スポンサーリンク

ファクトフルネス データーの正しい見方【イラスト図解】

情報社会の現代ではTV、ネットから送られてくるニュース、広告等のINPUT情報には真実性を訴える為にデーター(数字)が伴う。

上司も教師も親もデーター(数字)の重要性を訴える。

そして、その情報を受け入れた我々、人間は不安、歓喜、興奮、恐怖等の様様な感情を感じて思い込み、OUTPUT行動する。

しかし、

本当にデーター(数字)正しいのか

本当に正しい統計データーは収集できるのか?

本当に客観的に正しい統計データーは存在するのか?

これらの疑問を解決し”思い込みを捨てて、正しいデーターで世界、未来を見よう”と言うのがスウェーデンの医師であるハンス・ロスリング氏が書いた『ファクトフルネス』である。

英語:FACTFULNESS

中国語:真确

動画 「ファクトフルネス」を要約

ファクトフルネスとは?

我々の祖先であるホモ・サピエンスは地球に20万年前に出現し、長年 飢えと闘いながら狩猟生活を続け生き延びてきた。

その間に生きる為に身に付いた本能が現在でも我々を支配している。
当時の生活は情報も少なく、現在のように時間をかけて分析、検討する余裕はなく、生きる為にはすぐに行動を起こさなければ『』に繋がるケースが多く、本能で行動する方が生きる確率が高かったのではないかと推測される。

例として、虎と遭遇した時にはジーと判断しているよりは”パニック本能”が機能して”一目散に逃げる”という行動のほうが生存確率が高かったのではないか?

よって 我々 人間 ホモサピエンスは狩猟採集の時代から備わった本能のために、必要以上に恐れたり、焦ったり、ネガティブに考えてしまう。

しかし、狩猟採集の時代には有効に機能した本能が現代では逆に真実を見えなくする

こうした本能を抑えて、事実=ファクトを基に世界を見ることができると、正しく世界、未来を見ることができる。

『ファクトフルネス』では、感染症、貧困、人口問題、エネルギー、教育など幅広い分野で世界の最新事情とともに、私たちが本能に負けずにファクトフルネスに考える方法を教えてくれます。

ファクトフルネス パニック本能

ファクトフルネス 著者

ファクトフルネス」は、スウェーデンの医師であり統計学者であるハンス・ロスリング氏が書いた書籍です。

又、スウェーデン・ストックホルムに拠点を置くギャップマインダー財団で「ギャップマインダー」を開発した。

「ギャップマインダー」は世界の統計データを見える化できるツール、たとえば、世界における「収入(国民1人あたりのGDP)」と「寿命」の関係を年代別にグラフ化し時系列でその変化をアニメーションで確認できる、優れモノ。

ファクトフルネス 意味

データを基に世界を正しく見る習慣」を意味する造語。

『ファクトフルネス』の共著者であるハンス・ロスリング、オーラ・ロスリング、アンナ・ロスリング・ロンランドがつくった言葉です。

「ファクトフル(FACTFULL)」というのは、「事実に満ちている(FACT:事実 FULL:いっぱい。満杯」という意味で、「ネス(NESS)」は「〇〇な状態・〇〇な性質」を表します。

この二つの言葉を合わせて、「事実に溢れた状態」から転じて、「データという事実に基づいて世界を見る」という意味の、「ファクトフルネス」という言葉が誕生したと言われています。

例えば、東アフリカの国の一つであるケニアの首都ナイロビ、いまだに「アフリカ」と聞くだけで、「貧しい国」とイメージする人が多いのが現状です。

しかし、実際に行ってみれば、ナイロビの街中には大量に巨大なショッピングモールなどの建物が並んでいます。

我々の頭に中にINPUTされた世界の情報及び統計データーと現実の世界には差があり、正しい情報収集を常に行わないがと我々の頭の中の情報は陳腐化し思い込みになってします、現実の世界と大きく隔離してします。

ファクトフルネス 意味

ファクトフルネス 要約

『ファクトフルネス』では、人間は正しいデーターに基づく事実でなく動物的本能で『世界をドラマチックに見る見方』で世界を見て、行動していると解説しており、 誰もが持っている本能に注意して世界を見る方法、事例を10の思い込み(本能)毎に解説しています。

