採用面接を担当したことのある方なら、
「どんな質問をすれば、本当に優秀な人材がわかるのだろう?」という、
切実な疑問を抱かれたことがあるはずです。

たとえば……
ありがちな質問をすると、相手は用意してきた答えを立て板に水で話します。
かといって、ちょっとひねった質問をすると、
相手は緊張した様子で、あたりさわりのないことしか答えません。

面接を終えて応募者を評価する段階になると、
果たして求める人材なのかどうか、確信が持てないというのが
多くの面接担当者の実情ではないでしょうか。

採用後、相手が使える人材であればよいのですが、
「採用ミスだった……」とがっかりするケースも少なくないでしょう。
それでは採用にかけた費用が無駄になってしまいます。

本書は、そのような失敗を防ぐのに役立ちます。
第一部では、応募者から本音を引き出し能力を判断できる、的確な質問とは?
第二部では、応募者から返ってくる答えから、相手の本質をどう見抜くか?
を、具体的な例とともに解説。
ここに挙げられた質問は、そのまますぐに面接で使えます。
非常に実践的な、採用面接の質問マニュアルなのです。

したがって、この本は面接担当者だけでなく、
面接を受ける側の人にとっても必携書となります。
「応募者が用意した答えの奥にあるものを見抜くために、面接担当者はどんな質問をしてくるか、
それにどう答えればいいか」を教えてくれるわけですから、
世の「面接応答マニュアル」の一段上、「奥の奥」まで行き届いた一冊なのです。

『国富論』(アダム・スミス)、『資本論』(マルクス)、『隷従への道』(ハイエク)、『雇用・利子および貨幣の一般理論』(ケインズ)などの古典名著から、『クルーグマン教授の経済入門』(クルーグマン)、『21世紀の資本』(ピケティ)といった現代のベストセラーまで、ビジネスエリート必須の教養を、まるごとつかめる!

【本書で紹介する「名著」の例】
『国富論』スミス『経済学および課税の原理』リカード/『雇用・利子および貨幣の一般理論』ケインズ/『経済学』サミュエルソン/『隷従への道』ハイエク/『経済発展の理論』シュンペーター/『資本主義と自由』フリードマン/『クルーグマン教授の経済入門』クルーグマン/『入門経済学』スティグリッツ/『企業とは何か』ドラッカー/『プロテスタンティズムの倫理と資本主義の精神』ウェーバー/『資本論』マルクス/『21世紀の資本』ピケティ/『大転換』ポランニー/『ムハマド・ユヌス自伝』ユヌス/『貧困の克服』セン/『大脱出』ディートン/『隷属なき道』ブレグマン/

「評価指標でXXXという最高のスコアが出た！」と喜び勇んで、機械学習モデルが出力してくる予測結果をもとにビジネスを運用したとします。 ところが、ビジネス上のKPIと相関が高い評価指標を選んでいなかったために、KPIの推移を見てみると大した変化がありませんでした。 あるいは「毎日夜遅くまで残業をして、特徴量生成とクロスバリデーションによって評価指標を改善しました！」というデータサイエンティストがいたとします。ところが、KPIの改善のためには そこまで高い評価指標の値を達成する必要ありませんでした。このようなケースでは、データサイエンティストが費やした工数がすべて水の泡となってしまいます。———-（はじめにより）———-

このような状況が起きてしまう背景にはさまざまな原因が考えられますが、あえて一言で言うと「データサイエンスの問題が解くべきビジネスの問題と乖離していた」ためです。

機械学習モデルの”良し悪し”を決めるときには、評価指標（Evaluation Metrics）を必要とします。本質的に評価指標の設計方法は自由であり、ビジネス上の価値を考慮して自ら作成することも可能です。RMSEやAUCといったスタンダードなものから、ドメインに特化した数値まで、あらゆる指標が評価指標になりえます。では評価指標はどのように決めるのが良いのでしょうか。また、どのように決めれば冒頭のような悲しい状況を生まずに済むのでしょうか。

本書はこれらの疑問に答えるため、機械学習の良し悪しを決める評価指標を軸に、解くべきビジネスの問題をどうやってデータサイエンスの問題に落とし込むのか、その原理を解説していきます。この原理が普遍的なものであれば、ビジネスがどんなものであっても応用できると考えることができます。

回帰、分類で使用するスタンダードな評価指標についても、基本から丁寧に解説します。本書を読むことで、どのようなケースでどの評価指標を選ぶべきかがわかり、評価指標の読み間違いを避けることができます。

本書は、長年トヨタおよびトヨタグループで困り事解決の実践支援に携わった著者が、統計的品質管理（SQC）と機械学習というデータ分析手法のより良い使い方を解説したものである。
本書で、従来のデータ分析手法「統計的品質管理（SQC）」と、近年脚光を浴びている「機械学習」それぞれの得意とするところを理解でき、これらを上手に実務へ活用できるようになる。

