<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>Data Jacket &#8211; uxmeetsdata.com</title>
	<atom:link href="https://uxmeetsdata.com/tag/data-jacket/feed/" rel="self" type="application/rss+xml" />
	<link>https://uxmeetsdata.com</link>
	<description>UXとデータによる価値創発メディア</description>
	<lastBuildDate>Mon, 03 Jun 2024 07:01:52 +0000</lastBuildDate>
	<language>ja</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<item>
		<title>大澤先生のデータ戯れ学 #02</title>
		<link>https://uxmeetsdata.com/data-delight-ohsawa-02/</link>
				<pubDate>Fri, 26 Jul 2019 11:00:20 +0000</pubDate>
		<dc:creator><![CDATA[Sho Nakaji]]></dc:creator>
		<category><![CDATA[Topics]]></category>
		<category><![CDATA[Interview]]></category>
		<category><![CDATA[AI]]></category>
		<category><![CDATA[Data Jacket]]></category>
		<category><![CDATA[Innovation]]></category>

		<guid isPermaLink="false">https://uxmeetsdata.com/?p=11461</guid>
				<description><![CDATA[わからないデータはつまらない。 中路：チャンス発見学のビジネス活用について問題にぶつかったとのことですが、詳し...<p class="more-link"><a href="https://uxmeetsdata.com/data-delight-ohsawa-02/" class="themebutton3">Read More</a></p>]]></description>
								<content:encoded><![CDATA[<div class="wp-block-image"><figure class="aligncenter is-resized"><img src="https://uxmeetsdata.com/wp-content/uploads/2019/07/xmd_dd_ohsawa-e1564000113834-1024x512.jpg" alt="" class="wp-image-11566" width="480" height="240"/></figure></div>



<h2><strong>わからないデータはつまらない。</strong></h2>



<p><strong>中路</strong>：チャンス発見学のビジネス活用について問題にぶつかったとのことですが、詳しくお聞かせください。</p>



<p><strong>大澤</strong>：<strong>データに抵抗のある人をどう巻き込んで新しい価値を創造するか</strong>ということです。当時、文部科学省の助成金による多数のAI研究者による協働研究で、肝臓患者の血液情報を扱うようになりました。患者の血液検査データを元にC型肝炎治療の説明を試みたのですが、データが専門的すぎて理解が追いつかず、研究が進まないという問題に直面しました。血液検査項目にはGOTやGPTといった値がありますが、何が何だかよくわからない。<strong>人はわからないデータを見ても面白くない</strong>という、当たり前だけれども極めて重要なことに、その時気づきました。</p>



<p><strong>中路</strong>：確かに、そもそもの変数や値の意味がわからないデータは、いくら可視化されても理解できないですし、見ていて全く楽しくないですよね。</p>



<p><strong>大澤</strong>：データといくら睨めっこしても、わからないものはわからない。そこで<strong>キーグラフ（KeyGraph）</strong>を活用して患者のデータを可視化しました。とはいえ、この段階ではまだ何もわかりません。この結果を肝臓の専門医に見てもらってはコミュニケーションをとり、またデータセットを変えて可視化することを繰り返しました。<strong>可視化して議論する</strong>というプロセスを何度も回すことで、初めはデータからは見えてこなかったC型肝炎治療のプロセスを説明することに成功しました。</p>



<p>この研究でわかったことは二つあります。一つ目は、<strong>データクレンジングにおいて、データの意味を理解することが極めて重要</strong>だということです。医学のデータは同一成分が別の言葉や単位系で書かれているなどデータが整理されてないケースが多く、データの意味を理解しないとデータクレンジングはできません。専門医とのコミュニケーションを重ねてデータの意味を理解することで分析可能なデータに整理することができました。</p>



<p>二つ目は、<strong>データの意味がわかってくると面白い</strong>ということです。データクレンジング処理が完了すると、可視化やより深い分析ができるようになります。医学の先生たちの中で何となく不明瞭だったC型肝炎治療のプロセスが、分析を通して判明して行く研究はとても楽しいものでした。</p>



<p>データ分析には五段階あり、その中でも<strong>どきどき期</strong>から<strong>わくわく期</strong>というデータ分析の仮説検証を回してる時が最も楽しい段階です。そしてそれを創出するには<strong>データの意味や背景を知る人と一緒にデータを可視化して議論し、繰り返すこと</strong>が重要であると、わたしは考えています。</p>



