大学間コンソーシアム | 東京大学 数理・情報教育研究センター
数理・データサイエンス・AI教育強化拠点コンソーシアム MIセンターは、2022年度政府予算に盛り込まれた「数理・データサイエンス・AI教育の全国展開の推進」事業の東京大学における実施主体です。 同事業で選定された29大学（拠点校11大学、特定分野校18大学）のコンソーシアムの幹事校として、大学、産業界、研究機関等と幅広くネットワークを形成し、地域や分野における先進的教育モデルの拠点として、数理・データサイエンス・AIの実践的教育の全国普及に努めます。 同時に、この分野を牽引できる国際競争力のある人材および産学で活躍できるトップクラスのエキスパート人材の育成を目指します。 [コンソーシアムホームページ] 数理・データサイエンス・AIの活用事例動画 本動画集は数理・データサイエンス・AIリテラシーレベル教材の導入となるような活用事例を収集したものです。数理・データサイエンス・AIリテラシーレ
事業の成長構造を理解してレバーを明確にする｜yoshihiko_tochinai
注）この記事は”10Xに入社して見えてきたPMFの実現方法”のパート3となります。パート１から読まれることをオススメします。 サマリー事業を継続的に成長させるためには、その成長構造を理解して適切なレバーを引くことが重要である。10XではStailerのFlywheelを定め、全ての機能・非機能の開発をこの構成要素となるレバーに紐づかせている。今回はSelectionの具体例を紹介し、どのように組織の中で取り組んでいるのかを説明する。 事業成長の鍵となるFlywheel10Xの話をする中で、少しだけAmazonの話をさせてもらいたい。 Amazonでは成長のレバーとして、Input MetricsとOutput Metricsを明確にわけていて（例えそれが小売であろうと、Prime Videoであろうと、Alexaであろうと）、事業部は明確にそのInput Metricsにフォーカスする。
メルカリのデータ分析チームでやったことの振り返り｜樫田光 | Hikaru Kashida
こんにちは。 データアナリスト 兼 チームのマネージャ としてメルカリという会社に4年ほど勤めていたのですが、色々やった気はするが、思い返してみると結局の所何をしたんだっけ？という気持ちに突然なりました。僕は忘れっぽいので、今後もこういう瞬間は何度も訪れそうな気がしています。 ということで、この4月から新しいことを始めるこのモーメントに自分が何をしたのかをちゃんと書き残しておくことにしました。 自分自身の記憶のアーカイブの役割とともに、誰かの参考になれば望外の喜びです。 大体2016−2019年くらいの話です（今のメルカリのデータ分析チームはもっと進化していますのであしからず。） LTVの概念を導入した2022年現在となってみると非常に不可解ではあるが、私がメルカリに入社した2016年頃には、社内では「LTVを見る」という概念はなかった。 ゆえに、投資がリクープ（回収）できているかどうかを
委託調査報告書 （METI/経済産業省）
委託調査報告書のご案内 下記のリンク先にある掲載一覧（PDFファイル、エクセルファイル）に記載した委託調査報告書毎のアドレスにリンクすることで閲覧が可能です。 令和5年度分の掲載一覧（PDF形式：61KB） 令和5年度分の掲載一覧（Excel形式：15KB） 令和4年度分の掲載一覧（PDF形式：390KB） 令和4年度分の掲載一覧（Excel形式：120KB） 令和3年度分の掲載一覧（PDF形式：396KB） 令和3年度分の掲載一覧（Excel形式：131KB） 令和2年度分の掲載一覧（PDF形式：384KB） 令和2年度分の掲載一覧（Excel形式：111KB） 平成31年度・令和元年度分の掲載一覧（PDF形式：325KB） 平成31年度・令和元年度分の掲載一覧（Excel形式：100KB） 過去の報告書 過去の報告書については、国立国会図書館に納本されています。 下記より検索してご利用
SFC-GC
