高めよう！データリテラシー ～正しい意思決定をするために～

Transcript

1. 高めよう！データリテラシー ～正しい意思決定をするために～ 田中 志 @産学連携ラボ

2. こんにちは、田中のぞみ、といいます 神戸スタートアップしてます 産学連携ラボにいます 世の中を眺めるのが好きです 2

3. 今日20分ですること 皆さんのデータリテラシーを 高めるためのワークをします 3 なぜか...

4. なぜするか 人が提示するデータを判断し、 人にデータ取得を指示する 立場になる方々だから 4 さて...

5. データを用いた意思決定に 自信がある方！ 挙手を！ 5

6. 6 一般職員さん向けにこんな話をしました① ありそうなデータのイメージ 翻って...

7. 7 一般職員さん向けにこんな話をしました② データ＝ 「現実・世界を写し取った コピー」

8. 8 一般職員さん向けにこんな話をしました③ データの良さは 明確さ と 再現性

9. さて、行政におけるデータ活用の目的仮説 行政での データ活用 目的は3つ？ 9 施策効果判定/予測 分析→現状理解 業務効率化

10. データ活用の3つの目的 この3つについて 正しくデータを 使う・理解するための お話を今日します 10 施策効果判定/予測 分析→現状理解 業務効率化

11. データ活用の3つの目的 特に一番上を！ 11 施策効果判定/予測 分析→現状理解 業務効率化

12. ふんわりと 聞いていただければ。 （Sli.doぜひ使ってみてくださいませ） 12

13. パート1. 施策効果推定／予測 テーマは 因果関係を特定することが いかに難しいか 13 です

14. 「よし、兵庫県下での白米摂取を禁止して、 犯罪発生件数を抑制しよう！」 14 CASE A. 究極の犯罪抑止策?? • 平成30年、兵庫県下での刑法犯認知件数は44,233件で、 検挙人員は12,455人である。 •

    検挙人員12,455人のうち12,454人について、過去１年 以内に白米を食べた経験があることがわかっている 是か 非か

15. 15 ちょっと考える①：米国の科学／宇宙／技術支出と...?? URL : http://tylervigen.com/spurious-correlations

16. 16 ちょっと考える①：首吊・絞殺・窒息での自殺者 URL : http://tylervigen.com/spurious-correlations

17. 17 ちょっと考える②：一人あたりのチーズ消費と...?? URL : http://tylervigen.com/spurious-correlations

18. 18 ちょっと考える②：ベッドシーツ絡まりでの死亡者数 URL : http://tylervigen.com/spurious-correlations

19. 19 ちょっと考える③：ノルウェー⇨米国の原油輸出と...?? URL : http://tylervigen.com/spurious-correlations

20. 20 ちょっと考える③：鉄道と衝突して亡くなったドライバー数 URL : http://tylervigen.com/spurious-correlations

21. 「よし、20歳未満の患者に対して 薬剤Aを利用することを禁止しよう！」 21 CASE B. 異常行動の原因は薬?? • 薬剤Aを服用した中学生が自宅で療養中に自宅マンションから 転落死するという事例報道された。 •

    厚労省の調査で、薬剤Aについて報告された副作用のうち、薬 剤との関連が報告された死亡事例は55人あり、うち異常行動が 記録された事例は8人、突然死が9人。 • 副作用報告された1,079人のうち、異常行動が記録された事例 は128人あり、8割近くが19歳以下に集中していた。 是か 非か

22. 22 CASE C. GDPを上げない競争力強化施策は無意味?? • 神戸市は平成27年度に企業の競争力強化に2.6億円の予算を 計上している • 一方で、予算化翌年の平成28年度の市内総生産成長率をみると 0.4%であり、国全体のGDP成長率1.2%を下回っている

    「全国平均を下回るとはけしからん！ 来年以降は予算なしだ！」 是か 非か

23. 再度 このパートのテーマは 因果関係を特定することが いかに難しいか 23 です

24. ヒルによる因果性の判定基準 24 関連の強固性 関連の一致性 特異性 時間的前後関係 妥当性 勾配・量反応 一貫性 実験的研究

    類似性 特に左側5つが いろんな所で 紹介されます

25. 繰り返し伝えたいこと データがあることと エビデンスがあることは違う （データが前頁要素の証明に使えない 等） 25

26. 26 データをエビデンスにするために URL: http://interdisciplinary.hateblo.jp/entry/20120404/p1 どんなレベルでエビデンスにするか、 考えましょう（ぜひご相談ください）

27. まずはロジックモデルを考える／振り返るところから 27 URL:日本財団 ロジックモデル作成ガイド（ http://interdisciplinary.hateblo.jp/entry/20120404/p1）

28. パート2. 分析→現状理解 テーマは 分析のパターンは たった3つしかない 28 です

29. 分析とは「分けて比べること」 29 量 構成 推移 何を言いたいのか そのために、どう分けて何を比べるのか

30. パターンに掛け算をすると幅がぐっと広がります 30 量 構成 推移 量 構成 推移 よいグラフの 形が見えれば

    良い分析は すぐそこです 「何を言いたいか」「何をどう比べてほしいか」伝えましょう

31. パート3. 業務効率化 テーマは 未来の自分と誰かのために 優しいデータ蓄積を 31 です （たぶん時間が足りなくなるのでこのパートはこの1枚です）

32. おわり。 今日はよろしくお願いします （ご質問あれば産学連携ラボまでまたご連絡ください） 32