勅使河原の情報収集

賢い日常生活ライフハックアイデアの箇条書き風まとめ

平均給与平均年収の大嘘！地方都市住民の暮らしの実態

投資

人口10万人レベルの地方都市住民はどんな仕事をしているのか？

先日、県庁所在地から遥か彼方に離れた場所にある和歌山県新宮市を訪れてた時そう思った

実家通い前提の給与体系だし終わってる


地方都市はともかくそれ以外はマジで何も無いから若いうちにとっとと移住した方がいい

出生率は最低のブラックホール都市
日本の人口減の元凶

都会の魅力とは？

人の多さはやっぱりパワーなんだよなぁ
それだけ街の熱気が違う

人が多いってそれだけ金が動くから食いっぱぐれ無い。

 

日本は豊かな国だろうか。GDPで中国に抜かれたとはいえ、まだ世界3位。れっきとした「経済大国」である。

 

離婚すれば生活が苦しくなるのは当たり前。
父母ともに子供のためにも安易に離婚するな、我慢しろ。

 

共働きか否かで「億単位の差」

専業主婦である妻が、パート仕事で月10万円前後、年100万円の収入があるとしましょう。
わずかな収入だと思うでしょうが、20年間で2000万円、35歳から75歳まで40年間働けば4000万円です。
『専業主婦は2億円損をする』（マガジンハウス）

大学・大学院を卒業した平均的な女性が正社員として60歳まで働いたときの生涯賃金は、2億1800万円です。しかも、この金額には退職金は含まれておらず、いまは年金が支給される65歳まで再雇用で働くのがふつうですから、それを加えれば専業主婦になることで失う収入は2億5000万〜3億円になります。

 

新築一戸建てを30で購入して80まで住んだとしたら生涯コストは平均でも9000万円前後

それに対して賃貸派は同じく50年間住んだとしても生涯コストは6200万円程度(10万円の賃貸物件に住んだ場合)

しかも、賃貸派の場合は毎月3万円程度の住居手当が出るからなｗ30から60までの30年間で毎月3万円の住居手当が出るとしたら1080万円ｗ

その内の280万を控除されたとしても800万円は手元に残るから賃貸派の生涯コストは実質5400万ってことになるｗ

しかも、持ち家の連中はそこから一生離れられないからなｗｗｗコレもはや呪いだろｗｗｗ

 

サンフランシスコでは、年収が120000ドルでもホームレスになることがあるという、笑えない話が事実らしいので、クイーンズ地区も最近お洒落なカフェが出来たり、マンハッタンには高くて住めないので日本人でも住んでいる人が多くなっていると聞くので、Amazonのために税金を使うというのも既存住民にとっては利害関係は一致しないということになりますか…

 

まず、業績関連では「売り上げを伸ばす」、そして「コストを下げる」こと。コストを下げるためには、材料費が一番ウエートを占めるので、客先の承認を取り付けながら同じサプライヤーから買うようにするなどの改革をします。

 

vbaプログラミングで事務改善の実際

エクセルVBAを使えば、エクセルからメールが送れたり、データベースにアクセスしてデータを取得したり、Webページにアクセスして必要な情報を取得するWebスクレイピングまでできちゃいます。

 

WEB APIとの連携も使い方次第でグッと業務の効率化が図れますね。例えば

Amazonや楽天の商品情報を取得して価格を比較する
ぐるなびから好きな料理のジャンルのお店をピックアップし一覧を作る
エクセルのワークシート上からTwwiter投稿を行う
Google MAPと連携して、指定した住所の近辺にあるレストランをエクセルシート上に書き出す
ヤフオクに商品を自動出品する

 

バグの多いヤツが下手ってのも一概には言えないって主張したいな
バグがいかにも出そうなコーディングしてても集中力がすごくてバグを押さえこむ人もいる
コピペ改変をやりまくりでもバグは出さないとかね
そういうソースを引きつがされて修正ミスって下手って言われても納得しかねる
もっとも納得しようがしまいが実際に評価が下がるのは過程は関係無くバグ出した人だけど

 

優れたプログラマーは、いかにしてプログラミングしないかを常に考えている。

つまり、デバッグ済みの既存プログラムやルーチンの再利用をまず考え
それで仕様や性能やその他の条件が満足できない場合に限り、プログラムを作成すると。　

それら既存資産コードには、もちろん自分で作ったコードも含まれる。
だから、あとで再利用できるように、できうる限り汎用的にかつプラットフォームに依存しないかたちに作る。

つまりＪＡＶＡのスローガンのあれだよな。

 

人工知能（ＡＩ）を活用し、さいたま市の認可保育施設の入所希望者を市内約３００施設に割り振る実験をしたところ、職員30人の手作業だと約５０時間かかっていた作業がわずか数秒で終わった。

舞妓さんは何故白塗りなのか

舞妓さんの場合は、他の要素(衣装やアクセサリー、立ち居振る舞い)でもワザと面白くさせようとはしていないからじゃね？
お座敷で盛り上げる為に、面白く振る舞う事はあっても

前に資生堂が古代からの化粧を当時の各種状況を元に再現するドキュメンタリーを作っていて
あの白塗りメイクは、平安時代の寝殿造りの室内(昼間でも薄暗い)だと顔や表情がハッキリと分かって
ロウソクや行灯とかの灯りの下だと、ナチュラルメイクみたいに見えていた
逆に、現代のメイクだと薄暗い室内では顔や表情の識別が困難で
行灯やロウソクの下だと、顔が赤みかかっている上に表情もイマイチ分かり辛かった 白塗りメイクは、昔の日本の室内には合っていたんだなと思ったよ

ムリをしない趣味のススメ　あなたが没頭できる趣味は必ずある

新たに始める人気趣味ランキング

 

アウトドア系 

  1. 登山
  2. バーベキュー
  3. ランニング
  4. フットサル
  5. ロードバイク
  6. ゴルフ
  7. ボルタリング
  8. ウインタースポーツ
  9. フィッシング
  10. バイク
  11. お城めぐり・神社めぐり
  12. 温泉めぐり
  13. 園芸
  14. 工場見学
  15. テニス
  16. サバイバルゲーム
  17. スイミング
  18. バドミントン
  19. サーフィン
  20. 卓球
  21. バレーボール
  22. 野球
  23. バスケットボール
  24. ゲートボール
  25. 水上スキー
  26. 筋トレ
  27. 空手
  28. 柔道
  29. 乗馬
  30. スカッシュ
  31. ソフトボール
  32. 洞くつ探検
  33. ラフティング


インドア系

  1. コンサート
  2. 料理
  3. 楽器演奏
  4. カラオケ
  5. カメラ
  6. 陶芸
  7. ヨガ
  8. 資格取得
  9. アクセサリー作り
  10. 俳句
  11. オンライン英会話
  12. ボトルシップ
  13. プラモデル
  14. 熱帯魚
  15. ペーパークラフト
  16. 囲碁・将棋
  17. 折り紙
  18. バレエ
  19. 太極拳
  20. 弓道
  21. 社交ダンス
  22. フラダンス
  23. 歌舞伎 
  24. お芝居

趣味の世界。どこを見回しても、楽しそうなオバサンの集団は見かけるが、ビジネス以外のオジサンの集団を見かけることは少ない。
女性専用のフィットネススタジオや習い事教室は無数にあり、どこも大賑わいだが、男性向けは数も種類も断然少ない。

男性は一人で打ち込む趣味にハマる傾向があるのかもしれない。
無理に群れるぐらいなら、1人がいい、と多くの男性は言うが、「引きこもり」による「孤独」は足腰などの身体能力を損なわせるだけではなく、精神面、肉体面で、多くのデメリットをもたらす。

 

ブームは終焉？AIの今後の展開は！？

科学技術

「100人のエンジニアより、1人の天才」(長谷川氏)。「一生涯に一度作れるかどうかというレベルのアルゴリズムを開発できる天才と、それを支えるドリームチームを作る」。

 

