”連環データ分析”の利点と効用と特徴
•
0 likes•350 views
”連環データ分析”の利点と効用と特徴を説明。 "利点"は使う方の利点(ベネフィット)、"効用"応用する領域で発揮される効用(アドバンテージ)、”特徴”は先行知見を超えた技術(フィーチャ)。 テキスト＆データの統合マイニングが可能な連環データ分析のコア・アプリである”コンセプト・コンパス・チャート”と、"マッチング・マッチング・マインド・マップ"も簡単にご紹介しました。
Recommended
More Related Content
More from DataCakeBaker corp
More from DataCakeBaker corp (16)
Recently uploaded
Recently uploaded (11)
”連環データ分析”の利点と効用と特徴
- 1. Clustering by Concept Compass Chart Mediation by Matching Mind Map 2019年1月8日 データ・ケーキベーカ株式会社 ～ 意味を一元化尺度でガイド・マップ化し、 効率的マッチングをデザインする～ “連環データ分析の応用” 2019 © Data Cake Baker Corporation 連環データ分析へのご案内 ベネフィット、アドバンテージ＆フィーチャ Dual ComBine Analysis
- 3. 連環データ分析とは：ベネフィット ■利用したヒトが得られるベネフィット は、 •多様なステークホルダー達が意味ある情報をデータで共有し、議論 して役立つ知識化。 •サービスで重要な言葉による構成要因の意味を１元化尺度で分 解・組立・操作を可視化。 •現状の俯瞰的理解と、目的と手段を結ぶアイデアやコンセプトのデ ザイン発想を支援。 •ボリュームは多いが情報量過疎な、薄いビッグデータから情報圧縮し 知識を発掘を支援。 多様なステークホルダーが意味ある情報をデータで共有し、コンセプト・コンパス チャートでサービスで重要な言葉による構成要因の意味の分解・組立・操作を可 視化し議論し、役立つ知識化することを支援します。 現状の俯瞰的理解と、目的と手段を結ぶアイデアやコンセプトのデザインの発想 を、マッチング・マインド・マップで支援し、嵩は多いが情報量過疎で薄いビッグデー タから情報圧縮し知識を発掘を支援します。 3 2019 © Data Cake Baker Corporation Dual ComBine Analysis
- 4. 連環データ分析とは：アドバンテージ ■応用分野を決めた時のアドバンテージ ・・・ベネフィットの理由 • データマイニングとテキストマイニングを統合した少量でも厚いデータか ら、事象の深い理解を得る。 •問題を探索的に分析したいか、正解やＫＰＩがある確証的で規範 的な分析をしたいか等の多様で広い利用領域をカバーできる。 • 事象の全貌を俯瞰したい時、サブジェクトとアトリビュートを同時布置 して、整合性の採れた同時クラスタリングが実現できる。 •個別独立に存在していたデータを、個別ＩＤのインシデンタル・プロファ イルの複数のクロス表でフュージョンして、統合的に分析可。 •データマイニングとテキストマイニングを統合し、少量でも厚いデータで正解が無い探 索問題や、ＫＰＩや最適値がある確証的で規範的な分析をする等の多種多様で 広い利用領域を１個の理論と統合ソフトでカバーできる。 •事象の全貌を俯瞰したい場合、個別独立に存在していたデータを、個別ＩＤで突 合し、インシデンタル・プロファイルの複数のクロス表でフュージョンし、サブジェクトとアト リビュートを同時布置し、整合性が採れ納得できる同時クラスタリングができる。 4 2019 © Data Cake Baker Corporation Dual ComBine Analysis
- 5. 連環データ分析とは：フィーチャ ■先行研究にない世界初のフィーチャ ・・・アドバンテージの根拠 • サブジェクトとアトリビュートを同一空間上に同時布置し全貌を俯 瞰する。 • コアなサブジェクトやアトリビュートを共有する複数のクロス表の統合 解析。 • 質的・量的・言葉等の多様なデータタイプのデータを統合的に扱え る。 • 規範的モデルが持つ情報量制約を超えた機械学習による多次元 表現法。 •コアなサブジェクトやアトリビュートを共有する複数のクロス表の統合し、サ ブジェクトとアトリビュートを同一空間上に同時布置し全貌を俯瞰できます。 • 質的・量的・言葉等の多様なデータタイプのデータを統合的に扱うことが でき、規範的モデルが持つ過剰適合やモデルの脆弱性等の情報量制約を 超えた機械学習による多次元表現法が可能です。 5 2019 © Data Cake Baker Corporation Dual ComBine Analysis
