
【最新のテクノロジー・DXの話題を発信】月間87万読者突破!データ・DXに特化した日本最大級のWEBマガジン📖|さまざまな壁を打ち破る、越境者の拠り所を提供| 越境者インタビュー|用語解説|イベント・セミナーレポート|#今さら聞けないDX用語まるわかり辞典デラックス 発売中!|運営:WingArc1st
東京 港区
Joined February 2017
- Tweets26.1K
- Following2.7K
- Followers5K
- Likes6.6K
▶「客先に常駐するなら、SESと同じでは?」
違いは、どこまで担うかにある。
■ FDEとは
顧客の現場に深く入り、課題設定から実装・定着までを一気通貫で担うエンジニアです。パランティア @PalantirTech が育て、強さの源泉とも言われる職種です。
宮田文机氏(@BunkiMiyata)が、SES・SIer・ITコンサルとの違いを整理します。
■ 違いは「担う範囲」
・SES:依頼された範囲を確実に実装
・SIer:工程を分業し、大規模に構築
・ITコンサル:提言が中心
・FDE:課題発見から定着まで一貫
■ なぜ今、注目されるのか
MITの調査では、企業の生成AIパイロットの約95%が、損益に測定可能な効果を出せていません。足りないのはモデルの性能ではなく、業務との接続です。
■ 名前だけの「ニセFDE」にも注意
見るべきは肩書きではなく、課題設定に関与できるか、実装と成果に責任を持つか、現場の知見を再利用可能な資産にできるか。
AIが実装コストを下げるほど、「何を解くか」を現場で判断できる人の価値は上がる。
#データのじかん #FDE #パランティア #生成AI #DX
data.wingarc.com/what-is-fde…
2
192
▶あなたの仕事が「最後に頷くだけ」になる日は、
思ったより近い。
AIが「指示待ち」をやめる転換点は、すでに来ている。
■ 「逐一指示する相手」から「任せられる相手」へ
チャットAIは賢くなっても、次の指示を待つ存在でした。目標を渡せば自分で計画し、調べ、実行し、見直すのが「Agentic AI」です。
宮田文机氏(@BunkiMiyata)が、2〜3年後の4つの未来を大胆に予測します。
■ 4つの未来
①2026年後半〜 オフィスから「定型業務」が消えていく
②2027年春ごろ〜 「AIが買い物をする」時代が来る
③2027年後半〜 「1人+AIチーム」で、会社が回る
④2028年ごろ〜 会社と会社が、AI越しに握手する
■ ただし、楽観だけではない
Gartnerは、Agentic AIプロジェクトの4割以上が2027年末までに中止に追い込まれると予測しています。「エージェント」を名乗るだけの製品も増えるなか、本物を見極める目が問われます。
人間に残るのは、責任を取ること、決断すること。AIとの付き合い方を考える時期は、もう今だ。
#データのじかん #AgenticAI #生成AI #AI
data.wingarc.com/what-is-age…
141
▶ 阪急梅田駅から消えた、
伊丹空港行きのリムジンバス。
「著しく不便になる」と思って乗ってみたら、
平日昼の便は乗車率6〜7割だった。
■ 何が変わったのか
2026年1月27日から、リムジンバスは阪急大阪梅田駅直結の新阪急ホテル停留所に乗り入れなくなりました。梅田側の乗り場は、大阪マルビルやハービス大阪などです。
■ 電車とバス、どっちが得?
