Upgrade to Pro — share decks privately, control downloads, hide ads and more …

仮説生成力を鍛える 💡 スタートアップの仮説思考 (2)

仮説生成力を鍛える 💡 スタートアップの仮説思考 (2)

仮説生成の方法論について、仮説生成に必要な「事実」と「推論」の要素をさらに細分化して解説しました。
仮説思考シリーズの 2 つ目です。

Takaaki Umada の Web サイト

東京大学 FoundX の各種リソース

FoundX Review - 起業家向けノウハウ情報

FoundX Resource - 整理された記事の紹介

FoundX Online School - 30以上の学習ビデオ教材

FoundX Founders Program - 個室の無償提供とコミュニティ

FoundX Pre-Founders Program - 起業準備プログラム

FoundX Fellows Program - アイデア探しの支援プログラム

更なる文献

アブダクション―仮説と発見の論理

類似と思考 改訂版

アナロジーの力

考えることの科学

仮説思考

イシューからはじめよ

Takaaki Umada / 馬田隆明

February 17, 2021
Tweet

Video

More Decks by Takaaki Umada / 馬田隆明

Other Decks in Business

Transcript

  1. スタートアップの代表的な仮説 初期のスタートアップには検証するべき様々な仮説がある。 7 課題仮説 解決策仮説 価値仮説 製品仮説 (機能・体験) 製品の 実現性仮説

    市場仮説 成長方法仮説 実行仮説 創業チーム 仮説 組織仮説 ビジネスモデ ル仮説 戦略仮説 ファイナンス 仮説
  2. スタートアップの代表的な仮説 初期のスタートアップには検証するべき様々な仮説がある。 8 課題仮説 解決策仮説 価値仮説 製品仮説 (機能・体験) 製品の 実現性仮説

    市場仮説 成長方法仮説 実行仮説 創業チーム 仮説 組織仮説 ビジネスモデ ル仮説 戦略仮説 ファイナンス 仮説 これの仮説をすべて生成して 検証を通して仮説の確からしさを 総合的に上げていく
  3. 12

  4. 時間 最後の仮説さえ合ってれば良い? 13 1. 仮説 生成 2. 仮説 選択 3.

    仮説 検証 4. 意思 決定 1. 仮説 生成 2. 仮説 選択 3. 仮説 検証 4. 仮説 棄却 1. 仮説 生成 2. 仮説 選択 3. 仮説 検証 4. 仮説 棄却 1. 仮説 生成 2. 仮説 選択 3. 仮説 検証 4. 仮説 棄却
  5. 時間 実はそんなことはない 14 1. 仮説 生成 2. 仮説 選択 3.

    仮説 検証 4. 意思 決定 1. 仮説 生成 2. 仮説 選択 3. 仮説 検証 4. 仮説 棄却 1. 仮説 生成 2. 仮説 選択 3. 仮説 検証 4. 仮説 棄却 1. 仮説 生成 2. 仮説 選択 3. 仮説 検証 4. 仮説 棄却
  6. 良い仮説生成ができないと… THE SCIENTIFIC METHOD (AGW Falsified) by Dr. Vincent Gray

    17 現象 観察 仮説 生成 実験⇒ データ データ 分析 仮説の 検証 仮説の 確認 仮説の 反駁 仮説の 洗練 仕組み 化 顧客の 顧客を 通した 顧客や 社会の
  7. 良い実験が行えず詰んでしまう THE SCIENTIFIC METHOD (AGW Falsified) by Dr. Vincent Gray

    18 現象 観察 仮説 生成 実験⇒ データ データ 分析 仮説の 検証 仮説の 確認 仮説の 反駁 仮説の 洗練 仕組み 化 顧客の 顧客を 通した 顧客や 社会の
  8. 仮説生成のベースとなる「事実」ための四つの要素 34 1. 把握 観察や顧客インタ ビューなどを用いて、 現状起こっているこ とを把握する。 2. 生成

    アンケートなどの行 動をして事実を新た に「生成」すること もある。 また顧客や社会に働 きかけて、新たな事 実を生成する。 3. 解釈 事実認識には人の解 釈やバイアスが入り 込む余地がある。 事実や現象をとらえ ようとしたときに、 バイアスをうまく回 避する手段を身に着 ける。 4. 再解釈 事実を異なる視点か ら見ることで、新し い事実の側面を見つ けることができるこ ともある。 再解釈の方策を身に 着けることで、事実 の新たな側面が見え てくることもある。
  9. 37

