早嶋です。
先日の長田の話しです。『会社を出たところに、いかにも強面(こわおもて)の男性がノソノソとタバコを吸いながら歩いていたんだ。そして、彼がタバコを吸い終わったところだったので、「きっとポイ捨てするだろうな」って思っていたら、胸元から携帯灰皿を取り出してね。紳士な方だったよ。』と。
この話に関連して、次のような経験はありませんか?『夜中に前身黒ずくめの服装で目つきが悪い人に出くわしたら、直ぐに、このひとは泥棒か犯罪者ではないかと思ってしまう。』
行動経済学で、上記のような人の判断を説明するときに、ヒューリスティックという概念があります。これは、問題を解決したり、不確実なことがらに対して判断を下す必要があるときに、でも、そのための明確な手がかりやヒントがない場合に便宜的に用いる方法のことを指します。直感や経験則などですね。
ヒューリスティックに対比して使われる言葉がアルゴリズムです。これは、手順を踏めば必ず厳密な解が得られる方法のことです。三角形の面積の公式などがアルゴリズムに相当します。
ここで、上記の2つの事例にもどってみましょう。「いかにも強面」「真夜中に前身黒ずくめ」とくるといかにも悪い人を代表しているようですが、その直感は正しいとは限らないですね。
例えば、その人が犯罪者やいわゆる悪い人である確率は、直感的な判断から割り引いて考えなければならないのです。これらは、「確率を無視した思い込み」と考える事ができます。どんなに論理的に考える事ができたとしても、以外にちょっとしたところで説明が出来ない、あるいは、ロジックどおりではない!という行動が結構あるのです。
2007年12月 のアーカイブ
ヒューリスティック
3)意思決定のツール 標準偏差
早嶋です。
意思決定のツール「バラつきの概念」では、標準偏差のお話をさらっと書きましたので、今回は少し掘り下げてみます。
先ず、バラつきとは何か?を考えて見ましょう。前回の例で、中央区のパン屋さんの顧客のリピート購買回数をもとに考えてみます。中央区のパン屋さんの例では、顧客①~顧客⑩までの来店回数を示しました。これら10人の来店回数の平均値は100回です。
しかし、レンジ(最小値と最大値の差)を見てみると最小回数が90回、最大回数が112回と言うことで、それぞれ平均値の100回から離れているものや近いものまでバラバラですね。このようにバラつきとは、ある値(平均)を基準に、他の値がどのくらい乖離(離れているか)しているかを示すものです。
バラつきを調べるためにレンジを調べることは有効ですが、限界がありますね。レンジでは、最小値と最大値の差分を見ているだけなので、個々のデータを調べているわけではないからです。そこで、登場するのが標準偏差になるわけです。標準偏差を求める式を眺めていたら、少しびっくりするので、どのような考え方なのかを見てみましょう。
バラつきとは、個々のデータが平均からどの程度離れているか?を示すものなので、バラつきを定量的に求めるために、個々のデータと平均値の距離を調べて、その距離の合計値が大きいほどバラつきが大きいということがいえますね。
パン屋さんの例で考えましょう。顧客①と平均値の距離は、-10、顧客②と平均値の距離は-6、・・・顧客⑩と平均値との距離は12となります。上記の図を見てもわかるとおり、距離の乖離には正負が含まれているので、単純に合計すると相殺される可能性がありますね。
バラつきが大きければ、平均値からの距離の合計が大きい!ということは感覚的に判りますが、正負があるので単純には足すことが出来ない。このときの考え方として、1)絶対値の合計を取る、2)それぞれの距離を2乗して合計を取る、がありました。
1)の方が簡単そうですが、数学や統計の世界では何故か、2)が採用されました。2)の考え方で正負の問題は解消できますが、合計値で常に考えるのでは、扱うデータの数が常に同じでないと比較が出来ないですね。そのため、合計値の数をデータの数で割っているのです。このようにする事で、データの個数が異なっても比較する事ができますね。
数学では、この状態の値を分散と呼びますが、まだまだ問題があります。それは、単位がなくなることです。個々のデータの平均値の距離を2乗した時点で単位がなくなってしまいます。そこで、基のデータと比較できるように、平方根を取ってあげる作業をすると良いのです。
このように考えると、標準偏差の式に2乗が出てきたり、ルートが出てきたりする事が理解できると思います。
カーボンオフセット
早嶋です。
久留米商工会議所にて「消費者行動と購買活動」というテーマで90分お話をさせて頂きました。その中で話題になりました、「カーボンオフセット」についてコメントします。
カーボンオフセットは、自ら排出した二酸化炭素の量を何らかの方法で相殺(オフセット)すること。そして、この仕組みを提供する一連の運動がカーボンオフセットとして広がっています。
特徴は、二酸化炭素の削減にかかる費用を商品の価格に含めて、賛同する消費者が買うことによって、その費用を捻出することです。この活動は、今後のトレンドとしてドンドン増えると思います。また、実際に地球規模で二酸化炭素を削減するシステムとしても注目されています。