阪急+大阪モノレール:約30分・440円(蛍池で乗り換え)
リムジンバス:約30分・730円(大阪マルビルから直行)
所要時間は同じで、運賃は290円の差です。
■ 利用者数は、実はほぼ互角
伊丹空港への交通手段別の利用者数(2021年度)は、バスが約624万人、モノレールが約627万人。バスは路線バスを含み、大半がリムジンバスとみられます。
■ 現地で乗ってみた
新田浩之 @karlovyexpress 氏が7月の金曜、大阪マルビル12時40分発の便に乗車。発車10分前には約15人の列ができ、多くがビジネスパーソンで、北新地方面から来た人も目立ちました。ハービス大阪からの乗客を足すと30人以上、乗車率は6〜7割でした。
■ ただし、不便も残る
炎天下の待ち時間はつらく、駅直結の停留所が望ましいのも事実。阪急エリアは阪急+モノレール、それ以外はバスという棲み分けになった、と記事は見ています。
「不便になるはず」という思い込みを、データと現地の目で確かめた記録。
#データのじかん #生情報取材班 #伊丹空港 #梅田
data.wingarc.com/liveinforma…
414
▶ 2024年ノーベル物理学賞のホップフィールド氏。
そのモデルと数学的に等価なものを、
10年前に発表していた日本人がいる。
甘利俊一博士、1936年生まれ。
東大時代は学生運動に熱中して成績が足りず、花形学科に進めなかった人です。
■ 1967年「確率的勾配降下法」
現在のディープラーニングを支える基本原理を、15年先取りしました。
■ 1972年「連想記憶モデル」
ホップフィールド氏のモデル(1982年)と数学的に等価で、「甘利・ホップフィールドモデル」とも呼ばれます。
■ 1978年頃〜「情報幾何学」
統計学と幾何学を融合した新しい学問を開拓。当初は理解されませんでしたが、1982年にコックス卿に認められ、世界へ広がりました。
それでも、当時の論文は欧米で無視されました。船便で1か月半かけて届き、高度な数学ゆえに、査読者の一人には理解されず掲載を拒否されたそうです。
独創的な発想の秘訣を問われた博士は、「自分が美しいと思う道を行け」という趣旨の答えを残している。
早すぎた研究は、なぜ世界に気づかれなかったのか。
人工知能70年史の、知られざる日本人開拓者の物語。
#データのじかん #人工知能の歴史 #ディープラーニング #甘利俊一
data.wingarc.com/ai-history-…
1
204
▶ 「帰りたいけど、仕事がない」。
島を出た若者から何度もそう聞いた男が、
人口2万7000人の離島で、
デジタル教育の場をつくった。
舞台は鹿児島県・種子島。最寄りの港からフェリーで3時間30分、FAXがまだ現役の"超アナログ"な島です。
2021年、島出身の里洋平 @yokkuns 氏が Village AI @VillageAI1 を設立。ここから動き出しました。
■ 全国初とも語る「メタバース体験入学」(2022年)
中学生がアバターで校舎を探検し、校長や生徒会長に質問できます。
■ 高校の新学科「ミライデザイン科」を共に設計
1学年20名弱。初年度から、AIやデジタルを活用したコンテストでの受賞が続いています。
■ 元サッカー日本代表10数名と、高校生が毎年"本気の試合"
福西崇史 @fukunishi_t 氏も種子島を訪れ、話が一気に前進したそうです。
里氏の見立ては、ゼロベースだからこそAIを軸に業務を組み替えやすい、というもの。FAXが残る島は、"遅れ"ではなく"機会"なのです。
東京で稼ぎ、種子島に投資する。兄弟2人の二拠点体制が描く、離島発の地方×AI。
「離島だからできない」を、少しずつ塗り替える挑戦の記録です。
#データのじかん #LocalDXLab #地方創生 #種子島
data.wingarc.com/localdxlab-…
274
▶ 「人工知能」という言葉が生まれて、今年で70年。
その"父"は、「AI冬の時代」を招いた男でもあった。
■ マーヴィン・ミンスキー(1927〜2016)
1951年、世界初のニューラルネットワーク・コンピュータ「SNARC」を共同開発。まだ真空管の時代です。
1950年代にはマッカーシーとMITにAIラボを設立し、AI研究の基礎を築いた。
■ 最も皮肉な功績
1969年の著書『パーセプトロン』で、単純パーセプトロンの限界を数学的に証明。その結果、ニューラルネットワーク研究は長い「冬の時代」へ。
ただ、狙いは批判ではなく、より多層的なモデルへの道筋を示すこと。この停滞が、数十年後のディープラーニングにつながったとも言えます。
■ 晩年の集大成『心の社会』(1986)
「心は、一つの賢い『何か』ではない」。多数の単純なエージェントの集まりとして知性を捉え直した理論は、認知科学や心理学、哲学にまで影響を与えた。
■ 意外な一面
映画『2001年宇宙の旅』に科学コンサルタントとして参加。趣味は釣り。
「機械に心を与えようとした科学者」は、「人間の心の謎を誰よりも愛した夢追い人」でもあった。
