本日、ある先輩とご一緒させていただきまして、とても勉強になりました。
彼曰く、いままで優秀な東大生をたくさん見てきたという。そこで、わかったのは、そうした人をどれだけたくさん見つけて、うまく使うかと。
で、このうまく使うことは、意外と難しい。たとえ、どんな優秀であっても、自分の意図とは違うことをすることがある。そして、下手に優秀な大学を出たのでプライドも高い。そのなかで、彼の指摘は、そうした人にきちんと目的を与えて、一緒にどう目的を達成すべきか考えるべしと。
ま、これはシリコンバレー流の業績評価でいえば、MBO(Management By Objective)、目標を設定して、それを達成するために、経営が一緒になって、汗をかくモデルそのものと思いました。
鉄鋼王アンドリュー・カーネーギーの墓碑にはこうあります。「自分より賢き者を近づける術知りたる者、ここに眠る」、どう人を使うか、その術はいろいろやらないとわからないなあと、ただ、その積み重ねが大事なのかもしれません。
最近、いろいろな方に聞かれるのは、プレッシャー感じてない？
はい、もちろん、感じております。そりゃ、プレッシャーはあります。まあ、でも、世の中なるようにかしかならないので、下手にプレッシャーを感じて力むよりは、穏やかな気分でいたいものです（ま、あまり穏やかでないですが）
それで思い出したのが、いつぞや読んだ武豊の本、競馬の騎手はとてつもないプレッシャーがかかります。たとえば、ディープインパクトのダービーのオッズは1.1倍、誰もが勝ち以外はないだろうというオッズです。そのなかで、騎手へのプレッシャーは相当のものだと思います。でも、彼は、実はプレッシャーを感じながらも、感じないふりをするという、さすがだなあ、と思いました。
と考えると、平常心、どんなプレッシャーがあっても平気なふりをする、これが目指すところかなあと。新渡戸稲造の武士道によれば、武士道の拠って立つところの一つが平常心。朝に切腹を命じられた武士は何も取り乱すことなく、平常心のまま、切腹を遂行したと。ま、これが良いのか悪いのかはともかく、ぶれない平常心でいたいものです。
3月23日（木）19:00からＷｅｂマーケティング・リレーセミナーに登壇させていただきます。ウェブマーケティングセミナーは、中学・高校の先輩でキャッチボール２１社長原田さんが主催されておられて、毎回多彩なゲストがリレーします。前回は、Schooの森さんと対談させていただき、とても大きな気づきをいただきました。ありがとうございました。
さて、次回は、フィンテックから見た企業のエコシステムという話題について議論します。自分が企業と本格的にかかわり始めたのは、アナリストを始めた10年くらい前から、それ以降、会社はどうやって大きくなっていくのか、どういう土壌が会社を育てるのか、考えてきました。
ま、企業は生き物みたいなもので、食べる餌、育つ環境によって変わるのだと思います、こうした点をフィンテックのベンチャーから議論できればと思います、登録が始まったばかりですので、ぜひ！
最近、ドコモのdマガジンで雑誌をパラパラ見るのが日課になっているのですが、毎回、婦人画報のクオリティの高さに瞠目しています。
家庭料理とか、和菓子とか何気ないテーマでも実に深く、広く、そして、長期間にわたって取材していて、プロの技を感じます。なかでも、自分の印象に残っているのが、松本金太郎絵日記でした。
彼は歌舞伎の名門高麗屋、松本染五郎の長男で、たぶん、いまは10歳くらい、10歳の絵日記を雑誌に載せて何が楽しいと思うかもしれない。でも、たとえば10年、20年後、彼が高麗屋の看板を背負うことになると、おそらく、婦人画報では、10歳の絵日記が何かしらのエピソードになると思うのです。
というわけで、今日、明日ではなくて、数年後、数十年後を見据えて、雑誌づくりを担う、相撲の三年先の稽古に通じるものがありそうです。
と考えると、企業も目先の利益を考えることは大事だけど、数年後、数十年後を見据えて取り組む、最近は目先にとらわれることが多く、じっくりと取り組くむのはもっと大事だと思ったのでした。
以前、ビックデータ時代だからこそスモールデータの手法の理解も大事というエントリを投稿しました。
