DS検定【価値想像力】
バイオミメティクス
自然界の生き物の構造や仕組みを学び、人間の直面する課題解決や、新しいテクノロジーの開発に活かす技術。
例）
カワセミと新幹線
新幹線の鋭い先頭部分は、カワセミのくちばしを模したものです。
カワセミは水しぶきを上げずに水中に飛び込めます。
このデザインにより、トンネル進入時の騒音が減り、電力消費も抑えられました。蚊と痛くない注射針
医療現場の「痛くない注射針」は、蚊が血を吸うときの仕組みを参考に開発されました。
蚊の針はギザギザしており、皮膚の神経に触れる面積が非常に小さいため、刺されても痛みをほとんど感じません。ハスの葉と撥水技術
ハスの葉の表面には非常に細かい凸凹があり、水や泥を完全に弾きます（ハス効果）。
この仕組みは、撥水性の服や車のコーティング、ヨーグルトのフタの裏にヨーグルトがくっつかない技術に応用されています。
バリューチェーン：価値連鎖
企業の活動を「価値の連鎖」として捉えるビジネスの概念です。
原材料の調達から最終的に顧客へ届くまでの各工程で、どのように価値（バリュー）が付け加えられていくかを示します。
ビジネス活動を、主に主活動と支援活動に分類します。
バリューチェーンを分析することで、企業は コスト削減、競争優位性を把握できる。
サプライチェーン：供給連鎖
製品が最終的な顧客に届くまでに必要なネットワークとプロセスの全行程のことです。原材料の調達から、製造、物流（配送）、そして最終的な販売までのすべてを網羅します。
ビジネスモデルキャンバス：Business Model Canvas
ビジネスモデルを1枚の紙の上に可視化し、設計・分析するための戦略管理ツールです。
キャンバスは相互に関連する9つの要素に分かれています。
1. 顧客に提供する価値
2. 顧客セグメント
3. チャネル
4. 顧客との関係
5. 収益の流れ
6. 主要なリソース
7. 主要な活動
8. 主要なパートナー
9. コスト構造
収益モデル : 収益構造
企業がどのように売上（収益）を生み出し、お金を稼ぐかの具体的な仕組みのこと。
データライフサイクル
データライフサイクルとは、データが最初に作成または取得されてから、最終的に廃棄（消去）されるまでの全工程（ステージ）のことです。
これを適切に管理することは、データの安全性を保ち、正確性を維持し、以前お話しした「要配慮個人情報」のようなプライバシー法を遵守するために不可欠です。
1.作成・取得
2.保管・管理
3.利用
4.共有
5.保管・アーカイブ
6.廃棄・消去
5フォース分析
ある業界の競争環境や収益性を分析するための戦略フレームワークです。
その市場がどれくらい魅力的か、そしてどこにパワーバランス（主導権）があるかを理解するのに役立ちます。
1.新規参入者の脅威
2.代替品の脅威
3.買い手（顧客）の交渉力
4.売り手（供給先）の交渉力
5.競合の脅威
SWOT分析
重要なビジネスの意思決定を行う前に、自社の現状を評価するための基礎的な戦略策定ツールです。社内の内部環境と、市場などの外部環境の両面からアプローチします。
強み（Strengths）、弱み（Weaknesses）、機会（Opportunities）、脅威（Threats）
強み、弱みは自社でコントロール可能だが、
機会、脅威は市場や社会の動きであり、自社では変えられない
カスタマージャーニー分析
顧客の一連の体験（ジャーニー＝旅）を深く理解し、最適化するための手法です。
顧客が商品やブランドを初めて知る（認知する）段階から、検討、購入、そして購入後のサポートに至るまでのすべての接点（タッチポイント）を時系列で可視化します。
通常、これはカスタマージャーニーマップと呼ばれる視覚的なチャート（表）にまとめられます。
RFM分析
過去の購買履歴データから顧客の価値や行動を分析する強力なマーケティング手法です。
顧客をグループ分け（セグメンテーション）することで、「誰が優良顧客なのか」や「それぞれのグループにどうアプローチすべきか」を明確にします。
1. Recency (R - 直近購入日)
2. Frequency (F - 購入頻度)
3. Monetary (M - 購入金額)
AIDMA : アイドマ
消費者が商品を知ってから実際に購入に至るまでの購買心理のプロセスを説明する、最も有名な伝統的モデルの一つです。
