KZ
bin
Негізгі бет
Қазірдің өзінде танымал
Тікелей эфир
Ұнаған бейнелер
Қайтадан қараңыз
Жазылымдар
Кіру
Тіркелу
Ең жақсы KZbin
Фильм және анимация
Автокөліктер мен көлік құралдары
Музыка
Үй жануарлары мен аңдар
Спорт
Ойындар
Комедия
Ойын-сауық
Тәжірибелік нұсқаулар және стиль
Ғылым және технология
【データサイエンスの基礎解説】国語+数学の総合格闘技/仮説の重要性/データ分析の本質/数字はデータではない/データの隠れた意味/世界報道自由度ランキングを読み解く【グロースX・松本健太郎】
30:15
ヨビノリたくみ、データサイエンティストの実態に迫る
21:04
Running With Bigger And Bigger Lunchlys
00:18
Inside Out 2: ENVY & DISGUST STOLE JOY's DRINKS!!
00:32
Officer Rabbit is so bad. He made Luffy deaf. #funny #supersiblings #comedy
00:18
Spongebob ate Michael Jackson 😱 #meme #spongebob #gmod
00:14
【データサイエンス5つの誤解】①データサイエンス=データを分析すること/②データサイエンスは「+α」/③データサイエンスは専門家に任せるべき/④分析結果=答え/⑤文系には無理/独習におすすめの書籍
Рет қаралды 94,388
Facebook
Twitter
Жүктеу
1
Жазылу 2,3 МЛН
PIVOT 公式チャンネル
Күн бұрын
Пікірлер: 73
@norihikosasaki2743
Жыл бұрын
データサイエンティストになりたい人でなくても、データサイエンスの基礎を身につけるだけで、ビジネスパーソンとしての価値が一気に上がりますね。
@philo5453
3 ай бұрын
平尾さんの使う日本語が独特で何が結論なのか最後まで聞かないとわからない(時に最後まで聞いてもよくわからない)、持って回ったような話し方ばかりするので、佐々木さんがうまく導いてくれてなんとか理解できた!佐々木さんありがとう!
@あゆ-e8j
6 ай бұрын
メモ 6:37 データサイエンティストじゃなくてもデータサイエンスはできる 11:44 データ分析は車のダッシュボード 16:50 データ分析の絶対ふみ外してはいけない8ステップ 17:56 データサイエンスはなぜかデータから始まる 20:16 うまく行った例(論文あり) 22:18 専門家に任せられるのは分析くらい 25:21 データサイエンティストは答えを持っていない、ヒントを持っているのは自分だ 26:45 8ステップは論文を書くステップと同じ 28:39 仮説立てまでの段階でのチームでの合意形成が大事 31:02 経営、経済、マーケティングなどの分野を改めて固めてみる 32:53 自分たちの売上の解像度を高める習慣を積んでおく
@mariolui2727
6 ай бұрын
佐々木さんが丁度気になる内容を質問で深ぼってくれるから、聞いてて気持ちいい
@sanpoholic
Жыл бұрын
よく耳にするデータサイエンスについて、誤解を解く形で説明されていてとてもわかりやすかったです。 一般の社会人がデータサイエンティストとして活躍するのはやはりハードルが高いものの、データサイエンティストと協働するといった視点で理解することは大切だと感じました。
@ryantakeshita4574
Жыл бұрын
こうした動画は高校生に見てもらいたいと思いました。文系・理系の区分はますます境目がなくなっていることが伝わってきましたし、「何を学ぶといいのか」が明確な映像でした。
@imaizumiyuichi763
Жыл бұрын
データサイエンティストは、社会科学と自然科学の融合した職業だとよくわかる動画だと思いました。 社会科学だけ修めて数理への理解が乏しい人には、この動画で紹介された仕事の過程の分析で躓いてしまうことは、必然だと感じました。 果たして、分析で数理モデルやプログラミングコードを読み解き、作成できない人がデータサイエンティストと名乗れるかどうが、疑問符がつくと、個人的に感じました。
@AquariusHirogoro
Жыл бұрын
話の後半を聞いていると文系の人のハードルがどんどん上がってきていると感じたのは私だけ?結局求められてるのは優秀なエンジニアのキャリアチェンジ組のほうなのか?