- 7. ・「お酒」から「発酵」を引くと「お米」に戻ります。それに「蒸溜」を加えると「焼酎」になります。同じことが「ウイス キー」でも「ワイン」でも計算することができます。ここで、計算は、ベクトル合成演算によって行われております。 ・2つのアイテムの距離は、コサインθで、重なれは+1、逆方向なら-1となり相関係数と同じです。つまり、[焼 酎｝＝［お酒｝-［発酵｝+［蒸溜」。 ・この図の上部の青枠は、いわば”お米文化”で、下部は”ブドウ文化”と解釈できます。 ・左側はいわば”蒸溜酒”カテゴリーで、右側は”発酵酒”カテゴリ等とコンセプト化ができます。 ・コンセプトやカテゴリは、その集合を構成する要素の共通属性で規定されます。 コンセプト・コンパス・チャートの考え方と応用 Item 大麦 お米 ブドウ 蒸溜 発酵 ワイン 0 0 1 0 1 ブランデー 0 0 1 1 0 お酒 0 1 0 0 1 焼酎 0 1 0 1 0 ウイスキー 1 0 0 1 0 ビール 1 0 0 0 1 (入力データセット) ・インシデンタル・プロファイル・クロスデータ例 ・アルコール飲料の原料と処理のレシピが[0,1]のクロス 表データで表現されています 2019 © Data Cake Baker Corporation Dual ComBine Analysis
- 9. 9 連環分析の手順 ・ものごとを対になるアイテム同士の2項関係で捉え、そこから意味のあ る情報を読みとる。 ・主題となる集団と説 明する集団を構成す るアイテムの連環度 をクロス表で示す。 ・似たアイテム同士が 近くなるように情報を 圧縮し座標を計算する。 ・各集団のアイテムを 同時布置し、同時クラ スタリングを行う。 ・クラスタの特徴を説 明する要因軸を主題 と説明のアイテムの 組合せから読む。 ・主題となる集団の関 心アイテムの特徴を所 属クラスタと関連クラス タの関係から読む。 2019 © Data Cake Baker Corporation Dual ComBine Analysis
- 10. リアル・ファクト・ データ モデル化 ＦＤＳあ ＶＣＸＺ ＴＲＷＱ 4321 モデルへの数値実装 モデルによるシ ミュレーション ・全ての事象には、抽象化してモデル化し、データ実装してシミュレーションして、始 めて本質に切迫できる！ ・だれでもデータを読み、書き、意図を説明できるデータ・パテシエを支援します。 10 2019 © Data Cake Baker Corporation Dual ComBine Analysis何故データか、なぜ連環データ分析か？
- 11. モノゴトを機械可読型のデータとするＲＤＦ (Resource Definition Framework ) ・RDFは、リソースの関係を主語（Ｓ）、述語（Ｐ）、 目的語（Ａ）という3つの要素（トリプル）で表現し ます。トリプルの集合はRDFのグラフと呼ばれます。 トリ プルは「主語・目的語間の関係のステートメント （文）」を表すとされています。 ・このトリプルを、ＵＲＩアドレスとすると、アイテムがリン クを持ったＲＤＦモデルとして、さらに深い、ダイナミック なコンピューテングが可能となる 11 鶏の肉 軽い肉 である Subject Predict Attribute 軽い肉(A1) 重い肉(A2) 鶏の肉(S) である（1） でない（0） ・原始命題：主語S⇒述語P+目的語A ・人間は、多くのアイテムから成り立つデータの全体の意味をすぐ理解するのは難しい。 ・意味はアイテム間の関係の中にあるが、人間は、２項関係に落とし込んでしか捉えられない。 ・ただ、２項を結んでその関係の性質を説明する第３の項が必要で、結局、３項関係となる。 （注：Ｂ．ラッセル「外部世界はいかにして知られうるか」） ・文章における言葉は、連環し合いながらネットワークを作り、言葉の集合の場でグリッドを形成し、コミュニケー ションのコンテキストを形成している。 2019 © Data Cake Baker Corporation Dual ComBine Analysis イメージを計算処理できるのは、言葉とその構造だけである