<table style="table-layout: fixed; width: 100%;">
<tr style="color: #fff; background-color: #000;">
<td>段階</td>
<td>状態</td>
<td>感情</td>
</tr>
<tr>
<td style="background-color: #eee;">いやいや期</td>
<td style="text-align:left;">データの概要も変数の意味も不明瞭。</td>
<td style="text-align:left;">意味がわからないから、つまらない。</td>
</tr>
<tr>
<td style="background-color: #eee;">おずおず期</td>
<td style="text-align:left;">概要や変数の意味について少し理解。</td>
<td style="text-align:left;">変化に気づき、少し興味がわいた。</td>
</tr>
<tr>
<td style="background-color: #eee;">どきどき期</td>
<td style="text-align:left;">仮説を導き出せるが、正しくない場合もある。</td>
<td style="text-align:left;">変化の背景がわかり、もっと分析したい気持ちがわいた。</td>
</tr>
<tr>
<td style="background-color: #eee;">わくわく期</td>
<td style="text-align:left;">仮説が概ね正しく、新しい発見を導出できる。</td>
<td style="text-align:left;">新しい発見があって非常に楽しい、他のデータと組み合わせて深い洞察をしたい。</td>
</tr>
<tr>
<td style="background-color: #eee;">あきあき期</td>
<td style="text-align:left;">データの意味を完全に理解し、新しい発見がない。</td>
<td style="text-align:left;">発見がないから、つまらない。</td>
</tr>
</table>



<h2><strong>データと戯れる。</strong></h2>



<p><strong>中路</strong>：データ分析の専門家だけではなく、そのデータの意味や背景を知る人とともに、<strong>データと戯れる</strong>ことが大切ということですね。そのプロセスを通じてデータの意味がわかってくると、さらに面白くなる。いわば<strong>データ戯れ学</strong>ですね。あるいは<strong>データディライト（Data Delight）</strong>とでも。データに抵抗のある人をどう巻き込んで新しい価値を創造するかの問いに一つの解が見えそうです。</p>



<p>その後、ビジネス側の研究に戻られたのでしょうか？</p>



<p><strong>大澤</strong>：はい。データを可視化して、議論するステップを取り入れることがビジネス活用でも大いに役立てられると思い、ビジネスでのイノベーションを創発するフレームワークである<strong>イノベーションゲーム</strong>の研究を、東京大学大学院システム創成学科にて始めました。</p>



<p>イノベーションゲームは、ビジネスにつかえる製品や知識をカードに記入し、そのカード同士の関係をキーグラフで可視化して、参加者で議論をするという、ワークショップ形式で行います。さらに、単に奇抜なアイデアにならないように、マーケット原理、つまりお金の概念を導入し、良いアイデアにはお金が集まるような仕組みを導入しました。その仕組みを<strong>イノベーション市場（Innovators&#8217; Marketplace）</strong>と言います。</p>



<div class="wp-block-image"><figure class="aligncenter is-resized"><img src="https://uxmeetsdata.com/wp-content/uploads/2019/07/xmd_dd_ohsawa_2a.jpg" alt="" class="wp-image-11576" width="480" height="315" srcset="https://uxmeetsdata.com/wp-content/uploads/2019/07/xmd_dd_ohsawa_2a.jpg 630w, https://uxmeetsdata.com/wp-content/uploads/2019/07/xmd_dd_ohsawa_2a-300x197.jpg 300w" sizes="(max-width: 480px) 100vw, 480px" /><figcaption>出典：事業構想</figcaption></figure></div>



<p><strong>中路</strong>：これまでの研究の集大成といえるものですね。この仕組みでビジネスの現場におけるイノベーション創発はされたのでしょうか？</p>



<p><strong>大澤</strong>：残念ながらこの方法ではあまり多くのイノベーションが生み出されませんでした。イノベーション市場には二つの問題があります。一つ目は、<strong>継続しない</strong>こと。ワークショップが終了すると、その取り組み自体も終了してしまうわけです。</p>



<p>二つ目は、<strong>良いアイデアが出づらい</strong>ことです。この問題の解決について、過去の研究にヒントがありました。それは仮説推論の研究の中で発見したもので、<strong>シンプルな事象についての知識を掛け合わせることで、未知の事象を説明できる</strong>、というものです。イノベーション市場の問題は、カードに記入するアイデアが複雑すぎたことにありました。</p>



<h2><strong>シンプルであること。</strong></h2>



<p><strong>中路</strong>：なるほど。「<strong>良いアイデアは、既存のシンプルなアイデアの組み合わせで生まれる</strong>」とジェームス・ウェブ・ヤング著の『アイデアのつくり方』でも述べられています。大澤先生も、製品・知識データをシンプルなものに変えたということでしょうか？</p>



<p><strong>大澤</strong>：はい。製品・知識データを概要情報に絞ったものを、<strong>データジャケット（Data Jacket）</strong><sup id="footnote_plugin_tooltip_1" class="footnote_plugin_tooltip_text" onclick="footnote_moveToAnchor('footnote_plugin_reference_1');">1)</sup><span class="footnote_tooltip" id="footnote_plugin_tooltip_text_1"><a href="https://uxmeetsdata.com/data-jacket/">データジャケットって？</a></span><script type="text/javascript">	jQuery("#footnote_plugin_tooltip_1").tooltip({		tip: "#footnote_plugin_tooltip_text_1",		tipClass: "footnote_tooltip",		effect: "fade",		fadeOutSpeed: 100,		predelay: 400,		position: "top right",		relative: true,		offset: [10, 10]	});</script>と名付けました。データジャケットは、データ概要が書かれているシンプルなものなので、ワークショップ内で組み合わせて良いアイデアを創発しやすい形状になっています。また、データジャケットのもう一つの利点は、<strong>データそのものでなくて良い</strong>ということです。</p>