  10. 38

  11. するとインプットが少しだけ大きくなる 49 💡 仮説 アウトプット インプット (事実、情報、独自の体験) 推論 製品や MVP

    を通して得た 他人や市場からのフィードバックによる新しい情報や事実 (自分だけのユニークな情報/洞察)
  12. 事実にも「解釈」が含まれる 同じペンという事実を見ても、 • ペンがあった • 黒ペンがあった • 黒ペンがあった 71 1980年生産でたまたまその事

    故によって発生した世界で100 本しか生産していない超レアな ペンマニアの 視点 解像度が異常 に高い
  13. 事実にも「解釈」が含まれる 同じペンという事実を見ても、 • ペンがあった • 黒ペンがあった • 黒ペンがあった • ペンのような盗撮カメラだ

    72 1980年生産でたまたまその事故 によって発生した世界で100本 しか生産していない超レアな 探偵ならでは の視点
  14. 事実にも「解釈」が含まれる 同じペンという事実を見ても、 • ペンがあった • 黒ペンがあった • 黒ペンがあった • ペンのような盗撮カメラだ

    • ペンの周りに空気がある • もしかしてこのペンは宙に 浮いている…? など、様々な理解や解釈が可能 73 1980年生産でたまたまその事故 によって発生した世界で100本 しか生産していない超レアな
  15. 私たちは”理論”(素朴理論含む) を通して現象を理解する THE SCIENTIFIC METHOD (AGW Falsified) by Dr. Vincent

    Gray 77 現象 観察 仮説 生成 実験⇒ データ データ 分析 仮説の 検証 仮説の 確認 仮説の 反駁 仮説の 洗練 理論化 予測
  16. 事実の解釈性 私たちの事実把握にはどうしても解釈が紛れ込む。その解釈の 歪みのもとについて解説する。 79 1. バイアス バイアスは偏りや偏見のこ と。自分自身でも気づいて いない認識のゆがみ。 バイアスがあると適切な事

    実把握ができない。 2. ステレオタイプ 多くの人が持つ固定観念や 先入観、紋切り型の考え方、 パターン化されたモノの見 方。一種の「自分自身の理 論」。たとえば「こういう 人はこうに違いない」と いったようなもの。 もともとはステロ版という 印刷の型から来た言葉で、 型にはまったものの意味。 3. フレーミング ものの見方のこと。窓のフ レーム(枠)などから来て いる言葉。スキーマと呼ば れることもある(少しニュ アンスが異なる)。
  17. 1. バイアスの例 私たちの認識は自然状態だと偏っている。「無意識のバイア ス」などと呼ばれたりする。 81 確証バイアス 仮説や信念を支持する情報ばかりを集めて、 自分の仮説に反する事実を集めない傾向が ある(特に初回の起業家に顕著)。 また自分の信念に合致する主張を信じる

    「信念バイアス」や自分にとって都合の悪 い情報を無視したり過小評価する「正常性 バイアス」などもある。 可用性バイアス 頻繁に起こることや、印象の強いこと、直 近のこと、思い出しやすいことを過剰に重 要視してしまう傾向や偏りのこと。 またある事象の評価が、事前に与えられた 情報にひきずられてしまう「アンカリン グ」などもある。
  18. 2. ステレオタイプの例 ステレオタイプと呼ばれる解釈の「型」も事実の認識をゆがめ るときがある。 83 過度な一般化や単純化をする 特定のカテゴリに属する人やものを、特定 の特徴と紐づける考え方。 たとえば「男の子、女の子らしさ」「女性 は話が長い」「高齢者はこれだから」など

    はステレオタイプの一つであり、こうした 見方は偏見や差別に結びつきやすい。 なかなか変容しない 固定観念として固まっており、中々変化が 起こらないのもステレオタイプの特徴とし て挙げられる。
  19. 事実の再解釈の技法 意識的に事実を再解釈することで、新たな事実の側面を見るこ とができる。 91 リフレーミング (re-framing) 新たな視点でものを見ること、意図的に異 なるフレームを当てはめて物事を見直して みること。 異なる見方で事実を見ることで新たな側面

