と。
この記事は、ウェブサイトでも読めますし ( 無料の会員登録が必要 ) 、記事
ごとの pdf を買うこともできるので、良かったら原文を読んでみてください
。
http://hbr.org/archive-toc/BR1210
19