<p>データそのものは入手困難なものです。肝臓患者の血液情報データもプロジェクトメンバーの研究者であったため触れることができましたが、一般のユーザーは到底アクセスできないでしょう。一方で、このようにデータそのものの提供が難しい状況であっても、データの概要のみが書かれたデータジャケットであれば、お互いに公開し合えて議論が活性化できると考えました。</p>



<p><strong>中路</strong>：確かに。多くの企業がビジネスに活かそうとデータを収集してますが、その多くが他社への提供が難しく、違いに活用することなく埋もれてしまっています。</p>



<p><strong>大澤</strong>：自社データを提供することで競合に活用されてしまうリスクがあるという気持ちはよくわかります。そこで、データの概要情報に絞って開示を促すことが効果的となります。データそのものを渡すことは難しくても、データジャケットなら問題ないというケースがあることに気づきました。</p>



<p>2013年3月のNHK特集で、震災をテーマに各企業がデータを出し合い、参加者がデータ分析をするというコンペが報道されました。開催後にデータ提供企業に対してデータを欲しい旨を伝えると、もう結構使えそうだと知ったので無料では渡せないとのこと。これではイノベーションは継続的に生まれていかない。一方で、データの概要情報、すなわちデータジャケットなら問題ないという企業がいくつかありました。</p>



<p>データジャケットであればたくさん収集し、イノベーション創発に役立てることができるということに気づいたわけです。このデータジャケットを活用したイノベーション市場のワークショップを、<strong>IMDJ</strong>（<strong>Inovation Marketplace on Data Jackets）</strong>と呼び、現在も継続的に実施しています。これには複数の企業が参画し、データを活用したビジネスのイノベーションに取り組んでいる状況です。</p>



<div class="wp-block-image"><figure class="aligncenter is-resized"><img src="https://uxmeetsdata.com/wp-content/uploads/2019/07/xmd_dd_ohsawa_2b-e1564001532492-1024x512.jpg" alt="" class="wp-image-11578" width="480" height="240"/></figure></div>



<p><strong>中路</strong>：最後に、大澤先生の今までの研究から導き出された最も新しいエッセンスを一言で教えてください。</p>



<p><strong>大澤</strong>：ひとことで言うと「<strong>変化の予測ではなく、変化の説明</strong>」です。</p>



<p>過去の変化の事象からの予測はできても、その変化の原因を説明できなければ、対策として行動シナリオを描けないことが、今までの研究を通して明らかになりました。仮説推論という私の最初の研究テーマを、数十年間にわたって研究から外していた最大の理由は、与えられた仮説や情報からだけでは、変化を説明できず、未来を予測できないと思ったからです。言い換えると、与えられた仮説以外の事象を新たに生み出すことができれば、未来を創発することができるかもしれない。そう気づいたのはデータジャケットを生み出した時でした。</p>



<p>データジャケットは、イノベーションゲームの参加者が自由に追加することができます。つまり、<strong>説明できない新たな知識を補い合うことが、ワークショップの仕組みの中でできる</strong>のです。AIは限られた仮説の中で最適な答えを出すことには優れてますが、与えられてない仮説を生み出すことはできません。その限界を理解して、イノベーションゲームといった人が間を補い合うことができる仕組みを持つことで、変化の説明を行えるようになりました。これは、<strong>新たな仮説推論手法</strong>とも言えます。事象のなぜ（Why）に対して、自分の知識や与えられたデータだけではわからないことを、可視化や分析、そして多様な人の議論によって解き明かすことができる。それが新たな価値を生み出す上で最も大切なステップだと考えてます。</p>



<center>
<input type="button" value="「大澤先生のデータ戯れ学 #01」に戻る" onclick="location.href = 'https://uxmeetsdata.com/data-delight-ohsawa-01/'">
</center><br>
]]></content:encoded>
										</item>
	<item>
		<title>大澤先生のデータ戯れ学 #01</title>
		<link>https://uxmeetsdata.com/data-delight-ohsawa-01/</link>
				<pubDate>Thu, 25 Jul 2019 09:00:11 +0000</pubDate>
		<dc:creator><![CDATA[Sho Nakaji]]></dc:creator>
		<category><![CDATA[Topics]]></category>
		<category><![CDATA[Interview]]></category>
		<category><![CDATA[AI]]></category>
		<category><![CDATA[Data Jacket]]></category>
		<category><![CDATA[Innovation]]></category>

		<guid isPermaLink="false">https://uxmeetsdata.com/?p=11339</guid>
				<description><![CDATA[物事の変化をデータで説明する。 本メディアのテーマである「UXとデータによる価値創発」に関わる領域で先駆的な取...<p class="more-link"><a href="https://uxmeetsdata.com/data-delight-ohsawa-01/" class="themebutton3">Read More</a></p>]]></description>
								<content:encoded><![CDATA[<div class="wp-block-image"><figure class="aligncenter is-resized"><img src="https://uxmeetsdata.com/wp-content/uploads/2019/07/xmd_dd_ohsawa-e1564000113834-1024x512.jpg" alt="" class="wp-image-11566" width="480" height="240"/></figure></div>



