3500GRPって、宣伝部で言っている本当の値は?

標準

なんか、今日公開した今さら聞けない、テレビ視聴率について、じっくり話を聞いた。そして、それをテレビでOn Airします。の記事への反応が多く、驚いています。
そして、大変驚いているのはGRPが、誤差つきだということをあまり認識ししてないということですね。ここは、東京大学の数学の先生としては、きちんと教育しなくてはということで、少し解説をしますね。

数学
まず、Gross Rating Point(GRP)のお話をしましょう。GRPというのは、ある期間に露出するコマーシャルなどの積算視聴率になります。

例えば、10GRPというのは、資料率3%のon airと7%のon airを行なうと、10GRPになります。そして、テレビ視聴率は、ビデオリサーチさまの関東の(個人)視聴率調査では、600サンプルでの統計データなので、誤差が下記のように判っています。

世帯視聴率 標本数600 標本数200
5%・95% ±1.8% ±3.1%
10%・90% 2.4 4.2
20%・80% 3.3 5.7
30%・70% 3.7 6.5
40%・60% 4.0 6.9
50% 4.1 7.1

こでは、視聴率10.0%と表示されているデータの真の値は、7.6%~12.4%ですよということです。

(出展:ビデオリサーチ様のサイトから)

では、3500GRPを獲得する以下の2ケースを考えましょう。ここでは、単純に、

  • 視聴率10%の広告枠を350回購入
  • 視聴率5%の広告枠を700回購入

の2種類の方法を考えましょう。

まずは、視聴率10%の方から、考えますね。この場合の数値の最小値は、7.6%、最大値は12.4%ですね。それぞれに、3500をかけると、最小値は2660GRPで、最大値は4340GRPとなります。かなりの幅があることがわかります。

では、次に視聴率5%の場合について考えましょう。この場合の最小値は上記の表から5-1.8=3.2%と、最大値は5+1.8=6.8%となります。そして、この広告枠を700回購入するので、それぞれに700をかけると、2240GRPと4760GRPとなります。

つまり、ここでお伝えしたかったのは、同じ3500GRPと、宣伝部が言っても、実際のアクチュアルのGRPは、買っている番組の視聴率の状況によって、誤差範囲が変わるということです。ここまで、理解してテレビの広告を活用していますよね。皆さん!!

明日からは、GRPの話がでたら、きちんとその誤差範囲も聞きましょう。

ちなみに、誤差を少なくするには、サンプルを増やせば良いのですが、そのために広告主の方は、視聴率のデータ購入金額を、2~3倍の費用を払いますか?その話も、今さら聞けない、テレビ視聴率について、じっくり話を聞いた。そして、それをテレビでOn Airしますのテレビ番組で話していますので、ぜひご覧ください。

 

NFL選手が、数学者を目指す

標準

私は、NFLが好きな数学者ですが、なんとそれを超えた話が登場した。NFLのボルチモア・レイブンズの攻撃の選手である、John Urschelが、なんとオフ・シーズンにMITの数学のPh.Dのコースに通うというのである。tつまり、数学の博士になるというのである。

John Urschel #64 C

John Urschel #64 C

当然このニュースは、話題になりNFLのサイトでも、Ravens’ John Urschel begins Ph.D program at MITという記事になっているし、さらに面白いのは、AMS(American Math Society/アメリカ数学会)の学会誌でも、“I plan to be a great mathematician”:An NFL Offensive Lineman Shows He’s One of Usという記事になっている。

NFLの選手ということもあり、注目があるだろうが、日本で考えないといけないことは、社会人の大学への復学の方法が少ないことである。日本では、社会人が大学・大学院に戻ることは非常に難しい。しかし、これからは社会に出たからこそ学びたい学問や分野も多くなる。

ぜひ、日本でも社会人の大学・大学院への入学・復学が増えることを望む。

WS000002

 

 

