AGU RESEARCH

世界を解き明かすコラム
ー 研究者に迫る ー

私たちが生きている世界には、
身近なことから人類全体に関わることまで、
さまざまな問題が溢れています。
意外に知られていない現状や真相を、
本学が誇る教員たちが興味深い視点から
解き明かします。

  • 経営学部 経営学科
  • 専門知見を社会の利益へ。
    より価値を生み出せるデータサイエンスの探究
  • 保科 架風 准教授
  • 経営学部 経営学科
  • 専門知見を社会の利益へ。
    より価値を生み出せるデータサイエンスの探究
  • 保科 架風 准教授

理論研究を通して、より普遍的なデータサイエンスを探究

データサイエンスの本質は、データ分析を通して目の前にある問題を解決することです。問題解決とは、具体的には次にとるべき行動を決めることと言えるでしょう。ビジネスで売り上げが伸びないのが問題であれば、費用をかけて広告を出す、営業の人員を増やす、などの施策を決めて行動することになります。その際、どのような選択をすべきか適切な意思決定をするためにデータサイエンスが役立ちます。重要な意思決定であるほど「本当にこれでいいのだろうか」という迷いがつきものです。また、協議では意見がなかなかまとまらないケースも珍しくありません。こうした中で客観的なデータがあれば「確かにこれを選ぶのが妥当である」ということを可視化・共有しやすくなります。問題解決に向けて決断する勇気をもたらし、合意形成の助けとなる点もデータサイエンスの価値だと考えます。

私の研究はデータ分析に用いる手法の開発で、統計的モデリングと呼ばれる分野です。統計的モデリングはあらゆるデータ分析の場面で用いられます。ある現象から取得されたデータの背後には、どのような構造があるのか。その構造を数式=数理モデルに置き換えれば、次に出てくる値、つまり将来の予測が可能です。より予測精度が高く汎用性のある統計モデルを構築するために、スパースモデリングやベイズモデリングという既存の理論を応用した新しい手法の開発に取り組んでいます。実際の現象を予測するのではなく、その予測に使える妥当なモデルはどのようなものか推定する手法であり、理論研究となります。そのため、今私が取り組んでいる研究はこんなことに役立つ、あるいは役立っているという実感は得にくいです。しかし、新しく開発した手法では、モデルの重要な構成要素を選び出す精度等が向上している事実が実験によって判明しました。これはモデル改良という研究成果の一つと言えるでしょう。

 

データの背景にある現象を表現する数式(数理モデル)を、データから求める

私たちが得られるのはデータだけであり、実際には現象を完璧に正しく認識することはできません。

そのような中では、予測精度が高く汎用性のある数理モデルをデータから求める手法

(統計的モデリング)が重要になります。

 

研究のおもしろさは多面的ですが、その中でも「世界の仕組み」のヒントが見える点に楽しさを感じます。統計学は簡単に言うと「データから知見を獲得する」ものですが、実は誰もが頭の中で行っていることを数式やデータを使って再現することとも言い換えられます。何らかの画像を見たとき、私たちはそこに人間の顔が写っているのか、それとも風景や物なのかを瞬時に判断できますが、それは「人間の顔はこういうものだ」ということを過去の経験=データから学んでいるからです。データ分析によって人の顔が写っているかどうかを判定するときも同じようなメカニズムでモデルを構築します。データ分析の手法を学んだり、改良したり、新しく開発する中で「この現象はこのようにして起こるのか」と気付いたとき、世界の仕組みに少しだけ触れられた手応えを感じます。余談ですが、統計的モデリングによって説明することができた現象のうち、最も楽しかったのは「年齢を重ねれば頭が固くなる」ことでした。

新たに開発した手法をさまざまなデータ分析に活用

最近では、開発した新しい手法を用いてバスケットボール選手のパフォーマンス評価を行いました。バスケットボールは5人対5人のゲームで、プロリーグになると各チーム常時10人程度が試合中、選手交代を繰り返しながら戦います。例えばAチームの特定の5人が、Bチームの特定の5人とコート上で対峙し、10回の攻撃を行い6点入ったとします。通常、バスケットボールは100回の攻撃あたり何点入ったかで評価するため、評価は60点です。そこで、この5人の組み合わせ=平均60点、のように原因と結果を数式で表します。こうして得失点を変数とし、選手の組み合わせや、ホームでの試合かアウェイかといったフルシーズンのデータを当てはめて、各選手の攻撃と守備における貢献度を測りました。