<h2><strong>物事の変化をデータで説明する</strong>。</h2>



<p>本メディアのテーマである「<strong>UXとデータによる価値創発</strong>」に関わる領域で先駆的な取り組みをされている専門家の方々を、uxmeetsdata.com編集部の中路（ナカジ）が訪ねる本企画。</p>



<p>今回は、東京大学大学院システム創成学科教授の大澤幸生先生にお話を伺いました。大澤先生は、物事の変化をデータで説明することを基軸とし、<strong>チャンス発見学（Chance Discovery）</strong>や<strong>データジャケット（Data Jacket）</strong><sup id="footnote_plugin_tooltip_1" class="footnote_plugin_tooltip_text" onclick="footnote_moveToAnchor('footnote_plugin_reference_1');">1)</sup><span class="footnote_tooltip" id="footnote_plugin_tooltip_text_1"><a href="https://uxmeetsdata.com/data-jacket/">データジャケットって？</a></span><script type="text/javascript">	jQuery("#footnote_plugin_tooltip_1").tooltip({		tip: "#footnote_plugin_tooltip_text_1",		tipClass: "footnote_tooltip",		effect: "fade",		fadeOutSpeed: 100,		predelay: 400,		position: "top right",		relative: true,		offset: [10, 10]	});</script>などの学問・フレームワークを創出した、この領域の先駆者です。</p>



<p>&#8220;<strong>物事の変化をデータで説明する</strong>&#8220;とは何か、またなぜそれが求められているのか。ビッグデータやAIがバズワード化している現在、データに関わるすべての人が理解しておくべき極めて重要なこのテーマに入門するとともに、そのプロセスにおいて&#8221;<strong>いかにしてデータと戯れるか</strong>&#8220;を語ってもらいました。</p>



<h2><strong>なぜその事象は発生したのか。</strong></h2>



<p><strong>中路</strong>：まずは大澤先生の研究テーマについて、これまでの経緯と合わせて教えてください。</p>



<p><strong>大澤</strong>：卒論では自然言語処理でした。修士課程では光ファイバーを、博士課程では人工知能の研究室で仮説推論の研究をしてました。</p>



<p><strong>仮説推論（Abduction）</strong>とは、観測事象などの目に見えて起きている物事の変化を説明する学問のことです。1990年代当時、今ほど脚光を浴びていなかった<strong>人工知能（Artificial Intelligence：AI）</strong>や機械学習の原理となる論理モデルを活用して仮説推論の研究を行なっていました。AIを<strong>観測事象を説明する</strong>ための道具として活用していたわけですが、その時に感じていたのは、AIが<strong>新たな事象を説明する</strong>のは得意ではないということです。与えられた仮説の中でしか事象を説明できないAIにとって、物事の変化を説明する、すなわち<strong>なぜ（Why）</strong>を解き明かすことは全くできなかったのです。そこにAIの不完全性を感じましたし、その不完全性をどのように人が補うのか、ということが私の中で重要なテーマとなったわけです。</p>



<p><strong>中路</strong>：<strong>新たな事象を説明する</strong>というのは、具体的にはどういうことでしょうか？</p>



<p><strong>大澤</strong>：その事象が起こるメカニズムを説明することです。具体的な研究テーマからお話しすると、その発端は1995年1月に発生した阪神淡路大震災でした。観測データを既存の仮説から説明する仮説推論では、大震災のような<strong>滅多に起こらない事象</strong>を説明することはできません。そこで、発生頻度の低い事象を予測することはできないのか、という問題に強い興味を持ちました。</p>



<p>機械学習には、<strong>事象にある程度の頻度がないと学習ができない</strong>という問題があります。発生頻度の低い事象を説明するにはどのように立ち向かうべきかを考えました。そこで編み出したのが<strong>キーグラフ（KeyGraph）</strong>というアルゴリズムです。</p>



<div class="wp-block-image"><figure class="aligncenter is-resized"><img src="https://uxmeetsdata.com/wp-content/uploads/2019/07/xmd_dd_ohsawa_1a-1024x640.jpg" alt="" class="wp-image-11575" width="480" height="300" srcset="https://uxmeetsdata.com/wp-content/uploads/2019/07/xmd_dd_ohsawa_1a-1024x640.jpg 1024w, https://uxmeetsdata.com/wp-content/uploads/2019/07/xmd_dd_ohsawa_1a-300x188.jpg 300w, https://uxmeetsdata.com/wp-content/uploads/2019/07/xmd_dd_ohsawa_1a-768x480.jpg 768w, https://uxmeetsdata.com/wp-content/uploads/2019/07/xmd_dd_ohsawa_1a.jpg 1280w" sizes="(max-width: 480px) 100vw, 480px" /><figcaption>キーグラフ（KeyGraph）<br>出典：構造計画研究所</figcaption></figure></div>



<p><strong>中路</strong>：キーグラフを地震以外に活用した事例はどのようなものがありますか？</p>



<p><strong>大澤</strong>：薬局の購買データをキーグラフによって可視化し、これから売れる商品の予測、すなわち需要予測に役立てようとしました。ところが、うまく予測することができなかったのです。なぜ地震の予兆を捉えることはできるのに、需要変化の予兆は捉えられないのか。私は<strong>人の介在</strong>が大きく絡んでると考えました。</p>