@shotadaikohara942
Жыл бұрын
いいチャンネルですね。基礎フローの大切さを再確認しました!! 一方で「5つのフローのうち4フローが文系でもできるから、文系でもデータサイエンティストになれる」というのは、 各フローの工数と学習コストが等分されていないことによる誤解だと思います。
@Igor-Karkaroff
Жыл бұрын
今高1でデータサイエンスに興味があります。有意義な話をありがとうございました。
@nakata-youiti
Жыл бұрын
同意しかないです!! データサイエンティストを使う側の人にも見て欲しい動画!
@noeliamon
Жыл бұрын
やはり組織のトップ層がデータサイエンスで何ができるのかを理解していることが必要なんですね。
@hiroyukiaoki561
11 ай бұрын
佐々木さんの会話力はやっぱ凄い。 聞きたいことが、 そうじゃないんだよー、 から それそれ! へと流れていく。 これもまた演出ならそれはそれで凄いが。
@wakto6647
Жыл бұрын
ゴリゴリの文系、社会学出身のデータサイエンティストです。平尾社長に激しく同意致します。数学やプログラミングはある意味出来て当たり前な世界なので文系出身者は最初はかなり苦労しますが、そこを乗り越えると理系出身者とかなり差別化できるようになるので文系出身者にこそおすすめしたい分野だと思います。
@deltaradio4654
Жыл бұрын
理系が少し本気出せば社会科学の分野をその都度勉強できます。逆に文系がデータサイエンスにその都度必要となる数学、物理を勉強するのはかなり骨が折れると思います。結局、理工系出身者をかき集めた方が良いのです。
@age-my1rg
Жыл бұрын
@user-ws9dl9jx7f 数学の素養がない文系はそもそもデータサイエンスの知見を得ようという思考回路にもならないのではないかとは思いますけどね・・・ 稼げるって聞くしやってみっかーな感じの人は流石に挫折すると思いますが、現状のビジネスにおける経営課題として、データサイエンスの数字を追う必要性を論理建てて考えられる人は、素養あると思います。 逆に、ビジネス軸で物事を考えられない、営業ライク、コンサルライクな話し方ができない理系エンジニアの方が、その技術を後から身に付けるのは学問より難しいと思いますので、 機械学習エンジニア止まりになる傾向にあると思いますね。
@天才の証明
Жыл бұрын
ゴリゴリにデータ使う学科でワロタ
@天才の証明
Жыл бұрын
@user-ws9dl9jx7f 数学と言っても、データサイエンスくらいの数学は別にそうでもないでしょ 数学基礎論とか、根幹に関わる問題は別やが
@HelloWorldcom
3 ай бұрын
自分は開発エンジニアだから厳密に言うと別の職種だけど、 文系の数学アレルギーと同程度、理系の「ビジネスアレルギー」みたいな人は存在する とにかく折衝やビジネスのドメイン知識から逃げようとするし、変にマネージャーとかになっちゃうととにかく物事の推進力がない。 お金をどう集めて、誰と誰に合意を取って、開発者Aに必要なタスクを切り出してパスする、みたいなことが全くできない 結局サービスがどう作られて、どういう点がお客さんに喜ばれてるかとかに興味がない、なんならそういうのは自分の領分ではないと思って嫌悪感すら持ってる人もいる 何が辛いって、開発エンジニアですらそうやって生きてきた人って、モノづくりの勘が育たないというか、そのうちコーディングしてきた期間で言えば自分に及ばない若手にエンジニアリングでも抜かれていくんだよね…不思議なことに 文系とか理系とかの区分はさっさと忘れた方が良くて、テクノロジー側にいる人はビジネスの方に、ビジネス側の人はテクノロジーの側に少し歩み寄るつもりで学ぶだけで充分良くなるはず それでいうと大手SIerは文系出身のシステムエンジニアが多くて「文系だから出来ない」が通用しない世界だからか、この辺りのバランス感覚がいい人が比較的多い気がする
