自分がマーケティングという仕事に出会ったのは、たしか6年前ぐらいです。 いや、言葉ぐらいは知ってましたよ、もちろん。 でもね、具体的な仕事として何をするのかが意味不明で？？？だったんです。 元々は店舗運営の担当だった私が、あるタイミングで会社の社長が代わり、急にマーケティング担当に異動になりました。 理由を聞くと、「お前、そっちの方が合ってるわあ」の一言です。 さて、困りました。私はマーケティングの初心者です。 とりあえず、「マーケティングって普段なにするんですか？」って聞き返しました。 社長、ずっこけてました。 という余談はさておきですが、一口にマーケティングといっても、めちゃ幅が広いです。 マーケティングとは、いかにお客さんに商品やサービスを知ってもらい、興味関心を持ってもらい、購入し、継続してもらうかってことですね。 その過程で4Pとか3Cとか色々な考え方が登場します。 AIDMAが

私は集客のプロではないです。 だけど一昨年の７月からマルシェ（ 福マルシェと言います♡ https://fuku-marche.com/ ）をスタートしました。【毎回１０００人集めるマルシェを“毎月”開催】することを始めたんです。 毎回１０００人集めること。それを、毎月。 しかも駅前でもなく人通りも特にない場所で。 めちゃくちゃプレッシャーでした。人生で一番怖い挑戦でした。 だからどうやったら人が来てくれるのかをすごく考えたし、試行錯誤しました。そんな中で初回から目標としていた１０００人の方が来てくださって、今月で１７回目を迎えられることを本当に感慨深く思いますし、始める前の自分からしたら奇跡のようなことです。毎回宝物のような時間です。来てくれる全ての方にハグしてまわりたいくらい（笑）幸せです。 今では、 「どうやったら人が集まりますか？？」 「集客の協力をしてほしいです。」 「拡散してく

Α͋͘Δύλʔϯʢ�JQZOCʣ ϚϚͷҰาΛࢧ͑Δ w ಛ௃ྔ࡞Δ� DPM���<�Z �" �# �$ �%�>��ˠ��<�Z �" �# �$ �% �& �'�����> # e.g) train['A'] = train['A'].fillna(0) train['B'] = np.log1p(train['B']) train['E'] = train['A'] + train['B'] df_group = train.groupby('D')['E'].mean() train['F'] = train['D'].map(df_group) <��> ɾ� ɾ� ɾ

転職・求人情報サイトのtype エンジニアtype 働き方 機械学習エンジニア・ばんくしさんの事例に見る“後悔しない転職”の秘訣「大切なのは、今日、今から動き始めること」 2019.11.06 働き方 機械学習エンジニア・ばんくしさん（@vaaaaanquish）の転職エントリを目にしたことがあるエンジニアは少なくないだろう。彼は2016年にSansanに新卒入社した後、２年間ヤフーに在籍し、その後医療情報専門サイト『m3.com』などを運営するエムスリーへと転職した。そんな彼は今、「この環境にすごく満足している」と話す。 しかし、転職活動で“自分にぴったり合う一社”を見つけるのは、意外と難しい。一般的に、「年収アップ」や「有名企業への入社」がキャリアアップと言われることも多いが、決してそれだけがエンジニアにとっての「幸せ」ではないだろう。さらに、自分に合う企業はライフステージに応じて変わ

国内最大級の無料動画アプリ「GYAO!」のASO事例。GYAOでは広告のほかにASOも行っており、それぞれKPIを設定して効果を追っているという。ASOにおけるKPIの考え方や現状を把握し、ユーザー行動を意識した勝ちパターンの発見方法など、GYAOで実際に行っている方法論を余すところなく披露した。 本記事は、Reproが主催する「aCrew for User Acquisition ～GYAO,ママリ,finbeeのASO施策～」より、GYAO 宮下氏の講演「GYAO! ASOチーム体制とPDCAの回し方」の模様をお届けする。 GYAO!は、ヤフーとGYAOが運営する国内最大級の無料動画サービス。2019年9月時点で、最新のアプリストアランキングでは、AppStoreで最高9位、GooglePlayで最高6位を記録した。 GYAOのASOチームは現在5人が所属。広告領域は3名が担当し、クリ

