ビッグデータ分析で何ができる？

【このテーマの目的・ねらい】
目的：
　以下を再認識していただく。
　　ビッグデータ分析でも「目的・ねらい」の明確化が重要である、
　　やみくもにコンピュータを回しても何かいいことが見つかるわけではない
　　
ねらい
　日常生活でさらに「目的・ねらい」を意識するようになっていただく。

ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

１２月２２日の朝日新聞に以下の記事が
１面に載っていました。
１面ということは「どうだ！」ということなのでしょう。

日本未来の党が結成を発表した１１月２７日から
１２月１５日の投票日前日までの１９日間、
衆院選にからんだツイッタ―のつぶやき４６０万件
を分析しました。

その結果、自民党に関するものが１５１万件
民主党に関するものが１００万件だった。

自民党の場合、前向きな内容（「支持する」「期待する」など）が
後ろ向きの内容（「駄目だ」「嫌だ」など）
よりも多い日が１９日中２日だった。

民主党の場合、それは１日だけだった。

日によってこの動きが変化がある（そのグラフが示されていた）。

まだまだこれから解析するのでしょうが、
この範囲だと「だからどうなんだ」です。
自民優勢は世論調査でも出ていました。

ツイッタ―の声の分析はリアルタイムでできることが有利ですが、
対象が偏っています。
日本国民の縮図とはなりにくいのです。

性別・年齢・地域などの属性が分かっていれば、
リアルタイムで層別した分析は
選挙戦の予想に使えるかもしれませんが、
層別分析はできませんしね。

ビッグデータの分析は仮説がなければ、
自動的に分析結果が出てくるわけではありません。

この場合だと、
前向きのコメントは何についてそう言っているのか、
後ろ向きのコメントは何についてそう言っているのか、
を解析することが第一歩でしょう。

おそらくそれは登場する単語の集計でできるでしょう。
しかし、お分かりのように
同じことについて賛否両論あるはずですから、
それがマクロ的に分かっただけでは
具体的な戦略・戦術に結び付きません。
発言者の層別ができなければなおさらです。

ということで、
この分析では有効な仮説の立てようないようです。
仮説がなければ検証もできません。

朝日新聞は１面で気負って載せてみましたけれど、
「だからどうなの？」で終りのようです。

ビッグデータの分析では、「目的・ねらい」が重要です。
「お客様の属性と結び付けて
いつ何と何が組み合わせで買われているかを見つけだして（目的）、
それに対応した品揃え・陳列・価格設定をしよう（ねらい）」とか、

家族構成と消費支出の傾向を分析して（目的）、
有効な販促策を見つけよう（ねらい）、とかです。

朝日新聞の分析では、
「ねらい」がはっきりしていないのです。
ねらいを考えたら、この分析をしてもダメだと
分かったのではないでしょうか。