AI時代に必須の思考法　「アナリティカルシンキング®」

• ★★★★★

  ★★★★★
• あまり具体的な内容ではないため、難しく感じました。成果を数値化し、順番に注意しながら仮設を立てて、結果を鵜呑みにしないように注意しながら検証していくことが大事だということを学びました。

• ★★★★★

  ★★★★★
• この系統のものは1日2日でできるものではない。 テストの解説について少しわかりにくかった。 常に意識をし作業をしていくこと。自分の職種は進んでやることではないが、 企画や営業側での仮説に問題があることは要件作成の時点で気づくことができる。 進んで勉強をしたい

• ★★★★★

  ★★★★★
• 仮説を証明するデータを作りこむことのないように注意して、経験だけではわからない要因を発見するためのアプローチについて学ぶことができました。

• ★★★★★

  ★★★★★
• 自分はまだまだアナリティクスシンキングができていないことを実感した

• ★★★★★

  ★★★★★
• 講義の表題をAIにひっぱる必要があるのか疑問に感じた。仮説や検証をする際に、この講義で紹介されたやり方を実施できるリソースがどれだけあるのだろうかと疑問に思った。

• ★★★★★

  ★★★★★
• 仮説の立て方によっては、自身の経験や勘が入ってしまうので、仮説を立てる前にデータの傾向や関係を把握し、結果を全て鵜呑みにしないことが重要だと思いました。

• ★★★★★

  ★★★★★
• AIがこれから浸透していく時代における、人間の役割を学ぶことができました。ただ数値を分析するだけではなく、それに伴う背景や因果関係をしっかり把握しながら、データを見ていく必要を感じました。

• ★★★★★

  ★★★★★
• 「これまでの意思決定に見られる罠」として、根拠がないというのはよくある話だと思った。 K：勘 K：経験 D：度胸 というのは初めて知ったが、たしかにこの例のような事象は頻繁に起こっているように思う。 また、データ分析が限定的である（知りたい部分しか分析しない）というのもよく起こるので、 十分注意が必要であると思った。 量的調査の基礎なのだと思うが、「マーケティング」と身構えずとも、このような知識を得ることで、 日々の判断の基本軸が作られるので、有意義な講義であった。

• ★★★★★

  ★★★★★
• アナリティカルシンキングを用いたほうが今まででは予測できない要因を発見できる可能性があると学びました。

• ★★★★★

  ★★★★★
• データによる仮説を取り入れる必要性を感じた。