明治大学

　私が所属している先端数理科学研究科は、社会に現れる複雑な現象や課題について、数理・データサイエンス・AIを活用して解決するための実践的な能力を育成することを目的としています。この分野は社会からのニーズも高く、学生の人気も高い。文部科学省も人材育成のため「数理・データサイエンス・AI教育プログラム認定制度」を創設しましたので、学生は認定されたプログラムを修了することで就職の際には大きなアピール材料となるでしょう。認定制度にはリテラシーレベルと応用基礎レベルがありますが、いずれも学部生向けのプログラムに対する認定です。大学院生を対象とした本学の「数理データサイエンス人工知能上級レベルプログラム」は、認定制度の応用基礎レベルより上級の知識技術を身に付け、上位の学生は「エキスパートレベル」をうかがう水準に達する人材の養成を目指したものです。

　どのチームも想像以上でした。私は、もっとデータマインニング的な研究が多いと思っていました。例えば、季節要因による売上の波の中にある小さな変化を取り出して、その要因をデータ解析するとか。しかし、それは無機質的な研究になります。学生は実社会における立場をしっかりと設定していました。メーカーの視点、小売店の視点、コンサルの視点などです。そこから、課題や目的を設定して分析を試みました。どれも私の発想にはない、着眼点です。POSデータが想像力をかき立てたようです。
　学生からも評価が高かったのが冷凍食品会社のプロジェクトです。マーケティング手法のPPM（プロダクト・ポートフォリオ・マネジメント）分析を使って、メーカーの立場で商品の現状を把握し分析していました。PPM分析は、市場成長率と市場占有率の2軸から商品を四つのカテゴリーに分類し、今後の経営資源をどこにどう費やすかを分析するものです。市場の情報などPOSにないデータも自分たちで集め、企業内コンサルのような立場でデータ分析をした例です。データの使い方も内容も分かりやすかった。

　今回初めての試みでしたが、これだけの盛り上がりを見せましたので、来年も「日経POS情報」を使った先端数理科学PBLを行いたいと思っています。
　データの種類については、今回の成果が良かったので欲がでてきました。今回は月次の首都圏というくくりでしたが、例えばエリアの違い、日次でデータを抽出した場合は、どのような分析ができるのか。もっと粒度の細かいデータのほうがよいのかもしれません。今回は、始める前に日経の方にも来ていただいて、POSデータの詳細について学生に解説していただきました。学生もそれでデータの理解が早かった。
　学生によって、データの見方もさまざまです。来年の学生は、どのような着眼点でデータを分析するか、今からもう楽しみです。