#データのじかん #人工知能 #AI70周年 #ミンスキー
data.wingarc.com/ai-history-…
▶ 将棋界で長年「0」だった数字が、「1」になった。
女流棋士の西山朋佳 @TMK_0627 氏が、史上初の女性「棋士」に。
■ 今週のデータのじかんNews(10/25〜10/31公開・全5本)
▼ 西山朋佳氏の快挙
「女流棋士」と「棋士」は何が違うのか。制度の違いと、女性棋士が生まれなかった背景を解説。
▼ 年間約16万人
県内の遊園地が次々消えるなか、70年続くだざいふ遊園地 @dazaifu_yuenchi の生き残り戦略に迫る。
▼ Xは災害時に"ラジオ"になれるか
熊本地震で見えた、情報が埋もれる現実。
▼ 中国の自動運転
新車の搭載率は70%超。それでも使われない理由とは。
▼ データ活用冒険記『データワールド』 @dataworld_comic
第8話は「魔獣の本体、仮説で見抜け」。
歴史的ニュースから日常のDXまで。1週間分を3分でまとめて読める。
#データのじかん #西山朋佳 #将棋 #フィジカルAI
data.wingarc.com/datatimes_n…
▶ 持ち時間3分。時間が来たら強制終了。
41人が語った「データのおもしろさ」の頂点は、育児だった。
■ 何が起きたのか
2026年9月15日、データ界隈の新イベント「第1回 データ界隈LT祭」が開催。
主催は データ横丁 @datayokocho 。
AI活用、データ基盤、BI、Excelまで、41名が3分勝負で登壇しました。
■ 最優秀賞に選ばれたのは
聴衆の投票で頂点に立ったのは、
「たった1人の我が子のために作る童謡MV」。
受賞コメントは「病みそうになりながら育児をやっていたことが、皆さんの笑いや気づきになれば」。
■ 3年後は1,000名規模・東京ビッグサイトへ
第2回は2027年1月19日に開催決定。
立ち上げの舞台裏は、実行委員のよしむら @yoshimura_datam 氏のnoteでも読めます。
専門性の高さより、誰かのために作った1本。
データのおもしろさの本質を見た夜でした。
#データのじかん #データ界隈LT祭 #データ横丁 #生成AI
data.wingarc.com/datakaiwai_…
▶ 航空機の事故率は、着実に下がってきた。
同じ「失敗」でも、学べない現場があるのはなぜか。
■ 「失敗」を科学した航空業界
航空機に搭載されるブラックボックスは、事故の原因究明のための装置です。
IATAの調査では、2020年の事故発生率は100万フライトに1.71件。2011〜2015年の平均(2.24件)より着実に改善しています。
失敗のデータを徹底的に分析し、次に活かす。それが事故率を下げてきた理由です。
■ 一方、同じ「失敗」に向き合えなかった現場
・2005年のイギリスの調査では、医療過誤や設備の不備により、患者の10人に1人が死亡などの健康被害を受けていた
・DNA鑑定で犯罪現場の体液が別人のものと分かっても、冤罪被害者の釈放まで6年かかった
・効果がない、むしろ再犯率を高めるとデータが示した「スケアード・ストレート」(非行少年に刑務所の恐怖を体験させる更生プログラム)が、称賛され採用され続けた
■ 差を生んだのは「失敗への対処」
失敗を否認する。当事者に罰を与えて終わらせる。データより、感情に訴える「物語」を重んじる。
『失敗の科学(原題:Black Box Thinking)』を、宮田文机 @BunkiMiyata 氏が書評しました。
あなたの組織は、失敗をどう扱っていますか?
▼ 書評はこちら
data.wingarc.com/black-box-t…
#データのじかん #書評 #失敗の科学 #組織論
1
176
▶「新しい遊具を入れ続けなければ、遊園地は生き残れない」は、本当か。
■ 巨大コースターも、人気キャラもない
1957年開園、太宰府天満宮の境内にあるだざいふ遊園地 @dazaifu_yuenchi。
並ぶのは、小さな子どもでも安心して乗れる懐かしい遊具です。県内の遊園地が次々と姿を消すなか、年間約16万人が訪れています。
■ 経営危機もコロナ禍も乗り越えた
約20年前の大型投資のあとも、経営環境は厳しいまま。2020年4月には、石坂誠治園長の着任直後に休園に追い込まれました。
そこで社員たちが約1年かけて選んだのが、「三世代ファミリーが楽しい気持ちになる遊園地」という一文でした。
■ 記憶に残るのは、遊具ではなく「人」
遊具の運行や案内を担うのは、定年後に働き始めた60代・70代のスタッフも多く、祖父母が孫を見守るような接客が特徴です。
海外向けの広告をしていないのに、外国人来園者はコロナ禍前の約1%から約5%に増えました。
■ 守ってきたのは、遊具ではなかった
子どもを中心に家族が過ごす時間と、それが何十年も積み重なる「思い出の場所」。
遊園地は娯楽施設であると同時に、まちの「信頼インフラ」でもあるのかもしれません。
あなたの街の、変わらずに残ってほしい場所は?
