通学読書

理系の大学院生が気軽に読んだ本の感想や気になったことを書きます。(twitter:@booktrain8807)

【書評】 「the four GAFA 四騎士が創り変えた世界」 スコット・ギャロウェイ (東洋経済新報社)

今回紹介する本は、スコット・ギャロウェイ「the four GAFA 四騎士が創り変えた世界」(東洋経済新報社)です。

 

f:id:booktrain:20180811092932j:plain

 

今や知らない人はいないであろう米国IT企業四社の戦略やビジョンについて紹介している本です。

GAFAという名前を聞いたことがない方もいらっしゃる方もいるかと思いますが、新聞などにはよく出てくるのでぜひこの機会に抑えておくべきでしょう。

今回は、GAFAとは何か、どうしてこの四騎士(四つの企業)が注目されているのかを今回は紹介したいと思います!

 

【概要】

GAFAという4つの米国巨大IT企業

時価総額一兆ドルを争うGAFA

GAFAを知ること

 

GAFAとは?

ご存知の方も多いでしょうが、GAFAとは以下の4つの米国巨大IT企業の総称です。

G:google

A:apple

F:facebook

A:amazon

どの企業も聞いたり、サービスを利用したことがあると思います。僕もググったり、フェイスブックに投稿したりとよく利用しています。(世界で日本のみTwitterSNSの一位で、世界的にはフェイスブックの利用者の方が圧倒的に多いです)

多くの方も感じることかと思いますが、GAFAという四騎士により身の回りの生活は変化しました

いろいろなところでGAFAという表現は使用されるので、ぜひ知っておきましょう!

 

GAFA時価総額

本書が米国で出版されたのが2017年なので、その時点ではGAFA時価総額一兆ドル越えを争う四騎士でした。

現在(2018年8月時点)は、アップルが時価総額一兆ドルを超えています

一ドル100円を超えているので、100兆円を軽く超えた企業が存在すると思うとすさまじいですね笑

この四騎士の時価総額を合計するとフランスのGDPと同じくらいになるそうです笑

とにかく巨大な資産を有しており、投資や企業買収の規模も異次元です。

 

GAFAを知ること

ではなぜGAFAを知る必要があるのでしょうか。

GAFAの一つ一つの企業を知るとわかるように、ほとんどの人がサービスや製品を利用、使用しているのがこの四騎士です。そして、この四騎士を考えてみると登場前後で日常生活も変化したのではないでしょうか。

このように身近な生活の変化に直結するというのが、知るべき一つの理由です。

また、時価総額も異次元の四社ということで、ビジネスの世界にも大きな影響を与えます。業界を超えて新しい事業にも進行するということで、関係ないと思われる企業はほとんどありません。

ビジネスという生態系を考える上でも知っておく必要性がとても大きいのです。

 

 

 

今回は、GAFAという四騎士に関する基本的情報をご紹介しました。

この四騎士には、ここまで巨大になるだけの強さがあります

次回からその点に関してご紹介したいと思います!

高校教育までの統計の基礎知識

こんにちは!

今日はデータサイエンス入門でも出てきた、統計の基礎知識として高校教育までで扱うものを紹介します。

 

実は、今はセンター試験でも「データの分析」という範囲で統計の基礎知識は出題されています

平均、分散、標準偏差相関係数 etc という感じですね。

名前くらいは聞いたことがあるものが多いのではないでしょうか。

もちろん各々はデータの様々な特徴を表すものになっています。

それぞれ見てみましょう!

 

「平均」

言わずもがなですね。説明しろといわれると難しいですが、そのデータのだいたいの真ん中というイメージでしょうか。

ただ、データがバラバラの時は、中央値というようなど真ん中の値を採用した方がいい可能性もあります。

 

「分散、標準偏差

実はこの二つはどちらもデータの散らばり具合を表す値です。分散の平方根標準偏差なので厳密には意味が違いますが、意味するものはどちらもデータの散らばり具合です。標準偏差の方が一般的だと思うので、標準偏差はデータの散らばり具合を示していると思っておけばいいのではないでしょうか。

データが平均近くに集まっているほどこれらの値は小さくなり、ばらついているほど値が大きくなります。

しかし、二つのデータセットの散らばり具合を値そのもので比較することはできません。

身長(cm)と体重(kg)の標準偏差は、全体の値の範囲が身長の方が広いので、身長の方が基本的に値は大きくなります。

もし強引に比較するとしたら、全体の値の範囲で規格化(範囲の大きさを比例させてそろえる)する必要があります。

値の大きさだけで比較していて、実は元のデータ自体の範囲が全く違うといったことがないか気をつけましょう!