全ての文章の原理原則がこの１冊にギュッと詰め込まれていました。もう書けないなんて言わせない。 これからの時代は、文章がコミュニケーションのメインになります。メインになると言うだけで・・・ ・上手い文章を書かないと ・カッコいい文章を書かないと ・知的な文章を書かなくては・・・」 こんな感じで意気込んで、もがき続けて息苦しくなっていませんか？！特に、このページをご覧のあなたは、ブログで情報発信しながら、収入を得たいと考えている人だと思います。 だからこそ、上記のような気持ちに駆り立てられているのでしょうね。 あなたの気持ちはよく分かります。と、言うのも過去の私が全く同じ気持ちで、いつも息苦しい中、突き進んできました。そんな中で、見つけた１冊の本があります。はっきり言って、これほど役に立つ本は、他では見られないのでは？！と、感じた本です。本のタイトルは「究極のセールスレター」です。 この記事で

セレッソ大阪は大阪市と堺市をホームタウンとしているサッカークラブです。セレッソはスペイン語で「桜」を意味し、桜は大阪の市花でもあり、日本を代表する花でもあります。それに因んでセレッソ大阪の選手たちは「桜の戦士」とも呼ばれています。 セレッソ大阪はＪリーグでは珍しく、ホームスタジアムを2つ隣合わせた場所に所有しています。1つがヤンマースタジアム長居(収容人数:47,000人)、もう1つはキンチョウスタジアム(収容人数19,628人)です。 ※キンチョウスタジアムは、現在改修工事を行っており、約30,000人収容可能で2021年の3月に完成予定です。 簡単にセレッソ大阪について触れたところで、早速どんな取り組みをしているのかをイベントを中心にいくつか見ていきましょう。 ▼ 「今年もやるで！水着で来たら入場無料！」 ※2018/8/25開催 「セレフェスデー」と題し、 特設ブースに水着で来場した

◆ Glide https://go.glideapps.com/ 紹介 「Glide」は、Googleスプレッドシートをストレージとして、ノーコードでアプリライクなWebサイトを構築できます。 事前準備 こちらがホーム画面。動画チュートリアルも充実しています。 アプリはスクラッチから作れるほか、7種類のテンプレートも用意されています。今回は、テンプレートの1つ「Conference」をベースに作っていきます。 まずは、左下にある「Coopy to my apps」からテンプレートをコピーします。 すると、My Appsに保存され DB代わりになるGoogle スプレッドシートもコピーされました。 データを編集する それでは実際に、テンプレートを編集しながらアプリを作っていきます。 まずはプロダクトの肝となるデータの編集からです。 データは、テンプレートをコピーした際にできたGoogleス

弊社クラスメソッド株式会社主催のイベント「Developers.IO 2019 TOKYO」での登壇資料です。 セキュリティ対策メガ盛りマックス ブログ: https://dev.classmethod.jp/cloud/aws/developers-io-2019-tokyo-all-securi…

当たり前の話だったら超恥ずかしいのですが、初めて知って驚愕したのでご紹介。 タイトルのとおり、pandas-profilingが探索的データ解析（EDA）にめちゃめちゃ便利だったのでご紹介するだけの記事です。 pandas-profilingの詳細はこちらからご確認を。 pandas-profiling 準備 pipやAnacondaを使うなどして、適宜ご自身の環境にインストール。

指揮官の苦悩、4番の重責、家族の思い…ここでしか読めない【ソフトバンク優勝特集】otto! 2024-09-23 21:12:23

ウィルゲート様が主催する統計やらNight!!データマイニングMeet up #2でLTをしました。 スライド 『データ集計業務を半年で300案件捌いて見えてきた勘所』 企業内のデータ分析チームが陥りがちな課題とその解決策についてのケーススタディとなります。 PyCon JP 2017でベストトークアワード優秀賞を受賞した発表（構築編）の続き（運用編）をチラ見せです。 集計業務のインパクト データ活用案件の目的は、業務フローの過程において「リターンを上げること」もしくは「コストを下げること」となります。 意思決定を支える「アナリティクス」（BI）と、判断や作業を自動化する「ソリューション」（AP/ML）に大別できます。 組織のデータ活用は段階的に進化します。今回は2番目のフェーズについて深掘ります。 データの品質を担保し、利用できるようにデータ基盤を構築するフェーズ データを抽出・集計して