取り上げられている10の思い込み(本能)は次のとおりです。

  1. 分断本能(世界は分断されている思い込み)
  2. ネガティブ本能(世界はどんどん 悪くなっている思い込み)
  3. 直線本能  (『上昇がひたすら続くと』いう思い込み
  4. 恐怖本能   (危険でないことを恐ろしいと思う、思い込み)
  5. 過大視本能  (『目の前のDataが一番重要』という思い込み)
  6. パターン化本能 (『ひとつの成功事例がすべてに当てはまる』という思い込み)
  7. 宿命本能    (すべては運命だと思う、思い込み)
  8. 単純化本能   (世界はシンプルだと思う、思い込み)
  9. 犯人捜し本能  (人を攻めれば問題が解決すると思う、思い込み)
  10. パニック本能  (いますぐ、行動しないと大変になると思う、思い込み)

世界をドラマチックに見る本能、劇場型に見る本能の事例は下記のとおり。

データを見誤る 劇場型 本能

ファクトフルネス  分断本能

世界は分断されている思い込み!

人は誰しもさまざまな物事や人々を2つのグループに分けたがる、例を挙げれば世界の国々や人々が「金持ちグループ」「貧乏グループ」に分断されているという思い込み。
しかし、多くの場合、「完璧に分断された世界」は存在せず、思い込みによって「間違った認識を持ってしまい、真実や事実を分からなくなります。

分断本能

分断本能

ファクトフルネス  ネガティブ本能

世界はどんどん 悪くなっている思い込み!

人間は正しいデーターに基づく事実でなく動物的本能で『世界をドラマチックに見る見方』で世界を見て、行動している。

例えればTVのワイドショー 滅多に起きない『殺人事件』『交通事故』をどのTV局も繰り返して放映している。

ネガティブなニュース、事件は圧倒的に人々の耳に入りやすく、記憶しやすい。一方で、物事がよくなってもそのことを知る機会は少ない。結果、世界について人々は実際よりも悪いイメージを抱くようになる。

『ファクトフルネス』はこれをネガティブ本能と名付けている。

又、逆に『ポジティブな情報はニュースになりにくい』、人々の記憶に残りにくい。

しかし正しいデータに基づいて世界を見てみると、現状は悪くなっているどころか良くなっている面も多々あります。

そこで、不安で身動きが取れない人にネガティブ本能があるということを理解させ、ネガティブ本能を回避する方法を教えれば物事を前向きに捉えられるようになる。

ファクトフルネス  ネガティブ本能

ファクトフルネス  直線本能

『上昇がひたすら続くと』いう思い込み!

我々が統計データーを見える化する為に良く使用するグラフには直線、S字、コブ型、累積型等の様々な形がある。

しかし、我々は様様な現象をなんでもかんでも単純に直線のグラフに当てはめるという思い込み、習慣がある。

例えば世界の人口爆発のグラフ。

世界の人口は約76億人(2017年)人口は急上昇しており、人口爆発寸前。

しかし、国連の予測によれば人口増えるスピードは落ちており、減速気味。2100年頃には110億人と安定するとみられている。

ファクトフルネス  直線本能

二つの点を結べば確かに直線になるがサンプル数を三つにすれば『1,2,3』と増えるのか『1,2,4』と倍増するのかが知ることができる。

様様な現象を理解する為にはグラフが示されてない部分(過去のデータ、切り捨てられたデータ)がどうなっているかを把握する必要がある。

恣意的に自分の都合の良いデーターだけをサンプリングしてグラフする広告、ニュースに気を付ける必要がある。

『グラフは真っ直ぐなるだろうという』という思い込みを捨てて多くのデーターは直線だけではなくS字、コブ型、累積型等の様々な形があることを再認識することが大切である。

ファクトフルネス  直線本能

ファクトフルネス 恐怖本能

危険でないことを恐ろしいと思う、思い込み!

世界のフライトで2016年に死亡事故が起きたのは飛行機は10機、4000万機の旅客機が死者をひとりも出さずに目的地に到着した。

当然のことながらTVニュースが取り上げたのは、全体の0・000025%でしかない、この10機のほう、安全なフライトが二ュースの見出しを飾ることはない。

下のグラフは、旅客機の飛行距離100億マイルあたりの死亡者数を過去70年にわたって示している。見ての通り、空の旅は70年前に比べて2100倍も安全になった。

ファクトフルネス 恐怖本能

恐怖本能は我々 人間 ホモサピエンスが獲得した優れた本能である、論語にも『君子危うきに近寄らず』と諭している、しかし恐怖と危険は違う。

恐怖で発生する確率が低い危険(リスク)に目を奪われていると肝心なリスクが見えなくなり本当に危険なことに遭遇する。

恐ろしいと思うことは リスクがあるように「見える」だけ、人間は誰しも「身体的な危害」を恐れるがそれがリスクの過大評価につながる、更にメディアが恐ろしい情報ばかり与えるので恐怖が増長する。