 

相関係数

これは二つのデータの間に相関がどれくらいあるかを表す指標です。

二つのデータが比例関係(片方が大きくなればもう片方も大きくなる)があれば、値は大きくなり、逆に反比例関係(片方が小さくなればもう片方も小さくなる)があれば、値は小さくなります。全く関係なければ、0に近い値になります。

データサイエンス入門でも紹介しましたが、その二つの間に因果関係のような意味があるかどうかは実はわかりません

二つのデータを取り出したとき、見た目だけ関係あるようなこともあり得るのです。

最近話題になってる働き方改革裁量労働制と賃金の関係も、実は相関関係でしかなく因果関係ではないのではないかと思うこともあります笑

AIは相関関係を見つけ出すことは得意なので、注意してみないといけないところになると思います。

 

 

簡単に統計の基礎知識となるような用語の紹介をしてみました!

世の中に出ている統計を見るときに簡単な意味を知っておくだけでも、その情報があっているのかを考えることができると思います!

騙されないためにも大事ですね笑

数が増えた時の可能性

前回ご紹介したデータサイエンスの中で正規分布の話が出てきたので、今回は軽く紹介してみたいと思います!

 

データサイエンス入門にありましたが、母数が多くなると平均への回帰が起きます。

大数の法則」と言われる法則ですね。

平均前後で左右対称になるデータですと、正規分布といわれる分布に近づくことがあります。本の中では、身長が挙げられていました。

データが正規分布に近似出来る時に何がわかるのかというと、そのデータの確立がわかるのです。

 

正規分布の平均から標準偏差区間に入る確率は約68%、2σ区間では約95%なのです!

統計の知識を知っているとちょっとしたことの妥当性を考えることが出来るのです。

 

今回、標準偏差といった言葉が出てきましたが、そのような統計の基礎用語も紹介出来たらと思います!

【書評】竹村彰通「データサイエンス入門」(岩波新書)

今回紹介する本は、竹村彰通「データサイエンス入門」(岩波新書)です。

 

f:id:booktrain:20180804180653j:plain

 

最近当たり前のように聞くようになったビッグデータやAIですが、そのデータの価値を解釈するためにはデータサイエンスの知識が必要になります。

本書は、これからの時代にデータサイエンスが必要となる背景、データサイエンスの基礎知識を紹介してくれる本になります。

 

【概要】

・データ処理、データ分析、価値創造というデータサイエンスの三要素

・AI解析が得意なのはデータの相関を見つけること

・学ぶ必要があるデータサイエンス

 

○データサイエンスの三要素

冒頭でもご紹介したように、これからの時代はデータの価値を解釈するために、データサイエンスが必要になります。

データサイエンスで必要になる知識は、データ処理に情報学、データ分析に統計学、データから価値を引き出すためのそれぞれの応用分野の領域知識となります。この「データ処理、データ分析、価値創造」というのが、データサイエンスの三要素なのです。

そして、アメリカなどでは統計学の学部が存在し、生物統計学統計学が人気の学部なのに対して、日本には統計学専門の学部が存在していなかったという大きな差があり、データサイエンスにおいて遅れを取ってしまっているというのが現状なのです。

 

○データの特徴

データにも様々な種類のデータがあります。

様々な区別の方法がありここでは紹介しきれないので、ぜひ本書を読んでみてください笑

データサイエンスで重要なことは、何が未知数であるか、どのように推定できるかを考えることです(数学の問題みたいですね笑)

今の時代で注意するべきデータの特徴としては、「相関関係と因果関係」です。

因果関係は想像しやすいと思いますが、原因と結果の関係です。

それに対して相関関係は、ただ二つの事象に関係あるだけで、そこに理由はないという関係です。

AIは今の段階では理由付けできるわけではないので、因果関係ではなくあくまで相関関係であるということが大事になります。

 

○データサイエンスという知識

これからはデータサイエンスを学ぶ必要があります。

身近なところで言えば、Excelというデータ処理および可視化の手段があります。

最初にご紹介したデータサイエンスの三要素を考えますと、Excelでデータ処理を行えるというのは、「今のところは」データサイエンスのスキルの一つであるといえます。

しかし、今後はこのデータ処理やデータ分析の領域にビッグデータや人口知能が登場します(しています)。

データサイエンスはこれからも必要になるとは言え、形を変えていくと思われますので、常に学び続ける必要があるのでしょう

 

 

今回は「データサイエンス」に関しての書籍をご紹介しました。

これから必要になる知識ですが、実は今の高校の数学では基本的なデータ分析を行っています。平均値、中央値、分散etcといったことを扱うようになったことは、意味があると思います。

実はこの統計に関しても面白い知識がありますので、また紹介してみたいと思います!

