ゴミ入れたらゴミが出るけど分別してもらえば問題ないのかも

Amplitudeさんのユーザー会に参加して話している中で思ったことを記事にしてます。

やっぱり専門でやっている人たちと話すと頭が活性化されますね。

翌日もデータ関連の人たちと合って刺激になったし東京に行って良かった。

中小規模だとデータ量が少ないですし、取れるデータの数も少ないです。なので質で勝負しないといけないんですが、そういったことに長けている人も少ないのでここは問題。

インプット時にどれだけ綺麗にやれるか、汚いものは思い切ってあきらめる手もあるかと思ってます。

あるから使う、のではなくて、使うから貯める。

この考えで仕切り直し。

もちろんプライバシーとかには気を使ってですが。

膨大な量のデータをきれいにするのに時間がかかりますし、もはやそのへんもAIに任せられるのでは？と思ってます。分別してくれる人。

多少汚くても傾向がわかったり、将来の予測がそこそこの精度で出ればいいと思いますし、そこで得られたものを実行してデータを貯める。そしてまたそれを…。

なので、スタートしてしまえばデータも知見もがたまるという考え。

今はウェブサイトやアプリだけですが他のデータもたくさんあるでしょうし、顧客データもあるでしょうし、調査データやらなんやらもたくさんあるでしょう。

そこからなんか仮説を出してきてとりあえずやってみる。当たったらなんでかをAIに分析してもらってあとから理由をくっつける。

その理由で考えてみたら施策がたくさん出てくるかも。

で、またやってみる。

この部分です。ひょっとしたら1にあとに2,3,4をすっ飛ばして5まで行っても問題ないかも。

ーーー

• やってみる

• わからない

• 調べる

• 考える

• わかる

「とりあえず試す」が最初に来ます。

AIが仮説や方向性を提示してくれるので、まずやってみる。やってみて「うまくいかないな」、「なんでだろう？」と疑問が出てきて、そこでAIを使って調べたり考えたりする。こうして学びと経験が積み上がっていって、「これを実行するにはどんなリスクがありますか？」とかAIに聞くでしょうし、「詳しく学びたいので参考となる書籍やウェブサイトを教えて下さい」となるでしょう。

失敗のコストが下がっているのもポイントです。昔なら「1か月かけてやったけど間違ってた」とかありましたが、今はAIに聞いて試して1日で修正できます。小さい失敗を繰り返して改善できる環境になったのです。

冒頭の記事の最後にも書きましたが、AIで何でもできそうな世の中とはいえできることには限界がありますし、人間がやることも増えてきますので、より調整力とか政治力が大事になってくるのかな～と思ってます。