そうか、組織もIoTやウェアラブルで良くなるんだ。

標準

今日は、XPD 2016に出席しています。今も、『WIRED』日本版 編集長 若林 恵さんと、株式会社ロフトワーク 代表取締役 林 千晶さんの「問いのデザイン」 というCross Talkを聞きながら、このBlogを書いています。あ、林さんごめんなさい。でも、聞いたことは忘れないうちに整理しないと……

今日のセッションは、非常に私にとっては普段考えない領域でありながら、DataとDesignという大きなテーマは、実は普段から私のなかでもやっとした課題でもあり、刺激になるお話しが一杯でした。

Ben Waberさん

Ben Waberさん

その中でも、Humanyze Co-Founder, President, and CEO Ben Waberさんと、株式会社ロフトワーク プロデューサー カワナ アキさんの「行動データ分析で変える働き方」の話は、大変興味のある内容でした。

オフィス改革を行う人事部さん、PDCA回していますか?という内容なのである。人の働き方測定していますか。勤怠ではなく、個人ごとにofficeでのアクティブティー計っていますか?という内容なのである。

このベンさんの話の中では、Money Ballの内容が引用されていたが、スポーツでは、各選手にセンサーを着けてスポーツ選手の評価を行い、選手の活動が良くなるようにコーチしている。このBlogでも、以前に、NFLが、IoTを導入。その名も、”NFL Next Gen Stats”という記事を書いたが、それをビジネスマンにも行おうという話である。これを、People Paralyticsという言うらしい。

なんとなく、IoTといえば健康関係や、製造や、自動車なんかに話が行きますが、就業者の1/3の働く時間の効率化、質の向上は、重要なテーマですよね。残業時間に制限をかける、日本の法改正よりも、日本は働きやすい会社であるほうが、良いビジネス・マンが日本に集まり、日本の経済も再生され、結果1億総活躍になるのではないでしょうか。

People Analytics: How Social Sensing Technology Will Transform Business and What It Tells Us about the Future of Work

People Analytics: How Social Sensing Technology Will Transform Business and What It Tells Us about the Future of Work

今日のお話を聞いて、このPeople Analyticsはとても面白く重要な分野だと思いました。まずは、これから

データの見えざる手 ウエアラブルセンサが明かす人間・組織・社会の法則矢野 和男 (著)

データの見えざる手 ウエアラブルセンサが明かす人間・組織・社会の法則矢野 和男 (著)

これの基本的な、データの見えざる手 ウエアラブルセンサが明かす人間・組織・社会の法則矢野 和男 (著)を読んで研究してから、勉強を始めようと思いました。

その意味では、意外と足元の自分たちの働き方のような場所にこそ、Data分析を行い改善する部分が多いと。今日は、とても刺激的なセッションを沢山聴けました。

週末Data Scientist養成。

標準

Marketing業界で、Data Scientistのニーズが引き続き、高い。数学のアカデミア関係者としては、非常にありがたいことです。

一方、Data Scientistがあまり大学から排出されない課題として、高校生や大学で専門を決める前に、Data Scientistという職業が認知されていないことも課題になっています。先月、文部科学省で最近の高校生の進路決定のお話を聞いたのですが、高校進学時に自分の進路を決めている高校生が多いそうなのです。つまり、優秀なData Scientistをアカデミアから排出するためには、高校生などにData Scientistをあこがれてもらわないといけないということですね。これは、まさに産業界の課題でしょう。Star Data Scientistを産業界で創ることも急務なのでしょう。

そして、そのStarになるかは別として、自らData Scientistになりたい方は多いはずなので、ここでは少し、Data Scientistになる勉強方法について参考までに紹介したいと思います。

まずは、いくつか動画のサイトを紹介します。

文部科学省委託事業「データサイエンティスト育成ネットワークの形成」では、統数研の先生たちによる講義があります。

データサイエンティスト育成クラッシュコース(データサイエンティストの基礎が2.5時間で学べます)