▼ 記事はこちら
data.wingarc.com/dazaifu-par…
#データのじかん #だざいふ遊園地 #太宰府 #まちづくり
▶「西山朋佳さんって、前からプロ棋士じゃなかったの?」
実は「女流棋士」と「棋士」は、別の制度でした。
■ 2026年10月26日、将棋界に歴史的ニュース
女流棋士の西山朋佳 @TMK_0627 さんが、史上初の女性「棋士」になることが決まりました。
白玲を通算5期獲得して「クイーン白玲」の資格を得て、フリークラス棋士への編入資格を行使。2027年4月1日付で四段、棋士番号356として活動を開始します。
■ 「女流棋士」は、女性の棋士ではない
2つは、同じ資格の男女別名称ではなく、そもそも別の制度です。
棋士の制度に性別制限はなく、女性でも条件を満たせばなれます。一方、女流棋士は女性だけを対象にした別の制度です。
■ 棋士への道は、男女問わず極めて狭き門
奨励会から三段リーグへ進み、半年間のリーグ戦で原則上位2人だけが四段に。しかも26歳までという年齢制限もあります。
西山さんは2019年度後期の三段リーグで14勝4敗(勝率約78%)。それでも3人が並んだ末の3位で、昇段を逃しました。
■ 「0」が「1」になった意味
女性棋士がこれまでいなかったのは、実力差だけでは説明できません。競技人口や環境、進路の選択肢、選抜制度。そうした背景が少しずつ変わり、ついに0が1になりました。
▼ 記事はこちら
data.wingarc.com/rabbit-news…
#データのじかん #将棋 #西山朋佳 #女流棋士
393
▶ 無料で配ったら、信頼を失った。
中国の自動運転が陥った「無料のものはダメ」という落とし穴。
■ 搭載率70%超、でも使われない
2026年上半期、中国の新車における自動運転機能の搭載率は70%を突破しました。
高級車限定だった運転支援システムが、大衆車にまで無料・低価格で行き渡った結果です。
ところがユーザー調査では「頻繁に使う」は31%にとどまり、20%は「怖くて使えない」と回答しています。
■ 無料が招いた負のスパイラル
急ブレーキや不自然な車線変更で体験が悪化すると、「やはり無料のものはダメだ」と見切られてしまう。
使われなければ運転データが還流せず、モデルの進化が遅れ、さらにユーザーが離れる。
自動運転で先頭をいく中国が、この負のスパイラルに陥りました。
■ 中国政府とメーカーの次の一手
2026年に初の「強制国家標準」を公示し、事故時の責任の所在を明確化、データ記録システムの搭載を義務化。
メーカーも事故の責任を負う補償プログラムを打ち出し、下半期には「責任補償」のコストを織り込んだ値上げに動くといいます。
最先端の技術は、社会実装して初めて成否がわかる。
信頼は、無料では買えないのかもしれません。
▼ 記事はこちら(日産の提携先Wayveの技術解説も)
data.wingarc.com/physical-ai…
#データのじかん #フィジカルAI #自動運転 #中国
181
▶ 災害時に必要なのは「切れ目のない情報の流れ」と「個人も発信できる仕組み」。
ならば、国がつくるべきは"災害用のX"かもしれない。
■ 熊本地震で、Xを検索してみた
7月28日、熊本県で最大震度7の地震が発生。
その後Xで「熊本地震」を検索すると、「話題のポスト」の4番目には政権批判の動画リンク。「最新」のトップは個人の義援金振込報告でした。
行政や県警の投稿はあっても、多くの投稿に埋もれています。
■ 「目で見えるラジオ」はなぜ消えたのか
阪神・淡路大震災を6歳で経験した新田浩之 @karlovyexpress 氏は、ラジオの強みを「切れることのない有益な情報の垂れ流し」と「新しい情報の挿入のしやすさ」と振り返ります。
その弱点を補ったのが、2011年のTwitter。
しかし2023年のAPI有料化でbotが運用しづらくなり、災害情報を流し続ける仕組みが失われた、と指摘します。
■ 提言
ラジオの強みを備え、個人も発信でき、目で見て確認できる。
そんな災害用の情報発信ツールを、国主導でつくるべきではないか。
あなたは、どう思いますか?
