研究の種類は「仮説駆動型（hypothesis driven）」と「データ駆動型（data driven）」に大別して論じることができます。異なる研究方法ですが、双方とも多くのデータを扱うため、ForecastFlowを活用することでどちらのデータ解析にも大きく貢献するのではないかと考えています。

仮説駆動型研究では少ないサンプルを細かく分析し、そこから仮説を導き出します。しかし、「こうあってほしい」という研究者個人の主観や願望を反映した被験者選びによるデータの偏りを発生させてしまうことがあります。そのため「仮説駆動型」の研究においては、個人の主観を入れずにより細かなところまでデータを分析するという目的でForecastFlowが活用できると考えています。

一方、「データ駆動型」の研究は事前に詳細な仮説を立てずに大規模データで分析を進めますので、研究者の主観を実験から遠ざけるメリットがあります。このタイプの研究の課題は膨大なデータを検証する必要がありますが、自動機械学習ツールのForecastFlowを用いれば、単純にデータ分析結果を早く得ることができると考えています。

「仮説駆動型」と「データ駆動型」を併用した研究方法は、今より活発になることが考えられます。より詳細に述べますと「データ駆動型」で仮説を導き出したうえで「仮説駆動型」の研究に進んでいくといった一つの研究で両方を活用する方法、要するにダブルトラックな研究方法も発達してくるのではないかと推測しています。
私はこの方法をとっている研究者ですが、まだ珍しいタイプであるとされています。

この手法がなかなか発達しない理由としてはシンプルに「大変である」ことが挙げられます。しかし、ForecastFlowを使うことでそれらの大変である部分が軽減されるので、仮説やデータをより深堀することに時間を割くことも可能です。
この手法に限らず、従来では実現が難しかったものや思いもしなかったアイデアが新たな考え方や学びにつながり、それを基盤として新しい研究方法にもつながることが見込まれます。
今とは異なる新たな切り口で、研究も学びも発展することを望んでいます。

データ分析プラットフォームが数多くある中、GRIのチームは開発者の多くが研究者気質を持ちつつ実践的であることが、研究者としては親近感を持てました。

リアルタイムデータの取得による意思決定の俊敏化、あらゆるデータソースへの接続、ツールボックスの拡張、新しい機械学習のアルゴリズムを用いた次世代分析、マルチプラットフォームなどを通じてデータの力を社会に役立てていくためにこれからGRI社と共に取り組んでいければと考えています。