自分が大学時代なので、もう、７年以上前だけど、
IETFのミーティングにちょくちょく参加したり、プレゼンしたりしていました。
IETFの名称は、Internet Engineering Task Force、主な役割はインターネットの標準文書であるRFCを発行すること。TCP/IPといったインターネットの標準はRFCに準拠している。最近は、ほとんど接点がないのだけど、引き続きメーリングリストは購読していて、最近、考えさせられるタイトルがあった、それは"Is the IETF aging?(IETFは年をとったか？)"
IETFのよいところは、ラフ・コンセンサス、すなわち、”こんなもんでいいじゃないの”というラフなコンセンサス（合意）をとりつけて、それをベンダー(ＵＳだとCisco/Juniper、日本だとNTT/日立/富士通、中国ではHuaweiあたりが増えているらしい）が実装する。これは伽藍とバザールで言えば（ピンとこない方は、「ビックデータ戦略」をお読みください）、バザール、オープンソース的なアプローチだ。
一方で、ラフ・コンセンサスが形成されるための与件は、”みんな同じ志をもっていること”だと思う。それは、自分たちの作ったプロトコルがインターネットを良くするとか、これがないとインターネットが困るとか。結論からいえば、こうした”同じ志”という土壌は、いまのネットで形成されにくくなっていると思う。
ラフ・コンセンサスの例は、たとえば、セキュリティ、もともとネットは性善説に基づいており、みんな仲間で悪いことしないという前提だったから、セキュリティはなかった。でも、１９９０年終わりくらいから、ネットは”無法地帯”と思う犯罪者が登場して、性善説的なモデルはうまくいかなくなった。性善説ほど話は単純ではないけど、ラフ・コンセンサスが形成される土壌が、ここのところ薄まってきたような気がする。
大学卒業後、いろいろな会社を見てきたけど、結局のところ、このラフ・コンセンサス問題はどの会社にも存在する。会社の意思決定、マネジメントには、二つのアプローチがある。ひとつが、IETFのようなラフ・コンセンサス、どちらかというとサラリーマン社長がモノごとを決めるときに使う方法で、日本の場合、ラフ・コンセンサスというより”根回し”に近い。ただ、ラフ・コンセンサスにしても、根回しにしても、結局のところは、その意見に賛同するということが条件。もう一つのアプローチはトップダウン、これはオーナー社長に多くて、”世の中みんな右に向いてるかもしれないが、俺たちは左をいく”有無を言わせない方法。
ラフ・コンセンサスとトップ・ダウンどっちがいいか？これは状況によると思う。みんなの志が同じで、ビジネスが安定しているときであれば、ラフ・コンセンサスの方がうまくいくケースが多い。でも、みんながバラバラで、非常時の場合、圧倒的にトップ・ダウンの方がうまくいく。
もともと、自分は前者のアプローチ、すなわち、ラフ・コンセンサスこそ、意思決定のあるべき姿、と考えていた。でも、いろいろな会社をみていくうちに、結局のところ、ラフ・コンセンサスは万能ではないことに気がついた。IETFを全部トップダウンにできないことは承知しているけど、トップダウンな要素も必要になってきているのではないだろうか。
昨年の9月に上梓させていただきました「図解入門ビジネス 最新ネット企業の新技術と戦略がよーくわかる本」の今後のビジネスモデルとして、”通信と放送の融合”としてモバキャス（現サービス名 NOTTV）を取り上げさせていただきました。
そして、このNOTTV、2012年4月にサービスが開始されたものの、評判がすこぶる悪い。
たとえば、これ
【終わりがおっぱじまった】あまりにもひどいNOTTVの惨状まとめ要約すると、課題は3つ。
１．対応機種が２機種しかない
２．視聴できるエリアが狭すぎる
３．420円の月額料金を払っている割には、コンテンツが貧弱
この課題は、技術的にはそれほど解決は難しくない。
むしろ問題は、ビジョン、つまり、NOTTVによってどんな付加価値を提供したいか？
それによって、誰が喜ぶのか？ピーター・ドラッガーの言を待つまでもなく、”顧客の創造こそビジネス”と。
おそらく、それがないから、”よくわからないサービス”なのだと思う。
では、自分ならどうするか？おそらく、以下が考えられる。
１．番組を公募する、餅屋に任せない以上、外部から知恵を求める（ビックデータ戦略の外部を利用する）
２．スマホの特性を活かす、例：ＧＰＳ、カメラ、音声入力を利用する
松下幸之助翁は成功の秘訣についてこう指摘する、”成功するためには、成功するまで続けることである”、あきらめて撤退するのは簡単だ、でも、その前に、あきらめないで続けること、そして、そのために知恵を絞ること、これが重要なのではないだろうか。
先週、「ビックデータ戦略」という本を上梓させていただきました。