- 12. クロス表には、多様な意味がある ・クロス表は、縦で見るか、横でみるか、全体で見るか？ ストーリーが幾つもできます。 ・連環データ分析は、全体を一度に捉えます。 高い 近い きれ い 赤い 緑 白い 合計 富士山 3 1 3 2 0 4 13 高尾山 2 4 2 2 3 0 13 嵐山 1 3 2 3 2 0 11 北岳 2 0 1 0 1 3 7 合計 8 8 8 7 6 7 44 高い 近い きれ い 赤い 緑 白い 合計 富士山 38 13 38 29 0 57 30 高尾山 25 50 25 29 50 0 30 嵐山 13 38 25 43 33 0 25 北岳 25 0 13 0 17 43 16 合計 100 100 100 100 100 100 100 高い 近い きれ い 赤い 緑 白い 合計 富士山 23 8 23 15 0 31 100 高尾山 15 31 15 15 23 0 100 嵐山 9 27 18 27 18 0 100 北岳 29 0 14 0 14 43 100 合計 18 18 18 16 14 16 100 高い 近い きれ い 赤い 緑 白い 合計 富士山 1.3 0.4 1.3 1.0 0.0 1.9 1.0 高尾山 0.8 1.7 0.8 1.0 1.7 0.0 1.0 嵐山 0.5 1.5 1.0 1.7 1.3 0.0 1.0 北岳 1.6 0.0 0.8 0.0 1.0 2.7 1.0 合計 0.8 0.8 0.8 0.8 0.8 0.8 0.8 ①オリジナルデータ（全体で数字の大きなものをマーク） ②列を100と基準化したデータ（列の中で大きなものをマーク） ③行を100と基準化（全体で数字の大きなものをマーク） ④列と行の出現比率を規準として実現値が何倍か？ 12 2019 © Data Cake Baker Corporation Dual ComBine Analysis
- 13. 連環データ分析（Data ComBine Analysis）とは ■利用者が得られるベネフィット は、 ・多様なステークホルダー達が意味ある情報をデータで共有し、議論して役立つ知識化。 ・サービスで重要な言葉による構成要因の意味を１元化尺度で分解・組立・操作を可視化。 ・現状の俯瞰的理解と、目的と手段を結ぶアイデアやコンセプトのデザイン発想を支援。 ボリュームは多いが情報量過疎な、薄いビッグデータから情報圧縮し知識を発掘を支援。 ■応用上のアドバンテージ は、 ・データマイニングとテキストマイニングを統合した少量でも厚いデータから、事象の深い理解を得る。 問題を探索的に分析したいか、正解やＫＰＩがある確証的で規範的な分析をしたいか等の多様で 広い利用領域をカバーできる。 ・事象の全貌を俯瞰したい時、サブジェクトとアトリビュートを同時布置して、整合性の採れた同時クラ スタリングが実現できる。 ・個別独立に存在していたデータを、個別ＩＤのインシデンタル・プロファイルの複数のクロス表でフュー ジョンして、統合的に分析可。 その理由は、 その根拠は、 「連環データ分析」は、世界に先駆けて日本で生まれたテキストマイニングとデータマイニングを統合した分析法 13 2019 © Data Cake Baker Corporation Dual ComBine Analysis ■先行研究にないフィーチャ は、 ・サブジェクトとアトリビュートを同一空間上に同時布置し全貌を俯瞰する。 ・コアなサブジェクトやアトリビュートを共有する複数のクロス表の統合解析。 ・質的・量的・言葉等の多様なデータタイプのデータを統合的に扱える。 ・規範的モデルが持つ情報量制約を超えた機械学習による多次元表現法。
- 14. 連環性分析 相関性 多重回帰性 多重対応性 類似性 連環性（相互） ・複数アイテム ・２種の定量属 性 ・2種の属性同 士の関係 ・複数のアイテム ・1種の定量目的属 性と ・多種の定量・定性説 明属性との関係 ・複数のアイテム ・1種の定性目的属 性と ・多種の定性・定量説 明属性との関係 ・2つのアイテム ・多種の定量属性 ・2つのアイテム同 士の関係 ・複数のアイテム ・多種の定性・定量属性 ・アイテム同士と属性同士、 およびその相互関係 ・複数アイテム全 体の大小の類似 性 ・相関係数（相 関度） ・目的属性に対するア イテム全体の説明属 性による説明性 ・説明精度(回帰度) ・目的属性に対するア イテム全体の説明属 性による説明性 ・対応性（対応度） ・一対のアイテム間 の多次元類似性 ・多次元相関 （多次元相関係 数：COSθ） ・複数のアイテム間全体、多 種の属性間全体、および相 互類推性 ・連環度（V-ヴァリュー） ２種の定量属 性を持った、一 組の集合 多種の定量・定性属 性を持った、一組の集 合 多種の定量・定性属 性を持った、一組の集 合 多種の定量属性を 持った、一組の集 合 多種の定量・定性属性を 持った、（複数）組の集合 アイテム数行Ｘ2 行列のクロス表 アイテム数行Ｘ総属 性数列のクロス表 アイテム数行Ｘ総属 性数列のクロス表 2行Ｘ総属性数 列のクロス表 アイテム数Ｘ総属性数列の クロス表 （この組が複数でも可） 14 2019 © Data Cake Baker Corporation Dual ComBine Analysis