■ 本講座の位置づけ 何らかの事業を起こすにしろ、会社に入るにしろここから先の時代においてデータドリブンな分析力、問題解決力、データ利活用に対する皮膚感覚的な理解は不可欠である。 本講座は、高校1-2年程度の数学の知識、スキル、Excelで基本的なことができる程度の素養はあるが、データ分析、データの利活用についてさして経験のあるわけではない人に対して、データの大切さと力、分析の楽しさを実感してもらうことを通じ、現代社会を生き抜くため最低限、基礎となるデータリテラシー、データで考える力を身につけてもらうことを目指す。 ■ 身につけてもらうことを目指す技能 - データ社会に対するパースペクティブ - 各種関連バズワードの適切な理解 - データの意味合いを理解するための基礎となる力 - データに騙されないようになるための基礎となる力 - 数字のハンドリング力、数量的分析力 - 基本的な問題解決能
データサイエンスを初歩から学びたい方必見！ヤフー・安宅氏が慶應SFCで行う講義を一般公開！ | Edtech & Inno
2016年春から慶應SFCにて行っている「データ・ドリブン社会の創発と戦略」の講義（木曜2限）をこの秋、思い切って公開設定にしました。ご興味のある人は良かったらここから毎週ご覧頂ければです。https://t.co/0f2DY5dqh4 — kaz_ataka (@kaz_ataka) October 19, 2019 はい、最高です。 「イシューからはじめよ」、「ビッグデータ探偵団」を執筆され、データサイエンス周りで知らない人はいないヤフー株式会社CSO・安宅和人（あたか・かずと）氏。今回、自身が受け持ち、大学生向けに行うデータサイエンスの講義を、惜しげもなく一般公開しました！ ◇SFC-GC データ・ドリブン社会の創発と戦略｜http://gc.sfc.keio.ac.jp/cgi/class/class_top.cgi?2019_41574+ 講義ページをご覧いただくと分かる通り、本
【保存版】データは、こうして「視覚化」せよ
マッキンゼーに在籍していたころ、『イシューからはじめよ』を著したの安宅さんから新卒研修で口すっぱく言われていたのは、「分析とは比較である。比較とは軸の設定である」ということ。原理原則。 近代建築3巨匠の一人であるミースの「Less is More」は、モダニズムを象徴するあまりに有名な言葉ですが、この文脈ですこしやわらかく翻訳すると「捨てる勇気と自信」だと思います。 分析に時間をかければかけるほど、かけた時間のサンクコストが発生して、色々と表現したくなる。その「頑張った分、見てほしい」という気持ちをぐっとこらえて、本質的なメッセージが伝わるように不要な要素を徹底的にそぎおとし、そして必要な部分を浮かび上がらせる。 データ分析やチャート作成は、テクニカルな部分は学んで練習すればどんどん上達していきますが、実はこの「捨てるう勇気と自信」が最後とても重要になる、ということを、過去の自分の経験もふ
蓄積した情報を売上につなげる「データ分析」の代表的な手法10選 | LISKUL
アソシエーション分析：複数の事象の関連性を見つけるアソシエーション分析はマーケティングで利用される代表的なデータ分析手法です。ユーザーが商品を購入する際の購入パターンや売買履歴を分析することで、同時購入の比率が多い商品など、一見関連性が薄いと思われている事象に対して関連性を見つけて仮定を立て、マーケティングに活かすことができます。 つまり、アソシエーション分析を活用すれば、「商品Aが売れる時には商品Bが同時に売れるケースが多い」などのルールを見つけることができるということです。こうしたアソシエーション分析の結果は、売れる商品・売れない商品の見極めや、さらに売上を伸ばすための効果的な戦略を推し進める上で役立ちます。 アソシエーション分析の活用方法アソシエーション分析は、小売店や飲食店などの実店舗ビジネスの他にオンラインビジネスでも活用され、事業規模の大きさに関わらず導入することが可能です。
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
https://dl.ndl.go.jp/view/download/digidepo_11273962_po_000280.pdf?contentNo=1&alternativeNo=
マッキンゼー 2030 日本デジタル 改革
【リクルート出木場】100倍の結果を出す、成長戦略3つのポイント
MSN