SageMakerやAIサービスは、調理器具である。いい包丁や鍋があっても、いい材料（データ）といい料理人（データサイエンティスト）がなければ、おいしい料理（ビジネスバリュー）を作ることはできない。企業に必要なのは、データを整備すること、道具を使いこなせるデータサイエンティストを育成することである。料理（ビジネスバリュー）を食べるのが、ビジネスオーナー。料理を食べるお客様のニーズにあった料理を提供しましょう。（何が食べたいかわからないことも多いが）

データレイク：冷蔵庫
SageMaker:包丁
AutoML:自動寿司握り機
受託分析：出張シェフ

料理人が0人の世界では、どんなによい道具を作っても意味がない。。料理人の数を増やす、料理を食べたい人を増やす。ことがまず必要。

まず前提の意識合わせ：そもそもDXとは

【マッキンゼー緊急提言】デジタル革命の本質:日本のリーダーへのメッセージ
https://www.mckinsey.com/jp/~/media/McKinsey/Locations/Asia/Japan/Our%20Work/Digital/Accelerating_digital_transformation_under_covid19-an_urgent_message_to_leaders_in_Japan.pdf

要するに、DXとは事業変革、ビジネスモデル変革、ビジネスプロセス変革である。よってDXはIT部門主導で実施するものでもなく、事業部門が個別に自部門を最適化するために実施するものではなく、企業戦略の柱としてCEOがリードするものである。

これを前提とした上で、達成の手段として、「全社の意識改革」「内製化」「デジタル人材育成」「クラウド移行」などが挙げられている。

【経済産業省による定義】
https://www.meti.go.jp/press/2018/12/20181212004/20181212004-1.pdf

「企業がビジネス環境の激しい変化に対応し、データとデジ
タル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのも
のや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること。」

そもそもなぜDXが必要なのかというと、テクノロジの発展により顧客行動が変わった、多くのデータが世の中に流れるようになったためである。そのデータを活用して新たな顧客体験を提供したり、効率的経営を実施する企業が出現し、デジタルの力で競争力を確立している。ゆえに、既存のアナログ重視の企業においても、これらデジタル化の潮流に乗って企業競争力を高められないと、企業淘汰されてしまう可能性がある。このデジタル化のことをデジタルトランスフォーメーション(DX)という。

社会実装における苦労

・AIの導入は企業にとって技術課題ではなく、経営課題であるべき
・技術の話をしている限り、PoCから先にはいかない
・経営者の目線でわかりやすく説明せよ

PoCで終わってしまう場合の特徴

・技術要素ありきのPoCになっている。単なる技術検証で終わる。
・ビジネス現場の課題をリストアップ（ボトムアップアプローチ）し、それぞれに対して検証を実行する。実際に業務変革まで至らず終了。

ビジネス現場の課題をリストアップしたのち、経営層（少なくとも予算の決定権を持つ人物）ともすり合わせをします。トップのバックアップがないと、業務変革をするまでに至らないため。経営層に持っていくにたる提案なのかは、「会社のプレスリリースに載る」「株主総会でトピックとして紹介される」「日経コンピュータに掲載される」かどうかをざっくりとした判断基準でおきましょう。
今行なっているPoC、日経コンピュータに取り上げられて掲載されるようなネタでしょうか？

人を同じ方向に向かわせることは、大きな価値

https://liginc.co.jp/life/matome-life/133067
響きました。

パナソニックの創業者、松下幸之助さんは、理念についてこう語っています。

経営理念を確立して浸透させれば、その事業は半分成功したものと同じ
引用元：『松下幸之助に学ぶ指導者の一念』コスモ教育出版
http://www.cosmo-book.com/products/detail.php?product_id=33

会社の大小に関わらず、事業を成功させて企業を継続していくには、理念が大切です！　さあ、理念を掲げて、今日も張り切っていきましょう！！

同じことがデータ活用にも言える。組織のデータ活用文化を醸成しなければ、データ活用は難しい。
データ活用文化の醸成には、小さな成功が必要。小さな成功を重ねて業務部門のデータ活用に関する信頼を獲得するとともに、ロングタームでのデータ活用を描いて、分析基盤の構想をしていくのがよい。

実際に推進する際に、気をつけること

機械学習のシステム開発の難しさを独断でまとめてみた
https://tech.aptpod.co.jp/entry/2019/12/11/070000

1.お客様の問題点を明確化する (Why)
2.どの指標を改善すれば問題点が収束するかを明確化する (What)
3.その指標の改善方法に、機械学習を使用する以外に方法はないか検討する (How)

事業会社でデータ分析をする場合は、経営層や現場リーダーの巻き込みが不可欠。
どうやってなるのか？
・とにかく現場を見学しろ、体験しろ！倉庫作業やデザイン作業をやらせてもらうとベスト
・とにかく話しにいけ！タバコ部屋でもついていって、15分の時間をゲットしろ
・半年続ければ、30分/週くらいとってくれる

事例

【事例】MUFG SageMaker
https://special.nikkeibp.co.jp/atclh/NXT/20/aws0331_01/p5/

「NTT ドコモ開発部門から仕掛ける全社デジタル変革」～実績をあげながら中間層＆経営層を巻き込む～ #AWSSummit
https://dev.classmethod.jp/articles/aws-summit-online-2020-cus-02-report/

