データ分析とデータ操作 (データ分析、データマイニング、データ操作の違いは何ですか?)

データ分析、データマイニング、データ操作の違いは何ですか?

著者: ダウン・トゥ・アース・アカデミー

かつて私は手術のために家族に付き添って病院に行き、医師、検査技師、看護師たちと丸一週間を過ごしました。突然、この関係はデータ分析、データマイニング、データ操作と非常に似ていることに気付きました。新しい生徒がすぐに理解できるように、これにマークを付けました。

医者になるには、たくさんの本を読み、少なくとも博士号以上を取得し、何年間もインターンシップをする必要があることは誰もが知っています。しかし、これらの高学歴の学者たちは、さまざまな奇妙な患者に直面する可能性がある。患者たちは理解できない方言で話し、さまざまな医学用語を理解できず、自分の病状について不平を言いながらも、それをはっきりと説明できなかった。しかし、彼らはその請求書にうるさく言った。「ただの腹痛なのに、なぜこんなにたくさんの検査を受けなければならないのか？」 ? ?病院はあなたからお金を騙し取ろうとしているだけです!

オ(╥﹏╥)オ

それで、私は冒頭で言いました。医者になる前に、医療は技術的な仕事です。医者になると、医療は完全にビジネスの仕事になります。病気の治療は間違いなく専門的な技術です。本当に病気を治したいのであれば、次のことが必要です。

ためらいがちな状況の説明から、現状を把握し、本当の問題を特定します。
原因を正確に特定し、臨床検査と臨床経験を活用して原因を見つけます。
患者の経済力に基づいて、患者が受け入れられる治療計画を設計します。

白血球数が多いときに抗炎症注射をしたり、赤血球数が少ないときに複合多糖類を摂取したりしても、これらすべては解決できません。また、患者が来て「お腹が痛い」と言ったときに胃薬を処方するだけでは解決できません。また、腕からXX栄養ジュースを取り出し、これがすべての病気を治すことができる、病気が治らないなら摂取量が足りなかったということなので用量を増やす必要がある、と言っても解決できません。このようなことをするのはねずみ講詐欺師だけです。医師が行う必要があるのは、コミュニケーションを取り、計画を立て、仮定を検証し、問題を分析し、患者の経済的/感情的資源を考慮し、包括的な解決策を設計することです。

もちろん、医師にとっても、私たちのような患者に出会うなど、幸運なときもあります。医師がどこに違和感があるか尋ねると、彼は一度も愚痴をこぼさず、正確に答えた。「昨日の朝9時ごろからめまいがして、吐きそうになりました。今のところ改善は見られません。私も頸椎の弱さで同じような病歴があります。」しかし、良い患者を見つけるのは難しいので、やはり自分の力に頼るしかありません。

問題解決に対するこれらすべてのアプローチは、データアナリストのアプローチと非常によく似ています。データアナリストはデータ、統計、プログラミング、ビジネスなどの知識を理解していますが、実際に直面するビジネス上の問題は複雑で入り組んでいます。企業が運営上の問題に直面した場合、悪い指標の原因がプロモーション不足や新製品の発売不足にあると断言できる人はいません。体系的な診断が必要です。

さらに、データ分析を理解しておらず、トラブルを引き起こしている業務部門も多々あります。彼らは、あなたが股間から「AlphaGo アーティファクト」を取り出し、200 行のコードを書いていくつかの問題に対する洞察を得ることを期待しています。基本的なデータ構築を行わず、データの埋め込みをうまく行わず、プロセスを標準化せず、問題に遭遇すると「なぜ他社はビッグデータ分析ができるのに、当社ではできないのか？」と自問します。彼らは、パフォーマンスが悪いのは他の誰かのせいであり、あなたとは関係がないので、無作為の分析をすべきではないと主張します。あらゆる種類の醜い行動と、無知な医療問題の違いは何ですか?したがって、データ分析を本当にうまく行いたいのであれば、理論は必須であり、さまざまなビジネス上の問題を実際に処理する能力も非常に重要です。

