知識と意思の技法

データだけど，要はコレって知識でもあるし，コレを意思の形成と決定に使う，そんなことがマネジメントでは大切．そもそも，マネジメントでは問題解決がドッと押し寄せて来るから，データを使ってなんとかしたい，そんなことを考えるのが当然という状況でしょうよ．

基本的な統計学だと，正規分布に従った確率変数の実現値をデータとみなして，そのデータの持つ知識をパラメータで捉える，そんな仕掛け．さらに，仮説検定を行って.....もちろん，この仮説検定だけど，仕掛けとしは良くできているでしょ．帰無仮説と対立仮説をパラメータに関して置いて，それで帰無仮説が成り立つもとでの検定統計量の実現値を求めて，これが棄却領域に入るかどうかを確認して.....という手順．

この場合，データの持つ知識を絞り出すのに，正規分布とパラメータ（統計モデル），そして推定という道具を使う，そんなやり口なの．こういった道具，要は科学的方法論だけど，コレ自体も知識なの．知識でもってデータの知識を導く，そんなこと．

最近の統計科学では，データ同化やベイズを使った方法論が盛んなの．簡単に言えば，データの持つ知識を抽出するのに，統計モデルを複雑にして，パラメータも多くして.....そして推定では経験や主観も入れる....といった具合なの．例えば，既に物理法則で知られている偏微分方程式もモデルに取り込む，そんなことも．こういった方法論そのもが科学による知識でしょ．だから，知識を知識で導く，そんなこと．

だけど，何かを解決したい，そんな問題解決のモチベーション，それに，どう解決するのかのデザイン，ココイラが無いと，何も進まないかなーと．仮説デザインって，こういったことに関係してくる，そんな気分なの．問題意識がなければ，何も解決しない，ってことかなーと．

知識と意思の技法だけど，マネジメントを対象にして考察して，それで，この方法論を創るのってやり方としては良いんじゃないかと....マネジメント・サイエンスの本質なんだけど....どうもこういった思潮が通じない場合が多いけど．