ビッグデータとオープンデータ（２） メディアコミュニケーション論Ⅲ 第１３回.

Presentation on theme: "ビッグデータとオープンデータ（２） メディアコミュニケーション論Ⅲ 第１３回."— Presentation transcript:

1 ビッグデータとオープンデータ（２） メディアコミュニケーション論Ⅲ 第１３回

2 （M2M-Machine To Machine）
ビッグデータとは（１） 人が作り出している （ソーシャルデータ） 大量のデータのことであるが， 売上データ（日付と金額の組み）のような，“型が決まった”ものだけでない 動画 Twitterなど センサー（位置情報，温度，…） 多様なデータでもある 機械が作り出している （M2M-Machine To Machine）

3 ビッグデータとは（２） 大量・多様なデータで 発生速度が早い 次から次へと発生する

4 ビッグデータとは（３） 特徴 大量のデータ（Volumue） 多様なデータ（Variety） 従来のデータベースでは管理が困難
発生速度が速い（Velocity）

5 ビッグデータの処理（従来） 大量のデータをすべて処理する能力（コンピュータのパワー）がなかった 一部だけを取り出して処理 サンプリング
処理に時間がかかる 月末にバッチ処理

6 ビッグデータの処理（今では） クラウドの利用 大量のデータを全件処理可能 迅速に処理可能 発生した情報を直ぐに処理し，その結果を活用できる
データが“新鮮”な うちに，活用できる

7 ビッグデータは処理可能 ビッグデータだから，“見えてくること” 少ないデータからでは，分からないこと 従来は処理できないデータ
あっても，“存在しない”データ 新たなビジネス

8 具 体 例

9 具 体 例（１－１） 販売データ 顧客の様々な情報（年齢，性別，住所など）と購入した商品 次に何が売れるか？ 品揃えの充実・売上げ増加
コンビニで生鮮食料品 顧客の詳細情報から，“売れる”と判断 ポイントカードの活用

10 具 体 例（２） ソーシャルデータ 自社製品を含むデータ（“つぶやき”） 消費者の（個人）情報と結びつける
分析することで，新製品の開発・既存製品の改良

11 具 体 例（３－１） 検索キーワード 特定のカテゴリーに属するものが増加 “せき”，“熱”など 何を意味するのか？ 風邪の流行

12 具 体 例（３－２） Twitterでも同様 ツイートに含まれる，“せき”，熱“など

13 具 体 例（４－１） リアルタイム人口 いつ，どこに何人いるか 時間帯（昼と夜） 場所（住宅街とオフイス街）
災害が発生した際，帰宅困難者を見積もることが可能

14 具 体 例（４－２） モバイル空間統計に関する情報（NTTドコモ） 基地局の管理エリア内の携帯電話の数が分かる 人の数が分かる 時間とともに，どのように変化するか分かる 人の移動が分かる

15 具 体 例（５） 犯罪対策 １日１億件，年間１８テラバイトのカード利用データから不正使用を検知（IBM）

16 具 体 例（６） カーナビからの走行データ “通れた道マップ” 震災後，どの道路が通行可能かどうか 危険箇所の発見 急ブレーキが多発
そこに何か原因がある

17 具 体 例（７） 天気予報 ウェザーニューズ 会員が，自分のいる場所の天気を報告 現在の状況から，予報を迅速に

18 具 体 例（８） 医療情報 カルテだけでない 患者の諸々の情報 次の発病を防ぐ

19 具 体 例（９） 遺伝子情報（DNA） 究極の個人情報 １人の情報を完全に解析 多数の人の情報を収集
遺伝子情報から，将来発症する可能性が高い疾病が判明

20 ビッグデータの入手方法

21 自分で 持っているものを使う 従来は，使わなかった（使えなかった） 新たに集める センサー Web2.0的な方法は？

22 買う（売る）（１） NTTデータが国内全ツイート情報を再販、TwitterとのFirehose契約で

23 買う（売る － 売れない）（２） 交通系ICカードのビッグデータ利活用による　駅エリアマーケティング情報提供サービスを開始 Suicaに関するデータの社外への提供について

24 オープンデータ（１） 自由に使うことができるデータ 注目されているのが，“行政機関がもつ大量のデータ”
一般に公開（コンピュータで処理可能な形式） 新たなビジネス

25 オープンデータ（２） 電子行政オープンデータ戦略

26 ビッグデータ・オープンデータの 問題点 ー まとめに代えて
順不同 ビッグデータと言っているが オープンデータも含む

27 ビッグデータの問題（１） ビッグデータを活用するビジネス データに欠損がある データの使い方が分からない 人材不足 データサイエンティスト

28 ビッグデータの問題（２） “ビッグ”であっても“オール”ではない Twitterのつぶやきが“すべて”か？ 落とし穴が潜んでいるかも知れない

29 ビッグデータの問題（３） ビッグデータに含まれる個人情報の取扱い DNAなどは，もっとも典型的な例

30 ビッグデータの問題（４） 先のNTTドコモの場合
モバイル空間統計では、運用データのうち電話番号の様な個人を識別できる情報を使用しません。また、生年月日を年齢層に変換するなど情報の要約を行います。この処理を「非識別化処理」と呼びます。 少人数エリアの数値を除去します。この処理を「秘匿処理」と呼びます。秘匿処理は、統計的に少数であることで個人を推測されやすくなる場合があり、これを防ぐために行います。 匿名化

31 ビッグデータの問題（５） 単独のデータなら問題ない，としても しかし，複数の（ビッグ）データを併せると，浮かび上がる情報もある
ビッグデータ活用の本質の一つ 匿名化したはずなのに，個人が見えてくる可能性（再識別） 今日は大丈夫だが，明日は…

32 ビッグデータの問題（６） まとめ 個人データの活用が大きなポイント プライバシー保護との兼ね合い 匿名化 簡単ではない

33