「データサイエンス」の最初の1歩はエクセルで十分！？課題解決に役立つ、データ分析の進め方 | SELECK [セレック]
〜「データサイエンティスト」の仕事とは？ 誰でもすぐに使える、「回帰分析」を用いた課題解決の発想術を紹介〜 近年、「データサイエンティスト」という言葉が広く使われるようになった。にもかかわらず、彼らの仕事の実態が広く理解されているとは言い難い。 マーケティングメトリックス研究所の所長を務め、自身もデータサイエンティストである、松本 健太郎さん。 松本さんによれば、「データサイエンス」は特別に難しいものではなく、「データサイエンティスト」という特別な職人集団に限られたものではないという。 今回は、松本さんに、「回帰分析」を用いた、誰でも使えるデータサイエンスの発想法から、データサイエンティストの仕事の実態、データサイエンティストと経営側のあるべき関係まで、幅広くお話を伺った。 「マーケティング」と「データサイエンス」を組み合わせる 私は、マーケティングプラットフォーム「アドエビス」を提供する
![「データサイエンス」の最初の1歩はエクセルで十分！？課題解決に役立つ、データ分析の進め方 | SELECK [セレック]](https://cdn-ak-scissors.b.st-hatena.com/image/square/8b11b59cd377b389b0e51ee53f4d5740cbbea774/height=288;version=1;width=512/https%3A%2F%2Fdpd29bjwmgbr8.cloudfront.net%2Fwp-content%2Fuploads%2F2016%2F09%2F23233957%2F7825e817-5bfa-4d7c-af56-bbfb10469ea4.jpg)
機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界
さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub（https://github.com/ShoKosaka/Suumo）に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを
【デシル分析・RFM分析】 Excelでできる顧客分析入門｜フュージョン株式会社
顧客分析は、自社の業績をアップさせるために必要な取り組みです。しかし、具体的にどのように分析に取り組めばよいかと問われると、戸惑ってしまう方がいるのも事実ではないでしょうか。 このコラムでは、手軽に使えるExcelを活用し、顧客分析の基本をわかりやすく解説します。代表的な手法であるデシル分析とRFM分析を取り上げ、Excelを用いた身近で実践的なアプローチを紹介します。 顧客分析とは 顧客分析は、顧客の行動と傾向を分析し、より効果的なマーケティング戦略を形成するプロセスです。デシル分析では、顧客を収益性に応じて10のグループに分け、各グループの特徴を把握します。RFM分析は、顧客の最終購入日、購入頻度、購入金額を基に評価し、重要な顧客を特定します。これらの方法を使うことで、企業は顧客データを活用し、効果的なマーケティング戦略を立てることができます。 顧客分析を行うツール 顧客分析ツールには
株式会社ALBERT（レコメンドエンジン）
データ分析から導き出されたインサイト無しにAI（人工知能）の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上（52％）は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
実務で使う分析手法は5つで十分、マーケッターこそデータサイエンティスト候補 - 日経BigData
第2回データサイエンティストオブザイヤーにも輝いた、日本航空Web販売部の渋谷直正氏による3回の連載講座。渋谷氏は「企業のマーケティング担当者は自ら分析できるようになったほうがいい」と語る。 「明日からデータサイエンティストになってください」──もしあなたがこんな風に会社から命じられたらどうすればいいだろう。あなたは専門職でも技術者でもなく、一般の事業会社の企画部門に所属するマーケッターだと考えてほしい。 たいていの人は、「分析の手法を知りません」「文系出身なので･･･」と言って尻込みするかもしれない。「データサイエンティスト」という言葉には統計学の博士号を持っていて高度な分析をする専門家というイメージがある。確かにそんな専門家もいるが、私はマーケッターの人たちこそ分析を武器にしてビジネスで成果を出せるし、そうすべきだと考えている。 どんなに分析スキルがあっても、ビジネス課題をきちんと把握
達人が教える、わかりやすいデータ分析の考え方--成功するビッグデータ活用
情報量が爆発的に増える中、自社で抱えるデータを経営に生かしたいと考える企業が増えている。いわゆる「ビッグデータの活用」だ。しかし、単にデータを集めて分析するだけでは「活用」にまで至らないのが現状だ。 プロジェクトの大前提は「明確なゴール」 データ分析に限らずどんなプロジェクトにも言えることだが、まずプロジェクトには明確なゴールが必要だ。ゴールをイメージした上で要件を定義し、その要件に沿うようにデータを分析、施策を立案することが重要だと辻氏は述べる。 「単にデータがあるから分析したいといったケースや、現行の分析システムをバージョンアップするので何か新たにいいアウトプットを出せないかといったケースは迷走しやすい」と辻氏。目的と手段が逆転してしまうと、プロジェクトは失敗するというわけだ。「アナリストの仕事は、ここに新たな市場がある、こういう改善がまだできる、という提案を具体的に行うことと、こうす
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
