AI・PMOの進化
再現率
Classification Recall
読み：さいげんりつ
実際に陽性だったデータのうち、陽性として見つけられた割合を表す分類指標です。
01初心者向け
まず意味をつかむ
本当に遅延した案件の何割を、事前に要注意として拾えたかを見ます。重大な問題の見逃しを減らしたい場合に重要な物差しになります。
02実務者向け
仕事でどう使うか
真陽性を、真陽性と偽陰性の合計で割ります。検知対象と期間を定め、閾値を変えたときの誤警報数と適合率も同時に確認します。
03専門家向け
判断を一段深める
全件を陽性とすれば再現率は上がりますが、確認負担が過大になります。見逃しの重要度が案件ごとに違う場合は、件数だけでなく影響別の評価も補います。
IN PRACTICE
具体例で考える
架空の実際の遅延30件中24件を検知できた場合、再現率は24÷30で80％、見逃しは6件です。
理解を助けるための架空の例です。実際の遅延30件
検知24件
再現率80％
分母は実際に陽性だった件数です。
ここは誤解しやすい
再現率が高くても、警報の大半が誤りである可能性は残ります。
PROXIA INSIGHTS
考え方を、実務へつなぐ
AIを「使う」から、PMの判断に「活かす」へ ↗この知識を、組織の力へ。