The Doppler Quarterly (日本語) 冬 2018 | Page 60

こうした実験的な分析と、データを生成する基盤となるプロセスを把握している担当者の専
門知識を組み合わせれば、適切に活用できる成果を生み出せる可能性が十分にあります。全
体的な目標は、人間が行う意思決定と同等、もしくはそれを上回るようなビジネス上の意思
決定を行うことです。
データの可視化
データの可視化はプロセスの最後となり、見落とされることも少なくありませんが、先行する
段階からの出力の確認が必要となります。最良の結果を得るには、多くの場合、コンピュー
ターサイエンス、技術、および神経科学が同じ割合で必要となりますが、これは、私たちが視
覚入力をどのように認識しているのかという複雑な問題を理解するためです。
「百聞は一見に
しかず」
という古いことわざが、ここで大きな意味を持つのです。
2 つの点を指摘しておく必要があります。第 1 に、先行する状態からの出力について触れまし
たが、こうした技術は、分析結果の最後の出力に役立つだけでなく、データマンジングの難し
いプロセスを進める際にも大きな効果を発揮します。今、ビッグデータについて説明している
ところですが、ビッグデータは一般的に、私たちが理解できる範囲を超える
図 1: このデータ可視化アルゴリズムの例では、ユーザーのアクティビティを分析するだけで、 2 つの異なるグ
ループを識別しています。意外な特徴により、黄色と青色の点の違いが顕著になっています ( 女性と男性 ) 。
出典 : KDnuggets
58 | THE DOPPLER | 2018 年冬号