紙の本
物足りない
2020/01/31 10:28
0人中、0人の方がこのレビューが役に立ったと投票しています。
投稿者:ショウさん - この投稿者のレビュー一覧を見る
「これからのデータサイエンス」とあるように、データサイエンスという聞き慣れない業界のお話。
統計学を始めとした既存の計算方法を駆使して「こういう傾向あるんじゃないの?」という分析結果をビジネス主体へ説明するまでがお仕事のようです。
ですが、事実をつらつらと並べただけで、作者の思いや哲学を垣間見ることができず、読後の印象はとても薄いです。
もうちょっと主張してもいいんじゃないのかな?と思いました。
電子書籍
データサイエンスということ
2020/08/31 17:27
0人中、0人の方がこのレビューが役に立ったと投票しています。
投稿者:いのぜい - この投稿者のレビュー一覧を見る
データサイエンスということがおぼろげながら分かった。実務に活かしていきたい。
投稿元:
レビューを見る
データサイエンスについて、概念、環境、ツール、スキルをざっくりと説明した本。
これからこのキーワードで何かを考えなきゃいけない人には、最初の一歩になりそうな内容でした。具体的な事例や技術的な話はないので・・・
投稿元:
レビューを見る
2章の実務の話は面白かったけど、それ以外は実際にデータサイエンティストとしてお仕事してる身としては、内容がちょっと薄すぎた。
ただ、データ活用の仕事の重要性をわかりやすく伝えるには、これくらいの方が良いんだろうな、とは思う。数学の話をし始めると、途端にわかりづらくなるので。
ビジネス志向で、かつ、AIという言葉に踊らされたくない人は、ぜひ読んだ方が良い本です。
投稿元:
レビューを見る
・中級者以上のデータ分析実務経験者にとっては既知の内容が多いのではという印象。その差分を得ていくのがよい。
・パート1で論じられている事の現実感が逆になかった。納得や共感よりも、まだそんな考え方の企業がいるのか。という所感の方が強い。多分、新卒からIT企業に勤めて、他企業の文化に触れる機会がなかったからだと思う。逆に「ものづくり」企業を中心にそうした旧時代的な考え方がマスである認識を持っておく必要はある。
・圧倒的に自分に不足しているのはITリテラシー。エンジニアと会話できなければ、未来はない。実学を学んで、自分で実践して体感すべきと再確認。
・P51のビジネスプロセスは分析ワークの全体像を捉えていてわかりやすい。元々の分析する前の工程に重きがおかれているのが良い(そもそものデータ自体の正確さや疑いをもつべきという松本さんらしい)
・手法の選択は経験値を積んでおきたい。より良いやり方があるのに分析手法のレパートリーを知らないのはもったいない課題解決手法の幅を広げる戦略は正しい。
・PysonとRの使い分け。
Pyson→サービスの一機能として組み込み
R→統計データ分析による意思決定の支援
投稿元:
レビューを見る
データサイエンスはおろかITも合理的に使えない昭和の価値観のままの日本の社会や会社組織などを糾弾し、過去のしがらみから脱却せよと熱弁を奮ってのつかみ。データサイエンス導入に当たっての、ビジネス、サイエンス、エンジニアリングそれぞれの立場での視点を解説し、代表的な分析手法の解説を行い、実装そしてビジネスへの展開と話を進めます。終章ではこれからのビジネスのについて展望します。2章は体系的にまとまっていて良かった印象ですが、1章と3章は散漫な感じですね。2章はだけでもっと詳しく書かれたほうが良かった気がします。
投稿元:
レビューを見る
初心者向け。
データサイエンスビジネスが何でどういうことが起きているかを知るには良いと思う。
ちょっとプロっぽく無さを感じてしまった。
投稿元:
レビューを見る
データサイエンスビジネスについて、
ざっくり書いてくれている本。
どちらかというと初心者向けかなと思うが、
それでも全体感を掴むには分かりやすかったと思う。
これからデータサイエンスビジネスに