それに比べると、血液検査や放射線検査といった臨床検査部門の仕事ははるかに単純です。胃の痛みはさまざまな複雑な要因によって引き起こされる可能性があるため、具体的な原因は非常に不確かです。ただし、特定の問題をテストする場合、または特定の指標が異常であるかどうかをテストする場合は、可能性は「はい/いいえ」の 2 つしかありません。そのため、検査部門には独自の高度な機器や設備があり、検査基準が非常に明確で、手動の判断を必要としないことがわかります。

これはデータマイニング、つまりアルゴリズムの作業と非常によく似ています。実際、このアルゴリズムの最も成功した商業的応用は画像認識の分野です。例えば、医師が関節の状態を確認するためにレントゲンを撮影する場合、さまざまな角度や位置関係を計算して判断する必要もあります。画像認識や計算にアルゴリズムを使用することで、精度が大幅に向上し、医師の負担が軽減されます。同様に、アルゴリズムが急速に発展している分野は、セキュリティや医療に応用された画像認識、テキスト入力に応用された音声認識など、明確な目標の下でモデルがトレーニングされている分野であることが多いことがわかります。複雑な問題を手動で整理し、明確な目標を設定し、結果にラベルを付け、アルゴリズムに安定したモデルをトレーニングさせることは、経験を積み、分析結果を蓄積するための重要なプロセスです。

看護師に関しては、データ操作、つまりデータを見る必要のある操作のようなものです。看護師は看護業務を行うため、指標にも注意を払う必要がありますが、その背後にある原則を理解する必要はありません。 XX インジケーターは XX を見るために使用され、XX インジケーターが下がったら行動を起こす必要があり、XX インジケーターが赤い線を下回ったら医師を呼ぶ必要があるだけであることを知っておく必要があります。看護業務の核心は、看護がうまく行われ、何も問題が起こらない限り、実行することです。

すると、陳先生は面白い光景を目にしました。手術が終わり、患者がモニターにつながれたのです。モニターには、心臓や肺などの標準的なグラフィックのほか、波線や数値も表示され、見やすくなっています。インジケータ値が特定の値より低いか高い場合、モニターが点滅し、ビープ音が鳴ります。素晴らしいデータ製品ですね！しかし、モニターが警報を鳴らすたびに、陳先生は急いで看護師を探しに行き、看護師は落ち着いてこう言いました。

大丈夫です、音が鳴ったら電源を切ってください。
大丈夫です、音が鳴ったら電源を切ってください。
大丈夫です、音が鳴ったら電源を切ってください。
大丈夫です、数は重要ではありません。
大丈夫、その数値は危険な値ではありません
本当に大丈夫です、タップするだけで静かになります。
…

o(╯□╰)o

陳先生はため息をつくしかありませんでした。「確かに、どこにいても、データ製品に携わる人たちは、自分の仕事がうまくいっているかどうかを常に心配していて、さまざまな使用シナリオを想像しています。一方、ビジネス部門は独自の方法でデータを見ているのです。」！！

まとめると、医師の診察を受ける場合、検査、治療、看護はすべて不可欠です。企業にとって、分析、アルゴリズム、データ操作も不可欠です。データ分析は複雑なビジネス問題を解決するのに適しており、アルゴリズムは特定の問題に対するモデルをトレーニングして効率を向上させるのに適しており、データ操作は当然ながらデータに語らせる汚れ仕事であり、誰もが操作に貢献しています。

しかし、生徒の中には、「チェン先生、データアナリストが自分のやりたいことに混乱しているのはなぜでしょうか?」と疑問に思う人もいるかもしれません。誰もが基礎知識なしで21日間でアルゴリズムを学び、年間100万ドルを稼ぎ、3日間の運用で分析レポートを書きたいと思っていますが、いざというときにいつも数字や結果を求めてくるのではないでしょうか。 ?私が目にする企業はなぜこんなにめちゃくちゃになっているのでしょうか? ?

答え：病院に例えてみましょう。そこにどれだけ明確な分業があるか見てください。臨床検査技師、医師、看護師はそれぞれ独自の職務を持っています。他の人の医者を見てください。各部門にはそれぞれ独自の責任があります。各部門には専門の学術リーダーと上級部門長がいます。毎日、巡回診療を行う際には、専門家が自ら大勢の人を連れて現場の若い医師を指導します。私たちは皆、博士課程の学生としてスタートしましたが、ディレクターになる前にはまだ多くのトレーニングを受ける必要があります。