1. はじめに
いきなり「今日からAI活用するぞ！」といっても、何から手を付けたらいいか分からなかったりします。
この記事では、「AI活用」の前に今日からできそうなこととして
「ローデータとアクションプランを磨く」
というテーマを扱います。
休日に試してみた「AppleWatchのヘルスケアデータ整理」を例にしつつ、
ローデータとアクションプランを結びつける方法をまとめていきます。
2. なぜ「ローデータ」と「アクションプラン」を磨くのか
きっかけはTHE GUILDの深津さんのデータ4階層の話でした。
1「ローデータ」：ゼロイチの生データ。そのままでは解読困難。
2「インフォメーション」：チャート・表など文脈を伴った情報
3「インサイト」：気づき、仮説、意味付け
4「アクションプラン」：気づき、仮説を実行するための行動計画。
AIが登場したことで、1と4の距離が一気に縮まりつつあると感じています。（縮める手段はその時々最適なAIツール/モデルを選んでいく）
それを踏まえると「AI活用」の前に今日からできることは
・ローデータを綺麗にして、どこでも扱える形にしておく
・アクションプランを立てながら、必要な指標を逆算する
の2点だと思い、意識付けるようにしています。
3. 例えば「AppleWatchのヘルスケアデータ」を整えてみる
3-1. ローデータを綺麗にして、どこでも扱える形にしておく
AppleWatchは本当に便利で助かっているんですが、Appleヘルスケア内に閉じやすく後工程の自由度が下がってしまうという課題があります。
スプレッドシートに同期しておけばNotebookLMを使えるのに...
AWSのS3に保管しておけばBedrockが使えるのに...など。
そこで次のフローで「ローデータ」を綺麗かつ扱いやすい形にしてみました。
- Appleヘルスケアからexport.xmlで取り出す
- xmlファイルをS3にrawデータとして保存
- Lambdaで日次サマリを生成
- S3にCSVとして保管
- GAS→スプレッドシートで年別テーブルに集計
これだけで後工程の自由度が上がります。
3-2. アクションプランを立てながら、必要な指標を逆算する
健康面のアクションプラン方針を考えてみます。
- 定期的に振り返って生活習慣を良くしていきたい
- 安静時/運動時それぞれの状態の健康状態を測っておきたい
次に、そのためにまず最低限必要な指標を決めてみます。
- 睡眠時間
- 歩数
- 心拍数
- HRV（自律神経）
- 運動量
ここで意識していることは「仮置きでいい」という点です。
スプレッドシートをもとにNotebookLMとやり取りする中で「このアクションをするなら体重も見ておいた方が良さそうだな」と思えば、その時点でローデータに追加すれば良いと思っています。
色々なローデータを追加しながら、最終的には「健康を意識しなくても自然と改善される」提案をAI側からできるように整えていきたいです。
現状の提案：健康的な歩数は1日10000歩。最近歩数が足りていないので、今日は残り4900歩歩きましょう。
目指したい提案：あなたの関心に近いイベントが近くで開催されるようです。今日は天気もいいですし歩いて向かってみませんか？
ローデータを先にきれいにしておく。
アクションプランから必要指標を追加していく。
AIが出てきたことで、このループがとても扱いやすくなっていると感じます。
3-3. アーキテクチャ
各論なので手短に。
4. おわりに
今回は例として「AppleWatchのヘルスケアデータ」を取り上げましたが、日々向き合っているどんなデータにも適用できる話かと思います。
- 日報
- 議事録
- ふりかえり
- 課題チケット
- 工数管理
- KPI
自分自身もまだまだできていないですし試行錯誤中なので、アクションプランにつながるデータを日々少しでも整えていきたいです！