    に気付けることも多い。 レンズ 政治系では理論のことをレンズと呼ぶこと がある。異なる理論で同じ現象を見ること を、「レンズを入れ替える」と言ったりす る。 理論を多く知ることで、私たちは多くのレ ンズを通して物事を見ることができるよう になる。
  20. メタ認知的知識を持ち、メタ認知的活動を行う 自分の解釈に潜むバイアスなどに注意しながら、能動的にその 解釈を変えてみて、同じ事実から新しい側面を発見すること。 94 メタ認知的 “知識” バイアスや思い込み、ステレオタイプなど、 人の認知についての知識を持つこと。 バイアスやステレオタイプなどの知識を持 ち、それが入り込むタイミングについて知

    ること。 メタ認知的 “活動” 自分の思考を監視して、不適切な部分を修 正する活動のこと。 メタ認知的知識(認知バイアスに関する知 識)を持っていても、その知識を活用でき る人はそう多くないため、きちんとその知 識を活用できているかをチェックする。
  21. 再解釈を支援する道具 95 沢山の理論を知る 理論(レンズ)をたくさん 持つことで、事実の異なる 見方を身に着けられる。 理論を知ることで事実の再 解釈が行えるようになる。 メタ認知を行う 自分の思考状態を監視する

    メタ認知を意識して行い、 バイアスなどに極力気づき、 それを省こうと努力する。 もしくは異なる思考回路に 持って行けるような意識付 けを行う。 解像度を高める 解像度を高めることは異な る解釈を行うことでもあり、 これを通して再解釈を行え る。
  22. 主な三つの推論法:演繹法、帰納法、アブダクション 108 演繹法 大前提→小前提→結論の順 で結論を導く推論。 1. 人間は死ぬ 2. ソクラテスは人間だ 3.

    ソクラテスは死ぬ などの例が有名。 大前提以上の新しい情報は ないが、形式に合う限り正 しい。
  23. 主な三つの推論法:演繹法、帰納法、アブダクション 116 演繹法 大前提→小前提→結論の順 で結論を導く推論。 1. 人間は死ぬ 2. ソクラテスは人間だ 3.

    ソクラテスは死ぬ などの例が有名。 大前提以上の新しい情報は ないが、形式に合う限り正 しい。 帰納法 複数の事実から法則を導く 推論。「これまで見てきた 白鳥はすべて白い。よって 白鳥は白い」の例が有名。 すべてのケースが網羅され れば正しいが、多くの場合 無理。どこかで帰納的飛躍 が行われ、蓋然的推論に留 まる。大量のデータを用い て精度を上げるなども可能。
  24. 主な三つの推論法:演繹法、帰納法、アブダクション 米盛『アブダクション―仮説と発見の論理』を参照 123 演繹法 大前提→小前提→結論の順 で結論を導く推論。 1. 人間は死ぬ 2. ソクラテスは人間だ

    3. ソクラテスは死ぬ などの例が有名。 大前提以上の新しい情報は ないが、形式に合う限り正 しい。 帰納法 複数の事実から法則を導く 推論。「これまで見てきた 白鳥はすべて白い。よって 白鳥は白い」の例が有名。 すべてのケースが網羅され れば正しいが、多くの場合 無理。どこかで帰納的飛躍 が行われ、蓋然的推論に留 まる。大量のデータを用い て精度を上げるなども可能。 アブダクション 最良の説明への推論。リト ロダクション(訴求推論)、 仮説形成法、仮説的推論と もいわれる。 発見性は高い。ただし仮説 的飛躍が行われるため、可 謬性も高い(間違っている 可能性が高い)。
  25. 帰納は類似、アブダクションは異種のものを導く 米盛『アブダクション―仮説と発見の論理』を参照 127 帰納法: 類似の結論 観察したものから一般化する。 その結果、観察結果と類似の法則を導き出 すことになる。 アブダクション 観察したことの説明を導き出す。

    その結果、観察したものとは違う種類の何 か、時には観察不可能なもの(物理法則な ど)を導き出す。 ニュートンのリンゴによる万有引力の法則 の発見もアブダクションの一種(帰納法だ と「リンゴは木から落ちる」としか言えな い)
  26. 主な三つの推論法:演繹法、帰納法、アブダクション Wikipedia: アブダクションの例を参考にした 128 演繹法 1. 仮定 α を見る 2.