新型コンピューター「デジタルアニーラ」
デジタルアニーラは量子コンピューターのように、情報を「0」でもあり「1」でもあるという状態を可能にし、並列的に情報を処理できる。

既存のコンピューターの弱点は、組合せ最適化問題による大量のデーター処理。その課題を突破するのに量子コンピューターの能力のひとつ、アニーリング技術が使える。

スーパーコンピューター「京」が8億年かかる計算を、1秒で処理できるという驚異的なもの。

デジタルアニーラは決して、家庭や職場に置かれるコンピュータではありません。しかし、ネットショッピングをしていたら、不思議と自分の好みにぴったりの商品広告が表示されたり、気候変動予測の精度が高まってより効果的な温暖化対策が示されたり、がんや認知症の特効薬が開発されたりする未来は、私たちにとって身近なものです。

すでにデジタルアニーラは、製造現場の作業効率改善にも使われています。富士通グループのコンピュータ製造の基幹工場である富士通ITプロダクツにおいて、デジタルアニーラを倉庫部品のピッキング作業に適用したところ、作業者の月当たりの移動距離を20％以上短縮させることができました。

 

「データドリブン」

最終結果のみならず、厳選を繰り返すその過程のデータを蓄積し、AIで分析します。それによって実験では拾えてこなかったもの、発見すらできなかった抗体候補をたくさん見つけることができます。
これで従来比で20倍以上の新薬候補を見つけることができる。
従来だと候補が1種類しか見つからなかったら、製薬会社ではとりあえず1つでプロジェクトを走らせて、駄目だったら打ち切りというケースがよくある。
この技術を使えば、20の候補でプロジェクトを走らせられる。最後までプロジェクトを走らせることができる可能性が大幅に上がるわけです。

 
MOLCURE

20人程度の研究員が、半年かけてやっと1個の新薬候補を見つけているという状況。2週間から1カ月で、10から20個の候補を見つけ出せる。人が行う作業なので見つけられる範囲にも限界がある。

 

Summit

オークリッジ国立研究所によると、Summitは「1秒間に最大20京回（「20」のあとに0が16個続く）の演算を実行できる」という。スーパーコンピューターの性能を表す標準的な単位に換算すると、200ペタフロップスだ。これは、普通のノートパソコンより数百万倍も速い。これまで世界第1位だった中国の「神威・太湖之光」の2倍以上。

 

マイルストーン

米国、中国、日本、そしてEUは、いずれも1,000ペタフロップスを上回るエクサスケールのコンピューターを開発すると宣言している。この演算能力は、巨大コンピューターにおける次の大きなマイルストーンだ。中国はこのマイルストーンを20年までに達成すると公言した。Aurora（オーロラ）が予定通りに完成すれば、米国は21年にこのマイルストーンを実現できる。

 

データを数学的にレンダリングする手法は一部のタスクのみ有効

意思決定を行うソフトウェアにデータを数学的にレンダリングする手法は、音声認識といった一部のタスクでは非常に有効だが、戦略や計画といったタスクでは簡単には効果を発揮しない。例えば今回の試合で、OpenAIはpaiNよりも多いキル数を記録していた。試合の実況者たちは、完璧なタイミングで繰り出される組織的な攻撃に驚いていたほどだ。人間チームには抵抗不可能にも思える攻撃である。

しかし、戦略面ではボットが遅れをとっており、勝利に必要となるリソース収集と割当てで多くのチャンスを逃していた。

そんなボットの学習方法は、人間のアプローチとはだいぶ違う。人間の場合、ゲームの目的や有効な戦略の立て方を学ぶことで（幸運なことに）数百万試合をプレイせずとも初心者からプロゲーマーになることができる。

一方で強化学習を行ったボットは、少なくとも現在は高いレヴェルでゲームに参加できていない。ボットたちは一瞬一瞬の最適なアクションを予想することで動いているのだ。

「ボットたちはゲームに『反応』しています。ゲームの世界を見て、そのときに何をするかを考えるわけです」と、カリフォルニア大学バークレー校のベン・レヒト教授は言う。

OpenAIのDota 2プロジェクトでソフトウェアエンジニアを務めているスーザン・チャンは、対paiN戦でその欠点が現れたと話す。訓練中、ボットは自分のアクションの影響を最大14分先まで考えていた。「単純に、15分以上先のことを『計画する』メカニズムが備わっていないのです」と彼女は言う。「これは間違いなく、試合でボットが見せた長期戦略の欠如につながっています」

ボットたちは一瞬一瞬の身の振り方がとても上手だが、マクロレヴェルの意思決定が苦手なようだ。

 


 我々、ホモサピエンスの誕生は10万年前にさかのぼります。大きな進化があったのは7万年前。言語の獲得という革命があり、意思疎通ができるようになったからです。

 

 一つの脳から別の脳に情報を伝える。これは大きな進化で、新たな爆発のきっかけになりました。ここから農業が、科学が生まれ、そして、産業革命へとつながったと言えます」

プラット氏は、「ロボティクスを進化させる難しさは、ハードウェアではなくソフトウェアにある」と語る。その上で「十分なソフトウェアを多くのロボットに搭載することができるテクノロジーが、クラウドロボティクス」と続けた。

 

「ロボットがクラウド上でお互いに情報をやり取りする。このことにより、7万年前に人類に起きた革命がロボットでも再現され、人類の進化以上に大きな進化を遂げると考えています。
 なぜ、ロボットの進化の方が大きいのでしょうか。私たちは、言葉や文字でコミュニケーションを取りますが、そのスピードは非常にゆっくりとしたものです。1秒あたり10ビット程度でしょう。
 言語の獲得自体は素晴らしい進化でしたが、情報をやり取りするスピードという観点では、糸電話のようなゆっくりとした形だったわけです。
 一方、通信速度が速い5Gが普及すれば、ロボットの通信速度は1秒あたり1ギガビット超と言われています。
 ロボットがクラウド上で非常に速いスピードのコミュニケーションを取ることになります。この一点でも、人類による言葉の発明よりも更に大きな革命になると思っています」

「皆さんは、同時に何人の言葉を聞き取ることができますか。私は子どもが4人いますが、一斉に話しかけられることがよくあります。そのとき、内容を判別できるのは2人までです。同時に何人もの人とコミュニケーションは取れません。
 しかし、ロボットは同時並行でいくつもの会話が可能です。同時に1000の会話をすることも可能でしょう。
 ロボットが別のロボットにつながり、そこからまた別のロボットがつながっているメッシュ構造では、多数のロボットに対して同時にさまざまな情報を発信することができます。クラウドロボティクスは、将来的にこういったことを実現してくれるはずです」

 ひとつめは、人がジョイスティックでロボットを操作する動画だ。これは、人とロボットがコミュニケーションを取る実験。人からはロボットが見えず、ロボットが映し出す画面を元に操作する。
 ロボットには「ガーディアン機能」と呼ばれる安全運転を支援する機能が搭載されている。「クラウドロボティクス」でいえば、人の頭脳とロボットのAIがつながるということだ。

「ロボットは、このまま進んだら壁にぶつかりそうだ、と判断した場合、人にメッセージを送ります。握っているジョイスティックを危険がある方向に倒そうとすると、圧力がかかるのです。
 非常にシンプルな仕組みですが、人とロボットがコミュニケーションを取りながら作業をすれば、よりうまくタスクを実行できるという簡単な実験です。ロボットと人間の共生は、さらに研究を進めていかなければならない分野でしょう」

 

 

 

 

コンピュータによる学習開始から約2時間で、公開されている将棋ソフトとしては最強とされる「elmo（エルモ）」を打破。チェスについても、約4時間で世界最強のプログラムに勝利。

 

局面数が10の360乗と桁違いに複雑な囲碁

「アルファ碁ゼロ」は、AI同士の自己対戦だけで育てた。お手本として人間のデータを使っていない。
グーグルの豊富なコンピュータ資源を活用して、学習からわずか3日間で、人類のトッププロを超えるレベルに。