コンビニの商品仕入れの“ノウハウ”には、データサイエンスを考える上で重要なヒントがありました。データの利活用を成功に導くために必要なものとは。 ネットコマースさんと10年近くやっているITソリューション塾には、実にいろいろな方が参加しています。講義は私たちが一方的に話をする講座形式のものがほとんどですが、その後に開いている「反省会」（ギョーザを食べ、ビールを飲みながら世界政治（？）を語る会）では、参加者のみなさんからそれぞれの専門分野ならではのお話を聞くことができ、こちらも大変勉強になります。 そんな中、先日参加した、元コンビニエンスストア関係の方のお話がめちゃくちゃ面白かったのです。あらためて、コンビニは“日本のビジネス／マーケティングの最先端”なんだな、と実感しました。 特に記憶に残っているのが「おにぎり」の話。コンビニでは、おにぎりは「売れると思った数より2つ多く陳列する」というので

こんにちは、ウェブアプリケーションエンジニアのid:syou6162です。今年の夏に社内機械学習ハッカソンを開催したので、その様子を紹介したいと思います。今回のハッカソンでは、機械学習のコンペサイトとして有名なKaggleをテーマに取り組みました。 なぜKaggleをやるのか? 事前準備 取り組んだコンペ id:syou6162 (TalkingData AdTracking Fraud Detection Challenge) id:alpicola (Toxic Comment Classification Challenge) id:takuya-a (Titanic: Machine Learning from Disaster) id:tanishiking24 (Spooky Author Identification) id:miki_bene (Titanic: Machi

近年、「ビッグデータ」の注目に伴い、ビッグデータを活用するための手段として、「データマイニング」にもよく耳にします。「データマイニング」とは、そもそもどのようなものなのでしょうか？ データマイニングとは データマイニング（Data mining）とは、その言葉の示す通り、膨大なデータから有効な情報を採掘（マイニング）する技術です。大量のデータを統計学や人工知能などの分析手法を使って、データの相関関係や隠れたパターンなどを見つけるための解析方法です。 データマイニングはデータサイエンスの分野における重要な技術です。Glassdoorの「アメリカの仕事ランキングTOP50」のリストでは、データマイニングは、2018年から2021年にかけてアメリカで第1位と評価されています。 その上、2018年の17000件の求人情報と比べて、求人の件数は2年間で160％大幅に増加しました。データサイエンティス

本セッションでは、弊社にて複数サービスで導入しているAWSのマネージドサービス (Lambda、CloudWatch Logs、Kinesis Data Streams、S3、Elasticsearch Service) を活用したServerlessなログ基盤の構成について紹介する。自前でログ基盤を管…

Kaggleなどのデータ分析コンペでテーブルデータを扱う場合、最近は取りあえずLightGBMを利用する場合が多いです。 本記事では、初手の機械学習アルゴリズムとして「LightGBM」*1を採用する理由を紹介します。あくまで2019年10月末時点での個人の主観なので、ご参考までにご覧いただければと思います。 1. 欠損値をそのまま扱える 2. カテゴリ変数の指定ができる 3. 特徴量のスケーリングが不要 4. feature importanceが確認できる 5. 精度が出やすく最終的なモデルとして残る可能性が高い 6. 比較的大きいデータも高速に扱える 7. 過去の経験からハイパーパラメータの勘所がある おわりに 初手としては、手の混んだ特徴量を作らずに、まずは何かしらの予測結果を生成したい場合も多いです。LightGBMは既存のデータセットを極力加工せずに利用するという観点で、特徴量

こんにちは。今年の9月からWantedly Visitでデータサイエンティストをしている合田です。 私はこの1年ほどデータ分析コンペKaggleに取り組んでいましたが、先日行われたIEEEコンペで金メダルを取り、念願のKaggle Masterになることができました。 キリのいいタイミングなので、今までデータ分析コンペでどういう取り組みをしてきて何を得られたかについて振り返ってみようと思います。 KaggleとはKaggleとは、データ分析コンペのプラットフォームです。主催者となる企業がデータと分析テーマを提供し、参加者は予測モデルの精度を競い合います。コンペの規模としては世界最大であり、2019年10月時点でのトータルの参加者は約12万人にも上ります。 より詳細な話やKaggleに取り組む意義については、以下の記事が参考になります。 データサイエンスやAIの分野において必要なスキルを有し