<h2><strong>マーケットには人が介在する。</strong></h2>



<p><strong>中路</strong>：需要変化に人の介在が影響するというのは具体的にどういうことでしょうか？</p>



<p><strong>大澤</strong>：マーケットは人で形成されています。ゆえに商品の購買の裏側には人が大きく介在しています。したがって、商品の需要変化には人の介在が影響しているわけです。地震予測と決定的に異なるのはその点です。</p>



<p>人の意思や価値観が間に入ると、なぜ（Why）を理解することが途端に難しくなります。そこで、購買データから需要予測をするのではなく、購買データを元に、購買の結果の事象と関連する情報の関係性を可視化することで、なぜ売れたのかという説明を得た上で次の戦略を立てる仕組みを作るという方向で研究を進めることを考えました。そうして誕生したのが<strong>チャンス発見学（Chance Discovery）</strong>という学問です。</p>



<p><strong>中路</strong>：チャンス発見学について、詳しく教えてください。</p>



<p><strong>大澤</strong>：チャンス発見学とは、事象や関連する情報を理解し、新しい価値を生み出すために活用するための考え方や仕組みの学問です。ある繊維メーカーにおいて、購買の事象とその周辺の情報要素をキーグラフを活用して可視化し、新商品を売るアイデアを創出することに成功しました。そして社会人の方々と協働してチャンス発見コンソーシアムを立ち上げ、キーグラフを活用したチャンス発見学をビジネス活用する方向で動きました。</p>



<p><strong>中路</strong>：ビジネスにおけるデータ活用の重要性は、以前にも増して高まっている状況ですが、このチャンス発見学をビジネスに活かすことはできるのでしょうか。</p>



<p><strong>大澤</strong>：チャンス発見学のビジネス活用においては一定の価値を提供できることがわかったわけですが、ひとつ大きな問題にぶつかりました。それは<strong>データに抵抗のある人をどう巻き込んで新しい価値を創造するか</strong>というものです。</p>



<center>
<input type="button" value="「大澤先生のデータ戯れ学 #02」に続く" onclick="location.href = 'https://uxmeetsdata.com/data-delight-ohsawa-02/'">
</center><br>
]]></content:encoded>
										</item>
	<item>
		<title>データジャケットって？</title>
		<link>https://uxmeetsdata.com/data-jacket/</link>
				<pubDate>Fri, 22 Mar 2019 11:11:11 +0000</pubDate>
		<dc:creator><![CDATA[Atsushi Sugawa]]></dc:creator>
		<category><![CDATA[Data]]></category>
		<category><![CDATA[Data Trading]]></category>
		<category><![CDATA[Big Data]]></category>
		<category><![CDATA[Data Jacket]]></category>
		<category><![CDATA[Data Trading]]></category>

		<guid isPermaLink="false">https://uxmeetsdata.com/?p=4169</guid>
				<description><![CDATA[データの「ジャケット」。 2019年3月20日、データジャケットのプラットフォームが一般公開されました。誰でも...<p class="more-link"><a href="https://uxmeetsdata.com/data-jacket/" class="themebutton3">Read More</a></p>]]></description>
								<content:encoded><![CDATA[<h2><strong>データの「ジャケット」。</strong></h2>



<p>2019年3月20日、<strong>データジャケット</strong>の<a rel="noreferrer noopener" aria-label="プラットフォームサイト (新しいタブで開く)" href="https://datajacket.org" target="_blank">プラットフォーム</a>が一般公開されました。誰でもデータジャケットの検索ができ、会員になれば投稿が可能となります。また、データジャケットをベースとしたイノベーションゲームである<strong>IMDJ</strong>のオンライン版の<strong>Web IMDJ</strong>を利用することもできます。</p>



<div class="wp-block-image"><figure class="aligncenter is-resized"><img src="https://uxmeetsdata.com/wp-content/uploads/2019/03/xmd_dj_a-e1555132063443.jpg" alt="" class="wp-image-4572" width="480" height="240" srcset="https://uxmeetsdata.com/wp-content/uploads/2019/03/xmd_dj_a-e1555132063443.jpg 559w, https://uxmeetsdata.com/wp-content/uploads/2019/03/xmd_dj_a-e1555132063443-300x150.jpg 300w" sizes="(max-width: 480px) 100vw, 480px" /><figcaption>出典：東京大学 大澤研究室</figcaption></figure></div>



<p><strong>データジャケット（Data Jacket）</strong>は、データの「ジャケット」のことで、データそのものではなく、<strong>メタ情報</strong>（概要情報）を公開することで、<strong>データの持つ価値を共有し、イノベーションの創発につなげる</strong>ためのフレームワークです。CDのジャケットが、実際の音楽を聴かずとも、どんなアーティストで、どんな曲が収録されているかを伝える役割を持っているのと同様に、データジャケットもまた、<strong>データの中身を公開することなく、データの価値を伝える</strong>役割を持っています。もっとも最近では音楽配信が主流であるため、CDのジャケットと言われてもピンと来ない人もいるかもしれません。</p>



