データ

「測れないものは管理できない」——だがこれはドラッカーの言葉でない。どの数字を選ぶかは成果に効くが、選んだ数字は目的そのものにすり替わる（代理）

格言『測れないものは管理できない』はドラッカーの著作になく約束も成り立たない（Emiliani 2000）。どの数字を選ぶかは成果に効くが（Ittner & Larcker 1998、Banker et al 2000、Van der Stede et al 2006）、選んだ指標は目的にすり替わる＝代理（Choi et al 2012）。測ることは力にも罠にもなる。見るべき数字を決めることは、測らないものを決めること。

「一箇所に集めれば使える」——だが箱に入れること自体は価値でない。統合と価値の間の距離を埋めるのは能力・戦略・組織で、統合を阻むのも組織である

集めること（統合）と使えること（価値）の間に大きな距離がある。分析から価値への道は一様でなく仲介要因に左右され（Oesterreich et al 2022）、価値はデータより能力・戦略・組織を要し（Grover et al 2018、Wamba et al 2017、Akter et al 2016、Vitari & Raguseo 2019）、統合を阻むのもしばしば組織である（Haug & Arlbjørn 2013）。箱に入れること自体は価値を生まない。

「チェックで質は保てる」——だが品質は一度の点検で確定する状態でなく、たえず手入れを続ける過程。多次元で用途依存で、時間とともに劣化する

チェックはある瞬間のスナップショットにすぎず、品質は状態でなく過程。質の低さは広く高くつき（Redman 1998、Haug ら 2011）、品質は多次元で方法論の問題（Batini ら 2009）、良い品質は用途依存（Even & Shankaranarayanan 2007）、エラーは判断に伝播し（Klein 1999）、時間とともに劣化する（Labouseur & Matheus 2017）。保つべきは状態でなく過程。

「ダッシュボードで誰でも見える」——だが見えることは読めることでなく、可視化は知覚を誤らせうる。効果は道具でなく設計と読み手に宿る

見える・読める・判断できるの間に距離がある。可視化には科学があり知覚に系統的な癖があり（Franconeri ら 2021、Padilla ら 2018）、作り手は知識の呪いで伝わったと錯覚する（Xiong ら 2020）。効果は道具より組織・設計に依存し（Richards ら 2017）、名著が設計原則を説くのは伝わらないから（Few 2013、Tufte 2001 由緒）。見せることと伝わることは別。

「相関を見れば因果が分かる」ではない——見分けは本質的に難しい。因果は相関の外の枠組みを要し、みせかけの相関は説得力を持ち、交絡は専門家さえ欺く

相関と因果と交絡を見分ける力（個別の因果判定はしない）。因果は相関の外の枠組みを要し（潜在結果＝Rubin 1974・因果のはしご＝Pearl 2018 由緒）、みせかけの相関は説得力を持ち（チョコとノーベル賞＝Messerli 2012）、交絡は専門家さえ欺き（HRTの観察とRCTの逆転＝Lawlor ら 2004）、観察データの因果主張には交絡の統制が要る（Ward 2008・Hernán 2018）。

「グラフは嘘をつかない」ではない——正しい数字でも、描き手の意図（歪み）と読み手の知覚（符号化の限界）の双方で人は誤らされる。だから見抜く目が要る

グラフ・統計の読み方を、作り方ではなく見抜く側の技術として扱う。歪みは測れるほど読み手を誤らせ（Pandey ら 2015）、軸の切り詰めの影響は条件しだいで（Correll ら 2020）、量の読みは符号化で精度が変わり面積や角度は不正確に読まれ（Cleveland & McGill 1984）、図はありもしない因果印象を生む（Xiong ら 2020）。何が誤らせるかは科学として整理され（Franconeri ら 2021）、Huff 1954 がその手口を目録にした。

「有意差が出れば意味がある」ではない——統計的に有意であることと実務的に重要であることは別物。p値は差の大きさも仮説の真偽も測らない

統計的検定とp値の読み方（個別の有意判定はしない）。米国統計学会の公式声明は、p値が効果の大きさも仮説の真偽も測らず統計的有意は広く誤用されると述べ（Wasserstein & Lazar 2016＝公式コンセンサス声明）、誤解は多く（Greenland ら 2016）、有意な発見の多くは偽で（Ioannidis 2005）、有意と非有意の差自体は有意とは限らず（Gelman & Stern 2006）、p-hackingは広く（Head ら 2015）、多くの科学者が有意の引退を求めた（Amrhein ら 2019＝多数署名のNatureコメント）。

「定性は数字の飾り」ではない——定性は独自の論理・標本論・厳密さの基準を持つ、数字と対等な相棒。数字にならない発見（仕組み・意味・想定外）を掘り当てる

定性（言葉や観察）と定量（数で測る）を組み合わせる読み方（定性を主観的で当てにならないと断定しない）。混合研究法は装飾でなく正当な方法論で（Johnson ら 2007）、定性には固有の標本論があり n の小ささは弱さではなく（Small 2009）、厳密さは飽和で担保され（Guest ら 2006）、飽和にはコードの飽和と意味の飽和の段階があり（Hennink ら 2017）、Creswell & Plano Clark 2018・Tashakkori & Teddlie 2010 が体系化した。

