日本の産業分類別年収/労働時間ヒートマップ - A Successful Failure
2016年06月07日 日本の産業分類別年収/労働時間ヒートマップ Tweet 厚生労働省は毎年産業分類別に賃金や労働時間の調査を行っている。10名以上の従業員を抱える5万余の民間事業所に対する調査をまとめたものであり、最新の調査結果は今年2月に公表された平成27年賃金構造基本統計調査だ。 そこで同調査にもとづき、産業分類別の年収、月間労働時間をヒートマップにしてみた。男性・女性の降順にソートしたバージョンも用意しているのでそちらも見て欲しい。サムネイルをみるだけで、男女に厳然とした差があることが一目瞭然だ。 産業分類別年収テーブル（男性ソート版・女性ソート版） 産業分類別月間労働時間テーブル（男性ソート版・女性ソート版） 産業別明細票 さらに産業分類ごとに調査結果を確認できる検索フォームも用意した。上部のプルダウンメニューを選択することで、所望の産業の給与/労働時間テーブルを参照すること
満足度ランキング上位５資格の試験に合格するための『肝』を厳選してレコメンド - ひかる人財プロジェクト
前回下に貼り付けたブログで私の取得資格の満足度ランキングなるものを書いたところ多くの方に読んでいただいたので、これらの資格を取得しようと勉強中の方のために続編というかもう少しブレイクダウンして、私が試験勉強をやっていた当時を振り返って、これがあったから合格できたんだなあと実感している合格するための『肝』みたいなことを各資格につき３つづつ厳選して絞り込んで推薦したいと思う。 その『肝』とは、書籍であったり、ＤＶＤだっだり、予備校の講師であったり、過去の環境や経験値だったりと様々なアプローチになってしまったが是非参考にしていただければと思う。結構遠い昔（１５年以上前）に取得したもの（日商簿記１級）もあるので情報があやふやなものも多少あるのだが何卒ご勘弁いただければと思う。 hikarujinzai.hatenablog.com まず前回のランキングを振り返ると、 発表！満足度ランキング 一位
データがどのように更新されてきたのか追跡する - クックパッド開発者ブログ
こんにちは。技術部の吉川です。 みなさんは、異常なデータを見つけたが、どうしてそのような状態になったのか追跡できず困ったという経験はないでしょうか。 今回は、そんなときにクックパッドで利用されているAuditログについてご紹介します。 Auditログとは クックパッドでのAuditログは特定のデータレコードに対して発生したイベントをコンテキストとともに記録するものです。 一般的に監査ログ、証跡ログといったものがありますが、それらとは多少異なっています。 ここでのイベントとは、あるデータレコードが 作成された 更新・変更された 削除された といったものです。またそれ以外にもログインした、ログアウトした、セキュアな情報が閲覧された、といったイベントも含まれています。 コンテキストは以下のようなものを記録します。 いつ どこで 処理が行われたホスト 何が イベント 何を 対象データの情報 スキー
超文系がデータ分析を仕事で使うコツ：日経ビジネスオンライン
ビッグデータをいかに活用するかが注目を集めている昨今。統計学の本がベストセラーになるなど、データ分析にかかわる“理系の知識”の必要性を感じている人は多い。一方で、営業やマーケティングに携わる一般ビジネスパーソンはいわゆる“文系”がほとんどだろう。 そこで、大阪ガスの企業内データサイエンティストとして著名かつ、文系の営業マンらと長年協働してきた経験を持つ同社ビジネスアナリシスセンター所長の河本薫氏に、文系の人でも、データ分析を理解し、仕事で使いこなすには何をすればいいのかを聞いた。 （聞き手は三木いずみ） 河本さん自身は、データサイエンティストで理系ですが、社内の事業や経営に分析結果を生かす際には、企画や営業といった文系の人と仕事をされることも多いかと思います。 河本：そうですね。営業の現場の人から話を聞きながら、分析モデルを作りますし、出てきた分析結果の数字について、最終的にどう活用するか
シリコンバレーの日本人から学ぶ--「考える前に動くこと」のススメ
国内外のテクノロジ界のイノベーターを集めたカンファレンス「新経済サミット2014」が、4月9日から2日間の日程で開催された。2日目となる4月10日には「シリコンバレーの日本人」と題するパネルディスカッションが行われた。タイトルの通り、モデレーターをつとめたWiLの伊佐山元氏をはじめ、エバーノート日本法人会長の外村仁氏、ソースネクスト代表取締役社長の松田憲幸氏、WHILL CEOの杉江理氏、Treasure Data CEOの芳川裕誠氏の登壇者5人は、日本を飛び出しシリコンバレーに拠点を移している。シリコンバレーと日本の違いや、現地で仕事をするメリット、デメリットなどが率直に語られた。 それぞれ異なるシリコンバレーに移住した理由 現在はシリコンバレーに住み、会社を経営する4人のパネラーだが、日本を飛び出してシリコンバレーで暮らすことになった理由はそれぞれ異なる。 ソースネクストの松田氏は、「
AをするためにBをする、ということ | quipped