<p>データジャケットは東京大学の大澤幸生教授により提唱され、大澤研究室により開発されたものですが、その背景には<strong>データ流通（Data Trading）</strong><sup id="footnote_plugin_tooltip_1" class="footnote_plugin_tooltip_text" onclick="footnote_moveToAnchor('footnote_plugin_reference_1');">1)</sup><span class="footnote_tooltip" id="footnote_plugin_tooltip_text_1"><a href="https://uxmeetsdata.com/data-trading/">データ流通って？</a></span><script type="text/javascript">	jQuery("#footnote_plugin_tooltip_1").tooltip({		tip: "#footnote_plugin_tooltip_text_1",		tipClass: "footnote_tooltip",		effect: "fade",		fadeOutSpeed: 100,		predelay: 400,		position: "top right",		relative: true,		offset: [10, 10]	});</script>の課題があります。「<a href="https://uxmeetsdata.com/data-trading/">データ流通って？</a>」でも触れたとおり、データはヒト・モノ・カネなどの他の資源と同様に、<strong>流通しなければその価値を存分に発揮しません</strong>。</p>



<p>また、人や企業がデータ流通を通して<strong>データ取引（Data Exchange）</strong>を行う目的は大きく二つあり、ひとつは<strong>取引そのものが目的</strong>で、それにより価値や収益を獲得するというもの、もうひとつは<strong>異なるデータをかけ合わせて新しい価値を生み出すことが目的</strong>で、データ取引はその手段にすぎないというものです。</p>



<p>とりわけ後者は、<strong>データ駆動型イノベーション（Data-Driven Innovation）</strong>と呼ばれる、データを基軸としたイノベーションの創発には欠かせないものです。そして、<strong>どのデータをどのようにかけ合わせれば、どのような新しい価値や活用法につながるかのアイデアや議論が必要</strong>であり、そのための情報や環境が不可欠となります。その実現に向けて開発されたのがデータジャケットです。</p>



<h2><strong>主観的なレビュー情報。</strong></h2>



<p>ところで、データのメタ情報を管理する概念としては、<strong>データカタログ（Data Catalog）</strong>がより一般的です。もともとは企業内でのデータ資源の共有や検索を効率化することを目的としたもので、統制のための記述フォーマットや、メタ情報そのもの、あるいはそれらの管理ツールを指します。管理ツールの代表的なものに、GCP（Google Cloud Platform）の<strong>Cloud Data Catalog</strong>や、AWS（Amazon Web Services）の<strong>Glue Data Catalog</strong>などのクラウドサービスがあります。最近ではその概念がデータ流通やデータ取引の領域にも展開されており、オープンデータの記述フォーマットの策定などに利用されています。また、データ流通推進協議会（Data Trading Alliance：DTA）では「<strong>データカタログ作成ガイドライン</strong>」の取りまとめが進められています。</p>



<p>なおデータジャケットは、この「データカタログ作成ガイドライン」ではデータカタログのサブセットとして定義されており、同一の概念上にあるという側面があるものの、この二つには決定的な違いがあります。それは<strong>主観性</strong>と<strong>客観性</strong>です。</p>



<p>データ取引には、<strong>取引そのものが目的</strong>の場合と、<strong>異なるデータをかけ合わせて新しい価値を生み出すことが目的</strong>の場合があると述べました。<strong>データカタログは主に前者での利用を想定したもの</strong>であり、取引を公正かつ効率的に行うためには、データの中身を正確に伝える必要があるため、<strong>客観的な情報が重視</strong>されます。</p>



<p>一方で、<strong>データジャケットは主に後者での利用を想定したもの</strong>であり、<strong>データのかけ合わせや活用法に関するアイデアが提供される</strong>ことでイノベーションの創発が活性化されるため、データ紹介者による<strong>主観的な情報が重視</strong>されます。ECサイトで喩えるなら、メーカーや小売店による商品紹介情報がデータカタログであり、ユーザーによるレビュー情報がデータジャケットであると言えるでしょう。</p>



<h2><strong>データ駆動型イノベーションの創発。</strong></h2>



<p>データジャケットの目的は、<strong>データの持つ価値を共有し、イノベーションの創発につなげる</strong>ことにあります。それをゲーム型ワークショップにより実現するフレームワークが<strong>IMDJ（Innovators Marketplace on Data Jackets）</strong>です。</p>



<p>IMDJでは、参加者が提供する<strong>データジャケットをかけ合わせて、問題解決のためのデータ活用アイデアを創発</strong>します。さらに有用なアイデアについては<strong>実現にむけた行動プランを創出し、その実現性を評価</strong>します。この一連のプロセスによりイノベーションを推進するわけです。また、IMDJを通して獲得したデータ活用アイデアは<strong>重要な主観情報</strong>としてデータジャケットに還元されます。</p>