恐怖本能をコントロールするにはリスクを正しく計算し、管理する事。

リスクの計算は簡単です。

リスク=「危険度」×「頻度」

危険度:災害、事故等でう社会、人等に与えるダメージの度合い、尺度。

頻度:災害、事故等が発生する割合、確率。

大切な人を守るためには本当の危険を察知し、恐怖本能を抑えてリスク管理することです。

ファクトフルネス 過大視本能

目の前のDataが一番重要』という思い込み!

人は誰もが物事の重大さの順位、優先性を判断するのは不得意である、感情、思い込みに左右されがちである。そのためには正しくデーターを調査、把握する必要がある。

過大視本能は勘違いを生む、数字を見ただけで『なんて大きい!』『なんて小さい』と判断すし、且つひとつだけの目の前に実例だけを見て判断する。慌て者のミスである。

例えば2015年 世界中の5歳未満の死亡数は590万人である。ユニセフが調査したデーターであり、『すごい数の死亡数』です、何とかしなければと誰しも思う、感情的になる。

このような『情に訴える、比較対象のない数字』はニュース、慈善団体の広告でよく使う。

しかし、落ち着いて以前からの比較及び百分率でデーターを分析すると以前から比較すると死亡数が減少している、死亡率も1990年は9.1%(5歳未満児)が2015年には4.3%と半減している。

過大視本能を抑えるには『比較』と『百分率』を用いることにより物事の重大さの順位、優先性を正しく判断できる。

ファクトフルネス 過大視本能

ファクトフルネス  パターン化本能

『ひとつの成功事例がすべてに当てはまる』という思い込み!

人間は常に何も考えずに物事をパターン化、ルーチン化し社会、生活を効率的にして暮らしている。

料理する事、食べる事そして作業することを初めからまったく新しいモノとして捉えて暮らしていたらいくら時間があっても足りない、日が暮れてしまう。

しかし、社会、生活に役立つパターン化、ルーチン化も世界の見方を歪めてしまう。

又 その国、その時代に有効で常識的なパターン化、ルーチン化も場所、時が異なれば変化するが我々はそのことを忘れ、自分が正しいと思い込み自分のパターン化、ルーチン化に固執し他を無視し、排除する。

例えば林檎は一般的に色が赤いが黄色、緑色の林檎も存在する。

赤くない林檎も林檎であり、パターン化する際の分類の定義が間違っていたのであり、違いを認めて再度、分類の定義を検討し、より小さく、正確な分類にわけて、世界を正しく見るように努める。

パターン化本能は自国の常識が他国でも通用する、または50年前の常識がまだ現在でも通用すると思い行動するすることが役に立たないばかりか、社会及び自分に危険を及ぼす。

ファクトフルネス  パターン化本能

赤くない林檎も林檎、違いを認める!

品質管理の七つ道具のひとつに『層別』がある、不良が発生し、その原因を分析するためにはデーターを層別することが重要になる。

例えばカット機A,Bで木材をカットしている工程にて寸法不良が発生し場合、カット機毎に製品を層別して長さを測定すればどのカット機が悪いのかが分かる。

カット機という分類だけでひと括りにしては全体の分布しか把握できず、原因が調査できない。

同様にパータン化する時の分類の仕方が悪いと世界を正しく見えない。

ファクトフルネス  パターン化本能

ファクトフルネス 宿命本能

すべては運命だと思う、思い込み!

持って生まれた宿命によって、人や国、宗教や文化の行方は決まるという思い込み。物事が昔から今の姿であるのはどうにもならない理由があるからで、これからも永遠に変わらないし、変われない、という考え方だ。

しかし、実際には急激な変化でないため実感できていないだけで、社会や文化は昔から比較すると徐々にではあるが常に良い方に変化し続けている。

たとえばアフリカの飢餓で苦しんでいる映像がTVで放映されると”世界の飢餓はなくならない”と思い込んでしますが実際はユックリではあるが栄養不足人口は減ってきている。

又、下記に科学技術、医療技術が進歩したお陰で良くなっている事例を挙げた。

ファクトフルネス 単純化本能

世界はシンプルだと思う、思い込み!