    規則「αならばβであ る」を当てはめる 3. 結論 β を導く 帰納法 1. 「α ならば β である」 という事例をすべて観 察する 2. 結論 β を導く アブダクション 1. 結論 β を見る(例:驚 くべき事実など) 2. 仮説 α が真であれば β は当然である 3. よって仮説 α は真であ ると考える理由がある ただし α が真であることは 保証しない。
  27. アナロジーを行う上で重要なポイント 139 構造や特徴の把握 類似性を把握するためには、 ターゲットとベースの両方 の構造や特徴の把握を行え ていることが前提となる。 また同じ対象についても、 構造を複数の抽象度で見る ことができたり、深い解像

    度で把握できているかが類 似性の発見のポイントとな る。 ベースのパターン ベースとなりうる構造のパ ターンを多く持っているこ とで、より多くの類似を見 出せる。 たとえばスタートアップの パターンを知っていること は新たなスタートアップの アイデア(仮説)を生み出 す助けとなる。 具体と抽象の行き来 どの抽象度レベルで物事を 見るかで、構造の認識は変 わる。これについては後述 する。
  28. 抽象度や解像度を上下させて類似構造を見つける 抽象度の違いで「似ている」「似ていない」の認識の仕方は異 なる。 143 抽象度 ベース (人) ターゲット (猿) 結論

    高 動物 動物 似てる (同じ行動を取るだろう) 中 哺乳類 哺乳類 似てる (同じ行動を取るだろう) 低 人 猿 似てない (違う行動を取るのでは)
  29. アナロジーのためのベースをたくさん持つ 沢山のベースの知識を持っておくことで、アナロジーできる範 囲が広がる。 144 • ソーシャル • マーケットプレイス • SaaS

    • パッションエコノミー • シェアリングエコノミー 新規ビジネス X • 広告モデル ベースとなる知識 ターゲット
  30. フレームワーク フレーム(枠)の名が示す通り、フレームワークは私たちに枠 を提供して解釈や推論を半ば強制して促す機能を持つ。 154 解釈のフレームの例 • AEIOU • カスタマージャーニーマップ •

    ペルソナ 推論のフレームの例 • 論理的思考 (MECE、ツリー構造、ピラミッド構造、 Five Whys など) • デザイン思考 (How might we、POV、 Crazy 8s、 プロトタイプ、スケッチ、アフィニティ マップなど) • スタートアップ系 (Lean Canvas など)
  31. 思考法の 2 分類 アイデア発想の方法として、エドワード・デボノが提案した仁 分理央。 https://en.wikipedia.org/wiki/Vertical_thinking 161 垂直的思考 (vertical) 分析的な思考のこと。いわゆる論理的な思

    考のステップを踏んで行われる考え方。穴 を掘り進んでいくイメージなので垂直思考。 例) • 研究開発して技術を深める • 演繹して答えを導く 水平的思考 (lateral) 既成の概念にとらわれずに、複数の視点や ユーモア、ランダム性などを活用した思考。 アナロジーも一種の水平的な思考。 例) • 既存の技術を中心に組み合わせる • 旧来のビジネスモデルを使う
  32. 思考法の 2 分類 アイデア発想の方法として、エドワード・デボノが提案した仁 分理央。 https://en.wikipedia.org/wiki/Vertical_thinking 162 垂直的思考 (vertical) 分析的な思考のこと。いわゆる論理的な思

    考のステップを踏んで行われる考え方。穴 を掘り進んでいくイメージなので垂直思考。 例) • 研究開発して技術を深める • 演繹して答えを導く 水平的思考 (lateral) 既成の概念にとらわれずに、複数の視点や ユーモア、ランダム性などを活用した思考。 アナロジーも一種の水平的な思考。 例) • 既存の技術を中心に組み合わせる • 旧来のビジネスモデルを使う 多くのスタートアップが 狙っているのはこちら
  33. 水平思考の優位性 (1) 3M での発明の研究 (Ouderkrik, 2014) 「専門家」「ゼネラリスト」「ポリマス(博識家:少なくとも 一つの分野で深い知識+幅広い知識)」に分類。 ポリマスが 3M