<p>このIMDJをオンライン上で実現するプラットフォームが<strong><a rel="noreferrer noopener" aria-label="Web IMDJ (新しいタブで開く)" href="https://imdj.datajacket.org" target="_blank">Web IMDJ</a></strong>であり、<strong>多数のステークホルダーが一箇所に集まる地理的コストを低減</strong>することが期待されます。とりわけ国をまたがるステークホルダー間でのイノベーションの創発には有効となるでしょう。</p>



<p>データジャケットならびにIMDJは、フレームワークやプラットフォームが整備され、これから普及に向けた推進がなされていく状況です。利用者や投稿されるデータジャケットの数が増えることでプラットフォームとしての価値が高まる、いわゆる<strong>ネットワーク外部性が強く作用する領域</strong>であるため、今後の普及や発展が期待されます。</p>
]]></content:encoded>
										</item>
	<item>
		<title>データ流通って？</title>
		<link>https://uxmeetsdata.com/data-trading/</link>
				<pubDate>Sat, 23 Feb 2019 09:32:21 +0000</pubDate>
		<dc:creator><![CDATA[Atsushi Sugawa]]></dc:creator>
		<category><![CDATA[Data]]></category>
		<category><![CDATA[Data Trading]]></category>
		<category><![CDATA[Big Data]]></category>
		<category><![CDATA[Data Jacket]]></category>
		<category><![CDATA[Data Trading]]></category>

		<guid isPermaLink="false">https://uxmeetsdata.com/?p=2246</guid>
				<description><![CDATA[データは資源。 2019年1月23日、スイスのチューリッヒで開催された世界経済フォーラム年次総会（ダボス会議）...<p class="more-link"><a href="https://uxmeetsdata.com/data-trading/" class="themebutton3">Read More</a></p>]]></description>
								<content:encoded><![CDATA[<h2><strong>データは資源。</strong></h2>



<p>2019年1月23日、スイスのチューリッヒで開催された<strong>世界経済フォーラム年次総会（ダボス会議）</strong>にて安倍首相が演説し、<strong>データ流通</strong>に関する国際ルールの策定を提唱しました。データ流通をめぐっては、経済成長のために有益なデータを自由にやりとりできる環境の確保が欠かせない一方で、個人や機密に関する情報の漏洩をどう防ぐかなどの多くの課題があります。</p>



<div class="wp-block-image"><figure class="aligncenter is-resized"><img src="http://uxmeetsdata.com/wp-content/uploads/2019/03/xmd_trading-e1553913251385.jpg" alt="" class="wp-image-3480" width="480" height="239" srcset="https://uxmeetsdata.com/wp-content/uploads/2019/03/xmd_trading-e1553913251385.jpg 640w, https://uxmeetsdata.com/wp-content/uploads/2019/03/xmd_trading-e1553913251385-300x150.jpg 300w" sizes="(max-width: 480px) 100vw, 480px" /></figure></div>



<p><strong>ビッグデータ（Big Data）</strong><sup id="footnote_plugin_tooltip_1" class="footnote_plugin_tooltip_text" onclick="footnote_moveToAnchor('footnote_plugin_reference_1');">1)</sup><span class="footnote_tooltip" id="footnote_plugin_tooltip_text_1"><a href="https://uxmeetsdata.com/big-data/">再考するビッグデータ</a></span><script type="text/javascript">	jQuery("#footnote_plugin_tooltip_1").tooltip({		tip: "#footnote_plugin_tooltip_text_1",		tipClass: "footnote_tooltip",		effect: "fade",		fadeOutSpeed: 100,		predelay: 400,		position: "top right",		relative: true,		offset: [10, 10]	});</script>という言葉は2013年に流行して以来、広く使われています。日々大量のデータが生産されており、5GとIoTの普及でさらに加速することが予想されます。また時を同じくして、<strong>人工知能（Artificial Intelligence：AI）</strong>や<strong>深層学習（Deep Learning）</strong>の技術が世間を賑わすようになりました。深層学習は大量の教師データを必要とする学習技術であり、ビッグデータの存在が実現に向かわせたと言っても過言ではありません。</p>



<p>しかしながらデータは、ヒト・モノ・カネなどの他の資源と同様に、<strong>流通しなければその価値を存分に発揮しません</strong>。そのデータを必要とする人や企業が効率的に探し出し、適切なコストで獲得できる状態が理想です。また、複数の異なるデータがかけ合わさることで、新しい価値を生み出す可能性もあります。<strong>データ流通（Data Trading）</strong>は、それを実現する環境やスキームをいいます。</p>



<h2><strong>データ取引の目的。</strong></h2>



<p>人や企業がデータ流通を通して<strong>データ取引（Data Exchange）</strong>を行う目的は大きく二つあります。ひとつは<strong>取引そのものが目的</strong>で、それにより価値や収益を獲得するというもの。もうひとつは<strong>異なるデータをかけ合わせて新しい価値を生み出すことが目的</strong>で、データ取引はその手段にすぎないというものです。</p>