「物語にすれば伝わる」——だが物語は諸刃、伝わる力はそのまま歪める力になる

STEP3（橙・使う力）の頭で、段はひとつ進んで読む力の段（緑）から使う力の段（橙）に入る。物語は確かに伝わり説得もするが（Segel & Heer 2010で体系化・Pandey ら 2014で説得力を実証）、見せ方に修辞が埋め込まれ解釈を枠づけ（Hullman & Diakopoulos 2011）、タイトルのフレームで読み取りが変わり（Kong ら 2018）、探索的関与は自動では増えない（Boy ら 2015）。伝わると正しく伝わるは別という諸刃の構造を扱う。

「分析すれば決まる」——だが分析と決定のあいだには距離があり、分析は問いを整える道具にすぎない

STEP3（橙・使う力）。分析の価値は自動では出ず、それを決定に結びつける組織のプロセスや文脈に依存する（Sharma ら 2014・Trieu 2017）。BIは決めるより知る・言葉にする・対話するを支え（Shollo & Galliers 2016）、合理的決定はデータから自動で立ち上がるのでなく実践で組み上げられる（Cabantous & Gond 2011）。証拠に基づく経営は理念の由緒であり（Pfeffer & Sutton 2006・査読ではない）、研究と実務のギャップが残る（Rousseau 2006）。

「予測モデルは人より正しい」——実は平均では正しい。だが避けすぎ・頼りすぎ・劣化で、正しさは条件づきになる

STEP3（橙・使う力）の逆張り単位。単純な統計的予測が人の勘に平均して優ることは半世紀のメタ分析が一貫して示す（Dawes・Faust・Meehl 1989・Kuncel 2013・Ægisdóttir 2006・源流Meehl 1954）。だが正しさと人が使えるかは別で、人はモデルを避けすぎ（Dietvorst 2015・アルゴリズム回避）も頼りすぎ（Logg 2019・アルゴリズム選好）もし、モデルは環境変化で劣化する（ドリフト）。正しさはモデルの作り・受け止め・環境の安定に条件づけられ、これは特定の予測課題の知見で人の心や健康の予測に安直に持ち込まない。

「AIに任せられる／任せられない」——どちらの断定も俗説。効くが凸凹、頼りすぎ、振る舞いも変わる

STEP3（橙・使う力）の締め。生成AIは生産性を上げる（Noy & Zhang 2023・RCT）が、得手不得手は入り組んだ境界を成し境界の外ではかえって下がる（Dell'Acqua 2023・SSRNワーキングペーパーと明記）。人はAIを鵜呑みにしがちで緩和はできるが自動では起きず（Buçinca 2021・Vasconcelos 2023）、振る舞いは時期で変わる（Chen ら 2024）。公式のAI事業者ガイドライン（経産省・総務省 2024）が存在し更新され続けているという事実を置き、両断定を避けてどのタスクをどう検算して任せるかを設計する。

「持ち主を決めれば統治できる」——だが指名は入口。統治は「誰が・何を・いつ」の活動の束で、万能の型はない

桃の段の頭、統治と文化の単位。持ち主を決めれば統治できるという俗説に向き合う。データのガバナンス（決める）とマネジメント（実行）は別で、万能の統治構造はなく、統治は所有権でなく品質・メタデータ・アクセス・ライフサイクル等の活動の束。統治すべきは所有権より情報そのものの性質。DMBOKは業界知識体系で効果の証明ではない。持ち主の指名は入口——回すのは誰が・何を・いつの束で、距離を日々の運用で埋める。

「匿名化すれば安全」——だが少数の手がかりで個人は戻る。匿名化は絶対でなく、加工＋契約＋管理を重ねる

桃の段、プライバシーの単位。匿名化すれば安全という俗説に向き合う。匿名データは外の情報との照合で再識別され、移動や決済のわずか4点で約9割が特定され、不完全データでも15属性で99.98%が戻る。k-匿名性等のモデルにも限界がある。だから個情法の匿名加工情報は再識別を禁じ、制度も匿名化の限界を前提にする。匿名化は絶対でなく危うさを減らす一枚で、加工に契約と管理を重ねる。個別の適法判定は専門家に委ね、自分でしない。

「研修でデータ好きになる」——だが文化は講座でなく使う経験に宿る。小さく使う場を日々に作る

桃の段、データ文化の単位。研修でデータ好きになるという俗説に向き合う。データリテラシーは定義がなお形成途上の若い領域で、正規の学習機会は限られ、研修効果を測った実証は薄い。データ文化は単発の教育でなく組織の能力・実践として育ち、データを使ってよい経験が次に使う気持ちを生む。好きだから使うのでなく、使って役立つから好きになる。文化は研修でなく道具を使う日々の経験に宿る。小さく使う場を日常に作る。数字で人を管理・監視するためではない。

「測れないものは管理できない」——だが数字は照らせる範囲しか照らさず、測りやすいものが大事なものにすり替わる

この棚の最後の単位。測れないものは管理できないという俗説に棚を締めながら向き合う。この金言はドラッカーへの誤帰属で（通奏低音①）、測りやすい代理指標は大事なものにすり替わり（surrogation）、指標は公表でゲーミングされ、ナラティブで歪みは減る。数字は照らせる範囲しか照らさず、測りやすいものが大事なものにすり替わるとき数字は嘘をつかないまま判断を欺く（通奏低音②）。①②が合流し★529へ帰って棚を閉じる。