AlphaGo Zero はゼロから学習し

→3時間までは初心者

→10時間に基本定石を発見

→16時間に小ナダレ定石を学習

→19時間で死活、厚みと地の概念を学習

→24時間に小目の定石を学習

→36時間に星の定石を学習

→55時間に人類の理解を超える定石を発見

→72時間で恐ろしい強さに…

 

「三々入り」だけではなく、双方の石がぶつかり合って手抜きがしにくい接触戦のさなかに戦いを放置して他方面に転戦したり、「ツケ」「肩ツキ」と呼ばれる、今までの囲碁の定説をひっくり返した新手法をアルファ碁はたくさん示した。

到底生きることができなさそうな狭いところへ平気で打ち込んだり、定石っぽく進行したかと思えば、中途半端なところで手抜いて他の部分に浮気したり

 

アルファ碁ゼロは、学習開始からたった3日で人間の世界トップレベルを上回った。この学習には、グーグルが開発した機械学習に特化した超高性能の半導体「ＴＰＵ」が2000個使われている。この計算量を市販のコンピュータを使って個人ベースで実行しようとすると数百年、小規模の研究室レベルでも数十年かかると試算されている。ディープマインドの技術力と、グーグルの莫大なリソースが合わさってこその成果と見ることもできる。誰でも簡単に、同じ規模の開発をできるわけではないのだ。

 

しかし、ムーアの法則より32年後のコンピュータの性能の現在のものと比較した倍率は、倍率p=2^（32/1.5）
=2642245.94963
∴32年後のコンピュータの性能は現在のものの約2642246倍になる予定。

 

色々な企業や研究者が、さらに効率のよいAIの仕組みを追求していますし、この人工知能を支えているディープラーニング（深層学習）のテクノロジーも進歩している。

 

現在、新薬1つあたりの研究開発費は1000億円を超え、開発期間は10年以上。

 

このようなAI創薬がもたらす経済効果として、現在は1品目あたり1000億円を超える研究開発費がかかっているが、仮に開発期間を4年短縮できたとすると、560億円まで削減できるという。

 

スーパーコンピューター「京」を用いたときは、約25万件の相互作用データを学習するのが精一杯だった。その後、2014年から2015年にかけてインテルのXeon搭載サーバーで計算した結果、400万件までのデータの学習を実現した。さらには、それに付随して予測率の向上も見られたという。

（ディープラーニングと候補となる化合物の表現方法の進歩による）

 

次世代のAI創薬においては疾患自体を入力すると、それに対応する新規の化合物を薬の候補を提案するようになるという。
自分で考えてドラッグデザインする人工知能を作るのが目標。

 

また、ライフインテリジェンスコンソ－シアム（Life Intelligence Consortium; LINC）が立ち上がった。これは、製薬のみならず、化学、食品、医療、ヘルスケア関連のライフサイエンス分野を広く扱い、2017年10月時点で、89の企業や機関が参画している。

 

ディープラーニングで化合物のスクリーニングを行うだけでなく、生成モデルを使って狙った特性を持つ候補化合物をいきなり生成してしまうような研究も出てきている。

化合物をそもそもニューラルネットワークに入力するのかという点については、化学構造をテキストで表現するSMILESという形式や、化合物の特徴を表すfingerprintと呼ばれる形式などがあります。記事にも出てきていますが、化学構造をグラフ構造と解釈して計算するgraph convolutionも注目を集めてきています。

 

アリババは「向こう3年で150億ドル（約１兆6900億円）のAI関連研究開発費」を予算化。世界に7つの研究所設立。桁違い。アリババ以外にも、バイドゥ、テンセントも桁違いの予算の掛け方。それに加えて各社とも、教育領域に関わらず多くのAI関連スタートアップに膨大な投資。

政府の同分野への莫大な投資も大きく影響。これからもっとこのような成果は出てくるでしょう。

 

創薬事業は多額の研究開発費を数少ないアタリ薬で回収する、ギャンブル的な要素が強いはずなので、AIによってその確率が高まる、もしくは開発スピードが上がれば、収益性も安定かつ高まる。

加えて、アルファ碁のように、人間の研究者が到底思いつかない化合物の組み合わせによる新薬も発明されることに期待

 

機械学習の飛躍的進展により、アルゴリズムが人間の「勘」を真似できるようになった。新薬や新材料の開発は、それこそ無限にある化合物の組み合わせを試す必要がある。ある程度は理論で絞れる。その先は偶然と研究者の「勘」に頼るところが大きい。

でも、熟練した研究者の勘とは超能力ではない。経験を通して身につけた、数式や言葉としては明示的にあらわらせないなんらかの指針です。（ヒューリスティックスといいます。）そのヒューリスティックスを学習し、それに基づいて次に試す化合物の組み合わせを決めれば、人間の勘のようなものを真似できます。

それと、こんな記事があると決まってシンギュラリティだとか研究者がいらなくなるという馬鹿馬鹿しいことを言い出す人がいそうなので先に言っておきます。そのようなことは少なくとも向こう数十年では起きないでしょう。ただし、研究者の役割は、自分の勘を使って試験管を振ることから、創薬アルゴリズムを設計することに変化していくでしょう。

 

コンピュータ自身が、自分より優れたコンピュータを作れるようになったら、あとはダーッとコンピュータは進化していくと思うんだよね、もう指数関数的つうか階乗的つうかのペースで。

 

クロック数も限界に来てるし
量子コンピューターがコンシューマー用に普及するく革新がないと
今後１０年の変化はあまりないと思う

 

入力と出力の間のプログラムは全部人間がつなぐんだから、賢くなってるのは人間であってコンピュータじゃない。

 

AIは今の技術では力作業だから、お金を出し惜しみしない。どんなにお金を使ってでも、他より少しでも早く強いAIを作れれば、その時点でAI長者になれる。

 

たった一人に３６０億円を払って囲い込んだ例もある。プロスポーツと同じく、誰にもできないなら青天井で給与が出る。

 

AIは大した技術じゃない。仕組みは、ただの統計計算だ。しかし、人類最大のイノベーションなのだ。

 

毎秒1那由他回（=10^-8無量大数）ぐらいまで行ってほしい。冷却代節約のため北極に建てて、自らの存続を賭けて、地球温暖化をマネージする

 

資金調達は時間をお金で買うための手段と思いますが、42.5億円でどれくらいの時間が買えるのでしょうか。事業計画によって違いすぎるので単純計算できないのは重々承知の上で、なんかそういうのが計算できるソフトがないかなと思います。


そうすれば、自分たちが一体いくら調達すればいいのか、逆に今は調達できないことで何年分のロスになっているのかがわかれば、経営の大きな指針になるんですけどね。あるテストの点数分布が正規分布に近似できて、平均点50点・標準偏差10点だったのなら

40点から60点の間に受験者の約68%が存在し

30点から70点の間に受験者の約95%が存在する

ということです。この標準偏差の「68%95%ルール」、知っているとものすごく便利なんですよ。

なぜなら、データの総数が1000を超えた分布は、正規分布に近い分布になるケースが多いことが分かっているから。つまり、この標準偏差の「68%95%ルール」は身近にある様々なデータに活用できるのです。

「どの塾に行った方が良いか」や「電車とバスのどちらを使うべきか」、「どう勉強すれば最も合格率が高いか」さえも計算できる可能性を秘めている。

 

世界史は情報検索、数学は論理的な自然言語処理と数式処理で高得点の獲得を実現できたが、鬼門となったのは英語と国語。特に英語は難関で、150億文を記憶させても、ディープラーニング技術を取り入れても、スコアが伸び悩んだ。
著者によれば、「東ロボくん」が伸び悩んだ理由は、それが「計算機に過ぎない」ことにある。いくら速度と記憶量が上がったとしても、「AI」は「数式として表現できること―論理と確率と統計で表現できること―」以上のことは表現できない。つまり、その枠外にある「意味」を表現することができないのだ。人間であれば直感的に理解可能な「私はあなたが好きだ」と「私はカレーライスが好きだ」ということの本質的な意味の違いを数式で表現することは極めて難しく、そこに「AIができること」の限界があるのだと著者は説く。