この講義は、とても充実しています。これが無料で好きなときに見れるというのは非常に良い時代になりました。

統計数理研究所では、その他に多くの講義をYouTubeにて公開しています。なかには、「音楽情報処理が切り拓く未来」などという応用の講義も含まれていて、大変充実していります。視聴者が増えれば、公開される講義も増えると思います。ぜひ、積極的に活用してみてはいかがでしょうか。

次に、総務省統計局が行う講義です。こちらは、2016年4月19日に、「社会人のためのデータサイエンス演習」がスタートします。《特別開講》「社会人のためのデータサイエンス入門」は、3/1に公開され、もう受講羽化脳です。いずれも、テキストだけ購入すれば受講可能です。おそらく、「社会人のためのデータサイエンス入門」→「社会人のためのデータサイエンス演習」がBestな受講パターンなのでしょう。講師も豪華ですし、必要なのはエクセルだけというのも非常に良いですね。

最近ではこのような、ネットの動画サイトも多くなってきましたが、家で勉強するのは無理!という方には、講義軽視の講座も沢山あります。先ほど紹介した、統計数理研究所(統数研)では、統計思考院という取り組みを行っており、そこで無料・有料のセミナーを多数開催しています。例えば、「HadoopとRによるビッグデータ解析」では、開催は6月28日(火)10時~16時 (5時間)で、受講料は5000円です。とても、安いです。ただし、倍率は高いので、そこは覚悟をしてくださいね。

さらに、もっと基本的なことから勉強したいという人に、さまざまな統計手法の前に、統計に触れてみたい人への私のお勧めの本は、

です。この本は、統計を体系立てて勉強するのではなく、事例からそこに使うべき統計の手法を理解するという本です。統計のさまざまな手法のどれを学んだらよいかわからないという方には、この本からスタートするのをお勧めします。問題が一杯あるので、本を読みながら、実際に計算してみるのも良いのではないでしょうか。

まぁ、このように自分でデータ・サイエンスの勉強を出来る機会が沢山あるのは良いですね。上手く、目的やスタイルに合わせて選んでみては如何でしょうか?また他の勉強方法や講座などあれば、教えてくださいね。

週刊ダイヤモンドの「使える数学」特集だからと思って読んだら、本当に内容濃かった。

標準

って、週刊ダイヤモンドさんを否定するつもりはないのですが、本当に充実した特集だったのです。なので、呼んだ感想も含めて、少し紹介させてください。

週刊ダイヤモンド 2016年 1/23 号 [雑誌] (使える! 数学)の数学特集はは、5つのパートに分けて、数学について解説されています。

  • 数学がカネをうみ、ビジネスを動かす
  • 初歩からわかる数学
  • 仕事に使える数学
  • 企業を救う数学
  • 数学者の頭の中

の5つです。最近、Big DataやData Scienceという言葉に注目が集まっていますが、統計の後に、数理モデルを作ることの重要性などは、「企業を救う数学」で語られているので、ぜひData Scientistの方にも読んでいただきたいと思います。

「企業を救う数学」に「東大教授が助言 品質が劇的向上 愛知の町工場」は、東大のスタディーグループで一緒に勉強させていただいている、東和精機さまの事例でした。ここで、工場の機械の精度を上げるアプローチは、まだまだ日本の生産の制度を、Dataと数学を使ってあげられることを示しているのでしょう。

「仕事に使える数学」では、良く統計や現象理解のときに利用する、「フーリエ変換」「固有地」「ベイズ推定」「セルオートマトン」「組み合わせ最適化」について、全体でわずか3ページで、解説されており、この中には複雑な数式がないので、数字嫌いな方にも概念は理解できるのではないでしょうか。

この優れた雑誌の特集を読んで、再度気がつくことは、数学を数式を使わずに説明することの難しさ。そして、専門用語を減らして説明する方法の難しさです。週刊ダイヤモンド 2016年 1/23 号 [雑誌] (使える! 数学)では、本当に数式を極力減らし、簡単に解説されています。大変参考になります。

