【雑記】データ解析の現場にきて思うこと
こんにちは。今週の水曜日(5/14)に学内の発表があるのでその準備に追われています。60分の発表なのに、120分ぐらいのスライドをつくってしまったのでどうしよう．．．と途方に暮れているのが今です。
発表内容はこちら
さて、今年は本格的に「理論」と「実践」を行ったり来たりする1年です。
大学では主に「理論」の研究と「シュミレーション」をしていて、4月からお世話になっている企業では「実データの解析」をさせてもらっています。とにかく時間がないので、週7日統計と向き合うという状況が続いています（笑）。
まず、現場に来て思うことを述べる前に、僕は、データベースとか、そういうのがいじれない人で本当に「解析理論」と「データの解析」に特化した人だということだけご理解ください（最近、ものすごい反省して、ちょっとずつ一歩ずつ勉強中です。できる人、尊敬です....）。そして、今の生活が始まってまだ2ヶ月な初心者的視点から色々と感じることを書いています．．．ご容赦ください。
アカデミック → データ解析の現場
- データ解析ではなく、データ分析＋回帰（線形・ロジット）をしてる感じ。
- データをみるという基本がない。適当にデータを分割したり、NAを0に補完したりやりたい放題。
- 統計の理論を理解している人が著しく少ない（回帰って何？の数学的意味を説明できないと思う）
- 解析の目的設定に、手法がついていってない。（目的は現代、手法は2世紀前）
データ解析の現場 → アカデミック
- データベースをきちんと操作できるぐらいの知識は身につけるべき。（僕の課題（ほんとご迷惑をおかけしてるところ）。大学で解析とは別にやるべき。）
- 大学の授業は、データ解析の現場に対応できていない。解析は【目的】の設定が重要なのに、光が当たってるのは「理論」や「Rの使い方」ぐらい。
- 目的設定の方法を覚えてからきて欲しい
- 多くの人にとって、データ解析の現場に入ると、大学の授業で勉強していることがおおよそ「無意味」「無価値」。
- 理論的な人で、「直感的に」「イメージ」で「知らない人」に説明できる人が欲しい。
なんというか、歯車食い違い状態
歯車が食い違っていて、どうしようもないのがアカデミックと現場。2つの立場を持って、双方の立場から、もう片方をみていますが、みるに耐えない状況が続いています。なんにせよ、上記のことは機械学習系（アルゴリズム系）の方々には関係ない（のかも）しれませんが、、、「未知のデータを扱うデータ解析」場合には、致命的な状況なんじゃないかなと...
この溝、埋めなきゃヤバいんじゃねぇ...と感じています。
具体的な方法は...
どうすればいいんだろう？と思っていますが、自分なりにこんなことを思っています。結論から言えば、「理論系がんばれ、もっと！」
- （理論系の人）から入る人は希少で大事。でも、現場に出たいなら「専門バカ」にならないようにする。時系列・教師あり・教師なし・GLM, GMMなどの基本的な手法を「数学的に」すべて抑えておくことが望ましい。あとは、現場で必要な「github」の知識とか、一応xlsとか、データベース系＋Pythonは一通り勉強しておく。
- （現場系の人）もうちょっと待ってくださいって感じ。実践＋理論系の人が、実践の人に、直感で分かる「理論」の本と、ありそうな「解析の一定手順」のマニュアルをつくっていく。
まとめ
なんか、最近論文ばっかり読んでー・書いてー、ってしてるので、なんか文章がぐちゃぐちゃです。
ひどいですね。
でも、アカデミックと現場に入って、「データ解析の今」をみて、やっぱり統計教育（データ・リテラシー）の重要性はとても感じますし、この辺で何かやっていきたいなと思っています。分かれば、こんなに明快で楽しいことはないと思っています。
これぐらいにします。
この気持ちが1ヶ月後どうなるか気になります。
おやすみなさい。
