最近、セイバーメトリクスという言葉を耳にする機会が増えたと思います。スポーツ番組や雑誌等で見かけることも増えました。その流れはプロ野球界にも来ており、データ分析専門のスタッフがいるチームもあります。そこで今回は野球データを統計学的に分析してみたいと思います。犠牲フライ時の3塁走者の生還・非生還に着目して、犠牲フライを統計学的に分析していきます。
統計学で犠牲フライを分析
最近、セイバーメトリクスという言葉を耳にする機会が増えたと思います。スポーツ番組や雑誌等で見かけることも増えました。その流れはプロ野球界にも来ており、データ分析専門のスタッフがいるチームもあります。そこで今回は野球データを統計学的に分析してみたいと思います。犠牲フライ時の3塁走者の生還・非生還に着目して、犠牲フライを統計学的に分析していきます。
「幸せは加速度センサで測れる」：日経ビジネスオンライン
矢野：そうですか。 店舗の中で、居場所と体の動きを検知できるセンサを従業員が身に着けて、来店したお客様にも買い物の間だけ身に着けてもらい、毎秒20回ずつひたすらデータを取り続けるわけですが、それを解析した人工知能コンピュータがすごく意外な影響要因をはじき出した。 店内のいくつかの「ある特定の場所」に従業員が「いる」だけで顧客単価が向上するというんですね。そこでの滞在時間を1.7倍にしただけで顧客単価が15％も増えたとか。でもそれがどういう理由なのか言葉ではうまく説明できない。これは、具体的にはどういうことをコンピュータでやっているんですか。 矢野：ごく単純に言うと、1人のお客さんがいくらお金を使うかという売り上げというマクロな量に対して、影響を与えるかもしれない要因はものすごくたくさんあります。そのたくさんの要因の中で、影響がありそうな候補を何千個、何万個と自動で作り出し、かつそれらを絞り
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
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