人間は画一主義的(個々の特性を考慮に入れず、全てを一様にすること)に世界を単純に、シンプルにしたがるが現実の世界はダイバーシティー(多様性)に富んでおり、1つの視点だけでは世界を理解できない。

しかし人は何か1つの道具を使えるようになると、それを何度でも使いたくなる。

たとえば○○の専門家がある問題を解決するのに1つの専門分野で解決すること誤った結果につながることがある、これは専門職をなりわいとしているプロに多くみられます。

頭が賢いと言っても万能な人間はいない、数字に強くても、教育レベルが高くても、例えノーベル賞受賞者でも例外ではない、その道のプロはその専門分野しか知らないのが実情だ。

具体的には社会問題とされている「子供の貧困」を解決しようとした場合、保育の専門家が解決しようとしますが子供の貧困を解決するには、保育の知識だけでは解決できません、金融知識も必要になってきます、法律、経済の知識も必要になってきます。

単純化本能をコントロールするには問題をさまざまな角度で見ることが大切です。

ダイバーシティー(多様性)

ファクトフルネス 犯人捜し本能

人を攻めれば問題が解決すると思う、思い込み!

物事がうまくいかずに失敗した時に、誰か個人を批判すれば、その人が行った個々の原因ばかりに目を取られることになり、それ以外の全体の真の原因に目が向かなくなるということです。

その結果、それと同様の失敗がその後も再発してしまう可能性が出てきます。そのため犯人探し本能を抑えて、真の原因に目を向ける必要があります。

品質管理の七つ道具に問題の真の原因を追究する為の『特性要因図』があります、要因をMan(人)、Machine(機械)、Material(材料)、Method(方法)測定、検査(Measurement)+環境(Environment)の要素で考える手法です。

つまり、真の原因をシステム全体を見直し事により、究明するやりかたであり、人を責めるのではなくシステムの欠陥を調査してヒューマンエラーも防止できるようにし、再発生を防ぎます。

ファクトフルネス 犯人捜し本能

ファクトフルネス 焦り、パニック本能

いますぐ、行動しないと大変になると思う、思い込み!

人は非常に驚いたときや慌てたとき、脳は正常な働きをせず、冷静に適切な安全行動をとれなくなる。

何故、人はこのような行動を起こすのか?

人とコンピューターとの大きな違いは情報が不完全でもあいまいでも、前例や状況、文脈を手がかりにしてとりあえずのアウトプットを出してくれることだ。そうでなければ、人類は生存競争を生き延びられなかった。

パニックは人間の素晴らしい証知能力の副作用なのである。

しかし、現代ではこの本能が誤った行動を引き起こす、原始時代と違い現代はいま決めなければならないようなことはめったにない。

焦り本能を抑えるには深呼吸し、冷静になり、ゆっくりと時間をかけて情報をもっと入手する、直ぐにいまやらなければ二度とできないなんてことは滅多にないし、答えも二者択一ではない、緊急で重要なことなら猶更、ゆっくりとデータを見るべきだ。

5W+1Hで思い込み(本能)をコントロール

人間 ホモサピエンスのファクトフルネスの思い込み(本能)を無くし、世界を正しく見ることができるようにはどうすれば良いのでしょうか?

情報を明確に伝達するツールとして5W+1Hという手法があり、下記の要素を意識して文章作成、伝達すれば物事を明確に具体的に伝えられるようになります。

①なぜ?(Why)

②誰?(Who)

③どこで?(Where)

④いつ?(When)

⑤何を(What)

⑥どのように?(How)

この 5W+1H利用してファクトフルネスの思い込み(本能)をコントロールする事が可能です。

特に大学を卒業して社会に出た、社会経験は未熟な方は5W+1Hをキーワードに分析を行うと本能に左右されず、データーのウソを見破ることが可能です。

1x1.trans データーサイエンス マジック【イラスト図解】

誰が? Who?(統計の出所に注意)

まず最初に誰が? データーを作成したかです。

気をつけるべきことは 作成者の偏り(バイアス)である。
例えば、何かを研究している研究所で目的が純粋に理論を完成するためにしているのか?
評判をよくするためにしているのか?それとも依頼者(メーカ)からの要求なのか?
また、別の例では賃金を問題にしているのは、労働者側か経営者側か、といったようなことに気をつけてみるのである。