▼ 記事はこちら
data.wingarc.com/dxnamamonoi…
#データのじかん #DXNamamonoinformation #防災 #熊本地震
244
▶ ロシアの人口性比が著しく低い背景には、
「お酒」があった
人口の男女比は、なぜおおよそ1対1になるのか。
国別に見ると、その偏りから各国の事情が見えてきます。
■ なぜ1対1に収斂するのか
1930年に進化生物学者フィッシャーが示した「フィッシャーの原理」。
どちらかの性が少なくなると、少ない性を産みやすい遺伝子が有利になり、性比は1対1に近づきます。
世界全体では、60年間で人口が約2.5倍に増えても、人口性比はほとんど変わっていません。
■ ところが、国別に見ると
・ロシア:世界有数のアルコール消費国。成人男性の摂取量の多さが課題で、男性の平均寿命は2019年時点で68歳。こうした要因から人口性比が著しく低い
・パキスタン、バングラデシュ、ナイジェリア(1950年代):女性への搾取・弾圧、産み分けや虐待死などが背景で、人口性比が非常に高かった
・インド、中国(2010年時点):少子化への転換が遅く、男性人口のほうが多い
・日本:女性の平均寿命が長く、人口性比は94.8(2020年2月)。100歳以上では16と、男性は女性の約6分の1
※人口性比=女性100人に対する男性の数
一見ニュートラルな数字が、その国の社会の姿を映す鏡になっている。
あなたの身近な「当たり前」も、データで確かめてみませんか?
data.wingarc.com/male-female…
#データのじかん #人口統計 #ジェンダー #データ分析 #世界統計
173
▶ 分身する魔獣、本物はどれ?
ヒントは「足音」と「地面の硬さ」だった
データを調べる前に、まず仮説を立てる。
冒険マンガで学ぶデータ活用『データワールド』第8話を公開しました。
■ 第8話「魔獣の本体、仮説で見抜け」
・倒しても次々と分身するフンババ
・ゼロは足音の「差分」に気づき、地面の硬さに目を向ける
・データの精霊プティに調べてもらい、仮説を確かめにいく
・さらに森では、別の異変も起きていて…
■ 見どころ
現場の小さな違和感を、仮説に変える。
物語を読むだけで、データ活用の第一歩が見えてきます。
岡野 純 @jun0424 氏が描くこの冒険は、野島 光太郎 @KotaroNojima 氏の企画・監修、尾﨑 元 @HajimeOzaki_LR 氏の解説・アートディレクションでお届けしています。
実務の視点で読み解く解説記事は11月22日公開予定です。
感想や「うちの現場も同じ」というエピソードは、#データワールド をつけて @dataworld_comic へ。
data.wingarc.com/dataworld-e…
#データのじかん #データ活用 #マンガ #データワールド
▶ 先週のデータのじかん、3本まとめ。
「自分の声で歌うAI」
「無料でYouTube翻訳」
「"学歴厨"の正体」
■ 【AI】自分の声で歌う曲を、AIで2時間で作ってみた
・音楽生成AI「Suno」の新機能で、歌えなくても自分の声で楽曲に
・8回歌い直して、特撮ヒーロー風と報道番組風の2パターンが完成
■ 【AI】AI初心者がGeminiでYouTube分析に挑戦
・1969年のBBC英語ドキュメンタリー(約53分)を翻訳・要約
・すべて無料。一部に誤りも、その点まで正直に検証
■ 【社会】「学歴厨」はなぜ生まれるのか
・学歴社会は「古い」59.9%、でも「必要」は71%
・元"マイルド学歴厨"の新田浩之 @karlovyexpress 氏が、実体験とデータで読み解く
あなたが一番気になるのは、どの1本?
data.wingarc.com/datatimes_n…
#データのじかん #生成AI #Suno #Gemini #学歴の暴力最終講義ツアー
1
214
▶ 日本語を一言混ぜた途端、
AIの英語がおかしくなった
"英会話学校不要論"まで飛び出した新音声AI「GPT-Live」。 TOEIC730点(一応)のライターが、何の前提知識もなく英会話練習を試してみました。
■ 検証で見えた落とし穴
・日本語でコメントしてもらうと、AIの英語の発音がイマイチに
・最初から英語で頼むと、打って変わって美しい英語に ・最後に日本語で講評を頼むと、英語なまりの日本語が返ってきた!
