SlideShare a Scribd company logo
1 of 23
Download to read offline
東京大学大学院工学系研究科	
システム創成学専攻	
大澤研究室	
データジャケット

入力方法
内容	
1.  データジャケット(Data Jacket:DJ)とは?	
2.  DJの例	
3.  DJ登録方法	
4.  参考文献
データ市場創造のための	
Innovators Marketplace on Data Jacketsプロセス	
アクション・プランニング	
・テーマを考慮したステークホルダーの選択	
・基礎データ(DJ)の収集と可視化	
・ゲーム型ワークショップの実施	
・要求とデータに基づくデータ利活用案の創出	
・実行動を促すシナリオの創出	
・分析プラン、行動プランの生成	
データジャケット	
入力	
イノベーションゲーム	
(IMDJ)	
・シナリオの実現性評価	
・ユースケースの課題検討	
データを用いた組織内・組織間の連携を通じ、データの共有、	
創造的な意思決定から新ビジネス創出を促進するプロセスの開発	
シナリオ評価
データジャケット	
p  データジャケット(DJ)は人間が読むことを前提としたデータの概要情報	
p  自然言語で記述され、構造化されている	
p  データの中身ではなく、概要情報(変数名、保存形式、収集方法など)を共有し、
データの利用価値を検討可能にする	
p  個人情報を含む共有不可能なデータでも、DJにすることでセキュリティ上のリスク
を低減させて情報が共有可能となる	
p  構造化によって、人間だけでなく計算機においても可読化	
p  1600件以上のDJが収集・登録されており、データの概要情報として入手できる
(2017年7月現在) 	
4	
Data Jacket(Ohsawa et al., 2013)	
DJとして	
記述
データジャケット	
CSV, XLS	
(例)国別のGDPデータ、行政のデータ	
txt	
(例)癌患者へのインタビューデータ	
RDB	
(例)主要地点の交通量	
XML, HTML	
(例)日本の火山データベース	
5	
CSV, XLS
45%	
txt
20%	
Markup
Language
11%	
PDF
9%
RDB
8%	
shape
4%
RDF/OWL
3%
その他	
0%	
n=864	
共有可	
(例)オープンデータ、研究成果(論文)など	
限定的に共有可	
(例)原油生産事業データベース、秋田美人に関するデータ	
交渉により共有可	
(例)手術室内移動データ、dアニメストアのウィークリーランキング情報	
購入により共有可	
(例)オンライン記事、Twitterのテキスト、消費者の特定商品購入実績データ	
共有不可	
(例)自動車の点検履歴データ、マス広告のTRP時系列	
	