で、自分はあまりテレビを見ないのですが、たまたまCNNによる世論調査で1000名を対象に米国時期大統領トランプ氏を支持するかしないかについて、世論調査したところ以前オバマ氏が81%のところ40%で支持率が低いという報道でした。
あらかじめ言うと、自分はこの結果に、とく賛成・反対はありません。むしろ、純粋にデータサイエンス的にこれが有意かどうか純粋に興味があります。
一番、確実なアプローチは、米国民３．１８９億人に賛成か反対かを問うこと。いわゆる、ビックデータのアプローチ。ただ、これが本当にできるかといえば意外と難しい気がする。１１月の大統領選挙でも、多くのメディアがヒラリー氏優先と伝えたものの、蓋を開けたら違う結果になったように、”ビックデータ”で解決できる話でないと思う。
となると、やっぱり、母集団からサンプリングして、そのサンプルから母集団を推定するというアプローチが妥当で、統計の世界では、サンプルの許容誤差という考え方があります。一般的には誤差５％つまり１００のうち９５が正しくて５が誤ると想定すると、許容誤差のサンプル数は(正規分布の5%信頼水準 1.96)^2 x (支持率 0.5ｘ非支持率 0.5)/(標本誤差 0.05)^2 = 384、つまり、384人にアンケートを取れば、理論上、許容誤差に収まる、なので、1000人は許容誤差の範囲といえるかもしれない。
ただ、この5％の許容誤差を1％にすると、(正規分布の5%信頼水準 2.58)^2 x (支持率 0.5ｘ非支持率 0.5)/(標本誤差 0.01)^2 = 16,641人、384人くらべて43倍のサンプル数が必要になる。
というわけで、ここから何がいえるか？この許容誤差の5%というのは、完全無作為に抽出する前提であれば成立するかもしれない。ただ、ただでさえ、CNNはトランプ氏から”うそのメディア”というレッテルを貼れて、質疑を拒否されたほど対立関係にあるので、もしかしたら、何かしらのバイアスがかかって”完全無作為”とはなっていないかもしれない。
というわけで、この精度をあげるには、１．CNNとは独立な機関によってサンプル抽出する、もしくは、２．許容誤差を5%から下げる、ともう少し尤もらしくなると思うのでした。
日経新聞のカルロス・ゴーン氏の私の履歴書を読んでいて、共感するところがありました。
彼がルノーあるいは日産において、不振の要因が縦割りの組織にあると感じ、「会議では自己主張や実りのない議論が多く、何も決まらない。何か起きれば、言い訳が先行する」状態だったと。そして、これを変えるべくクロスファンクショナルチームをつくる。それによって、部門壁を壊し、風通しを良くして一緒に問題の解決にあたる状況をつくると。
自分は製造業の経験はないけど、IT企業においても、これがズバリ当てはまる。IT企業の場合の多くは開発と営業の厚い壁があるケースが多い。開発は、”営業がムリな案件とってきた、仕様がムチャクチャ”と営業の詰る。一方で、営業は、”開発が遅い、バグが多い”と開発のせいにしがち。自分の経験上、開発と営業の溝が深いほど、企業の業績は落ちる、逆に、開発と営業との距離が近いほど、業績は総じて手堅い。
で、この溝を解決するには、一つしかない。それは、マネジメントによるハンズオン・介入。開発はいつも営業が悪いというけど、たまには営業が正しいこともある、逆もしかり。だからこそ、マネジメントが場を作って、しっかりと受け止めて、フェアに判断する、そして、仕組みを作る。ま、一言でいえば、リーダーシップですね。
「一方聞いて沙汰するな」、もうだいぶ時間がたってしまいましたが、大河ドラマ篤姫の主人公が常に心がけたことです。やっぱり、開発の話を聞いて沙汰するのではなく、開発と営業、両方の言い分をきちんと聞いて沙汰する。翻って、ゴーン氏はこうした判断能力が卓越していると思う、で、自分もまだまだだけど少しで近づければなあと思ったのでした。
昨日、今日と和倉温泉の加賀屋にいく機会があり、いろいろと気づきがありました。
いままで世界中でいろいろなホテル・旅館に滞在する機会がありましたが、加賀屋はおもてなしという点では、自分の中ではダントツでベストです。すばらしい旅館です。やはり、従業員一人一人が「どうしたらお客さまにとって過ごしやすい滞在ができるか」ということを徹底的に考えていて、すべてがその目線でサービスされています。たとえば、浴衣だと寝にくいだろうという配慮から夜にはパジャマを提供したり、男性には男性向けの食器、女性には女性の食器、アメニティ、タオル、何から何まで、ここまでやるかというところまで徹底しています。なので、1回だけではなく2回、3回とリピーターになる理由がとてもよくわかりました。
