私たちは、センサー、デバイス、映像・音声、ネットワーク、ログファイル、トランザクション・アプリケーション、ウェブ、ソーシャルメディアなどから継続的に供給されるビッグデータの時代に生きていますが、その多くはリアルタイムかつ膨大な規模で生成されています。
ビッグデータの収集を取り巻くテクノロジーは、これらのプロセスによって生成されたデータを24時間体制で分析します。ビッグデータの定量的な基盤は、ビッグデータの最大の強みであると同時に、アキレス腱でもあります。現在の手法では、ダイナミックなビジネス上の意思決定の中で、具体的な設計図や実行可能なインサイトを導き出すことが困難になっています。言い換えれば、データドリブンな意思決定は、いまだにほとんどが企業のトップの手に委ねられているということです。
したがって、現在のトレンドは「データのヒューマナイジング」に向かっています。つまり、技術者ではないメンバーがビッグデータ分析から明確で実用的なインサイトを導き出し、意思決定の基礎として活用できるように情報を処理しようとしているのです。データをヒューマナイズするには、定量的なアプローチよりも定性的なアプローチが必要であり、従来のアプローチよりもデータの可視化とストーリーテリングに依存しています。
ヒューマナイズされたデータは、より多くの包括性と透明性をもたらします。データに簡単にアクセスでき、直感的で透明性があると、意思決定がより民主的になり、ビジネスは繁栄します。専門的なプログラミングや統計学のスキルに頼るのではなく、ヒューマナイズされたアプローチでは、簡単なツールやプロセスが利用され、結果として与えられた目的に対するフィルタリングされていない解釈が得られます。結局のところ、データは人間から始まるのです。そのデータの処理と解釈に、より多くの人間の関与を促すことは意味があるのではないでしょうか？
この記事では、ヒューマナイジングするデータの最先端にいる人たちのテクニックと思考プロセスを取り出し、この旅を始めるための虎の巻を提供します。
- ビッグデータを使ってヒューマン・ストーリーを語る
- データ・ヒューマナイズジングにおけるビジュアライゼーションの役割
- データ・ヒューマナイゼーションの歴史的事例
- Integrate.ioを使ったビッグデータのヒューマナイジング
ビッグデータを使ってヒューマン・ストーリーを語る
データのストーリーテリングは、アナリティクスとその意味合いを理解しなければならない意思決定者との生産的な関係を構築するためのデータアナリストの重要なスキルセットとして注目されています。そうでなければ、彼らは行動を変えたり、分析的アプローチを採用したりしないでしょう。
データの可視化は、データ内のストーリーを明らかにすることができます。しかし、これらの「データのストーリー」は、従来のストーリーテリングの形式とは重要な部分において異なります。多くの場合、ストーリーテラー、特にニューメディアに精通している人たちは、物語の中にビジュアライゼーションを組み込むことがほとんどです。場合によっては、ビジュアライゼーションが文章のストーリーの代わりに機能することだってあります。データ戦略分野の著者でありコンサルタントでもあるBrent Dykes氏は、「人々は統計を聞いていても、ストーリーを感じている。」とこうした面を捉えています。
GoogleのAnalytics AdvocateであるDaniel Waisberg氏は、Think With Googleの論文の中で次のように書いています。
「データが強力であることは知っています。しかし、良いストーリーがあれば、それは忘れられないものになります。幹部や管理職は、アナリティクスで溢れかえったダッシュボードを目の前にします。彼らはデータの背後にあるストーリーを知らないため、データドリブンな意思決定に苦戦しています。」
ストーリーテリングによって、データを見る際にデータからインサイトを導き出すことができます。情報の可視化とは、基本的にはデータと知識を分かりやすい表現に変換することで、人間の視覚システムがその中に埋め込まれた情報を知覚できるようにし、視聴者がデータを直感的に理解し、概念化できるようにすることです。
コミュニケーションとデータストーリーテリングを教えるMITスローン講師のMiro Kazakoff氏は、アナリティクスの価値を引き出す上でデータストーリーテリングの重要性を強調しています。
「人々にデータを使って正しい意思決定をしてもらいたいのであれば、彼らが理解できる方法で彼らの頭の中に入っていかなければなりません。人類の歴史の中で、それを実現する方法は物語（ストーリー）でした。」
著書「Made to Stick」の共同執筆者であり、スタンフォード大学ビジネススクールの教授でもあるChip Heath氏は、彼が毎年学生たちと行っている演習について説明しています。学生たちは、ある話題について1分間スピーチをしなければならず、クラスは最後にすべてのスピーチに順位をつけます。結果は、最も自信を持って発言した者が勝つというものでした。おそらく問題を解決して次に進んだ後、チップは授業の後半にトピックに戻り、学生にスピーチを思い出すように求めます。63%の学生がストーリーを語ったスピーチを覚えていたのに対し、統計データを覚えていたのはわずか5%にすぎませんでした。
「これこそが物語の役割です」とChipは、共同執筆者であり兄弟でもあるDanと共にに著書で述べています。「知識を、私たちの日常の存在により現実的かつ忠実なフレームワークの中に組み入れること。物語の観客であることは、受け身だということではありません。その内側では、私たちは行動に移す準備ができているのです。」
データ・ヒューマナイゼーションにおけるビジュアライゼーションの役割