共有可	
55%	
交渉	
14%	
限定	
9%	
共有不可
9%
未定	
6%	
購入	
6%
研究目的	
1%	
	
その他	
1%	
n=838
DJの可視化	
<DJ52: 個人行動データ>
<DJ173: 美容サイトのランキングデータ>
<DJ267: 災害時のニーズ>
<DJ298: sleep meisterによる睡眠時のパーソナルデータ>
<DJ334: CSRに関する消費者アンケートデータ>
<DJ336: recereco(家計簿スマホアプリ)>
<DJ350: ウェザーリポート>
<DJ412: 母子手帳の記録>
<DJ420: クックパッドデータセット>
<DJ650: 価格.com テレビ紹介情報(ホテル・温泉旅館)>
<DJ682: 朝日新聞記事データ>
<DJ722: 犯罪発生数>
<DJ816: 自殺対策に関する意識調査>
<DJ818: 労働者健康状況調査>
<DJ839: 働くマザーのストレス調査報告書>
<DJ812 特許公報データ>
<DJ837 無料公衆無線LANスポット>
<DJ838 日本食品標準成分表>
<DJ850 熊本県観光来客数データ>
<DJ374: 学生側が企業に求められていると思うものデータ>
<DJ531: 初乗り・最終降車駅間移動人員表(首都圏・初乗り駅別)>
<DJ617: 建設投資の動向について>
<DJ638: 金融システムレポート>
<DJ664: 国税庁統計年報>
コミュニケーション
会員
対象
評価
父親
PDF
研究所
公開
仕事
同居者
旅行
割合
糖
項目
関心
栄養
社会
推進
習慣
確保
喫煙
名称
経度
予防
分析
状況
平均
基礎
公表
国際
指導
年代
母親
施設
まとめ
登録
法
株式会社
手続き
機関
結婚
感じ
テキスト
資料
経過
国民
環境
動向
統計
料金
場所
発生
利用者
ランキング
起床個人
状態
年度
メモ
記録
推移
睡眠
体重
関連
行動
ホテル
旅館
度
アンケート
運営
ダウンロード
DJ概要からのキーワード
変数ラベルからのキーワード
一般的に共有可
範囲を限定して共有可
条件付・交渉により共有可
購入により共有可
研究目的においてのみ共有可
共有不可
その他
データ利活用方法検討ワークショップの手法	
p  データ利活用に対する人間の創造性とデータの価値発見を支援するワークショップ手
法(Ohsawa et al., 2013)	
p  参加者同士のソリューションの評価により、データ保有者は自身のデータを公開する
ことなく活用方法を知り、利用者と取引に関する交渉を開始できる。	
7	
Innovators Marketplace on Data Jackets(IMDJ)	
保有者:	
DJを提供	
利用者:	
要求を提起	
提案者:	
利活用案を提案
DJ登録までの5ステップ(約15分)	
DJ登録サイト	
DJ登録フォーム	
プロフィール記入	
データ概要情報の記入	
完了!	
1〜2分	
1〜2分	
7〜10分	
EASY !!
DJ登録方法	
(Step1)	
DJサイトを開いてみましょう(https://sites.google.com/site/datajackets/).
DJ登録方法	
(Step2)	
「DJを登録する」アイコンをクリック。
DJ登録方法	
(Step3)	
言語を選択して下さい(英語or日本語).
DJ登録方法	
(Step3-1)	
プロフィールを入力して下さい(お名前・メールアドレス)	
ü 個人情報は厳重に管理しています。	
ü プロフィールはDJを管理するために用います(公開はされません)。
DJ登録方法	
(Step3-2)	
ご自身のデータの概要情報を記入して下さい。	
ü  データジャケット名(必須)	
ü  データの概要説明(オプション)
DJ登録方法	
(Step3-3)	
ご自身のデータの概要情報を記入して下さい。	
ü  データの所在・所有者(オプション)	
ü  データの収集方法やコスト(オプション)
DJ登録方法	
(Step3-4)	
ご自身のデータの概要情報を記入して下さい。	
ü  データの共有条件(オプション)
DJ登録方法	
(Step3-5)	
ご自身のデータの概要情報を記入して下さい。	
ü  データの種類(オプション)
DJ登録方法	
(Step3-6)	
ご自身のデータの概要情報を記入して下さい。	
ü  データの保存形式(オプション)
DJ登録方法	
(Step3-7)	
ご自身のデータの概要情報を記入して下さい。	
ü  データの変数(パラメーター)(必須)	
データの繋がりを可視化したり、発見する上で重要な
情報となりますので、ぜひご記入下さい。
DJ登録方法	
(Step3-8)	
ご自身のデータの概要情報を記入して下さい。	
ü  データの分析プロセス(オプション)	
ü  データの分析結果概要(オプション)
DJ登録方法	
(Step3-9)	
ご自身のデータの概要情報を記入して下さい。	
ü  通常の分析以外に期待する分析方法(オプション)
DJ登録方法	
(Step3-10)	
ご自身のデータの概要情報を記入して下さい。	
ü  自由記述コメント(オプション)	
ü  入手したいデータ・ツール(オプション)
DJ登録方法	
(Step4)	
データジャケットの公開範囲を選択して下さい。	
「DJを公開する」を選択していただいたほうが、ご自身の
データをより多くの人に知ってもらうことができます。
参考文献	
1.  Y. Ohsawa, H. Kido, T. Hayashi, and C. Liu, “Data Jackets for Synthesizing Values in the Market of Data,” 17th
International Conference in Knowledge Based and Intelligent Information and Engineering Systems, Procedia Computer
Science Vol.22, pp.709-716, 2013.	
2.  Y. Ohsawa, C. Liu, Y. Suda, and H. Kido, “Innovators Marketplace on Data Jackets for Externalizing the Value of Data via
Stakeholders’ Requirement Communication,” AAAI 2014 Spring Symposium on Big data becomes personal: Knowledge
into Meaning, AAAI Technical Report, pp.45-50, 2014.	
3.  Y. Ohsawa, H. Kido, T. Hayashi, C. Liu, and K. Komoda, “Innovators Marketplace on Data Jackets, for Valuating, Sharing,
and Synthesizing Data,” Knowledge-based Information Systems in Practice, Smart Innovation, Systems and
Technologies, Tweedale, W.J., Jain, C.L., Watada., J., and Howlett, R. (eds), Springer International Publishing, Vol.30, pp.
83-97, 2015.	
4.  Y. Ohsawa, C. Liu, T. Hayashi, and H. Kido, “Data Jackets for Externalizing Use Value of Hidden Datasets,” 18th
International Conference in Knowledge Based and Intelligent Information and Engineering Systems, Procedia Computer
Science, Vol.35, pp.946-953, 2014.

More Related Content

What's hot

What's hot (13)

ビジネスに役立つデータ分析
ビジネスに役立つデータ分析ビジネスに役立つデータ分析
ビジネスに役立つデータ分析
 
Big data harvardbusiessreview20121112
Big data harvardbusiessreview20121112Big data harvardbusiessreview20121112
Big data harvardbusiessreview20121112
 
DMBOKをベースにしたデータマネジメント
DMBOKをベースにしたデータマネジメントDMBOKをベースにしたデータマネジメント
DMBOKをベースにしたデータマネジメント
 
Tokyo webmining資料LT20140726用
Tokyo webmining資料LT20140726用Tokyo webmining資料LT20140726用
Tokyo webmining資料LT20140726用
 
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
データサイエンティストとは? そのスキル/ナレッジレベル定義の必要性
 