@Yaya-ci6eo
Жыл бұрын
実りある内容でした。統計の知識以上にそれをツールとしてどう使うかという視点が勉強になりました。
@yamayamama
Жыл бұрын
どんな分野でもそうだけど、ツールをブラックボックスとしてしか使えない人と、ブラックボックスの中身を理解してる人、いじれる人との差は越えられない壁になっちゃうよ、というお話。
@自慢師
Жыл бұрын
ブラックボックスの意味分かってなくて草
@xinto112
Жыл бұрын
研究論文の考え方と同じですよね~~問題点とか、仮説とか。実は現在文系出身でも、大学院でquantitative analysisやstatisticsの課程もありますよ~~ 文系の私にとっては、data scienceはぜんぜん複雑じゃないと思う😅
@waiwai8572
7 ай бұрын
データ分析とその前後は正直全然違う能力だと思いますが、片方が出来るともう片方の理解が圧倒的に早くなると思います。ビジネスは一気通関でワンステップなのに、前後と間で学問的に性質が異なるステップが交差しているところが厄介だなと思いました。
@koxyo1245
Жыл бұрын
今回も大変勉強になりました!
@Donnguri07
Жыл бұрын
数式にアレルギーのある人は絶対に無理だと断言しておきます。。。
@eggs205
Жыл бұрын
”文系でもなれる”とされる「プログラマー」とか「データサイエンティスト」って家を建てる大工だと思うんですよね. 情報工学を大学や大学院で学んだ人たちは建築家です. 給料という意味ではその差は歴然でしょう. 広告などで見かける”文系でもなれる”とされる「プログラマー」とか「データサイエンティスト」をSoftware Engineerと同じ意味で使っているような気がしてなりません. 今高校生の方でIT系を目指すなら文系とかに進むんではなくて,情報工学を学べる学部学科(あるいは大学院)に行くべきだと思います. 「未経験でもできる」という言葉に騙されないでほしいものです.
@無し名-e4e
Жыл бұрын
データサイエンティストの誤解は知識労働だから人材を量産しても飽和することだろ 上位の仕事にしか価値がないのが知識労働なのに今から参入する人は素人に毛が生えたレベルで勝てる見込みあると思ってるんかな?
@deltaradio4654
Жыл бұрын
本当にそうだと思います。 統計学、理工学、物理、数学を最低、学部レベルで修めた人じゃないと厳しいです。 数学力の壁は存在し、文系ではすぐ天井にぶつかります。
@無し名-e4e
Жыл бұрын
@@deltaradio4654 結局それも学部レベルから修士レベル、博士レベルへとレベルが上って収束することでしょう そうなったときに数学的思考力は文系と10年近く差が空いているわけで データサイエンティストとして抜きに出るなら、統計などデータサイエンスで扱う学問を使うレベルから生み出すレベルにならなければならず そのレベルに1,2年データサイエンスを勉強した人が到達できるとは私は到底思えず、到達している頃には上位のレベルも高くなっているので 正直、後発で目指した人の人生が無駄になる可能性があるため、あまり流行り廃りでデータサイエンティストをオススメしてほしくない気持ちはあります。
@deltaradio4654
Жыл бұрын
@@無し名-e4e 日本でデータサイエンスが話題に上がるのが遅かったですね。流行り廃りがあるのはその通りなので、データサイエンス根幹のとなる統計学や数学、物理等の抽象度が高い学問をやっといた方が潰しが効くと思います。
