データ活用の成功率・成果を高める課題設定手法:因果連鎖分析

概要

近年,AI,DX,データサイエンスなどのキーワードが声高に言われているが,ビジネス成果を生み出すのに苦戦している企業は多い。その原因は,AIやデータサイエンスなどの技術力の不足ではなく,複雑な問題の構造を解き明かし,様々な障壁を乗り越え,解決に至るまでの道筋を描く「課題設定力」にある。本講義は,他人が持つ暗黙知を引き出す「因果連鎖分析」と呼ばれる手法を用いて,課題設定を適切に行い,ビジネス成果の成功率とより大きな成果を生み出す能力を身に着けることを目的とする。授業は,講義+演習の形式で行われ,知識だけではなく実践力も重視する。/In recent years, keywords such as AI, DX (Digital Transformation), and data science have been widely discussed, but many companies still struggle to produce business results. The root cause of this issue is not a lack of technical expertise in AI or data science but rather a deficiency in "problem-setting skills"—the ability to unravel the structure of complex problems, overcome various barriers, and outline a clear path to resolution. This course aims to develop the ability to set appropriate challenges and increase the success rate and magnitude of business results by employing a method called "causal chain analysis," which draws out implicit knowledge from others. The class will be conducted in a lecture and exercise format, emphasizing both theoretical knowledge and practical skills.

目標

因果連鎖分析の基本理論を習得し,定性的・定量的な実践的スキルを会得すること。1.不明点が多く複雑に絡み合った問題に対して,ヒアリングによって暗黙知を引き出し,因果の連鎖の図として形式知化することで,問題の解決方法とその手順を明らかにする。2.前述の因果連鎖図を仮説として捉え,その正しさを立証するために,取得すべきデータを明らかにし,データサイエンス技術を用いて,その確からしさを検証する。/Acquire fundamental theories of causal chain analysis and practical skills in both qualitative and quantitative aspects. 1. For complex problems with many unknowns and intertwined factors, extract tacit knowledge through interviews and formalize it as a causal chain diagram. This helps clarify the solution and the steps needed to address the problem. 2. Treat the causal chain diagram as a hypothesis, identify the data needed to validate it, and use data science techniques to verify its plausibility.

授業外の学習

指定した情報の事前調査と内容把握,授業中に行った演習の続きとまとめ/Preliminary research and understanding of the specified information, continuation and summary of the exercises conducted during the class

所要時間: 90分程度/approximately 90 minutes