全部で46ページのこの数学特集。最後には、「大人のための数学読書案内」というコーナーもあり、文系の方にも楽しめる特集になっています。中でも、

岡潔―日本のこころ (人間の記録 (54))を取り上げているところは、数学好きな人を見直すのに良い本かもしれない。きちんと「数学者」も「情緒」を理解している(人もいる)ことが、理解できるだろう。

私も、週刊ダイヤモンド 2016年 1/23 号 [雑誌] (使える! 数学)は、買って1日で読み終えた。とても、良く整理されているし、私の中で忘れていた数学の分野も思い出すことが出来、楽しかった。これから、もっと科学的な事業を作りたい、Innovationを起こしたいと思う人にも、参考になる週刊ダイヤモンドの特集だった。

 

 

数学好きな企業人、東大に集まりましょう!!

標準

いや、本当はもっと、まじめな内容である。数学が、他の科学領域と連携がどの程度行われているのか、調査が行われました。そして、調査がまとまり、その報告も兼ねたシンポジウムが、東京大学駒場キャンパス 大学院数理科学研究科で、2016年2月20日(土)9:30~18:00で開催される。

WEB_TOP

このシンポジウム、日本の数学者で産業界・企業と共同研究を行う方々が、一堂に集まる。そして、数学が諸科学とどのように融合しているのかを報告する。つまり、企業で研究を行っている方、企業でイノベーションを起こそうとしている方、企業でアカデミアを共同研究したい方には、とても良い内容である。

海外では、数学は企業の活動に必要なことが認識されており、「数学が経済を動かす-ドイツ企業篇」という本まで出ている。

41af5pb7izl-_sx326_bo1204203200_

数学が経済を動かす-ドイツ企業篇

さて、日本の状況はどうなのか、それがこのシンポジウムの主題である。そして、このシンポジウムの中では、数学と諸科学の融合以外にも、産業界との融合も大きなテーマになっており、それも議論される。そして、ここに登壇される先生の多くは、産業界との共同研究も行っている方たちである。つまり、このシンポジウムに参加すると、他の企業がどのようにアカデミアの数学の組織と活動しているのか。また、どのような先生が、活動されているのか、知ることができる。

プログラムも、

第1部:なぜ数学の底力が必要か?
司会:時弘 哲治(東京大学大学院数理科学研究科教授)

  • 9:30-9:40 開会挨拶・来賓挨拶
    • 開会挨拶 坪井 俊(東京大学大学院数理科学研究科科長)
    • 来賓挨拶 文部科学省来賓 小谷 元子(日本数学会理事長)、大石 進一(日本応用数理学会会長)
  • 9:45-10:45 報告(I)
    • 背景と趣旨:文部科学省の数学イノベーションに向けた取組について
      粟辻 康博(文部科学省研究振興局基礎研究振興課/数学イノベーションユニット)
    • 委託調査報告: 数学・数理科学を活用した異分野融合研究に関する国内外の現状について
      前田 吉昭(東北大学知の創出センター副センター長)
      尾畑 伸明(東北大学大学院情報科学研究科教授)
      小松崎民樹(北海道大学電子科学研究所附属社会創造数学研究センター長)
      宮岡 礼子(東北大学大学院理学研究科教授)
  • 11:00-12:30 基調講演:数学へのニーズ
    山田 武士(NTTコミュニケーション科学基礎研究所企画担当主席研究員)
    巌佐 庸 (九州大学大学院理学研究院教授)

第2部:どのような取組が必要か?
司会:山本 昌宏(東京大学大学院数理科学研究科教授)

  • 14:00-14:50 招待講演
    韓国における数学融合研究の現状とアジアの連携(仮題)
    Hyungju Park(韓国国立数理科学研究所所長、IMU理事)
  • 15:00-15:30 報告(II)
    委託調査結果を踏まえた政策提言
    数学イノベーション委員会における検討状況について
  • 15:40-17:40(途中10分休憩あり)パネルディスカッション
    「これからの10年 どうすれば数学の底力を生かすことができるか?」
    モデレーター: 岡本 久(京都大学数理解析研究所副所長)
    パネリスト:

    • 合原 一幸(東京大学生産技術研究所教授)
    • 田中 冬彦(大阪大学大学院基礎工学研究科准教授)
    • 宮岡 礼子(東北大学大学院理学研究科教授)
    • 高田  章(旭硝子㈱特任研究員、前・日本応用数理学会会長)
    • 初田 哲男(理化学研究所理論科学連携研究グループディレクター)
    • 辻村 達哉(共同通信編集委員、論説委員)
    • 池川 隆司(東京大学大学院数理科学研究科 数理キャリア支援室キャリアアドバイザー)
  • 18:00- 懇親会

と、内容も充実している。

o0480036013140189770

東京大学駒場キャンパス 大学院数理科学研究科 大講義室

ぜひ、企業の研究者、科学者の方は、シンポジウム「世界が変わる数学が変える」に、参加してみてはいかがだろうか。応募締め切りは、2016年2月18日である。忘れずに申し込もう。

企業のData Scientistは、もっと大学を有効に使おう。

標準

昨日は、東洋経済に私が転職した理由を広告として掲載されました。本当に、自分の転職理由を、広告枠まで買って、記事にしてくれて、アビームコンサルテイングには、感謝の言葉しかありありません。これから、がんばらないと。

51cvg2b0cuvl-_sx373_bo1204203200_

週刊東洋経済 2015/11/21号

そして、今日は別な私の興味対象のData Scienceについてです。なぜか、企業でData Science、特にマーケティングでData Scienceでは、”R”とか”Excel”のような分析ツールの話題が多いですが、本当は分析方法や、分析してわかったことの数理モデル作りだと思います。

私は、幸いなことに現在、東京大学大学院数理科学研究科で、客員教授をさせていただいていることもあり、アカデミアとの接点が非常に多いです。しかし、企業のData Scientistの方は、もっとアカデミアと接触したり、活用したほうが良いと思うのです。今回は、私が研究の相談をさせていただいている、東京大学大学院数理科学研究科の山本教授に、数学におけるBig Dataの取り組みや、東大での企業向けのプログラムについて、取材し、日経Big Data12月号に掲載してもらうことになりました。そして、Web版は昨日公開されたので、定期購読者の方は、こちらからご覧ください。

東大の山本教授とは、多くのBig Dataに関する研究を行い、そのいくつかは、数学セミナーという雑誌にて、結果もまとめました。

数学セミナー2015/8月号では、twitterの炎上の問題について、実際のデータを使って数学的なアプローチをまとめました。数学セミナー2015/10月号では、企業のWebサイトの設置する旧来型のBBSの投稿と参加者の関係を、考えました。

ここで、やや私も書いていて違和感のあることとして、日本の学問体系の問題があります。日本の大学のカリキュラムは、海外から輸入されたものが多いのですが、数学と統計が別な学問になっているのは、日本の特徴で、現在では問題なのではと思っています。これは、日経Big Data12月号の中でも、山本先生もお話されています。

本来、学問というのは教わるときに、ある体系が存在しますが、活用するときには、その壁を越えたほうが良いのでしょう。数学も統計も、必要なものを使う。企業のData Scientistは、統計学者ではなく、実務家なのでしょうから、使えるToolは、境なく使えば良いと思うのです。そして、企業のData Scientistは解けない問題があれば、「解けないから一緒に考えて欲しい」とそれぞれの専門家に相談すれば良いのです。

その意味でも、企業のData Scientistは、もっとアカデミアという専門研究機関を上手く活用すべきなのです。ぜひ、アカデミアにも、どんどんアプローチしましょう。もちろん、私は半分アカデミアの立場もあるので、相談にものりますよ!!