やはり、このモデルはおカネがかかる。お客様に常に快適に過ごしてもらうには、仲居さんが一人で沢山お客様を相手にしていては対応できないので、結果的に従業員を増やし、かつ、研修のコストも結構かかると思う。くわえて、設備についても、常に新しく入れ替えたり、料理を変えたりしないと、ライバルに追いつかれてしまうので、やはり、常に投資をしないと競争優位を保てないモデルだと思う。そういう意味で、競合を圧倒的な投資・M&Aで出し抜くアマゾン、もしくは競馬で稼いだ賞金をすべて投資につぎ込むノーザンファームのビジネスモデルに近いかもしれない。
この稼いだ金を全部つぎ込む全力投球型ビジネスモデルの場合、自分の経験では、やはり、どんどん投資して強くなるプレイヤーと投資の余力がなくなりジリ貧に陥るプレイヤーの二極化になりやすい。加賀屋も前者のプレイヤーで、今後もどんどん投資して強くなると思います。
というわけで、旅館・ホテルにとどまることなく加賀屋から学ぶべき点はたくさんあります。もちろん、加賀屋のように大規模な投資は、よほどの規模でないかぎり体力的にもキツイと思う。でも、「どうしたらお客様にとって過ごしやすい滞在ができるか？」というのは知恵を絞れば実現できる気もする。たとえば、そのアプローチがデータの活用。お客様にかかわるデータを徹底的に集めて、どんな新聞を読むのか、どんな食べ物が好きなのか、枕の好みなど大規模な投資をしなくてもお客様のことを理解できる手段はいろいろあると思う。百聞は一見に如かず、加賀屋での心地よい滞在からいろいろ得るものがありました。
２年ほど前からインプレスさんと一緒にデータサイエンス基礎講座をやらせていただいており、来年２月分についても募集がスタートしました。
今回は機械学習のための数学基礎編ということで、わりと、数学（統計学）をメインに扱います。いま、ディープラーニングとか機械が人間を越えるような答えを出す時代になりました。ただ、すべてを機械任せておけばよいとわけでもないと思っています。
やっぱり、何が正しいかを自分で考えて、仮説を立てて、データで検証する。その道具として統計はアリかと思っています。たとえば、確率分布でいえば、正規分布は割とポピュラーですが、カイ二乗分布、あるいはｔ分布、いわゆる”スモールデータ”を分析する手法ですが、母集団をよりよく知る大事なツールだと思います。
今回はこの手の確率分布の話からディープラーニングの数理までR演習を含めて取り扱います。大学のセメスターの授業を４回で扱うので、シンドイところもありますが、受講者の躓くポイントを２年かけて潰してきました。最後は巣籠さんの講演もあります。興味があればぜひ。
おそらく2年ぶりくらいになりますが、本が出ます。「図解入門ビジネス 最新FinTechの基本と仕組みがよ~くわかる本」。このシリーズは二度目で、紙の本はいつのまにか6冊目です。
たまに、「書くの楽じゃないの？」、と聞かれることがあるのですが、全くそんなことはないです。今回もいろいろな方の話を伺い、自分が腹落ちするまで調べて、何度も何度も書き直す（かのピーター・ドラッカーは自著を三度書き直すそうですが、さすがにそこまでは。。）。このプロセスはマラソンのようにキツいプロセスで、かつ最近はアプリックスCFOとの二毛作で平日はあまり時間をとれず、休みを主に使いましたが、納得がいくものができました。
アリペイ、テンペイなどのフィンテック先進国の中国、出稼ぎ労働者の送金から生まれたケニアのM-PESA、インドで起こりつつあるペイティーエムのようなモバイル決済、ロボアドバイザー、ブロックチェーン。日米だけではなく、世界各地で革命が起きていて、時間ができたらこうした世界を回るスタディーツアーをできればなあと思いました。というか、だれかやりましょう。
最後に今回もこうした機会をいただけました編集の山内さんありがとうございました。来週くらいから本屋さんに並ぶようで、電子書籍も近いうちにでるようです。ぜひ、よろしくお願いいたします！