カーボンオフセットは日本などの先進国が、二酸化炭素削減の余地が大きいブラジルやインドなどの発展途上国に資金や技術を提供して、現地の植林などで削減した二酸化炭素の一部を、自分の国の削減量に充てるという考え方です。日本のような先進国では、明らかに省エネや森林整備を進めても限界があるため、京都議定書で導入されました。
カーボンオフセットが付いた商品は、マイバックや年間購読の雑誌など様々です。また、年賀状も5円の寄付金が付いた1枚55円のカーボンオフセット年賀が出ています。
因みに、カーボンオフセット年賀のプロモーションは、YouTubeを活用して、坂本龍一氏や中田英寿氏とのタイアップでクロスメディアを上手く活用しています。
2)意思決定のツール バラつきの概念
早嶋です。
「数値とカテゴリ」では、数値データをざっくり見るために、代表値の紹介をしました。数値データの代表値は、平均や中央値、最頻値など、カテゴリデータの代表値は割合や比率でしたね。
今回は、その中でも平均に注目してみます。例えば、次のような事例を考えて見ましょう。
あなたは今、中央区(①)と東区(②)の両方にパン屋を展開しているビズナビベーカリーのオーナーだとします。ビズナビベーカリーは地域に密着したベーカリーショップを目指しているために、顧客のリピート率を1つの経営指標として様々な意思決定を行っています。
さて、そのような中、あなたは、①と②の今年度の顧客リピート回数を年間100回と設定しました。そして、①と②では、それぞれの顧客データの蓄積により、目標を達成したと報告がありました。
【報告内容】
①、②の店舗とも顧客数は10人。その顧客のリピート回数を調査して、それぞれ平均を出したところ丁度、100回だった。
さて、①と②、共に目標を達成したと言えるでしょうか?今回のゴールは、顧客のリピート回数を100回を上回ることですので、平均を見る限り、①も②も満たしていますね。
では、どちらがより確実に目標を達成しているといえるでしょうか?それを調べるために、「バラつき」を見てみましょう。平均値が同じならば、全てのお客様が平均の100回に近い回数をリピートしている方が望ましいといえるでしょう。
1)レンジ(幅)を見る
ざっくり把握するためには、レンジを見ましょう。レンジは、データを昇順か降順に並べて最大値と最小値の差を見ることです。
①の場合、最小90回で最大112回なのでレンジは22ですね。同様に、②の場合、最小75回で最大が224回なのでレンジは146です。
レンジを調べるだけで、②の方がバラつきが大きいことがわかりますね。
では、バラつきをもっと的確に表現するにはどうすると良いでしょうか?コレが、小学校のときに習った標準偏差です。標準偏差=バラつきを表す1つの指標、と考えればOKです。
2)標準偏差を計算する
計算方法は割愛して、①の標準偏差は6.41、②の標準偏差は43.97となります。コレを見ると明らかに②>①なので、②の方がバラつきが多いということがわかります。
パン屋さんの例では、リピート回数の目標達成に対して、平均というアプローチと標準偏差というアプローチの2つを取りました。平均値だけでは、①と②のバラつきがどの程度なのか?を考慮していないことがわかります。
実際の経営環境では、平均値は多く使われますが、ある異常値が全体の平均値を上げる(又は、下げる)動きをしていることが良くあります。しかし、標準偏差でバラつきまで把握しておけば、そのようなことも防ぐことが出来るのです。
統計では、データの全体像を捉えるために、平均と標準偏差をセットで用いることが良くあります。
1)意思決定のツール 数値とカテゴリ
早嶋です。
経営の成果は、ある意味、意思決定の繰り返しの結果といえると思います。特に、会社を起業したての経営者は様々な場面での意思決定が必要です。大きな企業のように、得意分野ごとにブレーンがいるわけでもなく、戦略とヒト・モノ・カネ・情報に関る全ての意思決定を行う必要がありからです。
では、意思決定を行う際に、どのようなことを考えていますか?意思決定と言っても様々な場面に及びますので、しばらくの間、勝手に意思決定に関してのお役立ちツールや考えた方を紹介します。
データの加工 ~数値とカテゴリ~
経営を行っていく上で日常的に様々な数字データを取り扱っていると思います。売上、原価、粗利、人件費、・・・といった財務上のデータ。需要予測、市場規模、景気動向、・・・といったマーケティング上の数値など。
数字は数字のまま見ても、なかなかその傾向を掴むことが出来ません。そこで、わかりやすくするために、加工してみましょう。例えば、グラフを書いたり、基本統計量を調べたりです。
データを加工するために、知っておくと強いツールに『統計』があります。統計学と書けば、なにやら難しい感じですが、統計=数値データを加工する作業、と捉えると随分と身近なものになってくるのではないでしょうか?