選択肢がないのか気づいていないのか

こんにちは。

8月ながら学会等に向けてちょくちょく研究をしているASUMOです。

 

前回は理系の移行について書いてみました。

今回は現在の選択肢に関して少し書いてみたいと思います。

 

基本的に今の日本では、文系職、理系職というすみわけがされています。

なので社会的に研究を続けるという選択肢が与えられています。

実際に大学の推薦であれば、推薦書さえ出せば内定というようなところもありますね。

このように自分の研究の延長線上という選択肢は確実に存在しています。

 

それではこれ以外の選択肢は存在するのか、広がっているのか、それとも、狭まっているのでしょうか。

端的に言ってしまえば、選択肢は「狭まっている」と思っています。

背景には、新聞に書かれているように就職活動の延長による影響が存在しています。(内わかりやすい例でいうと定解禁の6/1に学会があったりします笑)

他の職を知るという機会が増えたように感じることもあると思いますが、就活に相対的に時間が割けないところに推薦という選択肢が舞い込んでくることで、選択肢の検討を行う機会が減ります。(もちろん個人の努力でなんとでもできるところもありますが、相対的に厳しいのは事実だと思います)

それならば面接だけで横並びだった時期の方が選択肢が広かったのではないかと思うことがあるのです。

 

今回は理系の選択について簡単に見てきました。

終身雇用という制度が疑問視され移行が必要になる世の中で、スタートとなる選択肢を広げることの必要性がありますね。

 

理系にとってどのような移行期間が必要なのか

先日、WORK/LIFE SHIFTを読んだ感想をご紹介いたしました。

 

今回は実際に自分の立場の時にどのような移行を想定するべきなのかを考えてみました。

今、自分は理系の大学院生なので、予測や感じていることを含めてまとめていきます。

 

①研究の分野を変えていく

あくまで研究という大枠は変えずに分野だけ変えながら過ごしていくということです。

研究という大枠の勝手がわかっている分、移行に際してのコストは減るとは思いますが、「研究者」という人種の中にとどまるため、多様な人脈をいかに作るかということが問題となります。

また、今は情報革命により関連知識の重要性がありますが、破壊的イノベーションにより一瞬にして無価値になり得る分野もあるというリスクは付きまとうのではないかと思います。

 

②数字に関わる分野へと進む

移行期間を経る際に、理系に向いている分野を選択して進む選択肢になります。

金融のような分野が収入の良さもあり多いのではないのでしょうか。

どちらかというと向いている分野ということで、移行のコストを減らすことが出来ること、移行後に能力を活かしやすいということはあります。

ただ能力としては新しい能力を開発するというわけではないので、スキル部分で摩耗するというリスクが存在するのではないかと思います。

 

③別の分野に行く

研究という関係ない分野に行くという選択肢ももちろん考えられます。

当然、移行に際するコストは高く、移行後の能力開発の必要性があるため、上二つに比べハイリスクと感じます。

しかし、研究と違う人脈が開拓でき、別の視点から研究を見ることが出来るかもしれないという点はメリットなのではないでしょうか。

 

様々な選択肢が考えられると思いますが、このような選択肢の中からどのような移行期間を踏んでいくのかを検討しながら人生を歩む必要が出てくる時代ではないでしょうか。

次回は選択の際の現状をまとめてみたいと思います。

LIFE/WORK SHIFTを読んで

こんにちは。

前回まで「LIFE SHIFT」のご紹介をさせていただきました。

LIFE SHIFT、WORK SHIFTのご紹介をしましたが、その中で感じた持つべきマインドセットを書き起こしてみたいと思います。

 

booktrain.hatenadiary.jp

booktrain.hatenadiary.jp

 

「WORK SHIFT」の方が古い本なので、記されていることの中で今はもう変化していることもありますが、どちらもあり得る未来を示してくれています

これが持つべきマインドの一つ目につながります!

「可能性のある未来を知る努力を怠らない」ということです。

今は未来が不確実だからと思うこともあるかと思いますが、世界を動かす「メガトレンド」は存在するのである程度の確度での未来を知ることが出来ます。

就活をしていた時に強く感じたことですが、未来を知る努力をせずに将来を決める人が多いのはもったいないのではないのでしょうか。

 

二つ目は、「学ぶ価値を自分で定義する」ということです。

不確実性の高い世の中では、学び続けることが必須になります。

勉強をしている時が顕著だと思いますが、なぜ勉強するのかわからなくなることがありますよね。これ何の意味があるのだろうかと。

目的を見失わないために、価値定義を常にするマインドを持つ必要があるのです。

価値を定義しにくいと思う時は、何かの「教養」を得られないかという視点を持つと定義づけしやすいです。

 

今回はこれからの時代を生きるための本を読んで感じたことを書いてみました!