- 15. 適 用 事 例 食品業界 ・新製品のキャッチフレーズ ・ファーストフードの新コンセプト 製造業 ・機械設計者用知識ナビゲータ ・新製品開発のためのコンセプトデザイン ICT業界 ・ビジネスアイデア開発ファシリテータ支援 ・講演内容の構造化とナビゲーション研究 NPO/NGO ・会員の活性化のための活動内容 ・暮らしたい街、働きたい街のイメージポジショニング 教育/学会 ・学園の再開発におけるボトルネックイメージ分析 ・研究アーティクルのテーマ領域の遷移分析 メディア ・メディア接触行動ログ分析によるビジネス評価法開発 ・地域メディアのコンテンツニーズ探索 15 建設業界 ・郊外の街のコンセプトデザイン ・東京の旧い街の再開発コンセプト 知識創造の場 ・知識創造の場(ba)のアーキテクチャ探索 ・イノベーションの駆動目標デザイン 地域振興 ・地域の花火大会の成功要因の探索 ・文化遺伝子のデザイン活用システム 社会・技術・景気 ・未来年表の潜在的フレーム探索 ・内閣府景気ウオッチャーの時系列解析 エネルギー・環境 ・季節・時刻帯別家庭の消費電力パターン ・プロセス型工場の消エネプログラム開発 2019 © Data Cake Baker Corporation Dual ComBine Analysis
- 16. イノベーションプロセスのフェーズとデータ分析 データでイノベーションは加速できる ・・・連環データ分析：Data ComBine Analysis は現在応用法開発中。 16 プロジェクト フェーズ 従来型データ分析法 問題タイ プ 弱点 P h. 1 テーマ探索 Projecting ・主成分分析 ・多重対応分析 ・クラスタ分析 質・量 データで 探索 データタイプ別 扱いが必要 P h. 2 コンセプト・デザ インPlanning ・完備母数型実験計画 ・不完備型直交配列 ・混合配列有限集団計 画 データを 計画し 実験 細分化された計 画法 P h. 3 実装デザイン Programmi ng ・多重回帰分析 ・潜在構造分析 ・多重クロス集計分析 教師有 り、実績 データ分 析 過学習、モデル の脆弱性 P h. 4 社会拡散管 理 Penetrating ・解析用・管理用管理 図 ・多重コックス回帰 ・多重指数時系列分析 規準設 定、予 測、診 断、対 応 リスク評価に弱 い P h. 5 資本位相転 換準備 prospecting ・マルコフ連鎖分析 ・価値観遷移過程 ・市場成熟度分析 フェーズ・ シフト診 断 発展途上領域 ・イノベーションプロセスのF-CAP Systemと桃 太郎伝説の５段階ステップ ・連環データ分析は、ほぼすべてのフェーズに適 応可能性あり Ph.1. 志を立て目 標に思い立つ Ph.3. 敵 の城 に 辿り着く Ph.2. チームを編 成する Ph.4. 城 を 攻 め 落とす Ph.5. 宝物を獲 得して帰還の旅へ ・サル、キジ、 イヌを仲間 にする ・イヌが桃太郎 を、キジがサルを 背負って河を越 える ・キジが鬼の眼を、 サルが裏から城門 を明け、イヌが脛に 喰い着く ・ 金 銀 財 宝 を獲得、鬼ど もを降参させ る ・村に還ってみ んなに配る。鬼 は実は外国の 技術者で村は 豊になった 2019 © Data Cake Baker Corporation Dual ComBine Analysis
- 17. 17 1990年代 2000年代 2010年代 上位システム （サービス機能） 検索ポータル システム レコメンデーション システム ソーシャルBI システム 中位システム （サポート エンジン） 人気ゾーン優先配置 Google Search： 有向性ネットワークマトリックス の固有値分解による優先順 位付け Dual ComBine Analysis 複数の連結度マトリックスネッ トワーク特異値分解の連結に よる情報集約 下位システム （理論） 人為的感覚的 デザイン ＆ 多種多様なコンテンツ クラウドコンピューテング： １００億ページのWebデータ, 1,000万台のクラスタサーバ 知識成長型P2P連携 プラットﾌｫｰﾑ ・オープンなソーシャル・ビジネス・インテリジェンスの時代。 ・あらゆるデータは、関心のあるデータと連環して意味情報となり、人を変える情報と連環して 役立つ知識となる。 ・だれでもデータを読み、書き、意図を説明できるデータ・パテシエを支援します。 ・サーチからレコメンドへ、レコメンドからマッチングへ、そしてソーシャルBIを実現する場を構築 し、強い駆動目的を設定して、座を建てる !! インターネットのキーテクノロジーは？ 2019 © Data Cake Baker Corporation Dual ComBine Analysis
- 18. ・URL: http://www.dcb.co.jp/ ・データ・ケーキベーカ 株式会社 ありがとうございました。 18 2019 © Data Cake Baker Corporation