2018年、JMPは「Analytically Speaking」ウェビナーシリーズの一環として、ロン・ケネット博士にインタビューする機会に恵まれました。今回、このインタビューの一部を改めて掲載する理由は2つあります。1つ目は、今月開催される米国品質協会（ASQ）の世界品質改善会議で授与される2026年デミング賞の受賞者として、ケネット博士を称えるためです。2つ目は、人工知能（AI）、機械学習、そして膨大なデータ量（偽データや誤情報を含む）の時代において、情報品質がいかに重要であるかを強調するためです。これらの点については、ケネット博士がガリット・シュムエリ氏と共著した書籍の中で詳しく解説しています。
ケネット氏はデミング賞受賞者であるだけでなく、応用統計学者であり、分析コンサルティング会社であるKPAグループの会長も務めています。また、イタリアのトリノ大学の研究教授、ハイファのテクニオンにあるサミュエル・ニーマン研究所の上級研究員、イスラエル技術者協会のデータサイエンス協会の会長も務めています。2013年には英国王立統計学会のグリーンフィールド賞、2018年には欧州ビジネス・産業統計ネットワークのジョージ・ボックス賞を受賞しており、ワイリー統計百科事典（StatsRef）の編集長も務めています。ケネット氏の専門分野は、実験計画法、統計的プロセス管理、産業統計、生物統計学、消費者調査、データサイエンス、リスク管理など多岐にわたります。著書および共著書は18冊、査読付き論文は300本以上あります。
データと情報は区別されます。なぜなら、データは分析と組み合わせることで、研究目標の達成に役立つ場合に情報となるからです。情報の質は、提示された結果を得るためにデータがどのように収集され、分析されたかによって決まります。
情報品質とは、古典的な統計学と現代の人工知能および機械学習を統合したフレームワークです。私たちはこの統合を「アナリティクス」と呼んでいます。重要なのは、アナリティクスの目標は単なるデータの集約ではなく、質の高い情報を生成することであるということです。そのため、どのようなデータが収集されるか（実験の戦略的な設計、サンプリング方法、調査質問の設計など）、どのようにデータが収集されるか、そしてデータが関心のある意思決定に役立つ可能性、つまり私たちが確実に問われるべき最も重要な質問に答える可能性について、専門知識が必要となるのです。AIの時代において、統計的思考の重要性はしばしば過小評価されがちですが、実際にはこれまで以上に重要になっています。
センサーやその他の手段によって膨大なデータが生成・収集される中で、私たちは時として、これらのデータを収集する目的が、システムのメンテナンス時期や湿度レベルが結果に影響を与えているかどうかなど、非常に限定的なものであったことを忘れがちです。もちろん、これらのデータから新たな知見を得ることには、それ自体に価値があることは否定できません。しかし、私たちが抱くであろう新たな、より重要な疑問に答えるには、データだけでは不十分な場合があり、最終的に、将来の重要な意思決定に最も役立つデータはどれなのか、判断が難しいところです。
ケネット博士が情報品質について語る「アナリティカリー・スピーキング」のインタビューをお聞きください。
ケネット氏が2017年のディスカバリーサミットヨーロッパで行った基調講演「デザインによる品質から情報品質へ：科学とビジネス分析を通じた旅」も興味深いかもしれません。 録画はこちらからご覧いただけます。
ケネット氏の統計学、データサイエンス、そして多岐にわたる分野におけるより良い意思決定への多大な貢献に対し、感謝の意を表するとともに、このたびのデミング賞受賞を心よりお祝い申し上げます。
先日、ケネット博士とこの時代における情報品質の重要性について話をした際、博士はこう述べました。「アナリティクスの全体像は、まさに私たちの目の前で形作られつつあります。それは様々な分野の視点を組み合わせたものであり、この状況において統計学は岐路に立たされています。上記のリンク先のインタビューでは、多くの機会領域が挙げられています。この進化の過程において重要な要素は、現実的かつ一般化可能な問題に対処するための方法論的な進歩を確実にすることです。アナリティクスは、学術界、実務家、教育者、そしてツール開発者に影響を与え（そして彼らから影響を受ける）でしょう。これから多くの課題が待ち受けています！」