先月、アマゾンの創業者ジェフ・ベゾスについて書いたNew Yorker誌の記事を読んだ。創業まもなくの頃のベゾスに関するエピソードが面白かったので、引用する。 In 1995, in Chicago, Bezos manned an Amazon booth at the annual conclave of the publishing industry, which is now called BookExpo America. Roger Doeren, from a Kansas City store called Rainy Day Books, was stopped short by Amazon’s sign: “Earth’s Biggest Bookstore.” Approaching Bezos, he asked, “Where is Earth’s bigges
５年後のデータサイエンティスト
SocialWeb Conference vol.5 〜OpenSocial Night #2〜 にてお話させいただいた資料です。 相当うわべだけの話ですが、ご容赦いただければ･･･。
自殺にみる男女格差 - Chikirinの日記
自殺に関するデータを見ていたら、自殺って男女差がすごく大きいんだと知って驚きました。 下記のグラフは、1978年から2009年まで、過去30年ほどの男女の自殺比率です。縦軸は「人口10万人当たりの自殺者数」で単位は“人”、青線が男性、赤線が女性です。一目で「男性は女性より圧倒的に自殺率が高い」とわかります。男性は女性の倍以上の比率で自殺するのです。 （2009年の自殺者実数では、男性23,472名、女性9,373名の合計32,845名） しかも女性の自殺率は過去30年で、大きく変ってはいません。最近よく「自殺が異常なペースで増えている！」と聞きますが、実際には「日本では、男性の自殺が異常なペースで増えている」というべきなのです。男性の自殺率は過去30年で6割増であり、特に1998年くらいからは男性だけ急増しています。*1 「なぜ男性の自殺がこんなに増えているのか」、同じ資料に男女別の自殺理
少しの手間で説得力アップ！意外と使える官公庁の統計データ利用法 : LINE Corporation ディレクターブログ
こんにちは、ウェブサービス本部の鳴海です。 突然ですが、あなたが24歳男性だったとすると、同い年の年男は日本全国で何人いるでしょう？ また36歳男性には、同じく年男の同級生は何人いるでしょうか？ 答えは、24歳男性が64万人、36歳男性が87万人。実は、世代間で20万人以上の差があります。また、今年の年男・年女世代の中で、最も人口の少ない12歳女性（57万人）と最も人口の多い48歳男性（89万人）では1.5倍以上の開きがあります。最近、身の回りに小学生の女の子よりも中年男性の方が多いなと思っていましたが、気のせいではなかったようです。 同級生の人口なんて普段意識することはないですが、仕事をする上ではたまに大事だったりします。いま自分が手がけているサービスのターゲットはどの層で、人口で言えばどのくらいの規模なのか、前後の世代に比べてどのような傾向があるのかなどは感覚的に掴めているといいですね
データマイニングを仕事にする人の生態系 - dataminer.me
「データマイニングを仕事とする人＝データマイナー」はどういう人たちがいるかということについて ビックデータとかで世の中がバズってるけど「僕はデータマイニングをやってます！」といったときに適切にその人がやっている業務領域を把握している人ってかなり少ないと思う。 グリーで働いていたときもデータマイナーはどういった仕事をしていて、何をやっていて何ができるのかっていうことを理解していなくてミスコミュニケーションが生まれていたと思うのでちょっとその生態系についてまとめてみた。おそらく、データマイナーといわれる人は以下のタイプがいる： 研究開発をする人 統計学的に新しいイノベーションを起こせる人。Google のPageRankアルゴリズムを作りましたとか、NetfrixやAmazonのレコメンデーションエンジン作りましたとかいう人がこれにあたる。スキル的には統計学にかなり長けている必要があり、その他
CAD-DATA.com
４トントラック 平ボディDATA投稿者：nash （eitakyouta） さん日野レンジャー ４トントラック 平ボディです。 カタログからのトレースですが、微妙に違う部分やいい加減に引いた線もあります。 （寸法はカタログ値に合わせてあります。） 搬入計画や道路使用許可等の形態図用にどうぞ。拡張子：jww sebangou88 さんのコメント道路使用許可申請に利用させて頂きました。 有難うございます。2024-06-21 09:38:25 みんなが最近ダウンロードしている 1.キャチクランプCAD DATAの投稿者：yyyyshi さんキャッチクランプ作ってみました。¶拡張子:dxf ◇CAD:DXF ◇サイズ:114,924byte 2.エアコンCAD DATAの投稿者：ゆうじ （jjjj1234） さん壁掛けエアコン・室外機 ダイキン¶拡張子:dxf ◇CAD:DXF ◇サイズ:217
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
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
ニアショア活用における都道府県単価情報 | ニアショア機構
データ分析というお仕事のこれまでとこれから(HCMPL2014)
調査のチカラ