 

A, B, C, D, E, F, G の7人のチームから5人と、a, b, c, d, e, f, g の7人のチームから5人がコートに立った時の

100攻撃回数あたりの得点を表現した数式(数理モデル)

上記の図のように、数理モデルで現象を表現することで、どのようなモデルの係数を推定すれば

各選手の攻撃や守備の能力を評価することに繋がるのかを明らかにすることができ、

データからその評価が可能になります。

 

統計的モデリングの重要なポイントは、今ある限られたデータから、いかにその現象の全体的な傾向を掴めるかどうか。本研究は、今コートにいる選手と得失点との関係について全体的な傾向をとらえることで、選手の平均的なパフォーマンスを評価したものです。もしかするとここで挙げた要素より、運・不運や選手の体調などの方が試合の得失点に大きく影響するかもしれません。しかし、今手元にあるデータから、より客観的な判断材料を得られることは、チームのマネジメント層が選手の年俸を決めたり、他チームから選手をスカウトしたりする際に有用でしょう。

理論研究だけでなく、企業のビジネス上の課題をデータ分析で解決する共同プロジェクトにも携わっています。一事例として、ガソリンスタンドの地下にある巨大なタンクの中にどれくらいの燃料が残っているかを、データから正しく推定する取り組みを行いました。通常、地下タンクは底面から液面の高さによって残量を評価しますが、タンクが巨大なため、わずかな傾きや凹みがあるだけで評価値に狂いが生じます。そこで、過去にタンクから燃料を使用したり、補給したりした際に評価値がどのように変化したか、その傾向からタンク内の燃料の量を統計モデリングの手法を用いて量りました。この研究では、地下タンクにどの程度の燃料が本当に残っているのかが不明だったため、私の考案した手法によって問題が解決できるのかはずっとわからない状態でした。しかし、共同研究先の企業様に検証実験を行ってもらうことができ、私の手法に一定の精度があることが判明しました。担当者の方から感謝の言葉をいただくこともでき、それまでの理論研究とは一味違った達成感がありました。

企業との共同プロジェクトでは、私の専門分野ではカバーできない問題にも多く直面しますが、ふと問題を見る角度を変えると、思いのほか統計的モデリングの考え方で解決できる場合もあります。現在も企業が保有するデータの分析に携わっており、珍しいところでは、企業の従業員がデータ分析で問題を解決するための方法を開発しています。開発した手法を実際に一般の方に教える中で、より伝わりやすいアプローチを模索し続けています。研究で培ってきた知見を生かして目の前の人に喜んでもらうプロセスに、大きなやりがいを感じます。

データ分析から得た知見を社会に還元できる力を

研究では自分がおもしろいと感じ、価値があると信じられるテーマを追究しています。理論研究はゴールが見えないうえ、ある程度検討が進んでもスタート地点に戻ってしまったり、他の研究者に先を越されたりする場合があります。そのため、研究をしている時間は研究をすること自体が楽しいと思えるように心がけています。統計科学の研究の醍醐味の一つは世の中の役に立つことであり、自身の幸せと社会への貢献が一致するのはこの分野を志して良かったと思える点です。一方、企業との共同プロジェクトでは、相手の問題を解決するために何が必要なのか、そして解決の先に何が実現するのかを徹底的に考えます。どれほど高度なデータ分析を駆使しても、問題が生じている実際の現場を無視して解決に結びつくことはほとんどないからです。相手の問題を自身の問題としてとらえ、主体的に取り組める状況をつくることを大切にしています。