データを加工する場合、先ず、加工するデータが1)数値データなのか?2)カテゴリデータなのか?に注意を払います。
1)数値データとは、数値に単位がつくデータで連続的なデータです。例えば、身長(cm)や体重(kg)、来店頻度(回)や購買金額(円)などです。数値データを見るときは、ざっくり平均を見ることが多いと思います。平均値は、そのデータの特色を1つの値で把握する事ができるので統計では、代表値と呼びます。数値データの代表値には、平均の他、中央値や最頻値などがあります。
2)カテゴリデータとは、数値に単位がつかないデータです。例えば性別(男・女)や地域(日本・海外)、血液型(A型・B型・AB型・O型)などです。カテゴリデータを一つの数値で表す場合は、割合で見ることが多いと思います。この割合や比率も統計でいう代表値の一つです。
ビジックのコラボレーション
早嶋です。
昨日と今日は、大阪と京都で仕事をしておりました。大阪では、ビズ・ナビ&カンパニーとコラボレーションをさせて頂いている株式会社エムケイシステムの加盟店様向けに、弊社のビジックのプレゼンをさせて頂きました。加盟店の社労士の方々、そしてエムケイシステムの方々、ありがとうございました。
エレベーター・ピッチ
早嶋です。
あるプロジェクトにおいて重要なプレゼンの機会を与えられたとします。プレゼンの持ち時間は1時間。こうなると、その1時間をいかに価値のあるプレゼンにするか社内に持ち帰ってそれなりの準備をすることでしょう。
そして、プレゼン当日。プレゼンの準備をしているところにクライアントがやって来て、「ごめんなさい、1時間とってたのですが、急な事情が出来たので30秒でまとめて下さい!」って。
さて、1時間のプレゼンを30秒でまとめることが出来ますか?
プレゼンテーションの本を読むと上記のことについて書いていると思います(How to make your case in 30 seconds or less.)。プレゼンの構成とメッセージが明確になっていれば30秒でまとめることができますが、出来ていなければ頭が真っ白になることでしょう。
この手の話しは、エレベーター・ピッチとして有名です。30秒ほどの時間は、エレベーターに乗っている間の時間。この間にインパクトのある話が出来るひとは強力な武器を得たも同然です。なぜなら、30秒という時間は人間にとっての集中力が持続する時間だからです。
有名な話です。ある日、ハーツバーグ・ダイアモンドのオーナーであるハーツバーグJr氏がNYのプラザホテルの前でウォーレンバフェット氏を見かけました。彼はバフェットに近づき、「バフェットさん、こんにちは。私はバークシャー・ハサウェイ(バフェット氏がCEOを勤めている会社)の株主で、あなたの大ファンです。私の会社は、あなたの投資基準を満たしていると思います。」そこでバフェット氏が一言。「詳しい情報を送って下さい。」と。
実際、1年後にハーツバーグはダイアモンド販売チェーンをバフェット氏に売却したそうです。自分の言いたいことを30秒で伝える。コレは、どのような場面(面接、人づくり、自己紹介、商談、PR・・・)でも有効ですね。
さて、自己紹介を30秒でして下さいって言われたら、どのように伝えますか?
