目次

序章　機械脳の時代

機械脳とは何か
データサイエンス、機械学習、そして「眠らないウサギ」
本書の位置付け
本書の構成

第１章　機械脳の解剖学

眠らないウサギの躍進は止まらない
「対岸の火事」と傍観していられる時代は終わった
必須教養としてのデータサイエンス
機械脳ができるたった３種類のこと
①可視化する／②分類する／③予測する／組み合わせる

第２章　可視化する機械脳

ケース01　本田技研工業：インターナビ
ホンダはなぜ車をセンサーにしたのか？／データの加工以前に大切な、データを選ぶセンス

ケース02　コマツ製作所：コムトラックス
コムトラックスの革新性／データ活用の範囲は連鎖的に拡大する／トップダウンでおこなわれたコマツの改革

ケース03　象印マホービン：ｉ−POT
象印の優れた着眼点／避けては通れない費用対効果の問題へのアプローチ

ケース04　日立製作所：ビジネス顕微鏡
コミュニケーション状態をどう可視化するか？／分析の厳密さは目的を無理なく達成できる範囲で

第３章　分類する機械脳

ケース05　ペイパル：不正検知
世界一犯罪者に狙われる決済インフラをどう守るか

ケース06　富士フイルム／アンセム：ガンの分類
ベテラン医師の診断精度を、いつでも・どこでも・誰でも／保険会社による診断アルゴリズムへの投資

ケース07　パチンコ・カジノ産業：顔認識技術
ギャンブルとデータの出会い／ギャンブルの胴元にとっての「顔」の価値

第４章　予測する機械脳

ケース08　エパゴギクス：映画の興行予測
映画製作に「予測」が求められるわけ／エパゴギクスのアルゴリズムを推理する

ケース09　アマゾン／楽天：購入予測とオススメ
２つの協調フィルタリングモデル／どうすれはオススメの精度を上げられるか？／楽天の社員ならどうすべきか？

ケース10　ヒューレット･パッカード：社員の退職リスク
退職率を大きく改善させた予測モデル／社内に焦点を当てる予測プロジェクトのポイント

ケース11　クライメート／プログレッシブ：保険
データの分散処理技術が可能にした自動天候保険／データ量が肝になる自動車保険

第５章　機械脳の設計レシピ

機械脳を作るABCDEフレームワーク
データサイエンス本の盲点
目的を定めるときは「SMART」に集約せよ　Ａ：Aim
よくある落とし穴／取り組みのポイント

モデルのトレードオフを乗り切れ　Ｂ：Brain
よくある落とし穴／取り組みのポイント（基本編）／取り組みのポイント（データサイエンス編）／トレードオフの最適バランスを目指すチームの会話例／速度の追求に終わりはない／クラウドソーシングでモデルを改良できる

コーディングの３つのポイント　Ｃ：Coding/Construction
よくある落とし穴と、取り組みのポイント①　プログラミング言語／よくある落とし穴と、取り組みのポイント②　クラウドサーバー・サービス利用／よくある落とし穴と、取り組みのポイント③　チームマネジメント

データとの正しい付き合い方　Ｄ：Data
よくある落とし穴／取り組みのポイント／データには２種類ある／運頼みのデータ選定から卒業しよう／データ選びの４つの基準／データ選びの基準①　Relevancy（関連性）／データ選びの基準②　Volume（データ量）／データ選びの基準③　Granularity（粒度）／データ選びの基準④　Cost Effectiveness（費用対効果）／使ってよいデータ、使ってはいけないデータ／時間の８割はデータクリーニングに／欠損値はどう扱う？

一気通貫を意識して実行する　Ｅ：Execution
よくある落とし穴／取り組みのポイント／「実行」はデータの異種格闘技戦

第６章　機械脳を可能にする組織の作り方

データサイエンティストのイメージと実際
優秀なデータサイエンティストは身近にいない、という思考停止／団体競技として取り組め

組織でデータを活用するために不可欠な３つの役割
①データGM（データジェネラルマネージャー）人材／②データサイエンティスト人材／③データエンジニア人材

データを扱う人材を育てるには
成長ポテンシャルと成長意欲のある人材の選定／成長期待値を示す／経営側もデータリテラシーを身につける／学習機会・試行錯誤の機会を与える

言ってはいけない！　コラボの墓場となるNGフレーズ集
データGMのNGフレーズ／データサイエンティストのNGフレーズ／データエンジニアのNGフレーズ

社内にいるダイヤの原石
データサイエンスを知らなかった人は、これからどうすれば活躍できるか？
まず自分自身のものの見方を疑う／データGMの必須教養／データサイエンティストの必須教養／データエンジニアの必須教養／チームワークとプロトコルを身につける

おわりに　機械脳の時代に普通の人はどう生きるべきか

人の仕事と機械の仕事の境界線は常に揺らいでいる／データサイエンスが新しい武器である以上、避けて通るのは悪手／機械に仕事を奪われるのではなく、機械を使う側に回れ／天才たちと仕事ができるように、自分の貢献領域を見つけよう

著者

加藤エルテス聡志（かとう・えるてす・さとし）
東京大学卒業。コンサルティングファーム（McKinsey & Company）、米系製薬会社等を経て、2014年に一般社団法人日本データサイエンス研究所を創設。代表理事に就任。
著書に『プログラミングは、ロボットからはじめよう！』（小学館）、『日本製造業の戦略』（ダイヤモンド社・共著）、編集協力に『日本の未来について話そう』（小学館）、『Reimagining Japan』（VIZ Media, LLC）。
TEDxTokyo Salon「教育の未来とデータサイエンス」など講演実績も多数。