@age-my1rg
Жыл бұрын
@@無し名-e4e 文系出身者には、専売としてのデータサイエンティストになることは非常に困難を極めるというのは非常に同意です。 ただ、日本の多くの事業がデータドリブンに運用されているかと言われるとそうでもなく、 一定数、研究者レベルのデータサイエンティストではなく、データサイエンスを道具として活用したコンサル、営業をする人材が求められていると思います。 文系出身者には、データサイエンスの知見×ドメイン知識×仮説設定力さえあれば、どんな業界でも潰しが効くと思いますし、勝ち残っていけると思います。 データサイエンティストになるのではなく、データサイエンス人材としてのニーズは今後増え続けると思います。
@ozzy4876
Жыл бұрын
xicaさんにプロモーションの効果検証を依頼した事があります。笑い話でGMSの事を例に出してますが、貴社から似たようなレポートが出てきてびっくりしました。
@Und0e
Жыл бұрын
パワポやエクセルなしには成り立たないけど、かといってパワポ職人やエクセル職人というものではないのと同じように感じる。データサイエンスは難しい概念とか習熟が必要だからまぁ異なるけど
@M0_00M
Жыл бұрын
大学卒業してればデータサイエンスの重要性は理解してそうなもんだけどなぁ。だいたい卒論で分析するし
@poropen
Жыл бұрын
顧客の課題、問題発見、仮説、データ収集、分析、仮説、、、結論。マッキンゼーとかのコンサルがやってる内容に似てると感じた。 「データサイエンティスト」ってわざわざ名乗るくらいだからどこか違うんだろうけど、いまいち違いがわからなかった。
@age-my1rg
Жыл бұрын
マッキンゼーとかのコンサルがやっていることは仰るとおりデータサイエンスの領域に入っていると思います。 ただ、データサイエンスの仕事を二分する要素として、ゼロベースでデータベースを構築して、そこに数理による予測モデル構築から改善提案までできるエンジニアリング×ビジネスができる人が、狭義の意味でのデータサイエンティスト。BIツール(データをマニュアル通りに入れたらプログラミング知識無しでデータをある程度整えてくれるもの)を一つの道具としてビジネス軸で働かれる方を広義的なデータサイエンティストとされています。 前者の方は、動画でもある通りド理系のエンジニアからビジネスライクな物事を考えられるホントに希少価値のあるデータサイエンティスト。後者の方は今後どんな事業においても必要となってくる、誰でも名乗れるデータサイエンティストと捉えると、分かりやすいと思います。 マッキンゼーレベルの企業となると、前者の方がコンサル、ひいてはデータサイエンティストとして年収2000万以上で雇われてますね。 後者においては、アクセンチュアとかのソルジャークラスでイメージすると分かりやすいかもしれません。
@やす-v2j
Жыл бұрын
課題の特定や要因の推測が大事なことはわかりましたが、その重要性を示す例として挙げられていたのは、①売上の方程式を作れ→雨 ②土地での売上の方程式を地域の変数を用いて作れ→昼間人口 しかしこの2つに大きな差ができた要因は、データの分析によって“明らかになる余値があったか”だと思います。現代のように人口ではなく昼間人口が大事だよね、ということがわかっている状態で行った場合、②の例も①のように当然のことしかわからない、根拠にはなるが、という状態になるのではないでしょうか? 今回の話の文脈ですと、データサイエンスが大きなインパクトを与えるのに、課題の特定や要因の推測が大事だ、というはずですが、そうではなく、そこに経験や感で知り得なかった“明らかになる余地”があるかどうかではないでしょうか?