■ 結論
コツは「下手でもいいからオールイングリッシュ」。 ただし、ある程度の英語力がないと厳しいという実感も。
■ ポイント
・OpenAI @OpenAI の「GPT-Live」は無料で始められる
・声は9種類から選択可能
・無料版は軽量版「GPT-Live-1 mini」
これを体当たりで試した新田浩之 @karlovyexpress 氏の実録レポートです。 あなたなら、最初の一言を何語で話しかけますか?
data.wingarc.com/dxnamamonoi…
#データのじかん #GPTLive #ChatGPT #英会話 #DXNamamonoinformation
1
237
▶AIで作ったのに、なぜか仕事が増えている。
■「とりあえずAIで」の落とし穴
プレゼン資料も、分析も、文章も。
AIのおかげで“それっぽいもの”は誰でも一瞬で作れる時代になりました。
でも、間違いやズレを確認するのは人間の仕事。
担当者や専門家の目には役に立たない“デジタルゴミ”が、現場の負担を増やしています。
■AIを武器にする人、振り回される人
いま、ビジネスパーソンの二極化が進んでいます。
同じAIを使っても、なぜここまで差がつくのか。
■答えは、この1冊に
書評1本勝負。マスクド・アナライズ @maskedanl 氏が、清水久三子氏著の『AIが化ける問題解決の全技術』(技術評論社 @gihyojp)を読み解きます。
✔ AIを使っているのに、成果が出ない
✔ AIの成果物に不満がある
✔ そのまま使えず、困っている
ひとつでも当てはまるなら、必読です。
data.wingarc.com/book-review…
#AI活用 #生成AI #問題解決 #書評 #データのじかん
▶ GMO→位置情報ソフトの会社→ヤフー→ZOZO。
キャリアの決め手は、いつも「面白そう」だった。
商学部出身・文系の薄田祐大さん。学生時代に読んだ『統計学が最強の学問である』をきっかけに、独学でデータを学び始めました。
■ 人事データから、より大きなデータの世界へ
GMOで人事データ → 位置情報系ソフトウェア企業で国勢調査などのデータ → ヤフーで広告効果測定 → ZOZOへ出向し、MLOpsエンジニアとしてAPIサーバ運用へ。
扱う規模が大きいほど「ブレが小さくなるような気がして」。そんな直感を頼りに、キャリアを広げてきました。
■ 育休中の時間で、新サービス「Queria」を開発
ブラウザからSQLでオープンデータを分析できるサービス。
「オープンデータは、使うたびに加工とメンテナンスが必要」という長年の課題感から、DuckLakeとDuckDBの記事との出会いで形になりました。
■ 「データは本来、面白いもの」
茨城・つくばの森で、パエリアを囲みながら聞いたユニークなキャリアの軌跡。
「データ界隈100人カイギ」発、新企画「パエリアをつまみにキャリアを語りませんか?」第1弾。
data.wingarc.com/paella-care…
#データのじかん #キャリア #データ界隈100人カイギ #オープンデータ #データエンジニア
▶ そろばんも、囲碁も、構造は「デジタル」だった。
「紙=アナログ、電子=デジタル」だと思っていませんか?
デジタルとアナログの違いは、媒体ではなく“データの構造”の話。
・アナログ:連続的なデータを扱う(例:針の角度で時間を表すアナログ時計)
・デジタル:段階的なデータを扱う(例:数字を段階的に表すそろばん)
■ 語源を知ると一発でわかる
・デジタル=ラテン語で「指」。指で数える=バラバラの数
・アナログ=ギリシャ語で「比例」。並べると似ている=連続性
■ メリット・デメリットも対照的
・デジタル:正確で劣化しにくく、コピーでも劣化しない。ただし、何らかの原因で再生不能になることがある
・アナログ:情報量が多く表現が豊か。ただし劣化しやすい。一方で、全部が飛ぶことは稀で、部分的に修復できることも多い
■ DXの現場でよく聞く、あの言葉も
「アナログ人間」「アナログな判断」。比喩としての使われ方も整理しています。
どちらが優れているかではなく、用途で使い分ける。
あなたは、そろばんをデジタルだと即答できましたか?
data.wingarc.com/digital-and…
#データのじかん #デジタルとアナログ #DX #データ活用 #今さら聞けない
168