第3回広告貢献度可視化セミナー 第1部 スライド資料
第3回広告貢献度可視化セミナー 第1部 スライド資料第3回広告貢献度可視化セミナー 第1部 スライド資料
第3回広告貢献度可視化セミナー 第1部 スライド資料
 
サークルスクエア 〜資金を調達せず、プロダクトを育て続けた18年の記録〜
サークルスクエア 〜資金を調達せず、プロダクトを育て続けた18年の記録〜サークルスクエア 〜資金を調達せず、プロダクトを育て続けた18年の記録〜
サークルスクエア 〜資金を調達せず、プロダクトを育て続けた18年の記録〜
 
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
 
デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向
デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向
デジタルトランスフォーメーション(DX)におけるソフトウェアの側面とダイバーシティ・インクルーシブに関する研究実践動向
 
機械学習の精度と売上の関係
機械学習の精度と売上の関係機械学習の精度と売上の関係
機械学習の精度と売上の関係
 
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からーコグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
コグニティブ・ファクトリーの実像とIoT時代に求められるデータ・サイエンティストとは?ー製造業の視点からー
 
データアカデミーの活動紹介
データアカデミーの活動紹介データアカデミーの活動紹介
データアカデミーの活動紹介
 
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
[INEVITABLE ja night] 2019 年 3 月 1 日 - データでカスタマーエクスペリエンスを どう捉えるか
 

Similar to データジャケット入力方法

DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
Sho Nakamura
 
IA Workshop, Introduction to Information Architecture (2002)
IA Workshop, Introduction to Information Architecture (2002)IA Workshop, Introduction to Information Architecture (2002)
IA Workshop, Introduction to Information Architecture (2002)
Nobuya Sato
 

Similar to データジャケット入力方法 (20)

2020/05/18 Alibaba cloud AIソリューションセミナー
2020/05/18 Alibaba cloud  AIソリューションセミナー2020/05/18 Alibaba cloud  AIソリューションセミナー
2020/05/18 Alibaba cloud AIソリューションセミナー
 
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐
 
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
 
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
 
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点- 『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
 
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
 
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
 
【3時間で学ぶ! スモールサクセス型 『カスタマージャーニー分析』】 slideshare公開用
【3時間で学ぶ! スモールサクセス型『カスタマージャーニー分析』】 slideshare公開用【3時間で学ぶ! スモールサクセス型『カスタマージャーニー分析』】 slideshare公開用
【3時間で学ぶ! スモールサクセス型 『カスタマージャーニー分析』】 slideshare公開用
 
kintone Cafe 新潟 Vol.3
kintone Cafe 新潟 Vol.3kintone Cafe 新潟 Vol.3
kintone Cafe 新潟 Vol.3
 
20180730 ds womens
20180730 ds womens20180730 ds womens
20180730 ds womens
 
オープンデータを使った新しいビジネスモデルの可能性(データビジネス創造フォーラム)
オープンデータを使った新しいビジネスモデルの可能性(データビジネス創造フォーラム)オープンデータを使った新しいビジネスモデルの可能性(データビジネス創造フォーラム)
オープンデータを使った新しいビジネスモデルの可能性(データビジネス創造フォーラム)
 
可視化法学(Found it project#9)
可視化法学(Found it project#9)可視化法学(Found it project#9)
可視化法学(Found it project#9)
 
DataEngConf NYC’18 セッションサマリー #1
DataEngConf NYC’18 セッションサマリー #1DataEngConf NYC’18 セッションサマリー #1
DataEngConf NYC’18 セッションサマリー #1
 
[Gree] DataEngConf NYC’18 セッションサマリー #1
[Gree] DataEngConf NYC’18 セッションサマリー #1[Gree] DataEngConf NYC’18 セッションサマリー #1
[Gree] DataEngConf NYC’18 セッションサマリー #1
 
IA Workshop, Introduction to Information Architecture (2002)
IA Workshop, Introduction to Information Architecture (2002)IA Workshop, Introduction to Information Architecture (2002)
IA Workshop, Introduction to Information Architecture (2002)
 
San Diego Japan Bio Forum: ライフサイエンス向けデータ可視化技術の現状
San Diego Japan Bio Forum: ライフサイエンス向けデータ可視化技術の現状San Diego Japan Bio Forum: ライフサイエンス向けデータ可視化技術の現状
San Diego Japan Bio Forum: ライフサイエンス向けデータ可視化技術の現状
 
Find Your Ability: IA for a novice Web Creator
Find Your Ability: IA for a novice Web CreatorFind Your Ability: IA for a novice Web Creator
Find Your Ability: IA for a novice Web Creator
 
初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
 
自由と統制のバランス_分析基盤のアプローチ
自由と統制のバランス_分析基盤のアプローチ自由と統制のバランス_分析基盤のアプローチ
自由と統制のバランス_分析基盤のアプローチ
 
Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
Data × AI でどんな業務が改善できる? ​製造業様向け Data × AI 活用ユースケース & 製造MVPソリューションのご紹介
 

データジャケット入力方法