書き直し

良いデータ

良いデータというものに会ったことがあるだろうか。

自分が主張したいことを、主張してくれるデータがよいデータだろうか。

それは、「都合がいいデータ」であっても、「良いデータ」かどうかはわからない。

「良いデータ」とは、複数の立場、できれば三つ以上の立場にとって、価値があるデータだと仮定しよう。

「悪いデータ」というものがあるだろうか。「都合の悪いデータ」というのは、ときどき思い当たるかもしれない。組織にとって都合の悪いデータは、しばしば抹殺する人がいて、出会ったことがないかもしれない。

悪いデータには、いろいろ思い当たることがある。

例えば、過去１０年のデータといいながら、２年前の７年前のデータがないとか。全体の２割以上の欠損があるデータは悪いデータと言えるかもしれない。

ただし、火災、戦争など、データ所有者の意図しない欠損は、「悪いデータ」と決めつけるとかわいそうなことがあるかもしれない。

ある調査では、無作為抽出でAとBの選好が50%対50%だった記録があった。
それとは別にどういう抽出法を採用したかをかかずに、AとBの選好が70%対30%という記録があったとする。

抽出法などで比較できれば、貴重なデータなのに、抽出法がわからないと分析に用いることができず、無視せざるを得ないデータは悪いデータに分類しておこう。

良いデータ、悪いデータ以外を、普通のデータに分類する。

良いデータかどうかの判定は難しく、悪いデータの判定も場合によっては難しい。

ひとまず、どんなデータも普通のデータという仮定のもとに分析するとよいかもしれない。

元記事の評価がよくない理由を検討する。なお、上の文章は、下記検討の結果、書き直したものである。

データ処理をする場合、良いデータ、悪いデータ、普通のデータが問題になることがある。
その前に、業務目標(business goal)または最終目標(goal)が大事。
あるいは、制約条件(constraints)が大事。分野によっては要件(requirements)ということもある。

「良いデータ、悪いデータ、普通のデータが問題になることがある。」

と書いている。具体的ではない。

「良いデータ」だと思ったことが一度もない人は、ここで脱落。
「悪いデータ」だと思ったことが一度もない人は、ここで脱落。
「普通のデータ」だと思ったことが一度もない人は、ここで脱落。

「その前に」って書くくらいなら、それを最初に書けば。

こういう文書を書く人は好きになれない。あ、自分だ。

「あるいは、制約条件(constraints)が大事。分野によっては要件(requirements)ということもある。」

断定するほどのことじゃなくね。