まずは，アイシンAWが，取り組むべき課題およびデータの様相の説明を，詳細に行った．そのデータの説明において，様々な方向からの議論が次々と行なわれた．そして，要因究明のためには，主効果および，特に交互作用が重要であろうとの観点になった．交互作用の発見には幾つかの方法があるが，データが巨大であるため，まずはCARTを用いて交互作用の絞り込みを行った．そして，ある程度の要因が見えた後には，応答曲面や一般化加法モデルを当てはめて，精度を上げた予測モデルを構築し，それらに基づく最適化という解析ストーリーが考えられた．そして，探索的データ解析を次々と行なっているうちに，「幾つかのデータ構造に特に着目する」という考えが生まれ，その方向でデータ解析を行うことで，主要因をある程度まで絞ることに成功した．その解析結果は，アイシンAWの方が持っている技術的知見とある程度合致したものであった．
この議論では，統計ソフトウェアJMPからの参加者が，素早い可視化およびデータ解析を次々と行い，JMPによるデータ解析結果が様々な角度から提示されていたことが，議論を早く深化させたことは大きかったと考える．通常は，企業と統計学者が一緒に議論を行ってデータ解析を行う訳だが，その二者の議論によって浮かび上がったデータ解析方針の結果が，すぐに多方面から提示されたことが，議論を早く深化させたと考える．その効率の良さによって，「データ構造の何に注目すると結果が早く見えそうか」というコアな部分を早く発見できるに至ったとも考える．
加えて，チュートリアルが効果的であったことも記しておきたい．企業から，課題が提示され，幾つかのデータ解析の結果が提示された．その後に，数理側は，データ解析の更なる可能性を具体的に提示する前に，今回のデータ解析に有用であろう統計手法に関するチュートリアルを時間をかけて行った．これによって，お互いの距離が近くなり，お互いの理解がスムーズになった．
|