著者について
東京理科大学基礎工学研究科修士課程修了。トヨタ自動車(株)第3電子技術部に入社。その後、TQM推進部、SQCグループのグループ長として応答曲面法、信頼性、品質工学、感性評価などの社内講座における質向上の取組みを行う。現在は、SQCおよび機械学習におけるデータ分析の普及推進や実践活用の支援に従事。 社内およびトヨタグループのデータ分析推進・ 指導アドバイザ。日本規格協会講師、中部品質管理協会講師。

《内容紹介》
Webデータや画像データに代表されるようなビッグデータが注目される一方で、機械の故障データのように発生自体がまれであったり、患者さんの検査データのように倫理的な問題からデータを集めることに制約があったり、あるいはデータの判読が専門家以外では困難で機械学習に利用しにくいデータは、どうしても忘れられがちです。ビッグデータの時代において、収集が難しいために私たちが忘れかけているデータのことをスモールデータとよびます。

スモールデータでは、測定されている変数の数に比べて学習に必要なサンプルが不足していたり、それぞれのクラスのサンプル数が極端に偏っていたりするため、深層学習のようなビッグデータの方法をそのまま適用するのは適当ではなく、異なるアプローチが必要になります。

本書は、スモールデータとはどのようなデータであるのかを具体的に紹介して、スモールデータ解析の基本となる次元削減と回帰分析を説明します。特に部分的最小二乗法(PLS)はスモールデータ解析の大きな武器となるでしょう。そして、機械学習においてモデルの性能向上のために必要な変数(特徴)選択を紹介し、特にクラスタリングに基づいた新しい変数選択手法を説明します。つづいて、不均衡なデータの解析手法と異常検知を紹介して、最後にスモールデータ解析についての筆者の経験に基づいたポイント・考え方を述べました。本書ではPythonプログラムとスモールデータ解析の例題を通じて、読者がスモールデータを有効に解析できるようになるよう工夫しています。

ビッグデータの世界は、もはやデータ量と資本力が支配するレッドオーシャンとなっています。しかし、スモールデータの世界は、まだまだ現場の創意工夫次第でデータから新たな価値を引き出すことのできるブルーオーシャンなのです。みなさんも、この未知の世界に飛び込んでみませんか?

★3000人以上に「考え方」を教えてきた元戦略コンサルの著者が記す思考の秘訣！
★この1冊で「考えること」が楽しくなる！
★ベストセラー『変える技術、考える技術』『フェルミ推定の技術』の著者、待望の４冊目！

（本書の内容）
第１章「答えのないゲーム」の戦い方をしませんか？
▼「答えのないゲーム」にはこの３ルール
①「プロセスがセクシー」＝セクシーなプロセスから出てきた答えはセクシー。
②「２つ以上の選択肢を作り、選ぶ」＝選択肢の比較感で、“より良い”ものを選ぶ。
③「炎上、議論が付き物」＝議論することが大前提。時には炎上しないと終われない。

第２章「示唆」
▼ファクトから示唆＝メッセージを抽出するためのキーワード
①「見たままですが」
②「何が言えるっけ？」
③「それは何人中何人？」

第３章「Ｂ◯条件」
▼炎上を回避し、議論を健やかにする思考技術
①Ａ（自分の意見）とＢ（相手の意見）を真っ向から対立させて議論してしまうと、「答えのない」ゲームにおいては、「水掛け論」になってしまう。
②だからＢ（相手の意見）を直接否定してはいけない。相手の意見を直接否定した瞬間に水掛け論に突入する。
③だからＢ（相手の意見）が○となる（成立する）「条件（ｂ）」を提示して、その「条件」を否定（ａ）する。

第４章「ゲーム＆ゲーム」
▼思考プロセス、問題解決プロセスを体得する

①論点を立てる。
②ファクトから示唆を抽出する。
③仮説をつくる。
④仮説を検証する。

第５章「5つのゲーム感覚」
▼「答えのないゲーム」とその先へ
①答えのないゲームVS答えのあるゲーム
②ボジョレー思考VSロマネコンティ思考
③理解ドリブンVS暗記ドリブン
④100分の70VS100分の3
⑤アーティストモードVSクリエイターモード

4章 世界標準の学知に基づく新しい顧客関係管理(慶応義塾大学経済学部教授 星野崇宏)

5章 会計とESG 価値観とルールの大きな変化をざっくりつかむ(静岡県立大学経営情報学部教授 上野雄史)

6章 ダメな会議はなぜダメで、どうすれば改善できるか(慶応義塾大学経済学部教授 坂井豊貴)

終章 ビジネスに経済学の視点を加えるだけで、新しいチャンスが加速度的に広がっていく(株式会社エコノミクスデザイン代表取締役・共同創業者 今井誠)