http://www.shuwasystem.co.jp/products/7980html/3308.html
名前はともかくとして、膨大なデータの中からパターンを発見して、そこからビジネスにつなげるという話です（例：レコメンド、Ａを買った人はＢも買う”パターン”が発見できたので、Ａを買った人全員にＢをレコメンドなど）。それはそれでビジネスには重要なので、全面的に賛成。
ただ、最近思うに、”パターン”には限界があるということ。
パターン（統計学といってもいいかもしれない）は、１００のサンプルのうち９９あてはまれば、のこりの１つのサンプルは捨てても、確からしさは確保される（正規分布的な考え方）。
でも、その残り１つのサンプルを捨てていいかといえば、ダメな場合もある。
たとえば、東日本大震災は、１０００年に一度のＭ９地震で、地震という確率分布があるとすれば、３σくらいの確率でしか発生しないだろう、つまり、統計的には”棄てられる”。でも、それが３σの確率で起きた時のインパクトは極めて大きい、（ブラックスワン現象）。
つまり、パターン発見、さらには、科学の帰納的アプローチには自ずと限界があること。
じゃあ、どうすべきか？今の自分の理解では、やっぱり、カール・ポッパーが提案する反証可能性、棄却された１のサンプルの重要性を反証すること、なんだろう。
逆にいえば、こうした反証可能性を提示できるアルゴリズムがあれば、コンピュータはもっと賢くなるのかもしれない。
Googleサジェストの表示差し止め、東京地裁が命令--就職取り消しなどの被害Googleの良いところ、そして、悪いところ、それが”自動化”だ。
良い面は、世界中のwebページの巡回（クローリング）、インデックス付け、から、オークションの入札まですべてをGoogleのコンピュータが自動で計算しているので、人間では到底できない素晴らしいサービスを提供していること。先日、上梓した「ビックデータ戦略」では、１８９０年代のアメリカで国勢調査をするものの、人口が多すぎて人間の力では集計できなかったため、コンピュータ（タビュレーティングマシン）が導入された、その状況とGoogleの”自動化”はよく似ている。
悪い面は、すべてをアルゴリズムに頼っているため、この手の例外に対して、手動で修正できない点。おそらく、今回の件について、Googleのエンジニアにであれば、”Googleサジェストに善良な市民と認定された人名にはネガティブなキーワードを自動予測で追加しない”というアルゴリズムで解決することだろう。テクノロジーですべてを解決することは傲慢だ、という批判もあるけど、そういう会社だから仕方ないし、Google突っぱねるのも、こういう背景があると思われる。
では、どうすべきか？
後者の自動化は”悪”だからやめるべしというのは、確実にGoogleの競争優位性を削ぐことだ（それはそれでよいのかもしれない、そして、こうした圧力こそがGoogleの真の脅威だろう）。問題は、ユーザがGoogleにどんな情報を預けて、どのようにその情報を利用されているか、まったくもってブラックボックスになっていること。
とくに、３月１日、Googleはプライバシーポリシーを変更し、いままで個別に設定していたプラバシーポリシーを一つにまとめて、利用する方向になった。これは、Googleにとっては、ユーザのより包括的なデータを取得できるので、明らかにメリットがある。だけど、ユーザにとっては、どの情報がどのように利用されているのか、ますます、不透明になってしまっている。自分もこのプライバシーポリシーには反対だ。
この手の個人情報は、世界中のだれもが納得できるポリシーはない。たとえば、、ヨーロッパ、とくに、ドイツではプライバシーに対して敏感で、Googleストリートビューに対して、徹底的にプライバシーの保護を求めて、プライバシーに敏感なことで有名だ。だからこそ、ユーザに選択（オプトイン）の余地を与えることも重要だろう。
自分の追い求める姿は、素晴らしいテクノロジーが企業できちんとマネタイズできる仕組み、その点でGoogleは申し分ない。だからこそ、この問題もテクノロジーで解決する姿勢、さらには、ちゃんとしたディスクロージャー（開示、今回の件も、Googleは一方的に突っぱねていて、なぜ、突っぱねているか説明が足りないと思う）が必要だと思う。
なお、先日、上梓した「ビックデータ戦略」にもデータ分析とプライバシーの問題を取り扱っているので、よかったら、こちらもご参照ください。
新しい本がでました、「ビックデータ戦略ー大規模データ分析の技術とビジネスの活用」というタイトルです。
目次は
こちらビックデータ（企業のデータ活用）について、その戦略（企業がどうマネタイズするか）とそれを支える技術（並列分散処理、Hadoop,DWH,ETLフレームワーク、機械学習など)について書いてます。
ぜひ、ご一読ください！
