戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック

347

347

12.7　まとめ

うことです。原因となるデータ分析を慎重に行うには、いくつかの基本原則について理解が

必要です。それは、データ取得への投資、類似性の測定、期待値の計算、相関と有益な変数

の発見、式をデータへフィットさせる、などです。

11

章では、通信の乗り換え問題を振り返ったときに、この洗練された原因分析の手法を

少しだけ紹介しました。そして、そのときに、特別なオファーをするのが最も影響を与えそ

うな顧客は、キャンペーンの目標にするべきではないのではないか、と考えました。このこ

とは、他のコンセプトと同様に、期待値フレームワークが担う重要な役割を説明していまし

た。原因を理解するためには他の技法もあります。例えば、類似度のマッチング（

6

章）を

使って、「反事実」をシミュレーションする方法です。ここでの反事実とは、ある「扱い」

（例えば留まる奨励金）を受ける、受けないの両方を経験する人の存在を仮定することです。

さらに他の原因分析手法には、数値関数にデータをフィットさせて、関数の係数を解釈する

方法もあります

†

。

ポイントは、基本原則をまず理解しなければ、原因を調べるデータサイエンスは理解でき

ないということです。原因に関するデータの分析は、そういった基本原則の理解が基盤にあ

るという例の

1

つにすぎず、今後あなたが出会う他のより洗練された技法にも同じことが言

えます。

12.7

 まとめ

データサイエンスでは、多くの特有な技法が使われています。この分野を着実に理解する

ためには、特有の技術からいったん離れて、技術を使おうとしている問題がどのようなもの ...