今日は色々用事があるので、軽めに思ったことを記事にしておきます。
統計・機械学習って結構便利で万能みたいな印象が多分まだまだ世の中にあって、人工知能ブーム減退期ではあるものの、未だ機械学習に対する万能感は世に根強いのかなと思っています。
で、そんな統計・機械学習の手法ってどういう所で活用するのかっていうと、
アカデミックな世界なら当然研究や実験。
ビジネスの世界であれば、様々活用場面があるわけですが、活用方式に恐らく違いがあって、自社にデータサイエンティストを持っている企業なら自社で実装。持っていない企業であれば外注を依頼したり。あと、リサーチャーやリサーチコンサルの方がクライアント企業に実装を提案する。
アカデミアでの研究や実験、企業の自社実装等であれば、用法用量を守って(!?)正しくお使いくださいという話になるわけなんですけど、
外注したり、クライアントに実装を提案する場合って結構多くの障壁があるんじゃないかなあと思いました。
スポンサーリンク
機械学習の難しさ
機械学習って、基本的には「既存のデータで一回解析して終わり」ってわけじゃないんです。
(統計学を用いた場合もそういう状況は起こりうるわけですが)
恐らく、クライアントに提案する場合は最低限、
「今回の結果はどれくらいの期間運用が可能で」、
所謂「メンテナンスをどれくらいの期間で行うか」、
そしてそのうえで「現状の正答率がどの程度」で、
「その正答率はどういうデータを使って検証したのか」
を言う必要があるんじゃないかなあと思うわけです。
そうなると、自社に機械学習運用技術を持ち合わせていない企業相手だと、実装提案以前に、
何故機械学習は運用期間があって、どういうメンテナンスを行う必要があり、その手法はどのように行うのかを全て丁寧に説明する必要が生じるなあ。
ということにまず気付き。
機械学習実装技術を備えていない企業に機械学習の実装を支援するって、もしかしてメチャメチャハードル高いのでは？と思った次第です。
システムとかだとメンテナンスの外注を請け負っているITコンサルタントの方々がいたりしますよね。データサイエンティストもそんな感じなんでしょうかね。
またデータリサーチ系のコンサルタントだと、機械学習を使わずともビジネスソリューションに関する提案って行えることが多いと思うわけですが、
その一方で、もし機械学習の実装まで提案して、それがクライアントさんに採用されて、じゃあ実装したいから機械学習に関する実装支援やメンテ支援もお願いしたいと言われたら、追加で売り上げが増えるわけじゃないですか。
それなら、極力機械学習を使った方が、受注が増えて会社が潤うわけだから、使っても使わなくてもいい場面では実装提案までしちゃおう～とか思っちゃったりしないのかな～と思えてきて。
また一方で、実装まで提案するとクライアントさんに納得してもらえないような場合もあったりするのかな～なんてのも考えてみたり。
なんかタイトルはデータリサーチコンサルの話だったのに、普通に機械学習の外注の話も混ざってしっちゃかめっちゃになってしまったような。まあいいか。
その辺ビジネスサイドはどうやって解決しているのだろう。
データサイエンティスト系のインターンにも、ちょっと参加してみようかなあ。
