今日、テレビをつけましたか？ニールセンについて ラジオは？スマートフォンのアプリを使ったかもしれません。もしかしたら、お店で夕食の材料を買ったり、新しいシャンプーをネットで買ったりしたかもしれませんね。

これらの活動はすべて、シンプルな日常的行動です。しかし、今日の広大で相互接続された、そして頻繁にデジタル化された世界では、これらは貴重なデータポイントでもあるのです。

重要なのは、ブランドやマーケティング担当者が消費者のニーズを理解し、そのニーズに応えるためにより良い意思決定を行い、最終的にビジネスの成長を促進することができることです。しかし、その前に、ブランドとマーケティング担当者は、すべてのデータを理解する必要があります。

今日のデジタル時代に私たちが生み出すデータの規模と範囲は驚異的であり、ニールセンはその多くを測定しています。これを考えてみてください。ニールセンは、毎月17億件のテレビ視聴記録、毎月67億件の店舗取引、そして毎年1兆6千億件のオンラインインプレッションを収集しているのです。私たちの日々の行動から生まれる膨大で、時には厄介なデータの山を、使いやすく、実用的で、意味のある情報に整理し、同時にデータの責任ある管理者となり、人々のプライバシーを守るには、特別な知識とスキルが必要です。

幸いなことに、ブランドやマーケティング担当者に新しいデータソースを提供するテクノロジーやプラットフォームが急成長しているため、そのデータを測定して洞察を得るための新しいツールや手段も登場しています。消費者が作成したビッグデータを解析する（つまり意味を理解する）のに役立つ新しいデータソースや分析ツールを追求するのは、データサイエンスチームの役割です。データサイエンティストは、科学的手法、プロセス、アルゴリズム、システムを使って、雪だるま式に増えるデータから貴重な知見を発見しています。

ニールセンについて ニールセンでは、約1100人のデータサイエンティストが、クライアントのために「点をつなぐ」ための適切で再現性のある方法を見つけ出し、消費者のニーズに合ったストーリーを伝えることを使命としています。この例えの「点」は、消費者を理解しようとするクライアントが利用できる無限のデータポイントを表していますが、データサイエンティストが生み出すことができる「つながり」こそが、クライアントの意思決定のための第一のインプットであり、成長の燃料となるものなのです。

ニールセンのデータサイエンティストチームの一員として、データを統合し、クライアントのために重要なつながりを生み出すカスタムソリューションの開発に取り組んでいます。これらのソリューションには、データ融合、カスタム視聴者セグメンテーション、ROI分析、データソースを統合して消費者の特定のビジネス上の疑問に答えるための全く新しい方法論などがあります。ニールセンについて 消費者。

新しいテクノロジーとビッグデータが、メディアの消費量や購入する製品の測定方法に革命をもたらしていることは間違いありません。しかし、それらには限界があることも忘れてはなりません。

テクノロジーは通常、計測を念頭に置いて作られることはありません。その結果、ビッグデータは様々な点で偏ってしまう可能性があります。ニールセンについて 例えば、テレビのチャンネルを変えるために使うリモコンを考えてみてください。ボタンを押すと、信号がボックスに送られ、その信号によってデータが生成されます。しかし、そのデータは、ニールセンについて あなたに伝えることができることが制限されています。例えば、あなたがボタンを押したのか、他の家族が押したのかはわかりません。偏ったデータは、消費者の誤った洞察ニールセンについて やマーケティング担当者の誤った意思決定につながる可能性があります。

もう一つの例を挙げましょう。テレビに接続された機器と定額制のビデオ・オン・デマンド・サービスにより、消費者は好きなものを好きなときに選択することができます。ニールセンについて しかし、これらの機器を所有しているのは、 アメリカ人のわずか60%にすぎません。その結果、これらの機器から得られるデータは、米国の全人口を代表するものではありません。さらに、これらのデータは、テレビの状況を全体的に把握するために、リニアテレビの指標と比較できるようにする必要があります。

ニールセンでは、ビッグデータとともにパネルを使用し、データポイントと実在の人物をマッチングさせています。うまく構成されたパネルは、ビッグデータに内在する多くのバイアスを排除することができます。例えば、ニールセンの米国TVパネルは、年齢、民族、所得レベルごとに米国の人口を統計的に表現しています。このパネルから得られる知見と、ケーブル事業者との協力によりニールセンがケーブル・ボックスから受け取るビッグ・データを組み合わせることで、リモコンの後ろにいる人を発見することができるのです。このように，パネルとビッグ・データのハイブリッド測定は，ビッグ・データの粒度と詳細性を提供し，パネルの偏り低減と代表性を提供することができるのです．

そして、人工知能（AI）を働かせる際に提供される馬力は指数関数的に増大しており、データ入力がクリーンで信頼でき、代表的なものであることを保証することが、かつてないほど重要となっているのです。この基準を満たさない場合、（AIのおかげで）質の悪い結果をより大量に生み出していることを意味します。ガベージイン、ガベージアウトであることを忘れてはいけません。いわゆる「十分な」データは、AIの世界では単に十分ではないのです。

データサイエンティスト自身も、測定におけるバイアスを減らすために重要な役割を担っています。当社のデータサイエンスチームには非常に優秀な統計学者がいますが、当社のチームがいかに多様であるかを知ると、多くの人が驚くかもしれません。ニールセンのデータサイエンスチームには、数学、行動科学、化学工学、物理学、教育学、経済学、コンピュータ工学など、さまざまなバックグラウンドを持つアソシエイトが所属しています。このような多様な視点が、私たちの測定において異なる視点を考慮することに役立っています。

今日のビッグデータの世界では、金融、顧客サービス、人事、メディア分析など、ますます多くのビジネス分野が、それぞれの業務にデータサイエンスを取り入れるように進化しています。統計的手法、プログラミング、分析スキルの中核となる知識を、多様なバックグラウンドを持つより多くの人に与えることは、今日のビジネスのさまざまな分野でより良い意思決定を行うための扉を開くことになります。

私たちの日常的なデータから質の高い知見を得るために必要なバイアスや考察を、この分野の新参者が理解していれば、データサイエンスの将来にとって良い兆しとなるのではないでしょうか。