最終提案ゲーム
早嶋です。
朝から東芝の本社にお邪魔して、来年させていただく研修の打ち合わせ。大企業の受付は、世界各国の人々で随分とにぎわっているものですね。
さて、世の中、合理的な判断で全てにおいて意思決定をされているか?というとそうではありません。前回紹介した、Winner’s curseでも書きましたが、時に合理的な意思決定と思えない場合が多々あります。そのような考えを現在進行形で体系的に整理している研究が、行動経済学。今回は、その中にも登場する最終提案ゲームについて触れてみます。
最終提案ゲームとは、次のようなゲームです。Aは手持ち資金のX(X=1000円)を自分と見知らぬ他人Bに分配するゲームです。ルールは、AがBにお金(x)を分配して、Bが拒否することなく受け取った場合にBに支払った差額(X-x)を報酬としてもらうことができます。
例えば、Bに300円(x)を分配し、Bが受け取った場合、Aが受け取る金額は700円(X-x)になります。と言う事で、最終提案ゲームの合理的な結論は、以下のようになるはずです。
1)配分者Aはかぎりなくゼロに近い分配額を提示する
2)受け手Bは、金がゼロでなければ全ての提示を受け入れる
しかし、上記のゲームを繰り返すと、分配する人の提示額は手持ち資金の30%~50%程度に収束し、逆に、低い提示額を受けた受け手は受取拒否をする。という結果になります。提案者は分配に対して拒否されることを恐れ、甘い傾向がでます。一方、受け手は、提示額が低い場合、「はした金の提案を取り下げて、とっととうせろ!」といったプライドの部分が強く強調されるのです。
わかっていても合理的な行動を取れない。実は、合理的な行動の方が限定的で、感情によって意思決定をされる部分が多くあるのではないでしょうか?しかし、このような不合理性を取るバイアスを知っているのと、知らないのでは、意思決定において重要な意味を持つでしょう。
ナンピン買い
早嶋です。
本日は、東京にて企業研修の公開セミナーでした。早嶋は、ロジカルシンキングで参加させて頂きました。約10社の企業の人事担当の方々が参加されており、現在、提案させていただいている企業研修の内容を体感していただきました。参加者の方々、お疲れ様でした。
さて、以前、サンクコストについて書きましたが、株式のナンピン買いもサンクコストの概念を考えたら、どうも合理的では無いと考える事が出来そうです。
ナンピン買いとは?ある株式を200円で購入したとします。しかし、その株価が2ヶ月後に100円になったとします。そこで、もう一株購入しました。このようにする事によって、平均購入価格を200円から150円にする事が出来るからです。このように、同一株式を値下がりした時点で買いますことによって平均購入価格を下げることをナンピン買いといいます。
では、何故、ナンピン買いが合理的では無いと考えたのか?例えば、2ヶ月後の時点で、100円を他の投資に回す選択肢も考えられるからです。合理的な判断だとすると、100円で購入した株式が、今後、上昇すると判断したでしょう。しかし、ナンピン買いの実際は、2ヶ月前に200円で購入した額が影響していると考えるとどうでしょう。
サンクコストとは、意思決定を行う際に、それよりも過去に行った投資額で、既に埋れたコストのため、今後の投資判断んに一切影響を及ぼさないという考え方です。
とすると、ナンピン買いは過去を振り向いた意思決定の要素が強いので合理的な意思決定とはいえないかもしれません。いやー、このように考えると、そうかもしれませんが、やはり、ナンピン買いをした経験が多々あります。
ロジカル
早嶋です。
本日は、夕方より東京に移動です。
最近、企業研修の依頼の中でロジカル●●●、といった内容が増えています。●●●の中には、コミュニケーションだったり、シンキングだったり、ライティングであったり、プレゼンテーションであったり様々です。
では、そもそも何故、論理思考が必要になったのでしょうか?よく言われる言葉の中で不確実性、多様性、スピードなどがその背景の大元にあるように感じます。
このような背景の中、自分だけが仮に何かの事象を理解したとしても、他に伝えることが出来なければ付加価値を生まないとしたら?どうでしょうか。そのために、分かりやすく伝える方法が論理思考かも知れません。
人間の特徴の一つに自身の考えを道具を使って伝えることがあります。長い歴史の中で蓄積されてきた方法論がロジックであったり、数字であったり、言語であったりします。そして、興味深いのは、言語が変わってもロジックや数字は世界共通語であるということです。
共通言語を使うということは、他社とのコミュニケーションにおいても最も便利です。と考えると、近年のロジカル●●●が要求されている理由なのでしょう。
最新記事の投稿
最新のコメント
カテゴリー
リンク
RSS
アーカイブ
- 2024年4月
- 2024年3月
- 2024年2月
- 2024年1月
- 2023年12月
- 2023年11月
- 2023年10月
- 2023年9月
- 2023年8月
- 2023年7月
- 2023年6月
- 2023年5月
- 2023年4月