きれいな色、ファンシーなグラフ、かっこいい写真など、見た目だけでグラフィックなディスプレイを判断するのは簡単ですが、ビジュアライゼーションが意思決定を支援するような迅速なインサイトを与えてくれないのであれば、それは実用的とは言えません。グラフの乱雑さを識別して取り除くことで、視覚的な「ノイズ」を減らし、閲覧者が情報に集中できるようになります。
Edward Tufteは、彼の記念すべき著書「The Visual Display of Quantitative Information」の中で、「Chart Junk」という概念を定式化し、「グラフで表現されたデータを理解するのに必要のないチャート内の要素」をノイズと表現しました。彼はデータ可視化のための卓越性と整合性の原則についても言及しています。
次のリストはデータビジュアライゼーションのコミュニティ内のインサイダー機密として知られているものの要約です。
- データを示す。
- 方法論、グラフィックデザイン、映像制作の技術、または何か他のものについてではなく、見る人に実際の事象について考えるように誘導する。
- データが表現すべきことを歪めないようにする。
- 小さなスペースに多くの数字を提示する。
- 広範囲のデータセットに一貫性を持たせる。
- データの異なる部分を比較できるように目線を促す。
- いくつかの詳細なレベルでデータを明らかにする。
-
合理的で明確な目的に適った：説明、調査、表作成、または装飾など。
- データセットの統計的かつ口頭での説明が密接に統合されている。
そして、彼は次のような「Graphical Excellenceの原則」で締めくくっています。
- Graphical Excellenceは、興味深いデータ（データの中身）、統計、デザインについて良くデザインされたプレゼンテーションです。
- Graphical Excellenceは、明快さ、正確さ、および効率と共に伝達される複雑なアイデアで構成されています。
- Graphical Excellenceは、閲覧者に最小のスペースの最小のインクとともに最短時間で最も多くのアイデアのを与えます。
- Graphical Excellenceは、ほぼ常に多変量である。そして、Graphical Excellenceでは、真実を伝えることが求められます。
From Edward Tufte, Visual Display of Quantitative Information, page 92.
Related Reading: What is Data Visualization?
データ・ヒューマナイゼーションの歴史的事例
フローレンス・ナイチンゲールは、ヴィクトリア朝時代に看護師としての役割を専門化し、ロンドンのセント・トーマス病院に看護学校を設立したことで知られています。新人看護師がピンニングセレモニーでナイチンゲールの誓いを唱える伝統は現在も続いており、フローレンス・ナイチンゲール・メダルは国際的に優秀な看護師に授与されています。
1854年にトルコに到着したナイチンゲールは、クリミア戦争中の兵士のケアを組織化し、戦場の病院の衛生状態を提唱しました。ナイチンゲールは患者のケアをしながら、死因や生存率などの詳細なデータを保管し、最終的には医療情報を効果的に伝えるための図表やインフォグラフィックを作成するために使用しました。
彼女の最も有名な可視化の一つは、戦傷よりもはるかに多くの兵士が予防可能な伝染病で死亡していたことを示しています。彼女はこのデータを後にCoxcomb Plotと呼ばれるもので可視化しました。彼女の可視化したデータは、衛生環境の欠如と兵士の生存率の低さとの間に直接的な相関関係を示しました。
ナイチンゲールのグラフは、時計回りに回転する12の等角に切り取られ、1年の各月に何が起こっているかを示しています。各ピースの外側に向けた広がりは、その月に何人の死者が出たかを示しています。私たちは、1854年の4月、5月、6月に小さいスライスを見てとれます。軍隊がクリミアに上陸した後、その部分は、円から大きく外側に広がり始めます。
彼女は、衛生インフラに投資するために英国議会とビクトリア女王を説得する必要がありました。これを実現するために、彼女は最も首尾一貫した方法でデータを提示しました。彼女が示したのは、円グラフを変形させた新しい極地図で構成された「東洋の軍隊における死亡原因のダイアグラム」でした。これは、月別の死亡者を死因別に色分けして可視化したものです。彼女自身の言葉を借りれば、「耳では伝えきれないことを、目で感じてもらう」ということです。データのストーリーテリングの方法は、信じられないほどのインパクトを与え、衛生インフラのアップグレードが行われ、数え切れないほどの命が救われました。
Integrate.ioを使ったビッグデータのヒューマナイジング
ナイチンゲールのリードに倣い、実用的なインサイトを生み出すにはどうすればよいのでしょうか？さらに重要なことは、エンジニアリング・リソースを枯渇させたり、手書きのメモに頼らずに、必要なデータをできるだけ早く収集するにはどうすればよいかということです。
そこで我々Integrate.ioの出番です。Integrate.ioのETLプラットフォームは、シンプルで可視化されたデータパイプラインを提供し、追加のソフトウェアやハードウェアに投資することなく、ビジネスがより迅速な分析のためにデータを迅速に処理できるようにします。シンプルなデータレプリケーションから精巧なデータ準備と変換ジョブまで、Integrate.ioはポイントアンドクリック、ドラッグアンドドロップのインターフェースですべてのユースケースをカバーします。Integrate.ioがあなたのデータストーリーを語るのにどのように役立つかを知るには、オンラインのデモ、14日間の無償トライアル、そして当社の実装チームとの無料セッションにお申し込みください。