Data Engineering Study #3 基調講演_データ分析基盤の浸透に必要なこと
https://speakerdeck.com/tetsuroito/data-engineering-study-number-3-ji-diao-jiang-yan-detafen-xi-ji-pan-falsejin-tou-nibi-yao-nakoto-60fa9c07-0c50-447a-8749-87bf2921f194?slide=28

よくある質問

経営層を巻き込むにはどうしたらいいのか

巻き込むべきは、経営層と現場のリーダークラス。経営層がデジタルトランスフォーメーションに興味がない場合は、早く転職した方がよい。私は創業者企業に勤めていたため、トップからDXを推進せよという司令がくだっていた。決算説明会資料にも大きく掲載されていた。問題は、トップの意志表明はあるものの、現場にどう浸透させていくかである。現場の部長クラスの信頼獲得が重要になる。私が行なったのは2つ。1つは、「現場を徹底的に理解すること」。倉庫を見学させてもらったり、店舗での販売を手伝ったり、お客様座談会に参加させていただいたり、本屋で女性ファッション誌を読み漁ったり、デザイナーの企画会議に参加させていただいたり、である。現場を理解することで、業務部門の考え方を理解することができるし、分析のアプローチも筋の良いものになる。（どのようなデータを集めて、どのようなアウトプットを出すと業務で活用できるか）。もう一つは、昭和的な働き方かもしれないが、現場リーダーのちょっとした隙間時間を見つけて、5分でも時間をもらって説明すること。私はよく席に直接いったり、タバコ部屋で捕まえたりしていた。「5分だけ話いいですか？」という中で、相手の期待値を超えるよう意識して準備をする。なんども使えないと切り捨てられたが、あるとき「ん、これはいいかもしれない」という反応を得られることができ、そこから30分の定例を設定いただくことができた。熱意とずうずうしさと、期待値を超えてやる、という意識で実を結ぶことができた。
データ分析に限らないが、組織文化を変えていくというのは、痛みや反感や泥臭さなしには達成できないと感じる。

どのくらいの量のデータがあればよいのか

これはテーマごと、達成したい目標によって違うとしか言えない。では、達成したい目標や、どのようなデータを集めればよいのかを明確にするためにどうすればよいか？それは、現場のリーダーや担当者と話すこと、自分で現場を体験したり、観察したりすることである。現場を知って業務フローの詳細や、なぜそのような業務フローなのか、を知ることで、分析で達成すべき目標値が自分ごととして理解できるようになる。また、どのようなデータを使えばより精度の高いモデルが構築できそうかも目星をつけるkとができる。熟練の業務担当者の経験や感覚の根拠を注意深く聞いていくと、独特の着眼点などの知見にたどり着くことがあり、実際それを特徴量として構築したモデルは精度が高くなることが多い。データサイエンティストは、統計の勉強だけでなく、実際に現場を誰よりも注意深く見ているのか、自身を振り返ってみてほしい。

AIを使うことの価値

（データがよければ）優秀な人間を雇えると考えてください。
画像がわかる。声がわかる。予測ができる。個別のレコメンドができる。

保険アドバイザーなどは、その人にあった商品をレコメンドできます。しかし、1秒で10万人にレコメンドすることはできません。

AIのバリューの本質は、「スケール」です。

（一部アルファ碁のように、人間の能力を超えたこともできるが、例外的と捉えた方がいい。ビジネスバリューを出すことも難しい）

スーパー店長を1000人雇うことができるのと同じ。24h365働いて、疲れない。

だが、コストはかかる

だから、AI店長1000人に、*「何をやらせるか？それは儲かるのか？」*が重要。

結局、既存の業務プロセスを変えたり、新しい業務プロセスを作ったりして、利益をもたらせる仕組みにすることが重要。
（これができるのが、DX人材）

かかるAI費用より、売り上げをあげられるのか？
かかるAI費用より、コストをさげられるのか？

AIのスピード、精度を活用して、ビジネスを「スケール」できるのか？？を考えること！

ビジネスアイディアがなければ、AIは全く役にたたない

余談（すごい経営者の特徴）

・世の中の大きなトレンドに逆らえないことを認識している
・トレンドを逃さないために、数十年先をみる。視座を高く持つ。
・視座を高く持つために、その分野で世界一の人に協力してもらう。（役員も超一流ばかり）
・自分のもってない能力をパートナーを獲得することで取得し、新しいことをできるようにしていく
（コンサル企業、中国工場、倉庫建築、テック企業）
・圧倒的な情報収集量。本を読む量も多い。
・壮大なビジョン（トレンドにマッチした）を掲げ、実行に移す
・既存の仕組みを壊すことを厭わない（むしろ好む）。バックミラー経営を嫌う。
・失敗と感じた時の撤退が早い
・朝令暮改はザラにある。が、大きなビジョンは揺るがない。
・本質を見抜くスピードが速い（これは参謀にも言える）
・お客様の感覚をもっている。（一番厳しいお客様の感覚を持っている）
・現場を見る

参考にしたい経営理念・企業理念集
http://vision-cash.com/sys/wp-content/uploads/2018/03/values.pdf
まとまってて見やすい