Webマーケティング・運用型広告のターゲティングやペルソナの参考になる統計資料サイトまとめ｜アナグラム株式会社
私たちマーケティング活動に従事する者は、しばしば過去の統計やデータを根拠にして施策を実施すること、クライアントに提案をすることがあります。アナグラムに所属する現場のマーケターはどんなサイトを見ているのか？ということを本記事で紹介します。 ※2016年3月15日追記 統計：経済・産業・法人系の項目に「出店戦略情報局」を追加しました マーケターにとっては、統計が仮説立ての一助になれば十分 統計とは、「（人・物・出来事の）ある集団について、その特性を数量的に測って得られる数値」です。統計資料を作ることを仕事にしている方は、それこそ信頼性・妥当性があり有意で100%に限りなく近しい正確なデータの収集・整理・開示が求められます。 一方で我々のようないわゆるマーケター、統計資料を使う・利用する側の人間はそれが意思決定の一助になればいいので、必ずしも100%正確な数字を把握し取り扱う必要はないでしょう。
市場規模マップ | visualizing.info
様々な業界の市場規模をビジュアルなマップとして表示。業界の規模と成長率が一目で分かります。
統計学を勉強するときに知っておきたい10ポイント - Issei’s Analysis ～おとうさんの解析日記～
googleさんやマイクロソフトさんは「次の10年で熱い職業は統計学」と言っているようです。またIBMは分析ができる人材を4,000人増やすと言っています（同記事）。しかし分析をするときの基礎的な学問は統計学ですが、いざ統計学を勉強しようとしてもどこから取りかかればいいか分からなかくて困るという話をよく聞きます。それに機械学習系の本は最近増えてきましたが、統計学自体が基礎から学べる本はまだあまり見かけないです。 そこで今回は、統計学を初めて勉強するときに知っておいた方が良い10ポイントを紹介したいと思います。 1. 同じ手法なのに違う呼び名が付いている 別の人が違う分野で提案した手法が、実は全く同じだったということがあります。良く聞くのは、数量化理論や分散分析についてです。 数量化理論 数量化I類 = ダミー変数による線形回帰 数量化II類 = ダミー変数による判別分析 数量化III類 =
主成分分析が簡単にできるサイトを作った - ほくそ笑む
あけましておめでとうございます。 本年もよろしくお願いいたします。 主成分分析 さて、昨年の終わりごろから、私は仕事で主成分分析を行っています。 主成分分析というのは、多次元のデータを情報量をなるべく落とさずに低次元に要約する手法のことです。 主成分分析は統計言語 R で簡単にできます。 例として iris データで実行してみましょう。 data(iris) data <- iris[1:4] prcomp.obj <- prcomp(data, scale=TRUE) # 主成分分析 pc1 <- prcomp.obj$x[,1] # 第一主成分得点 pc2 <- prcomp.obj$x[,2] # 第二主成分得点 label <- as.factor(iris[,5]) # 分類ラベル percent <- summary(prcomp.obj)$importance[3,2] *
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