    の中で最も栄誉ある賞を受賞していた。 特許の研究 (Melero, 2015) 不確実性の高い分野には、役に立たなかった特許と大当たりし た特許が混在し、大当たりの特許は幅広い経験がある人のチー ムから生まれていた。 確実性の高い分野では、ある程度役に立つ特許が多く、スペ シャリストのチームによる開発が多かった。 RANGE(レンジ) 知識の「幅」が最強の武器になる などを参考 163
  34. 水平思考の優位性 (3) ヒットした論文の研究 (Uzzi, 2013) (Wang, 2017) 一般的な組み合わせを用いつつ、一般的でない組み合わせ (通常 一緒に現れない雑誌からの引用)

    を取り入れた論文がヒット (ただし組み合わせの新規性が高すぎる論文はヒットしない) ※新しい知識を組み合わせた論文は、最初は評価されないが、3 年経過すると引用件数が 増え、15 年経つとトップ 1% に入る割合がはるかに多くなる (=つまり新しい知識を組み合わせた論文は研究資金を得られる可能性が低く、有名な雑 誌に掲載される可能性も低い😥 しかし長期的に見たら大ヒットする可能性が高い) 165
  35. 水平思考のためのツール 水平思考的な発想を促すためのツールもいくつかある。 TRIZ の図は FotoSceptyk 氏によるもの。CC BY-SA 4.0 166 TRIZ

    40の発明原理という形で「分ける」「一部 を変える」などの推論の方向性を支持する。 SCAMPER オズボーンのチェックリストを覚えやすく したもの。 入れ替え、組み合わせ、当てはめ、変更、 他の用途への転用、排除・縮小、並べ替 え・逆転の英語の頭文字を取ったもの。
  36. 思考法の 2 分類 https://en.wikipedia.org/wiki/Vertical_thinking 167 垂直的思考 (vertical) 分析的な思考のこと。いわゆる論理的な思 考のステップを踏んで行われる考え方。穴 を掘り進んでいくイメージなので垂直思考。

    例) • 研究開発して技術を深める • 演繹して答えを導く 水平的思考 (lateral) 既成の概念にとらわれずに、複数の視点や ユーモア、ランダム性などを活用した思考。 アナロジーも一種の水平的な思考。 例) • 既存の技術を中心に組み合わせる • 旧来のビジネスモデルを使う ※ただしほとんどの場合は 垂直と水平の組み合わせ (特定の部分は垂直で深めて、残りは水平など)
  37. 人と話すことは推論の大きな助けになる 人と話すことで異なる推論の仕方を学んだり、会話の中で新し い推論に気づけたりする。 171 壁打ち 同程度かそれ以上の知識や 経験を持つ人と話すことで、 新たなアブダクションの方 法に気付けるときもある。 インタビュー

    顧客と話すことを通して、 新たな推論に気づくことが できることもある。 メンタリング 先輩などとのメンタリング セッションを受けることを 通して、新たなアブダク ションの手法を学べるとき もある。
  38. まとめ:仮説生成力を鍛えることに近道はない 178 インプットを増やす 解釈も推論もそのベースに あるのはインプット。理論 (仮説の束)を知っている ことで予測が可能になり、 仮説が生まれやすくなる。 またほかの仮説を知ってい ることで、その仮説を当て

    はめることも可能になる。 他社スタートアップも仮説 なので知るとヒントになる。 仮説検証数を増やす 事実認識や推論の能力は上 げるためには、行動量を増 やしてアウトプットを続け、 自分の仮説に負荷をかけて 仮説検証を何度もしながら 学んでいく。 何度も正しい仮説検証をし ないと事実認識や推論の能 力は上がらない。 解像度を高くする アナロジーを適用できるよ うな構造化の把握や分解を できるようにする。そのた めには解像度を高めて、抽 象度の行き来をすること。 構造化がうまくなっていた り、構造化のパターンを知 識として持っていると強い。
  39. Amazon は「プレスリリース」を書いて精緻化する プレスリリースを書くことで言語化を強制す る。箇条書きなどで誤魔化さない。 プレスリリースの内容 1. 見出し 2. サブ見出し 3.