<p>前者は、すでにインターネット上にさまざまなプラットフォームが登場しており、とりわけマーケティング領域では、<strong>セカンドパーティーデータ（Second Party Data）</strong>や<strong>サードパーティーデータ（Third Party Data）</strong>と呼ばれる他社保有のデータを購入することで、<strong>ファーストパーティーデータ（First Party Data）</strong>と呼ばれる自社保有のデータを補完する取り組みが盛んに行われています。最も典型的な活用ケースは<strong>顧客リストの拡張</strong>で、自社保有のデータにはない顧客層にリーチすることを目的としています。</p>



<p>後者は、<strong>データ駆動型イノベーション（Data-Driven Innovation）</strong>と呼ばれる、データを基軸としたイノベーションの創発には欠かせないものです。そして、データ取引そのものが目的の場合は、<strong>そのデータの価値や価格がわかる情報があれば取引が成立</strong>しますが、こちらの場合は、<strong>どのデータをどのようにかけ合わせれば、どのような新しい価値や活用法につながるか、というアイデアや議論が必要</strong>であり、そのための情報や環境が不可欠となります。</p>



<p>それを実現するフレームワークのひとつに、東京大学の大澤幸生教授が提唱する<strong>データジャケット（Data Jacket）</strong><sup id="footnote_plugin_tooltip_2" class="footnote_plugin_tooltip_text" onclick="footnote_moveToAnchor('footnote_plugin_reference_2');">2)</sup><span class="footnote_tooltip" id="footnote_plugin_tooltip_text_2"><a href="https://uxmeetsdata.com/data-jacket/">データジャケットって？</a></span><script type="text/javascript">	jQuery("#footnote_plugin_tooltip_2").tooltip({		tip: "#footnote_plugin_tooltip_text_2",		tipClass: "footnote_tooltip",		effect: "fade",		fadeOutSpeed: 100,		predelay: 400,		position: "top right",		relative: true,		offset: [10, 10]	});</script>があります。それは、データのメタ情報（概要情報）を提供する枠組みですが、そこにデータ紹介者の主観評価を加えることで、データ駆動型イノベーションを活性化する機能をもつことが特徴です。</p>



<h2><strong>データの第三者評価。</strong></h2>



<p>データ流通には、さまざまな課題があります。そのひとつが冒頭でもお話した、<strong>個人や機密に関する情報の漏洩をどう防ぐか</strong>という課題です。そもそもデータの中身がわからないと取引ができないわけですが、秘匿性の高いデータについては公開するわけにいきません。そのため、秘匿性を担保しつつデータの内容を伝える手段が必要です。データのメタ情報を提供する<strong>データカタログ（Data Catalog）</strong>はその手段のひとつで、データ流通推進協議会（Data Trading Alliance、DTA）では「データカタログ作成ガイドライン」の取りまとめが進められています。</p>



<p>また個人情報については、個人情報保護法によりデータ流通が難しい状況でしたが、2017年の改正個人情報保護法の全面施行により、<strong>匿名加工情報制度</strong>が設置され、個人情報の取扱いよりも緩やかな規律のもとでのデータ流通が可能となりました。匿名加工情報とは、特定の個人の識別ができないように個人情報を加工し、かつ復元できないようにした情報をいいます。</p>



<p><strong>データ寡占化によるロックイン（囲い込み）</strong>も大きな課題です。スマートフォンやクラウドサービスの普及にともない、クラウド上にデータが集約されやすい構造となり、かつAIの進化により高品質なデータの確保が競争優位を生みやすい状況の中で<strong>、GAFA（Google、Apple、Facebook、Amazon）</strong>を代表とする大手プラットフォーマーによるデータ寡占化が進むと、適切な競争が行われず、利用者にとって質の高いサービスが提供されなくなる可能性があります。</p>



<p><strong>データをどう評価するのか</strong>という大きな課題もあります。データを取引するためには、価値を適切に評価し、価格を設定する必要があります。市場原理に基づくならば、<strong>価格は需要と供給のバランスによって決定される</strong>わけですが、秘匿性の担保のためにデータそのものが公開されない場合、売り手と買い手の間に<strong>情報の非対称性</strong>が生じ、公正な取引が行われません。また、前述のような寡占状態であれば売り手の優位性がなおさら顕著になります。そこで、<strong>第三者による評価</strong>が重要になります。</p>



<p>データの第三者評価のアプローチには、<strong>データ取引を仲介する中立的な機関に委ねる</strong>ものと、<strong>ソーシャルに委ねる</strong>ものの二つがあります。前者については、エブリセンスジャパン株式会社や株式会社日本データ取引所による<strong>データ取引仲介サービス</strong>があり、今後の発展が期待されます。後者については、前述のデータジャケットのような枠組みが、データカタログのメタ情報提供の役割を超えて、<strong>不特定多数のデータ利用経験者による主観評価が加わることで、第三者評価としての機能をもつ</strong>可能性があると言えます。ECサイトのカスタマーレビューのような機能といったほうがわかりやすいかもしれません。</p>



<p>このようにデータ流通には多くの課題があり、またその解決に向けたさまざまな取り組みが行われています。より豊かな社会や生活を実現し、経済成長をしていくためにも、データという資源をいかに適切に流通させるかは極めて重要な問いであり、これからも注目していく必要があります。</p>
]]></content:encoded>
										</item>
	</channel>
</rss>
