方法の独り歩き

データサイエンスの独り歩きに限ったことではなく、健康法などでもありますが、ひとつの方法が、あらゆる問題解決に使えるような宣伝をされることがあります。

方法とデータの密接な関係

統計学や、多変量解析の方法には、コンピュータがなかった時代に考えられたものがたくさんあります。これらの方法は、コンピュータがなかった時代のデータに対して考えられたものです。

今は、センサーデータやログデータのように、最近になって発達したデータも数多くあります。こういう新しいデータでも、古い手法は役に立つのですが、データ解析をする時には、データリテラシーをいろいろ使ったりして、工夫が要ります。

ある方法を使ってうまく行くのは、その方法が想定している中身のデータに、その手法を当てはめた時です。実際のデータ解析では、方法が当てはまるようにデータを加工することもありますし、まったく別の方法でそのデータを解析する方が良いこともあります。要は、「万能の方法はない。」、ということですが、、、

会社の活動では、「この方法を使う」、「この方法を使って成果を出す」ということが先に決まっていて、そこがスタートになることが、よくあります。これは「手段の目的化」や、「手段が目的になる」と言われます。

新しい手段を見たり聞たりした時に、それを活用しようとすることは、「新しいことに挑戦」ということになり、とても良いことです。

この場合は、手段が目的になるところからスタートしますが、悪いことではないです。

手段を目的にすることが悪いことになるのは、いつまでも手段が目的のままになっている場合です。

「どこかで、使い方は見直しましょう」と言うのは簡単ですが、導入したい人の都合やこだわりがあるので、見直しは、難しいことが多いです。

良い尺度があると、物事を的確に捉える事ができるようになります。良い尺度を作ることは、「発明」です。

ただし、良い尺度が弊害をもたらすことがあります。それは、「良い尺度」というステータスを与えられると、その尺度で評価することが絶対視され、他の評価方法を受け付けない雰囲気が生まれることです。その尺度による評価が不適切な場合でも、その尺度による評価が断行されたりもします。

一番の弊害は、尺度の値だけを見るようになり、尺度の背景や、尺度を計算する時に使ったデータを見なくなることです。

品質工学のSN比、環境影響の尺度、経済性の尺度の文献で、独り歩きのような解説を見かけることがあります。

このページの話は、統計学が、今も抱える大問題です。

ひとつは、「P値は0.05以下にすれば良い」という尺度の独り歩きが進んでしまったことです。

もうひとつは、従来の検定は、統計量の確からしさの評価手法として作られているのに、「２群に違いがあるといえるか？」といった評価に使われることが慣習になってしまったことです。（統計的な検定と、統計教育の歴史）