青山学院大学の経営学部でデータサイエンスを教えることには、大きな意義があります。今、社会ではデータサイエンティストの育成に注目が集まっていますが、私は専門的な知見を社会の利益として還元する役割が最も求められるようになるだろうと考えています。ビジネストランスレーターやデータストラテジストと呼ばれる職種です。特に重要なのがデータの分析結果を正しく理解できる能力。例えば、あるデータサイエンティストが、数あるデータ分析手法の中から私が開発したものを選び、それを用いて結果が出たとします。その分析結果はまだ単なる数字の羅列であり、そこから意味を読み取る作業が必要です。どのような手法なのか、なぜその手法なのか、ある程度理解ができないと解釈を誤る可能性が高くなります。私が育成しているのは、「この手法を用いているから、この数値はこうした解釈ができるだろう」という翻訳ができ、さらに次の打ち手を提案できる人材です。

経営学部の今年のゼミ生はデータ分析のコンペティションに出場するなど、すでに高度な手法を扱えるようになっています。従来の経営学部生のイメージからは想像できないレベルでデータ分析に精通した上で、経営学という専門性を有しています。こうしたデータサイエンスの専門家とコラボレーションできる土台を持った学生が、近い将来、社会で活躍してくれるだろうと確信しています。

 

 

いわゆる文系と言われる経営学部の学生たちですが、統計学やデータ分析手法についてゼミで勉強し、

データサイエンスによってどうやって企業の経営活動の問題を解決するのかについて研究を進めています。

あわせて読みたい

  • 『データ分析・AIを実務に活かす データドリブン思考』河本 薫 著(ダイヤモンド社:2022)
  • 『社会に最先端の数学が求められるワケ(1) 新しい数学と産業の協奏』高島 洋典、吉脇 理雄、岡本 健太郎、松江 要 著(日本評論社:2022)
  • 『社会に最先端の数学が求められるワケ(2) データ分析と数学の可能性』杉山 真吾、横山 俊一 著、高島 洋典、吉脇 理雄 編(日本評論社:2022)

青山学院大学でこのテーマを学ぶ

経営学部 経営学科

  • 経営学部 経営学科
  • 保科 架風 准教授
研究者情報へリンク

関連キーワード

関連コンテンツ

  • 国際政治経済学部
  • 経済学の視点から見る「移民」
  • 友原 章典 教授
  • 「移民」を受け入れると、仕事が奪われて賃金が低下する―。そのようなイメージを持っている方が多いのではないだろうか?しかし、経済学的な研究では「賃金にはあまり影響がない」「経済成長に寄与する」といった分析結果が示されており、一般的なイメージとは異なる「移民」の影響が浮かび上がってくる。難民や移民は大変複雑な問題だが、本コラムでは、経済学という視点から先進国への「移民」について話題を提供したい。(2016年掲載)

  • 経済学部
  • 数十年先の人口分布を町丁・字単位で予測し
    都市計画や防災計画の
    基礎となるデータを提供する
  • 井上 孝 教授
  • 人口構造の変化を長期的に見通すことは、国や自治体の政策立案において欠かせない。人口減少に拍車がかかる日本ではなおさらだ。しかし、詳細な人口推計は技術的な壁により、困難を極めた。推計エリアが狭いほど生じる数値の「ぶれ」をいかに抑えるか。井上教授はある古典的な理論を応用して画期的な方程式を編み出し、全国小地域別将来人口推計を実現させた。本コラムでは研究者の人となりに迫りながら、新手法の内容を解説する。 (2021年掲載)

  • 経済学部 経済学科
  • 経済活動が環境に与える影響を
    エンジニアリングと経済学の複眼的視点でとらえる
  • 松本 茂 教授
  • 環境経済学は、経済活動を環境への影響を含めて分析し、環境負荷低減に向け実行可能な方策を見出そうとする分野だ。理系学部から経済学の道へ進んだ松本茂教授は、エンジニアと経済学者という二つの視点からこの分野の課題に取り組む。その研究へのスタンスと共に、企業と消費者、両者の選択と行動からとらえる環境経済学の基本的な考え方や、カーボンプライシング(炭素に価格をつけ、コスト負担を課すことで行動変容を促す政策手法)に関する研究成果を紹介する。
    (2022年掲載)

関連コンテンツ

  • 法学部
  • 税金は私たちが決めよう!
  • 三木 義一 教授

  • 国際政治経済学部
  • 健康のための課税は、どれだけ効果があるのか
  • 内田 達也 教授

  • 国際政治経済学部
  • 経済学の視点から見る「移民」
  • 友原 章典 教授