    サマリー 4. 課題 5. ソリューション 6. 開発側の声 7. 始め方 8. 顧客の声 9. クロージングと Call to Action 画像は Amazon のプレスリリースより: https://amazon-press.jp/Top-Navi/Press-releases/Presselist/Press- release/amazon/jp/Ops/20210222_distance-assistance/20210222_Distance-Assistant-/ 184
  40. 時間 仮説検証のサイクル全体を最適化する 単体の仮説だけで完璧を目指さず、全体の速度を上げること。 209 1. 仮説 生成 2. 仮説 選択

    3. 仮説 検証 4. 意思 決定 1. 仮説 生成 2. 仮説 選択 3. 仮説 検証 4. 仮説 棄却 1. 仮説 生成 2. 仮説 選択 3. 仮説 検証 4. 仮説 棄却 1. 仮説 生成 2. 仮説 選択 3. 仮説 検証 4. 仮説 棄却
  41. 補足: 質的研究の技法を応用する: M-GTA, SCAT, TEM 質的研究の技法は仮説生成向きなので、参考になる部分がある。 代表的な手法として三つを紹介する。 213 GTA/M-GTA Grounded

    Theory Approach (GTA) ならびに Modified GTA (M-GTA)。 概念の抽象化と要素間の関 係性の整理を通して、プロ セスの全体構造を把握し、 仮説を生成する。 SCAT Steps for Coding and Theorization。大谷氏によ る質的データ分析の手法。 ステップが明示されている ため、着手しやすい。 TEM/TEA 複線径路・等至性モデルも しくはアプローチ (Trajectory Equifinality Model/Approach)。 時系列を中心にまとめてい く。
  42. FoundX とは 216 東京大学 FoundX は東京大学 産学協創推進本部の下部組 織です。東京大学 本郷キャンパスの近くに 3

    つの施設を構 え、起業志望者向けのプログラムを複数提供しています。 投資は行いませんが、無償での個室貸与やプログラムの提 供、起業家コミュニティへの参加を支援します。 🔥 興味 情熱 Fellows (6 か月) Pre-Founders (6 か月) Founders (9 か月) 👨‍👩‍👧 ‍👦 共同創業者 の説得 💰 有利な 資金調達 🤝 フル コミット 🏆 ビジネス 実績 📝 初契約 初売上 💻🤖 製品開発 と改善 💲 助成金や コンテス ト 賞金の獲 得 Review, Resource, School ➰ 試行 錯誤 🌱 アイデア の種 💡 検証された アイデア 📚 起業家の 基礎知識 &スキル 🔨 プロト タイプ 🙎 顧客イン タビュー
  43. FoundX の提供する起業家支援プログラム & リソース 主に東京大学の卒業生向けに、無償のスタートアップ支援プロ グラムや学習リソースを提供。 217 👨‍👩‍👧 ‍👦 チーム向け

    Founders Program 事業と起業家の成長を、コ ミュニティを通して達成す るプログラム。個室を無償 で最大 9 か月間貸与。 Pre-Founders Program Founders Program に入る までの準備を行うプログラ ム。 🧑👧 個人向け Fellows Program スタートアップ的手法の実 践を通してアイデアを見つ け、育てるためのプログラ ム。 📚 学習リソース FoundX Review 平日ほぼ毎日更新し、ス タートアップのノウハウ情 報を提供。カテゴリ別のま とめは FoundX Resource。 FoundX Online School 動画形式でスタートアップ の基礎を学べる。
  44. スライド著者 & FoundX 運営 馬田隆明 (東京大学 FoundX ディレクター) University of

    Toronto 卒業後、日本マイクロソフトでの Visual Studio のプロダクトマネージャーを経て、テクニカルエバンジェリス トとしてスタートアップ支援を行う。スタートアップ向けのスライド、 ブログなどの情報提供を行う。 サイト: https://takaumada.com/ 218 スタートアップの 方法論の基礎 Amazon (2017年3月) 起業環境の重要性と アクセラレーター の設計方法 Amazon (2019年4月) スタートアップの 公共や規制との 付き合い方 Amazon (2021年1月) スタートアップに ついてのスライド Slideshare SpeakerDeck