@Greenforrest7342
Жыл бұрын
理系、文系って分けてる時点で。。。
@takuto4517
Жыл бұрын
これって理系の研究を個人でやれよって解釈だよね そすると、誰でもできるわけではないと思う
@seiji9710
Жыл бұрын
文系とか理系とか二元論的に分けるの今時古ない? 現実はどっちか寄りってだけでもっとグラデーションあるやん
@yuyanishimura2848
Жыл бұрын
データサイエンス=理系の専売特許だと思い込んでました、、、
@nanananamnan
Жыл бұрын
データドリブンをしたくてもなにをどうしたらいいかわからず、結局は投げてしまい肌感の戦略の小さい企業は多そうですよね
@deltaradio4654
Жыл бұрын
文系出身者には無理です。(大学理工学部卒程度の数学への理解があるなら可)
@age-my1rg
Жыл бұрын
流石に、データサイエンティスト目指すにはGAFAに入れは、誤解を招く発言だと思いますよ? 途中まで実りのある話かなぁと思ったんですけど、そこだけは疑問符をつけざるを得なかったなぁ勿体ない。 日本企業でも、大手から中小までデータサイエンスを専業としている企業もあれば、一事業として文系出身者でも入れる企業もあります。 知らないものは知らない、データサイエンティスト名乗るならソースのない肌感の仮説は控えるべきかと。 揚げ足を取りたいのではなくて、これからの学生にこの領域を安易に諦めて欲しくなかった、文系出身でも機械学習ひいては予測モデル構築は全然できるんだよ、ってことは声を大にして伝えておきたかったからコメントに残しました。
@coowoo1680
Жыл бұрын
平尾さん、ご無沙汰してますが、すごい良い感じになりましてね。時代が彼についてきたんだろうな🥰
@M0_00M
Жыл бұрын
確率もどこまで学べばいいのか知りたい。
@Mraaa509
Жыл бұрын
神回ですね
@natsu_72
Жыл бұрын
面白いというか興味深すぎる🥼🔬✨
@hk-gh9mx
Жыл бұрын
起業動機も含めて全体的に誰かの話をしているかのような話でした。
@yukaakuy2290
Жыл бұрын
説明が抽象的すぎて分かりにくい、、 議題を減らしてもいいから、パワポ等を用いて、具体例を示しながら議論して欲しい。
@chaypay7461
Жыл бұрын
データサイエンスは殆どの領域は専門家に任せるべきではないという話だと、出演者の会社は何のためにあるのだろう
@chaypay7461
Жыл бұрын
知見や進め方のノウハウを持っているので、それを基にお客様と伴走する感じなのかな
@MickyKukita
Жыл бұрын
分析は任せてもいいけれども、ビジネスの課題抽出を含め専門家に依頼するのが間違っているということです。課題、仮説、ここら辺を抽出し、実際に組織で変革を起こしていくには外部ではなく、やはり内部であるべきだということです。
@chaypay7461
Жыл бұрын
@@MickyKukita 理解しています。その上で、コメントしました。
@hisaogyakushi6401
Жыл бұрын
ダッシュボード経営って奴ですね😊
@リコッタチーズ-t1l
3 ай бұрын
結局データサイエンスに中身なんてなくて、普通のビジネスのやり方をがんばれって言われただけの印象。
@mmmyyy666
Жыл бұрын
ESG経営にはデータサイエンスは不可欠😊
@Xmasbonbo
Жыл бұрын
面白い❤ 教会もクリスチャン業界もDATA利用しよう
@やーとむ
Жыл бұрын
情報系分野に理系が得する職種ってありますか?
@jejeje7679
Жыл бұрын
一回kaggleに参加すれば、大体分かりますよ。
@professorchannel
Жыл бұрын
なりたいです!
@やす-v2j
Жыл бұрын
Great‼︎
@koichi2490
4 ай бұрын
18:30 お金も時間も掛けてしまったとは言え、 『「雨が降ったら確実に売り上げが落ちます」以外の強い相関がデータからは(少なくとも我々は)導けませんでした』 という結論を得たのも一つの重要な成果では? ”目的意識や仮説がなくただデータからスタートするのはよくない” と言い切ってしまっているのが若干違和感があります
@TT-xx3nw
Жыл бұрын
単純にデータサイエンスって売り上げ予想をはじめとする予想でしょ。 教師あり学習って単純なdlでしょ。
@遠山金太郎-c6l
Жыл бұрын
データから集めるデータレイク全否定?
