AI時代のデータリテラシー

問いの中に答えが入っています。AIが代わりに分析してくれるなら、その分析が正しいかどうか、それで何をするかを決めるのはあなたです。評価と適用というその二つの行為が、今のデータリテラシーです。数式やグラフ作りのような機械的な部分は、単独の価値を本当に失いました。解釈の部分は価値が上がりました。検証されていない分析が今やあふれているからです。解釈と検証の半分は深く学び、ツールを扱う半分は仕事に必要な分だけ学べば十分です。

数学の素養ではなく、少数の統計の考え方が必要です。仕事の大半をこなす概念は、やさしい言葉で理解できます。平均はばらつきを隠し、サンプルは母集団を誤って代表しうるし、相関は因果ではなく、パーセントには分母が必要で、小さな数字は大きく揺れます。現実世界で高くつくデータの間違いの大半は、高度な手法ではなく、このどれかに関わっています。役割が分析そのものに移るなら、正式な統計学が価値を持ちます。分析を問いただし適用するだけなら、いくつかの概念と慎重な推論でほとんどの状況に対応できます。

誰もデータと呼ばないだけで、ほぼすべての仕事はデータを生み出しています。スケジュール、依頼、応答時間、在庫、苦情、出欠などです。チームが今、逸話だけで語っている何かを数えることから始め、一か月追跡してみてください。本当に何もなければ、関心のあるテーマの公開データセットで十分ですし、ニュースの中の統計は無料の毎日の練習問題です。何を測り、何が欠けているかを問う習慣はそのまま持ち越せるので、素材の不足が本当の障害になることはめったにありません。