施策デザインのための機械学習入門〜データ分析技術のビジネス活用における正しい考え方

この本について

仕事で「機械学習を入れたはずなのに、なぜか成果につながらない…」というモヤモヤ、けっこう多い気がします。精度は上がっているはずなのに、肝心のユーザ行動が変わらない。クリック数は伸びたけど、結局ビジネス上の改善は見えない。この本を読んで感じたのは、そのズレは技術力というより“問いの立て方”でつまずいていることがほとんどだということです。 たとえば推薦の場面で、クリックをKPIにしてしまえば一見わかりやすいけれど、クリックが「本当に興味があるから」なのか「たまたま上に出てきたから」なのかは区別できません。実際のユーザの嗜好は観測しづらく、しかもポジションバイアスがかかっている。この本は、そうした“観測できるデータ”と“本当に知りたいこと”の距離をどう埋めるかを丁寧に扱っています。予測精度を追う前に「そもそもどんな意思決定を良くしたいのか」を明確にし、観測データをどこまで信じていいのかを冷静に見直す視点が身につきます。 読みながら、自分も過去に「データが足りない」「モデルが弱い」と思い込んでいたけれど、実際は“解かせている問題が違った”だけだったなと反省しました。理想の問題設定と、手元のデータで実際に解いている問題。その二つを区別して考えられるようになるだけで、施策の設計がだいぶ変わります。 機械学習を“何となく導入している気がしている”状態から抜けたい人に刺さる一冊だと思います。