取り組む人であれば、一度読んでみてもよいと思う。
【勉強になったこと】
・AI・データ分析における開発では、
ユーザー企業による開発の内製化や少人数が
短い期間で開発とリリースを繰り返す
「アジャイル型開発」の採用が増えてきている。
・分析前までにかける時間はプロジェクト全体の8割程度
・データサイエンスビジネスでは、何よりもまず、
データから何を知りたいのかを定義すること。
・時系列データは、傾向変動、循環変動、
季節変動、不規則変動の4種類に分類出来る。
・ディープラーニングとは、従来は人間が
与えていた特徴量を自ら探す学習法のこと。
・2018年の日本の広告費は、
総広告費6兆5,300億えんで、インターネット広告が
1兆7,589億円となっている。
・データ分析チームが活躍するためには、
KKD(経験・勘・度胸)から、
DNA(データ・数字・AI)に変革すること。
そのためには、ボトムアップからのアプローチも
必要となってくる。
投稿元:
レビューを見る
トレンド本と言って良い本。旬なネタで現在進行形の現場の動きや、提供側の視点での事例紹介などが記載されているので、採用する側の人が読むとちょうど良い感じにお互いが歩み寄れるような雰囲気があります。
ただ、パートワンの各種指摘は、当たり前すぎな上に、採用する側のシニア層からすると鼻につく書き振りなところもあるかなと、ある意味同業の営業の昭和生まれからは指摘したいw
結局、データサイエンスなるものが自社のビジネスに役に立だせることができるか?平たくいうと、それウチが儲かる話なの?って言うドライな所が最も大事だと思うのだが、その急所の部分は発注側が責任もって欲しい所。
この本は、そう言う点で、発注側になる人が、一読して、基本的な言葉とか、勘所みたいな物を認識するのに良いと思う。
逆に受注側の本気でデータサイエンスを学びたいって言う様な技術者には、初学としての知識が得られると思って手に取ったほうが良いかも。
投稿元:
レビューを見る
問題の指摘はその通りだと思うのですが、それに対する提案がなかったり、一般の域を出ていなかったり。自分には合わなかっただけで初心者の方にはいいのだと思います。
投稿元:
レビューを見る
#flier
DXは具体的なところを決めていくのが難しい
意識改革重要
他の本と比べて目新しいところはなかった
投稿元:
レビューを見る
未来IT図解 これからのデータサイエンスビジネス
著:松本 健太郎 、 マスクド・アナライズ
本書の特徴は、データサイエンスビジネスを通じて経験した、失敗の痛みと苦しみも成功の喜びも熟知している著者たちがキレイゴトをいっさい排除して、誰にも忖度せず、ド直球で「だからデータサイエンスビジネスは失敗する」「だからこうした方が良い」と直言している点である。2011年からつい最近まで書籍では読めなかった、本当のデータサイエンスビジネス、今だからこそわかるデータサイエンスビジネスの話が満載である。
構成は以下の3章から成る。
①このままでいいのか、データサイエンスビジネス
②データサイエンスビジネスを牽引する力の付け方
③データサイエンスが変えていくビジネスの在り方
初心者が手を出すと火傷する。だが、しかしリスクだけを恐れて何も手に付けずにいると大火傷を負う。かもしれない。
AIやビッグデータがなんでも良い方向に変えてくれるというようなバラ色の未来ではない。酸いも甘いも失敗も成功もある。
向かうべき方向性と日々進化する技術を見据える中で折り合いをつけながら前に進むのが正解なのかもしれない。
プロでないとわからないと目を背けてばかりでは何も始まらない。わかることわからないこと。知るべきことそうでないことを切り分けながら、取捨選択しながら学び、良い意味でプロに騙されないような軸を持ちながら付き合っていく必要がある。
投稿元:
レビューを見る
データサイエンスの自己啓発の本
勉強になる本ではなく、データ分析の仕事大変だよね、上手くいかないよね、こういうところ大事だよということが書いてある。まあ慰めにはなるのでは