@事故物件-p2g
6 ай бұрын
文系馬鹿にしてるコメントあるけど、経済学部ならゴリゴリ数学使ってるやろ?
@私僕-v6h
Жыл бұрын
自分の頭が悪すぎるせいか、2人が何故意思疎通できてるのか不思議で仕方ない。
@kuurinarita
Жыл бұрын
「ありがとう」としか言いようがない。
@xxxnn-r1g
Жыл бұрын
なにこれ
@mmmyyy666
Жыл бұрын
大企業には、データサイエンスは無い
@yoho241
Жыл бұрын
量子コンピュータベースの分析ソフトが世に出たらデータサイエンスという分野自体を人間がやる必要無くなるのでは?あともう一つ、文系と理系を分けて考える人はちょっとね、、、なぜ必要に応じて両方やればいいという思考にならないのか不思議。
30:15
【データサイエンスの基礎解説】国語+数学の総合格闘技/仮説の重要性/データ分析の本質/数字はデータではない/データの隠れた意味/世界報道自由度ランキングを読み解く【グロースX・松本健太郎】
PIVOT 公式チャンネル
Рет қаралды 31 М.
21:04
ヨビノリたくみ、データサイエンティストの実態に迫る
NRIデータサイエンスラボチャンネル (NRI Data Science Lab)
Рет қаралды 24 М.
00:18
Running With Bigger And Bigger Lunchlys
MrBeast
Рет қаралды 125 МЛН
00:32
Inside Out 2: ENVY & DISGUST STOLE JOY's DRINKS!!
AnythingAlexia
Рет қаралды 15 МЛН
00:18
Officer Rabbit is so bad. He made Luffy deaf. #funny #supersiblings #comedy
Funny superhero siblings
Рет қаралды 16 МЛН
00:14
Spongebob ate Michael Jackson 😱 #meme #spongebob #gmod
Mr. LoLo
Рет қаралды 11 МЛН
33:46
【アベプラ平石 仕切り方の極意】会議の成果を最大化する技術/ファシリテーション3つの要/いい議論の作り方/根回しも必要/会議参加者を集中させる方法/聞き方のヒント【テレビ朝日 平石直之】
PIVOT 公式チャンネル
Рет қаралды 37 М.
29:43
【AI時代はエンジニアにも「文系」思考が不可欠】世界のテクノロジー最新動向&今後エンジニアに求められる資質/米国ではエンジニアの解雇が増加/日本も活かせるヨーロッパの大企業とスタートアップ連携システム
PIVOT 公式チャンネル
Рет қаралды 238 М.
7:42
データ分析初心者のためのPythonオススメ勉強法
サトシのデータ分析部屋
Рет қаралды 15 М.
13:51
アメリカではなぜデーターサイエンティストが流行っていないのか
シリコンバレーエンジニア酒井潤チャンネル - シリエン戦隊JUN TV
Рет қаралды 71 М.
27:23
【データドリブンの組織の作り方】データとは酸素だ/ターゲット設定が大事/社長自ら毎週データ分析をレポート/経営は「誰に何をするか」が全て【一休・榊淳社長】
PIVOT 公式チャンネル
Рет қаралды 23 М.
25:05
【成功するBI】ビッグデータ分析のプロから学ぶ、データドリブンを実現するBIツール導入と社内推進体制とは?
ソノプロ
Рет қаралды 7 М.
7:37
【8分で分かる】データサイエンティストとデータアナリストの違い
スタビジ【誰でもAIデータサイエンス】byウマたん
Рет қаралды 40 М.
11:05
学部卒でデータサイエンティストになるにはどんな知識が必要?【相談】
人工知能とんすけえええええええええええええ
Рет қаралды 8 М.
48:56
データサイエンティストを目指す上でまず見て欲しい内容8選【総集編】
スタビジ【誰でもAIデータサイエンス】byウマたん
Рет қаралды 14 М.
00:18
Running With Bigger And Bigger Lunchlys
MrBeast
Рет қаралды 125 МЛН