 

過去の履歴だけでは、ワクワクするような

クリエイティブな提案には結びつかない。

 

ディープラーニングを活用したAIシステムは、ファッショントレンド、自社製品のランウェイ画像に対する消費者心理、流行パターン、シルエット、色、スタイルなどの分析に利用される見通しで、分析結果はデザイナーに伝えられ、次回コレクションの参考に使われる。言い換えれば、自社の意思決定を行う上で人工知能がリサーチャーの役割を果たすというわけだ。

 

主なスパコンの順位と計算速度（１秒間の浮動小数点計算回数、京は１兆の１万倍）は以下の通り。

（１）米オークリッジ国立研究所「サミット」　１４京３５００兆回

（２）米ローレンスリバモア国立研究所「シエラ」　９京４６４０兆回

（３）中国・無錫スパコンセンター「神威太湖之光」　９京３０１４兆回

 

本件の情報源は確認していませんが、この手の情報の出元は、多くの場合に、予算獲得をしたい側であることが多いのは、認識しておく必要がありましょう。数字は集計方法で作れてしまいます。そして、我が国は他国に予算で遅れを取っているので、もっと予算を掛けましょうというという論理を展開する場合が多いのです。このバイアスの可能性は、冷静にみる必要がありましょう。

　また大事なのは、今がアクセルを踏むべきタイミングか、ということです。即ち、今お金を掛けるのがいいことか、悪いことかということです。早くお金を掛けすぎると、その後に息切れし、技術的な環境が整った頃には、予算がつけられないということも歴史的には、多々起きています。有名なのは、第５世代コンピュータのプロジェクトがあげられます。私の会社でもそういう経験がいくつもあります。量子コンピュータは、まだ、実用的な可能性が全く見えていない基礎研究の段階です。ある程度お金をかけることは必要です。しかし、その上記のタイミングの判断と見極めが重要になります。周りがやっているから、というのはこれまでの経験上あてになりません。

　日本は、全般には、未来への投資を躊躇する国になっていることは間違いなく、それは変えなければなりません。もっと未来に投資すべきです。これは断言したいです。しかし、投資戦略としては、皆がやっているから、というのは最悪の戦略です。もっと日本独自の投資が必要だと考えます。ただでさえ、このようなハードウエア関連の箱物は、それでも予算化しやすいのです。日本の弱体化の大きな原因は、ソフトウエアやデータ関連に全く投資が動いていないということです。それは、従来のハードウエアで成功体験を持つ人たちが、投資権限に影響を持つ社会ネットワークのポジションに沢山いるからです。構造的にはもっと難しい状況があります。企業で、産業的に成り立たなくなった分野の人（ハードウエアが多い）が、大学に出て、国の予算を獲得しようとするので、国の予算の配分が、過去の産業分野へバイアスしてしまうという問題があります。未来を見れない構造があるのです。このような課題を前向きに未来に向けて、我々の手で変えていく必要があります。

業務改善はどこまで可能なのか　働き方改革最終局面へ

Eliminate（取り除く）：業務をなくせないか？
Combine（繋げる）：業務を一つにまとめられないか？
Rearrange（組み替える）：業務実施の順序、方法を変更できないか？
Simplify（簡素にする）：業務をもっと単純にできないか？
E→C→R→Sの順番で業務の見直しを行い、業務改善を図ります。

 

ゴーン氏の経営手腕は、経営危機の状況において最大限発揮されると見ている。ＣＦＴの手法は、開発→購買→製造→販売→アフターといったバリューチェーンごとに発生しがちな部門の壁を打ち破って全社的な問題解決を図る手法だ。

 

会議の時間を短くする
社内資料・書類の削減を行う
打ち込み業務の重複

業務の仕組み化
整理されたオフィス環境づくり
新人研修をまとめて行う
社員に対する経営理念の浸透

タイム制度の導入
リモートワークの導入
営業での訪問先に優先順位をつけ、無駄な移動時間をなくす
書類作成のテンプレートを先に作り、それから書類を作成する

 

仕事は即時処理が基本。多くの相談が即時処理で済むのは、理由がある。
特化すると、どのクライアントも、相談内容はかなり共通している。だから、やればやるほど業務効率は上がっているのだ。

とても共感できないような相談をするクライアントに対しては、やんわり「お手伝いは難しい」と、お断りする。だから、気持ちよく仕事ができる。

 

どんな仕事でも、意外に自動化、IT化できることは多くあるもの。
無理だと決めつけないで、ノンコアな無駄な作業はないかと仕事の棚卸しをして、無駄なことは全てやらないことです。そうすると、意外に簡単にトラベリング生活ができる。あとは、変なしがらみにとらわれないことも大事。

 

録音データをイヤホンで再生させて聞きながら、自分の声で話し直すのである。それを音声認識させる。話者の名前を冒頭に入れることもできるし、破綻している日本語を組み立て直して話すこともできる。

 

作りすぎのムダ
作りすぎのムダというのは、必要以上のものを作ってしまい、非効率になってしまうことや、適切なタイミングで業務を行わないことにより、ものが余ってしまうことを指します。

例えば、ECRSのEの部分だけを議論するミーティングがあるとして、そのミーティングのための資料作るとします。その時、ECRSすべてに関する資料は必要ありません。今回のミーティングではEの部分だけの資料があれば良いのです。

また、セミナーなどを開催する際、具体的な集客人数を確定する前から資料を印刷してしまい、大幅に資料が余ってしまうケースもこの作りすぎのムダにあたります。しっかり適切な量の業務を見極めましょう。

手待ちのムダ
手待ちのムダというのは、ある業務を行っている際、何かしらの原因で次の仕事に進めず、一時的に何もやることが状態を指し、時間をムダにしてしまっている状態を指します。

例えば、上司に資料の確認をしてもらいたいのだが、上司の予定を確認しなかったため、上司の外回りが終わるまで2時間近く待つはめになってしまう。

このような手待ちのムダを解消するには、自分が着手したい業務の進捗をしっかりと逆算し、上司の予定も把握することで、時間のムダなく、資料を確認してもらう時間をあらかじめ把握しておくことが重要です。

運搬のムダ
運搬のムダとは、付加価値を生まない歩行やモノの運搬、情報の流れを指します。

例えば、あなたの会社のオフィスにおいて、コピー機はどこに配置されているでしょうか。コピー機は毎日多くの社員が使うものだと思います。

そのコピー機が、社員のデスクからとんでもなく離れていたら効率が悪く、ムダになります。小さなことかもしれませんが、塵も積もれば山となるのです。オフィスのレイアウトも、今一度見つめ直してみましょう。

加工のムダ
加工のムダとは、主要業務の完成度、質の高さとは全く関係のない不要な作業を指します。

例えば、プレゼンテーションのためのスライドや資料を作る際、ムダにデザインに時間をかけ、質ではなく、見た目に凝るといったケースが考えられます。確かに、ある程度のデザイン性は必要かもしれませんが、質がいまいちにも関わらず、デザインに時間を多く割くのは非常に効率が悪いです。

担当している業務において、何が一番重要なのかの優先順位をつけることが重要です。

在庫のムダ
在庫のムダとは、必要のない書類や用具がオフィスの棚にぎっしり詰められていたり、デスクの上に散乱している状態を指します。

特に、デスク周りは、もう使わなくなった書類がそのままといったケースが多いのではないでしょうか。働く環境をしっかりと整えることで生産性は飛躍的に上がります。まず、身の回りの必要のない書類を整理しましょう。

動作のムダ
動作のムダとは、付加価値を生まない身体的な動きを指します。

例えば、営業での外回りの際、3社の企業に訪問するとします。その時、3社とも遠い場所に位置していたら移動の時間、動きが全くのムダになります。

動作のムダをなくすためには、同じエリアにある3社を選ぶことで移動のムダが省けます。こうした少しの工夫が積み重なり、大きな成果へと繋がるのです。

不良・手直しのムダ
最後に不良・手直しのムダについてです。不良・手直しのムダとは、修正ややり直しが必要な仕事のことです。

一度発生したミス、失敗を繰り返すことは非常に効率が悪いです。ですので、一度発生したミスの原因をしっかりと究明すること、そして今後同じ失敗が起きないようにマニュアル化や仕組み化をすることが重要です。