1.Attention 認知・注目
2.Interest 興味・関心
3.Desire 欲求
4.Memory 記憶
5.Action 行動・購入
AISAS
AIDMAはテレビや新聞、看板などの伝統的なメディアにおいて今でも基礎となるモデルですが、インターネットやスマホの普及によって消費者の行動は変わりました。そのため、現代では以下のような進化版モデルがよく使われます。
Attention → Interest → Search (検索) → Action → Share (共有・SNSでの拡散)
CVMA
Proof Of Concept : 概念実証
MVP : Minimum Viable Product
利用者に価値を届けられる最小限の機能を備えた試作品のこと
データドリフト
時代や季節が変わることで、前提としていたデータの傾向が現実に合わなくなること
コンセプトドリフト
入力データと予測対象との関係性が変化すること。
正解率 : Accuracy
混同行列
正解率 : Accuracy
全体のうち、予測が当たった（TPとTN）の割合。
Accuracy = (TP+TN)/(TP+TN+FP+FN)適合率 : Precision
正しいと予想した予測のうち、実際に正例である割合
誤り検知を減らしたい場合に注視する
Precision = TP / (TP + FP)再現率 : Recall
実際の正例のうち、モデルが正しく正例と予測できた割合
見逃しを減らしたい場合に注視する
Recall = TP / (TP + FN)F値 : F1-Score
F1-Score = 2 × Precision × Recall / (Precision + Recall)特異度 : Specificity
再現率（Recall）が「陽性（Positive）」をどれだけ漏れなく見つけられたかに焦点を当てるのに対し、特異度（Specificity）は「陰性（Negative）」をどれだけ正しく見極められたかに焦点を当てます。
Specificity = TN/(FP+TN)
BLEU : Bilingual Evaluation Understudy
主に機械翻訳（日本語から英語への翻訳など）の評価に使われます。 仕組み: 適合率（Precision）ベースの指標です。AIが生成した文章の中の単語が、人間の作成した「正解の文章」にどれくらい含まれているかの割合を計算します。
特徴: 無駄な単語を多く出力するとスコアが下がります。値が高いほど、正確で信頼性の高い翻訳であることを意味します。
ROUGE : Recall-Oriented Understudy for Gisting Evaluation
主な用途: 主に文章の要約の評価に使われます。
仕組み: 名前（Recall-Oriented）の通り、再現率（Recall）ベースの指標です。人間が作った「正解の要約文」に含まれる重要な単語を、AIがどれくらい漏らさずに拾い集めることができたかを計算します。
特徴: 必要な情報を取りこぼさずに要約できているかを重視します。
モデレーション : Moderation
倫理・法律面で 不適切なコンテンツを監視・フィルタリングし、ブロックするプロセスのこと。
ヘイトスピーチ、差別的表現、暴力・性的なコンテンツ、違法行為の助長、個人情報や要配慮個人情報の流出などに対し、ユーザーがAIに入力する文章と、AIがユーザーに返す文章の両方をチェックする安全フィルターの役割を果たす。
データガバナンス（企業のデータ統治）やAI倫理の観点で、「モデレーションAPI」などを挟むことで、不適切な出力を自動で検知して遮断する仕組み。
ガードレール : Guardrails
ビジネスの運用面の枠組みから、AIアプリケーションの周りに設置する、具体的な「行動規範」や「運用ルール」を強制するためのプログラムの枠組み（レイヤー）。
高速道路のガードレールが車線逸脱を防ぐのと同じように、AIが嘘（ハルシネーション）をついたり、急に専門外の話を始めたり、危険なコードを生成したりして「脱線」するのを防ぐ。
例）
医療用AIに対してスポーツの質問をした場合、ガードレールが作動して「医療以外の質問には答えられません」と強制的に返答させる。
AIの出力を必ず特定のデータ形式（JSONなど）に制限し、システムのバグを防ぐ。
