AI時代に必須の思考法　「アナリティカルシンキング®」

• ★★★★★

  ★★★★★
• AI任せるよりは自分の目で見るのと実力を出さないと成果が出せないところは少しわかる気がしました。

• ★★★★★

  ★★★★★
• アナライズについて初めて学ぶ人に非常にわかりやすく作られていて、1つずつの説明動画も短く端的でわかりやすい。機械でははかれない分析術の基礎が学べる。

• ★★★★★

  ★★★★★
• 特に無し

• ★★★★★

  ★★★★★
• 丁寧な説明で、わかりやすかったです。

• ★★★★★

  ★★★★★
• なし

• ★★★★★

  ★★★★★
• アナリティカルシンキングに大変興味を持ちましたが、実際の具体的な運用方法には触れられておらず、興味を引くためだけの内容になっており、その点が残念でした

• ★★★★★

  ★★★★★
• 非常に分かりやすい説明で、学べました。

• ★★★★★

  ★★★★★
• 原稿を読んでいるだけなので、講師の説明からは内容の理解が難しかった。

• ★★★★★

  ★★★★★
• 多くのデータや情報があふれている現代ではそれを活用したほうが自分のためになることが多いと感じる。しかし、間違った使い方やとらえ方をすると意味をなさないので今回の講義で基本的なことを学べてよかったと感じた。

• ★★★★★

  ★★★★★
• データに基づく新たな意思決定を行うためのアプローチとして“アナリティカルシンキング(統計や機械学習などのデータサイエンスをビジネスの意思決定を行うためのアプローチ)”について学習いたしました。 根拠の無い結論や不十分なデータ活用、そこに意思決定者の経験や主観(個人の感想)から来る誤った“仮説検証型アプローチ”からくる意思決定では良い結果がもたらされない可能性が大いにあり、多面的にデータ分析を行った上で十分量のデータに基づいた仮説を生み出す“仮説探索型アプローチ”の方がこれまでの経験からは予測できなかった要因への気づき、データに基づく法則の発見が期待できる方法であると学びました。 近年のAIや機械学習の発展により、エキスパートでなくともビッグデータから分析、予測ができるようになり“仮説探索型アプローチ”による容易かつ確実性の高い意思決定がしやすくなっていると学習いたしました。 仮説探索型アプローチを用いた意思決定方法や思考法を再現可能な形で体系的にしたアナリティカルシンキングのアプローチの流れとして、 目的(データ分析の目的、成果物の設定)の明確化→現状把握(現状のデータ傾向、関係性の把握)→データ(影響要因となるパターンの把握)分析→仮説検証→意思決定·施策実行 のように明確に成果に影響を与える要因を探り仮説、検証を行うことが重要です。 アナリティカルシンキングの要点として、①成果を数値化し目標を分解して目的達成のための要因を明確化すること、②集めたデータから切り口、関係性を確認し傾向や関係性から仮説を順序立てて構築すること、③常に疑問を持ち、誤った因果関係(疑似相関)に囚われず正しいデータを模索し判断し続けること、 これらがアナリティカルシンキングを正しく活用するために必要であると学びました。