データ・分析
データの代表性
Data Representativeness
読み：でーたのだいひょうせい
データが、実際に利用する相手や業務の条件をどれくらい幅広く捉えているかを表す。
01初心者向け
まず意味をつかむ
大規模案件の記録が千件あっても、小さな案件を予測できるとは限らない。今後使う場所や場面に似た記録がそろっているかを見る。
02実務者向け
仕事でどう使うか
対象部署、地域、繁忙期、案件の種類など、結果が変わりやすい区分を現場と選ぶ。各区分の件数と評価結果を示し、追加収集を待つ条件や利用範囲の限定を決める。
03専門家向け
判断を一段深める
選択バイアスや記録の欠落がどの区分に偏るかを調べる。低頻度でも影響が大きい条件は意図的に追加し、実際の構成比を反映した全体評価と区分別の評価を分けて解釈する。
IN PRACTICE
具体例で考える
架空の要員計画AIでは、外部委託を含む案件の履歴が不足していた。最初は社内要員だけの案件を対象にし、委託先の入力ルールを整備してから対象を広げた。
理解を助けるための架空の例です。使う案件の種類
記録の内訳
不足条件を補う
利用先と手持ちのデータを区分ごとに照らし合わせる。
ここは誤解しやすい
現時点の母集団をよく表すデータでも、将来の業務変更後に代表性が保たれるとは限らない。新規事業や制度変更の際に対象条件を見直す。
この知識を、組織の力へ。