又、ある情報に威厳を与える為に研究成果のレポートに有名な専門家の名前を入れる事です。有名な医療の医者や専門家、研究機関、大学、大企業等の名前を見れば、多くの人は自動的に彼らが作成したレポートの結果を信用するようになります。

ただほとんどの場合、この様な専門家がそこにある研究をしたのでは無くて、実際には意味が無い程度にしか関わっていなくて、人々をただ説得する為だけに名前が付け加えられているだけに過ぎない事が多いのです、一言で言えば、[何を言うかより、誰が言うか]に焦点を当てた情報操作手法です。

又、誰を(Whom)対象としたデーターなのかも注意する必要があり、サンプリングの対象者の定義が曖昧だと意図したデータとは異なったデーターとなります。

1x1.trans データーサイエンス マジック【イラスト図解】

どのように?How?(測定、調査方法、サンプリング)

偏りのあるサンプルに注意しなければいけない。つまり、サンプルの選び方が不適当でない、あるいは、調査の結果でてきたわずかなものだけを選んだのではないかに気をつけることである。

調査方法についても誘導尋問で恣意的に結果に影響が与える調査法でないかを確認する必要がある、又、統計的に信頼できるサンプル数であるか、注意しなければならない。

具体的には下記のようなHow?があります。

①対象の選び方:どのように調査対象を選んだのか?

②調査方法の選び方:どのような調査方法を使ったのか?

③質問の方法:どのように質問、アンケートをしたか?

④どのくらい:調査対象者は何人?

1x1.trans データーサイエンス マジック【イラスト図解】

いつ?When?(測定、調査時期)

統計データを分析する際は時間は重要なファクターである。
いつ、測定、調査したのか?  データーが古くはないか? 測定時期が不明でないか?
を疑って確認する事が必要である。

又、統計データーを比較する際にも都合の良い時間軸だけを切り取り、比較してないか?
全ての時系列データーが対象になっているか、確認する。

1x1.trans データーサイエンス マジック【イラスト図解】

どこで?Where ?(測定、調査場所)

統計データを分析する際は場所は重要なファクターである。

どこで測定、調査したのか?  日本か? 海外か? 月か?  宇宙か?

を疑って確認する事が必要である。

又、統計データーを比較する際にも同じ場所でなければ正しい分析はできない。

例としてダイエット後に効果を確認する為に月に行き、測定したら正しい分析、評価はできない。

1x1.trans データーサイエンス マジック【イラスト図解】

何故?Why?(測定、調査目的)

統計データを分析する目的が何かの商品を販売する為、会社のプロジェクト成果を報告する為の場合、統計データーに恣意的に主観が入り、統計データーが歪められる。

統計データーの作成目的、意図が何かを見極めてから注意して統計データを見ることが必要である。

例としてダイエット商品の広告は自社の商品が如何に優れているかを巧みに統計データを利用して消費者の心理を突いて商品を購入させようとする。

1x1.trans データーサイエンス マジック【イラスト図解】

なにを?What?(測定、調査対象)

何を測定、調査対象にしているのかが曖昧、不明だと層別比較が不可能になる。

逆に測定、調査対象を曖昧にして恣意的に自分の意図する統計データを測定、調査する事ができるので何を測定、調査対象にしているのかを明確に定義しておく必要がある。

よって測定、調査対象の定義が明確化を確認する必要がある。

1x1.trans データーサイエンス マジック【イラスト図解】

まとめ

ファクトフルネスに記載されているデーター(数字)信憑性そしてハンス・ロスリング氏がテーマにしている10の思い込み(人間の本能)についてのその根拠となるデーター検証がなく科学的ではないが我々が常日頃から見ているデーターについて再考を与えてくれる本である。

科学的、統計的に正しいデーターは非常に調査、採取しにくく手間と時間を要する。

例えば統計的に正しいサンプリングを行い場合に乱数サイコロを用いてランダムサンプリングでデーターをサンプリングするが果たしてどのくらいの割合で研究所、企業等が実施しているか疑問である。

又、手間と時間をかけて調査したデーターも調査した瞬間から変化する。この世に変化しないモノはない、諸行無常である。

よって調査したデーターを分析、解析してもその瞬間からデータは過去のモノとなる。

この世に完全に正しいデーターは存在するのか?』何故なら森羅万象、全てのモノは変化するのだから・・・・

スライドシェア 無料ダウンロード 資料

スライドシェアから無料で資料がダウンロードできます。

スポンサーリンク
スポンサーリンク

シェアする

  • このエントリーをはてなブックマークに追加

フォローする