2019年11月5日 Connehito Marché vol.6 〜機械学習・データ分析市〜 (https://connehito.connpass.com/event/149552/) でのLT資料です。 10分間の LT です。 データ分析プロジェクトを円滑に進めるために必要だと感じた「…

A collective list of free APIs API Key の登録なし＋無料で株価情報が取れる API ないかなーと探していたら、面白いリストが見つかりました。48 カテゴリにわたり数百もの API がリストされています。545 contributors (2019/11/6 時点) によるまさに集合知（？）ですね。 Github: https://github.com/public-apis/public-apis A collective list of free APIs for use in software and web development. の説明通り、 Animals Anime Anti-Malware Art & Design Books など、どんなデータ？と思うようなカテゴリから、 Geocoding、Jobs、Music まで、全部見ることが

聞き違いかと思ったけども、データ内容的に、 多分本当に7億GBっぽい 上層部は「わーいビッグデータだぁ」って喜んでんだけど データ部はじめ現場ﾏﾝたちは 「え、どうやって受け取るの…？」 「ブルーレイに焼いてもダンボールいくつ分だよ」 「うちの会社の床面積に置けるのか」

ケンブリッジ・アナリティカの元CEOアレクサンダー・ニックス氏（左）とトランプ米大統領（デザイン：木村デザイン事務所、写真はAP） 「どんな有権者が投票に行くのか、人々は根本的に見当違いをしていた。それが多くの予測調査が外れた理由だ」 英国の選挙コンサルティング会社ケンブリッジ・アナリティカ（CA）の元部長マシュー・オクズコースキー氏は、米大統領選後のイベントで、世論調査機関やメディアをこうこき下ろしつつ、胸を張った。「我々は（性別や年齢など）個々の属性より、その人の『性格』の方が、はるかにその行動や動機付けに影響を与えることを知っていた。我々はこれを政治の世界で使った」 米フェイスブック（FB）から最大8700万人分の個人情報を不正流用し、トランプ勝利に貢献したCAとは、どんな会社なのか。 1990年創業の親会社「戦略的コミュニケーション研究所（SCL）」は、データ分析で様々な事業を手が

久しぶりにペラペラな思いつきを書き捨てて、寝ます。 2、3年前ぐらいにSIerやコンサルでTreasure Dataとか使ってマネージドDWH作ろうぜっていう風潮が流行って、今は運用フェーズに入ってどこも結構苦しんでるってのが僕のすごく狭い観測範囲での印象。 AWSのReadshiftしかり。 なぜ苦しんでるかっていうと、言うほどスケールしないからであり、言うほどマネージドじゃないから。 Treasure Dataは基本的に割当メモリが固定でオートスケールしないので、ピーク時に合わせて必要なメモリを確保しておかないといけない。そうなるとメモリ使用量とか負荷とかをモニタリングしないといけないわけだけど、Saasだから内部のアーキテクチャが隠蔽されていていちいちサポートに問い合わせないといけなかったりする。 Redshiftの場合はそもそも自前でクラスタ管理しなくちゃいけないのでそれが大変って

GitHubは、オープンソースソフトウェアの開発に携わる開発者に経済的な支援を行えるサービス「GitHub Sponsors」がベータ版を脱し、日本を含む30カ国で正式サービスになったことを発表しました。 GitHub Sponsorsは、支援を受ける「スポンサード開発者」に対して、あらかじめスポンサード開発者が設定した月次の支払金額などを寄付することでGitHub上で経済的支援が行えるサービスです。 また、オープンソースのコントリビュータが質問に答えてくれた時や問題をトリアージしてくれた時、あるいはコードをマージしてくれた時などにも、そのコントリビュータのプロファイルに移動するか、ユーザ名にカーソルを合わせるだけで、資金援助を行うことができます。 オープンソースプロジェクトにコントリビュートしている人は誰でも、将来スポンサード開発者になる資格があり、自分のGitHubリポジトリのページに