マニュアル化や仕組み化をする際、システムでの管理をすることをお勧めします。紙媒体でマニュアルを管理することも可能ですが、マニュアルはアップデートしていくことが望ましいので、そうするとクラウド上でマニュアルを管理できるシステムの導入が理想的です。

 

1探し物をする時間を限りなくゼロにせよ。

PCはデスクトップもフォルダをキレイにしろ。

不要な物、書類は徹底的に捨てろ。

不安なら、さっさとスキャンしてデジタル化しろ。

そもそも書類を生み出すな。

紙の書類は時系列に整理しろ。

 

2環境の整備

超高速PDCAサイクル

「午前中」に集中する「仕組み」を作れ

分単位で仕事しろ

人に任せろ

難しい仕事を分割して簡単に変えろ

重要な２割の仕事を優先しろ

前倒ししろ

よく会話しろ

ミスを組織で考えろ

指示が明確にして誤解のない言葉を使え

新人を理解しようとし放置するな

部下に考えさせ、自主性に任せろ

適当で団体戦を好み、仕事をゲームに変えろ

時間をリスペクトすること。できる限り短い時間で、意思決定するのが礼儀。

後戻りできることであれば、即座に決断せよ。

 

3やらないことを増やせ

報告は、すぐに終わらせろ

わざわざ出向いて対面するな。

電話で15分から30分のやり取りをしよう。

初めから1時間の枠をとって会うな。

より短時間で、より多くのディールを手掛けよう。

使うかわからない資料作成に時間をかけるな。

資料の形式を合わせ、転記しやすくしよう。

契約書等の書類を標準化しよう。

絞り込んでいき、「これは面白くなるぞ」と判断したもののみ、分析資料を作れ。

 

やたらと相手に詳細を聞く上に、自社の都合でしかない書類を出してほしいなどと要求する人は、即刻切ろう。

 

4機械のように仕事せよ！判断するな！

服を選ぶことのような些末な決定を極力減らせ

仕事はシステマティックに行え

判断は「電子サイン」で、すばやく決めていけ。日本ではいまだに、全部を「紙」で調整しようとしたりするなど、情報流通のプロセスが致命的に劣っている。

とにかくWhy、Why、Whyをひたすら繰り返せ。社員たちが「なぜ？なぜ？」と自問して、問題分析を繰り返しするようにしよう。

そのもののコストではなく、そこに使われる「材料ベース」で徹底的に調査をされると、いい加減な説明をしても逃げ切れない。

 

クラウド活用や遠隔相談によりリーガル業務の効率化を図る。大量のデータ分析をして、訴訟に勝つためのエビエンスを取得する。

 

 「入力業務」の自動化に加え、「チェック業務」の自動化をさらに進めていくという。

 

エラーをチェックするだけでなく「どのように修正すべきか」を提案するところまで対応する予定。

 

担当者がチェック項目を柔軟にカスタマイズできるようにする。

 

5自動化せよ

データの電子化や自動仕訳など入力業務は自動化

 

文書や画像の記録をすべてデジタルでデータベース化し、インデックス化し、セグメント分けして検索可能にせよ。

 

「ルールとの相違」「発生しやすい作業漏れや誤り」「過去との変動率が大きいなどの異変」に基づいて、修正の必要がありそうなセクターを自動で探し、ハイライトする仕組みを作れ。

 

繰り返し作業は、すべて自動化せよ。

 

オペレーションのほぼすべてを人で回す飲食業界は、「特に非効率な業界」だ。

 

飲食店経営において最も重要とされる五つの情報（売上、利益、客数、客単価、FL比率）を簡単に確認でき、AIを用いて経営をサポートするツールを開発せよ。

 

最大の課題である書き文字やその土地特有の方言などの同定は、歴史家、古文書学者、公文書保管人などが名前、場所、キーワードを書き出し、コンピュータに文字認識やパターン学習をさせてアルゴリズムが文書から単語を抽出、検索可能なデジタルテキストに変換させる。

 

名前、場所、時間などの検索ワードから複数のドキュメントやマップがヒットする検索エンジンも開発している。また、テキストだけではなく、画像でも検索できるシステムも構築中。例えば、絵画のコンポジション、描かれている人物たち、もの、パターンなどを学習させて、関連していたり、似ている画像を抽出させることが可能だという。

 

事務作業手順の見える化を徹底することにある。作業手順を見える化したワークフローの整備に注力していく。適用業務の事務作業を5倍に高速化。定型業務の効率化の次に目指すのは事務作業そのものを減らすこと。私もホワイトカラーとして単純作業の繰り返しだと思いながらとても長い時間的リソースを使って、作業していた経験があるので、これらを自動化したらかなり省力化できるだろうと改めて思いました。


在職中とかは、よくそんな無機的にできる事務作業ではないという反論を守旧派の管理職などから受けましたが、日常的な事務作業なんて基本的に標準化して、ロボでもできる単位にブレークダウンしてしまえば自動化は可能だと思います。

こちらの仕事を機械に合わせようとするのではなく、機械の能力にこちらの仕事を落としこんでやればいいだけの話だと思います。


他の会社はどうか知りませんが、私のやってきたレベルの低い仕事だと、そうやって標準化できない部分はほとんどないので、そうするとオフィスにほとんど人的リソースは不要になるよなあと考えて会社を辞めましたが、そうやって無駄を省いていくと、そもそも会社自体が必要なのだろうか、という根源的な問いにぶつかってしまいます。


技術的なブレークスルーというよりも、まず先に不要な会社を統廃合し、そこに滞留していた貴重な社会的リソースを解放して、他の成長産業へと流れていくような構造改革の方が先に必要なのではないかと考えています。

単純作業を自動的に処理する

人手不足の深刻化や働き方改革で労働時間の削減を急ぐ大手企業が次々に導入している。生産性を引き上げて、貴重な人材を顧客対応や企画部門に厚く配置する動きにつながりそうだ。

ムダな仕事、本質から外れた仕事をカットする改革


本来なら廃止や自動化すべき業務も効率化されないまま温存されます


「今できること」から着手する


印刷業務などを支援するスタッフの配置


ひな型作成による事務負担の軽減


私たちは、計測できないものは改善できないという考え方を持っています。まず計測することで可視化され、マネジメントも可能になります。たとえばお客様から質問を受けてから答えるまでのディシジョンタイムや、契約書の不備率も測定の対象。具体的に数値として見えるから、改善の目標を設定できるのです。

業務プロセスの改善においても可視化は重要です。ある業務を見直したければ、まずはフローを最初から最後まで明らかにします。その結果、業務に120ステップあるとわかれば、25％カットして90ステップにするという目標を決められます。

 


ステップを見直すときは、重複しているものを外したり、1回でやったほうが早いものをまとめたり、ITで代替できるものは自動化を図っていきます。小口リースの審査時間を大幅に短縮したときは、すでにヨーロッパで利用されていた自動プログラムを日本に応用しました。

業務を効率化するために欠かせないのが会議です。GEの会議では、ワークアウトという問題解決手法を使います。

ワークアウトでは、まず問題が起きている原因について、参加者一人一人が思うところをポストイットに書き出していきます。それを壁に貼り、ファシリテーターが整理して、いくつかの原因に絞り込んでいきます。その解決策についてふたたびアイデアを出してもらい、さらにそれを整理したうえでアクションに落とし込みます。

 

キーエンスの営業の仕方とかは全てマニュアルだぞ 

ロールプレイングで練習するらしい 

打ち合わせノートとかも全部キーエンス仕様のフォーマット

キーエンスの商品は使い勝手良いからな 

何より即納がいい 

次の日は届いてるし 

他のクソ計装メーカーなんてしょうもないセンサーとかでも 

「納期は2ヶ月です」 

とか普通に言ってくるからな

 


