検索結果
キーワード関連順結果
「競合A社がこの販促キャンペーンを行ったところ、売上が2倍になった。だから当社でも同じキャンペーンをやろう」
「業界大手のB社がこのITシステムを導入したら、現場の業務コストが3割削減された。だから当社も同じシステムを導入しよう」
そうした意思決定の多くは失敗に終わります。なぜなら、うまくいったケースには特殊な文脈や前提条件があるから。前提条件が変われば、結果も変わります。そこで必要なのが、「何が原因となって、どんな結果が生じるのか」という因果関係を推論するスキル。これこそが「科学的思考法」です。本書では、因果関係のない相関関係を、因果関係だと勘違いしないための区別の仕方を解説。
さらに、あなたのビジネスで、ある施策を行うと、どんな効果があるのか、その因果関係を確かめる「科学的実験」の方法も解説します。科学的実験ができるようになると、仮説を立てて実験し、その結果を分析して、また仮説を立てる、というサイクルを正しく回すことができるようになります。そして、低コストで、かつ、速いスピードで、成功へと至ることができます。日米のビジネススクールで教鞭をとり、イノベーションについて研究する著者が、世界の急成長企業は当たり前にやっている、意思決定の質を高め、「正解のないイノベーション」を起こすための思考法を解説。「経験と勘」に頼った意思決定から脱しよう!
《目次》
●第1章 「科学的思考法」とは何か
●第2章 それは本当に「因果関係」?
●第3章 真の因果関係を発見するための「科学的実験」の方法
●第4章 「科学的実験」をデザインする
●第5章 「失敗」できる組織が科学的思考法を育てる
「業界大手のB社がこのITシステムを導入したら、現場の業務コストが3割削減された。だから当社も同じシステムを導入しよう」
そうした意思決定の多くは失敗に終わります。なぜなら、うまくいったケースには特殊な文脈や前提条件があるから。前提条件が変われば、結果も変わります。そこで必要なのが、「何が原因となって、どんな結果が生じるのか」という因果関係を推論するスキル。これこそが「科学的思考法」です。本書では、因果関係のない相関関係を、因果関係だと勘違いしないための区別の仕方を解説。
さらに、あなたのビジネスで、ある施策を行うと、どんな効果があるのか、その因果関係を確かめる「科学的実験」の方法も解説します。科学的実験ができるようになると、仮説を立てて実験し、その結果を分析して、また仮説を立てる、というサイクルを正しく回すことができるようになります。そして、低コストで、かつ、速いスピードで、成功へと至ることができます。日米のビジネススクールで教鞭をとり、イノベーションについて研究する著者が、世界の急成長企業は当たり前にやっている、意思決定の質を高め、「正解のないイノベーション」を起こすための思考法を解説。「経験と勘」に頼った意思決定から脱しよう!
《目次》
●第1章 「科学的思考法」とは何か
●第2章 それは本当に「因果関係」?
●第3章 真の因果関係を発見するための「科学的実験」の方法
●第4章 「科学的実験」をデザインする
●第5章 「失敗」できる組織が科学的思考法を育てる
■マット・タディはビッグデータ活用の基礎を成す統計学について完璧かつ配慮の行き届いた本を書き上げた。この素晴らしい教材には実例、技術、洞察がぎっしりと詰まっている。多くの機械学習の教材とは異なり、本書は相関関係が因果関係ではないという問題に取り組み、データから信頼に足る解釈を得るための手法を提供している。
―――プレストン・マカフィー[元マイクロソフト チーフエコノミスト兼バイスプレジデント ヤフー バイスプレジデント・チーフエコノミスト グーグル研究責任者 カリフォルニア工科大学教授兼役員]
■シカゴ大学ブース・スクール・オブ・ビジネスの人気教授を務め、マイクロソフトとアマゾンでデータサイエンスチームを率いた経験から、マット・タディは最先端の企業でデータに基づいた意思決定を行なうことを志すMBAや技術者に向けた見事な本を書き上げた。最新の統計学、機械学習アルゴリズム、社会科学の因果モデルから得られる重要な概念を巧みに織り上げ、精彩を放つタペストリーに仕上げている。本書を読めば流行りの専門語の意味が誰にでもわかるようになっている。この分野の標準的な教材となるだろう。
―――グイド・インベンス[スタンフォード大学経営大学院教授(経済学) 『Causal Inference for Statistics, Social, and Biomedical Sciences』共著者]
ビッグデータを構造的に理解、近未来の手がかり、ビジネスチャンスを洗い出し、次の一手につなげる
巨大IT企業アマゾン・ドット・コムのバイスプレジデントが教える、ビジネスにおける意思決定の最適化・自動化・加速化
―――プレストン・マカフィー[元マイクロソフト チーフエコノミスト兼バイスプレジデント ヤフー バイスプレジデント・チーフエコノミスト グーグル研究責任者 カリフォルニア工科大学教授兼役員]
■シカゴ大学ブース・スクール・オブ・ビジネスの人気教授を務め、マイクロソフトとアマゾンでデータサイエンスチームを率いた経験から、マット・タディは最先端の企業でデータに基づいた意思決定を行なうことを志すMBAや技術者に向けた見事な本を書き上げた。最新の統計学、機械学習アルゴリズム、社会科学の因果モデルから得られる重要な概念を巧みに織り上げ、精彩を放つタペストリーに仕上げている。本書を読めば流行りの専門語の意味が誰にでもわかるようになっている。この分野の標準的な教材となるだろう。
―――グイド・インベンス[スタンフォード大学経営大学院教授(経済学) 『Causal Inference for Statistics, Social, and Biomedical Sciences』共著者]
ビッグデータを構造的に理解、近未来の手がかり、ビジネスチャンスを洗い出し、次の一手につなげる
巨大IT企業アマゾン・ドット・コムのバイスプレジデントが教える、ビジネスにおける意思決定の最適化・自動化・加速化