- 2023年3月
- 2023年2月
- 2023年1月
- 2022年12月
- 2022年11月
- 2022年10月
- 2022年9月
- 2022年8月
- 2022年7月
- 2022年6月
- 2022年5月
- 2022年4月
- 2022年3月
- 2022年2月
- 2022年1月
- 2021年12月
- 2021年11月
- 2021年10月
- 2021年9月
- 2021年8月
- 2021年7月
- 2021年6月
- 2021年5月
- 2021年4月
- 2021年3月
- 2021年2月
- 2021年1月
- 2020年12月
- 2020年11月
- 2020年10月
- 2020年9月
- 2020年8月
- 2020年7月
- 2020年6月
- 2020年5月
- 2020年4月
- 2020年3月
- 2020年2月
- 2020年1月
- 2019年12月
- 2019年11月
- 2019年10月
- 2019年9月
- 2019年8月
- 2019年7月
- 2019年6月
- 2019年5月
- 2019年4月
- 2019年3月
- 2019年2月
- 2019年1月
- 2018年12月
- 2018年11月
- 2018年10月
- 2018年9月
- 2018年8月
- 2018年7月
- 2018年6月
- 2018年5月
- 2018年4月
- 2018年3月
- 2018年2月
- 2018年1月
- 2017年12月
- 2017年11月
- 2017年10月
- 2017年9月
- 2017年8月
- 2017年7月
- 2017年6月
- 2017年5月
- 2017年4月
- 2017年3月
- 2017年2月
- 2017年1月
- 2016年12月
- 2016年11月
- 2016年10月
- 2016年9月
- 2016年8月
- 2016年7月
- 2016年6月
- 2016年5月
- 2016年4月
- 2016年3月
- 2016年2月
- 2016年1月
- 2015年12月
- 2015年11月
- 2015年10月
- 2015年9月
- 2015年8月
- 2015年7月
- 2015年6月
- 2015年5月
- 2015年4月
- 2015年3月
- 2015年2月
- 2015年1月
- 2014年12月
- 2014年11月
- 2014年10月
- 2014年9月
- 2014年8月
- 2014年7月
- 2014年6月
- 2014年5月
- 2014年4月
- 2014年3月
- 2014年2月
- 2014年1月
- 2013年12月
- 2013年11月
- 2013年10月
- 2013年9月
- 2013年8月
- 2013年7月
- 2013年6月
- 2013年5月
- 2013年4月
- 2013年3月
- 2013年2月
- 2013年1月
- 2012年12月
- 2012年11月
- 2012年10月
- 2012年9月
- 2012年8月
- 2012年7月
- 2012年6月
- 2012年5月
- 2012年4月
- 2012年3月
- 2012年2月
- 2012年1月
- 2011年12月
- 2011年11月
- 2011年10月
- 2011年9月
- 2011年8月
- 2011年7月
- 2011年6月
- 2011年5月
- 2011年4月
- 2011年3月
- 2011年2月
- 2011年1月
- 2010年12月
- 2010年11月
- 2010年10月
- 2010年9月
- 2010年8月
- 2010年7月
- 2010年6月
- 2010年5月
- 2010年4月
- 2010年3月
- 2010年2月
- 2010年1月
- 2009年12月
- 2009年11月
- 2009年10月
- 2009年9月
- 2009年8月
- 2009年7月
- 2009年6月
- 2009年5月
- 2009年4月
- 2009年3月
- 2009年2月
- 2009年1月
- 2008年12月
- 2008年11月
- 2008年10月
- 2008年9月
- 2008年8月
- 2008年7月
- 2008年6月
- 2008年5月
- 2008年4月
- 2008年3月
- 2008年2月
- 2008年1月
- 2007年12月
- 2007年11月
- 2007年10月
- 2007年9月
- 2007年8月
- 2007年7月
- 2007年6月
- 2007年5月
- 2007年4月
- 2007年3月
- 2007年2月
- 2007年1月
- 2006年12月
- 2006年11月
- 2006年10月
- 2006年9月
- 2006年8月
- 2006年7月
- 2006年6月
- 2006年5月
- 2006年4月
- 2006年3月
- 2006年2月
- 2006年1月
- 2005年12月
- 2005年11月
- 2005年10月
- 2005年9月
- 2005年8月
- 2005年7月
- 2005年6月
- 2005年5月
- 2005年4月