クレームを出すと 

半年後には対策品を出して持って来るぞキーエンスは

リストを作ってるからな 

その会社のシステムを理解してから営業を掛けてくるから 

話が早い

 


WordVBAとExcelVBAで自分の仕事の効率化のために作ったマクロがコメント改行込み1万行になった 

そろそろ作るものも無くなってきた 

これ以上自動化しようとするとAI作ることになる 

 


デモの手際が良い

 

エクセルは神だからな。 

エクセル使いは神の使い。 

 

キーエンスの営業なんて分単位で日報書かされる超厳しい管理体制

 

キーエンスの営業は怖いけど他の会社より的確な時に電話かけてくるし直ぐに来てくれるから、彼らは優秀。

 

別件で半年以上前に問い合わせたキーエンスの営業マンが、自分の名前を覚えていた。恐らく電話番号から問合せ履歴をさかのぼったのだろうけど、でも嬉しいですね。さすがキーエンスだな。営業力の強い会社は問い合わせても気持ちが良いものです。

 


20年前と違って今やウインドウズもオフィスも当たり前。 

コンピューターシステムも専用に頑張って作るのはナンセンス。 

すべて共有のエクセルファイルに打ち込み、システムはそれを読んでDB登録、結果を書き戻す、がベストチョイス。 

検索して一覧画面。バカかそんなのいらねえわ。 

エクセルで完結できるものはすべてエクセル。 

この世でもっとも普及し皆が使いこなしてるソフトで完結させるのが当たり前の流れ。 

DBにオラクルを使うのと同等。 

 

若手に比べ、なぜ幹部職員のモチベーションは高いのでしょうか？
それは、やはり権限、決定権が大きいからだと思います。自分が興味あることを検討・導入できるから面白いですよね。

 

人間を超える視覚を実現のLiDAR企業「AEye」が4000万ドル調達

「人間の目のように視野に入った物体の中から重要なものに照準を合わせる、インテリジェントなシステムを実現した」これは、重要なブレイクスルーになる。

 

「半導体の景気が悪くなるのは人類が滅亡する時だ」

好況だった半導体業界を取り巻くリスクは解決されずに残ったまま、その存在感は日に日に大きくなっている。それでも、関係者の間には楽観的な見方が根強い。それはIoTやAI（人工知能）、自動運転、5Gといった近未来のテクノロジーを実現するうえで半導体の役割は決定的に重要で、需要がなくなることはないという共通了解があるからだ。

 

富士通、児童の保育所割り当てをAIで効率化する自治体向け新製品　選考の経緯も提示可能に。保育所をより必要とする人を優先するために、各自治体が個別に定めた保育所利用調整指数、保育所の空き定員情報など、入所選考に必要な情報を、子育て支援システムから保育所AI入所専攻に取り込む。従来は、子育て支援システムからデータをプリントアウトし、人が協議して選考してきたが、中核市の場合、約1000時間かけて数千人規模の選考を行っていたのこと。ある自治体では10日以上かかっていた選考時間が、製品の利用によって数十秒になる。

 

サイゼリヤとＮＴＴドコモは、ＡＩを用いて数時間後から数週間後のサイゼリヤ店舗の売り上げを予測

サイゼリヤの都内６店舗の売り上げ実績で従来手法と比較したところ、天候やイベントで売り上げが平常より伸びた時間帯の予測の誤差が２５％小さくなったという。

 

 

Facebook のビジネスモデルは大きな曲がり角に来たと思います。Facebook でないといけない、出来ないことがすぐには思い浮かびません。

 

レジ袋を生分解性に変えたことは，同時にそれは不法投棄を正当化しているのではないかとも議論を呼んだ。

 

膨大な顧客情報を獲得して、待っているだけで営業先がスケジュール帳に飛び込んでくるSALES BASE

 

仮にコストの7割が人件費であれば、人件費が10％上がった時に売値を7％値上げする必要がありますが、コストの3割が人件費であれば、売値を3％だけ値上げすれば十分だからです。

 

ミクロ経済学の基本ですよね。

宅配業界や携帯電話業界などプレイヤーの数が限られている場合は暗黙の合意形成がしやすいからパレート最適を実現しやすい。

反面、プレイヤーが無数の飲食業界などは囚人のジレンマに陥りやすい。

 

生産性うんぬんよりも、希少性の高い情報が入ってこなくなります。

 


仕事が出来る人には自然と様々な情報が入ってきますが、これは役職者だからではなく、そういうコミュニケーションを日頃からとっているからです。

 

　まず、仕事をメンバーに説明する時間をしっかりとることを意識します。プレイングマネジャーは忙しいですから、ついつい手短に要件だけ伝えて済ませたいと考えがちですが、これが間違いのもと。「何がゴールなのか」が伝わらないまま「作業」のように仕事に取りかかってしまうと、何度もやり直しが生じてしまいます。

　メンバーに仕事を渡してから完成するまで「10」の労力が必要だとすると、最初の打ち合わせで完成イメージをすり合わせるのに、「5」の労力をかけるのが理想です。最初の段階でしっかり時間をかけることが、全体のリードタイムを最少にするコツ。「目先の効率化」にとらわれるのではなく、全体のプロセスを意識して必要なところにしっかりと時間をかけるようにしましょう。部下とのコミュニケーションを”効率化”すると、確実に生産性は落ちるのです。
 

預かった仕事を、１つアップグレードさせて次の人に渡す

楽しくワクワク仕事する

規定時間で帰る。その為にスキルアップする


これだけ情報化社会と言われて何十年も経つのに、未だに「上司に報連相するのは当たり前」というスタイルで「結論だけ言え！」「簡潔に話せ！」みたいな人をよくみかけますが、これだと最低限の情報しか入ってこなくなるのは言うまでもありません。

 

仕事を渡すときには、次の項目をしっかり確認するようにしてください。

●ゴールは何か（この仕事の目的）
●誰がやるのか
●何をやるのか
●いつまでにやるのか
●どうやってやるのか
●所要時間はどのくらいか
●なぜ、そのメンバーがやるのか
●誰と協力するといいか

 

 

