ディープラーニングと唱えてもデータ活用は実現しないという現実。数理モデルの一つに過ぎないディープラーニングが、すべてを解決するかのような風潮ですが、当然、数理モデルにも用途によって色々な種類があり、ディープラーニングだけで解決するわけでもありません。例えば、故障の原因を追究する要因分析にディープラーニングを使うのは無理がありますし、スケジューリングや予算配分などの最適化問題（数理計画法）にディープラーニングを使うことは困難でしょう。分類問題（例：人物画像から性別を当てる、など）あたりであれば、ディープラーニングの相性も良いかもしれませんが、それはさておき、ディープラーニングが素晴らしい技術であることには変わりありません。
でも、次のような現実はどうでしょうか？このプラットフォームはディープラーニングが搭載され〇〇できます！ と言ったところで、「で？ どうした」という感じではないでしょうか。何やらすごそうだけど、何がどう凄いのか不明。ディープラーニングが使われていることで、何が嬉しいのかもわからない。ディープラーニング搭載の非搭載で、ビジネスインパクトが程度あり、具体的に売上が〇〇円アップしコストが〇〇%ダウンし営業利益が〇〇%に改善された！みたいな話が少なすぎる。
非常に嫌な予感がします。10数年前のSOM（自己組織化マップ）やらNN（ニューラルネットワーク）やらSVM（サポートベクターマシン）やら騒がれた時代を彷彿とさせます。
要するに、何やら面白いことやっているようだけど、冷静に考えてみるとビジネスインパクトが不明瞭。そして、いつしか誰も見向きもしなくなる。そうならないために大事なことがあります。ディープラーニングに限らず、分析手法を確実にビジネスに活かすのに大事なことです。今回は、その分析手法を確実にビジネスに活かすのに大事なことについてお話し致します。
ディープラーニングだの、隠れマルコフだの、トピックモデルだの、カッコいい名前の付いた分析手法先行になっている場合、ビジネス活用で失敗しないためにも、参考にして頂ければと思います。
[東京・大井町]きゅりあん 4階研修室 
