データを本当に活かせているのか？「統計学は最強の学問である」を読んだ

あなたの主張にエビデンスはありますか？そのエビデンスは本当に正しいですか？

ビッグデータだの、AIだの、ニューラルネットワークだのよく聞きますよね。いわゆる情報社会の現代。みんなしてとりあえずAI使っとけ！みたいな風潮が多いような気がします。社会だとAIとかビッグデータがなんなのかよくわかってない管理職が「これAI使ってみたらどうなるの？」ということもあるそうです。これは手段の目的化です。AIを使うよりも効率的に情報を分析する方法はあります。なんならエクセルでいいこととかもあるみたい。知らんけど

そこで、もう一つ大切なことが、データを分析する目的はありますか？ということです。というか目的に合わせたデータ分析や収集をできてますか？という問いかけからこの本は始まります。

ありがちなのがデータを図やグラフに綺麗に書き出して、「こういう結果がわかりました！」で終わるコンサルだそう。分析の目的、例えば売上上昇のためにどういう施策をすればいいのか？が見えてこないそうだ。例えば、DMを送ることは本当に効果があるか、とか。

じゃあ、統計学はどこにでてくるんや？

その分析手法を統計学の知見を活かして考えたらいいんでない？というのがこの本からの提案です。具体的にあげると、t検定・p値とかです。例えば、DMを受け取った人の売り上げが上がるかどうかの関係性がどれぐらいあるか。そして、その関係性の信頼がどれほどあるかとかです。

そういう知識を身につけて、統計リテラシーを日本人が持つようになったらもっといいのにな！を叶えたいらしい。

結構具体的な手法、特に目的・分野別（心理学なのか、疫学なのか、社会学なのかとか）で効率的な分析手法の歴史が後半にありました。この部分は少し専門用語が多く、図表でイメージしずらいものが多かったので、アマゾンのレビューを下げる要因になっていたみたいです。本人としては「こんな武器もあるんだぜ！」ってのを広めたかったんでしょうし、やはり数字アレルギーの人からしたら辛い内容だったからかなと思います。分野も学術的なものが多かった気がしますし。

最後のパートはエビデンスだったので、結局正確なエビデンスを持った意思決定をしてほしんだろうなーと僕は読み取りました。中でもデータをエビデンスとするときに本当にエビデンスになっているのか？を学術的・科学的に根拠を持ったものにしてほしんだろうなと思いました。最後論文リサーチ方法とかに繋がってましたしね。

論文をエビデンスにするのは僕も最近しているのですが、簡単に手に入れたいならパレオな男さんのブログがオススメですよ。

ということで、統計リテラシー、本当の意味でのデータ分析・エビデンスを身につけたい人は手にとってみてください

前回見たく綺麗にまとめてなくてごめんやで