ショートカットキーはすべて覚えろ。

ショートカットキー 説明
Alt + [H]→[B]→[A] 枠線で囲む
Alt + P　R　S 印刷範囲設定
Ctrl + - 行の削除
Ctrl + ; 今日の日付を入力する
Ctrl + + 行の挿入
Ctrl + 1 書式設定
Ctrl + F2 印刷プレビュー
Ctrl + Space　 列の選択
Ctrl+: 現在の時刻
Ctrl+; 現在の日付
Ctrl+[ 選択範囲で数式によって直接参照されている全てのセルを選択
Ctrl+] アクティブセルを直接参照している数式を含むセルを選択
Ctrl+＋（プラス） 行・列の挿入
Ctrl+0 選択した列を非表示
Ctrl+1 [セルの書式設定]画面を呼び出す
Ctrl+9 選択した行を非表示
Ctrl+D 下方向へコピー
Ctrl+end データが含まれていてる最後のセルに移動
Ctrl+H [置換]タブを表示
Ctrl+Home A1セルに移動
Ctrl+K [ハイパーリンクの挿入]を表示
Ctrl+Pagedown 右のシートへ移動
Ctrl+Pageup 左のシートへ移動
Ctrl+R 右方向へコピー
Ctrl+Shift+$ [通貨]表示形式を設定
Ctrl+Shift+% [パーセンテージ]表示形式を設定
Ctrl+shift+( 選択範囲内にある非表示の行を表示
Ctrl+Shift+矢印 矢印の方向に全選択。（表の端にendを入れておくと、シートの端まで選択せずにすむ）
Ctrl+space 選択範囲を列全体に広げる
Ctrl+Tab 呼び出した画面で１つ右隣のタブが開く。押した数だけ選択タブが右に移動する。
F1 [Excel ヘルプ] 作業ウィンドウを表示
F10 メニューバーをアクティブ、解除
F11 集合縦棒グラフ作成
F12 名前を付けて保存
F2 セルの編集（参照を表示）
F3 名前の貼り付け
F4 直前の動作の繰り返し
F5 ジャンプ
F6 分割されているブックの次のウィンドウ枠に移動
F7 スペルチェック
F8 選択範囲を拡張
F9 開いているブックの再計算
Shift + Alt　→ グループ化する
Shift + F11 新しいシートを挿入する
Shift + F2 セルにコメントを追加する
Shift + Space　 行の選択
グラフを表示 [Alt]→[N]→[N]
グループ化する [Shift] + [Alt] + [→]
セルにコメントを追加する [Shift] + [F2]
セルの行や列などの端までジャンプする [Ctrl] + [→(矢印)]
セル内で改行 [Alt] + [Enter]
デスクトップを表示 [windowsマーク] + [d]
トレースの削除 [Alt]→[M]→[A]→[A]
フォントを変更する [Alt]→[H]→[F]→[F]
右揃えにする [Alt]→[H]→[A]→[R]
形式を選択して貼り付け [Alt]→[H]→[V]→[S]
行または列を挿入する [Ctrl] + [Shift] + [+]
行または列を挿入するをさらに速く [Ctrl] + [Shift] + [+] + [R] or [C]
行をまとめて選択 [Ctrl] + [Shift] + [→(矢印)]
今日の時刻を入力する [Ctrl] + [:]
今日の日付を入力する [Ctrl] + [;]
左揃えにする [Alt]→[H]→[A]→[L]
参照元のトレース [Alt]→[M]→[P]
参照先のトレース [Alt]→[M]→[D]
書式を設定する [Ctrl] + [1]
書式を設定するポップアップでタブ移動 [Ctrl] + [Tab]
新しいシートを挿入する [Shift] + [F11]
選択したセルの規定値を編集する F2
前の選択したセルをそのままにして範囲を広げる [Shift] +[→(矢印)]
他シートへ移動する [Ctrl] + [PageUp], [PageDown]
直前の操作を元に戻す [Ctrl] + [z]
同じ作業を繰り返す F4
背景色を変更する [Alt]→[H]→[H]
文字のサイズを変更する [Alt]→[H]→[F]→[S]
文字色を変更する [Alt]→[H]→[F]→[C]
枠線で囲む [Alt]→[H]→[B]→[A]

投資に地道な必勝法はあるか？ミドルリスクで無茶しない真面目な稼ぎ方

投資

300万とか400万なんかで投資したって何の意味も無い

 

ハイテク企業に投資するファンドは、その投資案件の半分は失敗し減損処理を強いられるが、一握りの大成功によって失敗は挽回できるような投資スタンスをとっている。

 

資産運用の基本である「長期・積立・分散」のうち、「長期」は難易度が高いからです。日本の投資信託の平均保有年数は3年しかありません。

 

現物資産に投資すれば将来的に必ず儲けることができる。

地球の人口はまだまだ増加し続ける。水、資源、食料が希少になる。75億人を超える人々の衣・食・住、教育、雇用を支える必要があるだけに、需要な資源はとてつもなく制約される。天然資源だけでなく、貨幣や時間も同じだ。コミュニケーションを向上させて、これまで以上に効率よく調整していかなければならない。

 

三井物産の場合、1バレルあたりの原油価格が1ドル上昇すると、年間28億円の増益になる。

 

食料品、情報通信機械、農林水産、電ガス水道、不動産、医療・教育、職業紹介・労働者派遣が期待される。

 

人間は「快感」を選ぶ。だから合理的なAIに負ける

 

バブルは弾けるまでわからないがソフトバンクGが出資している会社のバリエーションがバブルである可能性に内心では一抹の不安を覚えている人が多いと思います。

バブルを弾けさせるのは、意図的に資金供給を止めるか、その資金が尽きた気になりますが22兆円集まればまだ数年宴が続くでしょう。

その頃には次のバブルに乗り換えていきそうな勢いを孫さんには感じますが。

 

日本で大地震は、リセッションより頻度高いと思う
投資はリスク分散だから保険も貯金も投資の一つだし、 気になるならポートフォリオのごく一部に地震対策しとけばいいじゃないか。
そんで投資スタイルは人によって考え方が違う。
関東や東北の大震災や南海トラフが２０年以内に来ると思ったら、そういうポートフォリオにしておくのがいい。
そんな低い確率の話とは思わない。

 

人口は減少しているが、世帯数は一貫して増え続けている。

 

世界最高の投資家であるウォーレン・バフェットも、「自分を除けば、インデックス運用に優る投資法はない」と繰り返し述べています。

失ってしまうのではないかと心配で、あまり多額を投資できないでいるなら、その心配は無用。40年におよぶ投資利回りの歴史を調べた｢ナード・ウォレット（NerdWallet）｣によると、株式市場への投資家が｢少なくとも初期投資額を維持できる確率は99％｣であり、従来の預金口座と変わらない。

日経平均VIが33以上の時は毎週末に10万円ETFを買い、VIが16.5以下の時は10万円ETFを売った場合。

グローバルにパッシブ運用していれば（為替リスクを除けば）短期はともかく長期にマイナスが続くことはない。

 

BNF氏の基本は逆張り戦略

下げ相場でも現物のみの短期逆張りは有効
底を見極め買うことができれば一泊二日の短期でも利幅が取れる
損切りが早ければリスクはそんなにない
BNF氏が逆張り手法で注目するポイントをまとめると以下です。

　１　過去の２５日移動平均線からの乖離率
　２　相場の雰囲気
　３　出来高
　４　ボリンジャーバンド（移動平均線と値動きの幅を表す線）

 

「長期・分散・積立」を顧客に徹底させている会社は、結果的に顧客が儲かっている比率が高い。

 

金額の大きさが違っても、同じ対象に同じ比率で投資すると、同じリターンが得られます。
例えば、我々の年金を運用している「年金積立金管理運用独立行政法人（GPIF）」は、世界で最大の年金基金です。
150兆円を運用するGPIFの基本ポートフォリオは、国内株が25%、海外株が25%、外国債券が15%、国内債券が35%です。

 

経済理論だと、「誰も長期にわたって市場平均を超えられない」はずですが、なぜこんなことが可能なのかというと、金融市場はおおむね効率的でも、バグみたいなものがあちこちにあるからでしょう。
そのバグは本当に小さなものですが、グローバルな金融市場はとてつもなく巨大なので、わずかなバグを見つけるだけでフリーターが億万長者になるような「奇跡」が起きます。

 

何度でも噛み締めたいバフェット名言

「われわれは市場や金利や景気の一年後について意見を持ったことはない。現在も持っていないし、将来も持つつもりはない」

 

8兆円以上という資産の99%以上は、50歳以降に作られた。投資は毎年再投資しつづける「複利」によって、まさに大きくなればなるほど、雪だるま式に膨らむという事実。

 

不動産投資、確実に儲かるなら大手が既に土地確保してやってる

 

駐車場こそ本当に儲からない。あれは遊ばせておくくらいならマシってレベルの
繋ぎにすぎないし、騙されてがっつり初期投資でもしようものなら回収不能。

駐車場って線を引くだけだから、そんなに金が掛からないけど実入りも少ないし更地だから税金が高い。

 

 

情報系サイト作って売ってお金にしてみよう。

情報収集力と文章力とweb開発能力が身につくいい方法だ。

ちなみに情報商材は自分以下の情報弱者にしか絶対に売れない。

 

 

金は集まるところには集まる。月80万くらい信託の配当金がある者など珍しくない。

元金はお金を生み出すツールと考えよう。

 

プロも損するけど、それを挽回する能力も資金もある
個人は資金に対する投資額が大きすぎる

 

時間軸は常に意識せよ！

「君が失ったのは 1万円+毎日チャート見てビクビクしてた時間だ。」

 

最初はせっかく貯めた金が減ったときは感情僅かに動くが、数年やってると-80000とかなっても大仏のごとく動かなくなる。
悔しいとか後悔とかも感じなくなったらイケる。

 

ナンピンは極端な動きをしたときに有効。

 

仮想通貨は、極端に流動性が無いから暴騰する。
売りたい時には誰も買い手が居ないというオチ。

 

短期ならともかく、長期的に相場を当てに行くのは困難。

 

確実に利益となる、税制メリットをコツコツと積み上げよう。
「確定拠出年金」、「NISA（少額投資非課税制度）」、「ふるさと納税」や「生命保険控除」、「損害保険控除」、「医療費控除」をフルに使え。

   

デジタル時代は先行者利益はあってないようなもの。後発でもスピードとスケール感によって先発者を簡単に追い抜くことは可能。

 

 

日銀のマイナス金利政策の影響で貸出金利が低下し、預金金利との預貸利ざやが縮小して資金利益が悪化した。株式の持ち合い解消を進めているが、株式市場の低迷で株式やETF（上場投資信託）の関連収益も悪化する。 

 

システムトラブルは契約でかなりリスク回避できるが人の管理はエラーも倫理面もコストがかかる。効率合理性の世界では、人がノイズになるのだ。

 

仮想通貨の売買がしやすくなったことで、2017年のような激しい変動が2018年も繰り返される可能性がある。ビットコインは1コイン当たり1000ドル前後から12月後半には 2万ドル近くにまで高騰し、その後25％急落 した。

 

取引手数料の高さは、「手軽に取引できるデジタル通貨になる」というビットコインの本来のミッションの1つがおおむね失敗に終わっていることを意味する。こうした事態を是正するシステムや代替コインによる競争が2018年の主要テーマになるだろう。来年末には、実際にデジタル通貨を使用し、法外な手数料を支払うことなくピザを買えるようになっているかもしれない。


じゃぶじゃぶのマネーサプライにゼロ金利政策の恩恵を受けるだけでなく、国債のスプレッドやら馬鹿高い送金コストなど規制の恩恵をも受けて儲かっている今だが、早晩仮想通貨技術などに完全に取って代わられる。

 

日本の景気が悪ければよその国に出稼ぎに出るなり、拠点を海外にするのもビジネス感覚としてはごく当たり前の判断なのである。

 

問題は原価や人件費ではない。
1時間食べ放題の客の滞在時間よ普通に1時間で出ていってくれない客がほとんどで最低でも居酒屋感覚だと最低でも2時間は居座るし話し出したら何時間でも喋り倒す奴とかいる。 それで仮に690円とハイボール3杯で150円で客単価840円とかだととても商売として成り立たない。

 

前年では150店舗の新規出店の一方で64店舗の撤退を行うなど活発な出退店に同社の採算性優先の店舗政策が出ている。

 

もう一つが97.6％という雑貨売上構成比の高さ。裏返すと価格競争の対象になり、低荒利になりやすい食品の扱いを減らすことで先述の売上総利益率を支えている。

 

トイレタリーでいえば、マット、シートカバー、蓋カバーなどが同じ素材、カラーで品揃えされている。サイズそろえ、質感などについて百貨店はもちろんホームファッションの専門店とも比較するまでもないが、増えつつある単身世帯、高齢の二人世帯にとっては気軽な付け替え、掛け替え需要の提案になっている。

「100円」という縛りの効いた価格政策の中で、シビアな出店、高荒利を維持する商品構成比、購買点数を増やすコーディネート提案などの合わせ技が同社の高収益の源となっているわけだ。

 

不動産やってるからわかるけど
全ては立地で決まる
いくらリフォームしようが綺麗にしようが駅から遠ければどうしようもない

逆に言えば駅から近い　それだけで恒久的に入居者が途切れない

 

FCにしても自分でやったほうがおいしいなら限定的にしか他人に回さない

 

参入障壁をなくせばとんでもないスターが生まれる。

 

文化というものは、やはり支配者上流階級が贅沢をして作っていくものであるからだ。

  

金と交換できる訳でない今のお金の価値は、中央銀行の信用が支えています。その中央銀行が相場リスクのある資産を大量に抱え、一つ間違えば相場で大損して自ら信用を失う状況を作るのは、決して健全なことではありません。リスクを意識して出口を探り始めたFRBとECBが抱える資産はそれぞれGDPの２割から４割弱。

 

よそのソブリンファンドは資産は日本より少ないのに
年10％くらいの投資実績なんだけど・・・

 

不動産は楽じゃない。
古くなり始めると一気に借り手がいなくなったりディスカウントが必要になるし
経年劣化が加速度的に進むので維持費も増大する。

ただ、５棟以上持ってるならリスクヘッジ可能。

繁華街なら余裕がある。
立地がよければ築数十年たっても高値で売れたり貸せたりする。

 

GPIFのアセットアロケーション参考に投信積み立てるといい。

世界最高レベルの投資戦略がとれる。

7月6日にGPIFが発表した業務概況書によると、2017年度の運用収益は10兆810億円に達し、利回りは6.9％となった。この結果、期末の運用資産残高は156兆円3832億円になった。2001年に市場運用を開始して以降の累計収益は63兆4413億円、率にして年率3.12％に達する。

 

ＧＰＩＦ保有株式

　トヨタ自動車＝1兆3780億円
　三菱UFJフィナンシャル・グループ＝7802億円
　三井住友フィナンシャルグループ＝5976億円
　日本電信電話（NTT）＝5919億円
　本田技研工業＝5892億円
　ソフトバンクグループ＝5269億円
　キーエンス＝5166億円
　ソニー＝5103億円
　みずほフィナンシャルグループ＝4451億円
　KDDI＝4205億円

 

　アップル（APPLE INC）：7333億円
　マイクロソフト（MICROSOFT CORP）：5992億円
　アマゾン（AMAZON.COM INC）：5651億円
　フェイスブック（FACEBOOK INC-A）：3468億円
　JPモルガン・チェース（JPMORGAN CHASE & CO）：3380億円
　ジョンソン・エンド・ジョンソン（JOHNSON & JOHNSON）：3103億円
　アルファベット（ALPHABET INC-CL C）：3010億円
　バンク・オブ・アメリカ（BANK OF AMERICA CORP）：2817億円
　アルファベット（ALPHABET INC-CL A）：2756億円
　テンセント（TENCENT HOLDINGS LTD）：2651億円
　エクソンモービル（EXXON MOBIL CORP）：2579億円
　ネスレ（NESTLE SA-REG）：2326億円
　VISA（VISA INC-CLASS A SHARES）：2306億円
　アリババ（ALIBABA GROUP HOLDING LTD-SP ADR）：2146億円
　バークシャー・ハサウェイ（BERKSHIRE HATHAWAY INC-CL B）：2078億円
　ユナイテッドヘルス（UNITEDHEALTH GROUP INC）：2065億円
　ウェルズ・ファーゴ（WELLS FARGO & CO）：2022億円
　インテル（INTEL CORP）：2005億円
　サムスン電子（SAMSUNG ELECTRONICS CO LTD）：1964億円
　シスコシステムズ（CISCO SYSTEMS INC）：1942億円

 

WeWorkでなければ実現できない、独自の技術やノウハウというほどのものはなく、高密度戦略は真似できるので、どんな企業もコワーキング自体を事業とすることができるようになったのだ。

WeWorkが提示した｢高密度｣方式で、コワーキングビジネスはそれなりに事業として成り立つようになってきたが、それはここ数年の好景気の間のことであり、長期にわたってサステイナブルかどうかはわからない。
グーグルのような｢テクノロジー企業｣では、｢規模が大きくなるほどプロダクトの価値が上がり、参入障壁が高くなり、マージンが増大する｣という集中の利点があるため、企業評価額が高くなる。しかし、WeWorkでは規模が大きくなるにつれて売り上げの効率は落ち、参入障壁はかえって低くなってしまった。今後も、テクノロジー企業型の｢集中の利点｣が出てくるようには思えない。この点で｢WeWorkはテクノロジー企業ではなく、不動産事業である｣という評価は当たっている。