The Qiita Advent Calendar 2020 is supported by the following companies, organizations, and services.

この記事は freee Developers Advent Calendar 2020 の3日目です。 こんにちは。freee でスクラムマスターをやっているichy(Takeru Ichii)です。この記事がfreee developers blogの初めての記事になります。拙い部分もあるかと思いますがお手柔らかにお願いいたします。 みなさま、スクラム開発ってご存知ですか？やっている方も多いかと思いますし、やっていたという方も多いかと思います。先に紹介したとおりスクラムマスターをやっているので私は現在進行系でスクラム開発をやっています。私が感じている世間的な印象ですが、スクラム開発は上手く行かないといわれることが多い気がします。チケット駆動開発をしているところは多いかと思いますが、スクラム開発となるとなかなか運用に手間がかかるのは事実ですし、手間のわりに改善したように感じない印象を持つ方

データ分析の失敗事例 油井　志郎（株式会社ししまろ　CEO） × 里　洋平様（DATUM STUDIO株式会社 取締役副社長） 本セッションでは、業務におけるレポーティング・BI・データの扱いにおいて、様々な経験で得た失敗実例を元に、ディスカッションを行います。 ゲストにはデータ分析業務の第一人者である"あの人"をお迎えして、パネル・ディスカッションで大いに語り尽くします。 モデレーター：大城信晃 ターゲット：ジュニア・ミドル なれる！データサイエンティスト　～ 未経験から年収1000万円！最強無敵を越えた職業とは ～ マスク・ト・アナライス（なろう系インフルエンサー） 「就職活動はどうしよう」「今の会社で働き続けるのが不安」など、将来のキャリアに悩みを抱える皆様を、全力で応援します。IT未経験の文系でもOK、最強無敵を越えた職業であるデータサイエンティストになりましょう。憧れのGAFAで

スタートアップの初期、特にアイデアの時期は学びの最大化に焦点を当てるべきだと言われます。 その中でも「スケールしないこと」は、早くサービスをローンチできて最も学びが多く得られる手法です。 スケールしないことをしてニーズを確かめて、手作業で行っていることの一部を徐々にソフトウェアで自動化していく、というのがスタートアップによくあるステップです。 実際、YCでの最初のアドバイスは多くの場合、「スケールしないことをしよう」だそうです。私たち FoundX でも同様のアドバイスをしていて、実際にスケールしないことをしてきたチームは多くの学びを得て帰ってきます。 しかし意外と「スケールしないことをしよう」と言っても納得いただけないようです。初見だと意味も分からないかもしれません。そこで事例を紹介することで、少しでも腹落ちをしていただければと思い、今回は公開されている事例をいくつか集めてみました。 そ

はじめに DMMグループ Advent Calendar 2020 3日目の記事です。 AWS Lambda 上で HTML を生成するアプリケーションを動かす場合に、 Python ランタイムを選択し Jinja2 を利用することが考えられます。 AWS Lambda では コードの実行時間に対して課金される ため、Jinja2 による HTML 生成にかかる時間が小さい方がコスト的に嬉しいです。 そこでこの記事では、AWS Lambda 上で Jinja2 により HTML を生成する際に実行時間を小さくするための方法を検討します。 前提 下記の環境を前提とします。 AWS Lambda ランタイム: Python 3.8 AWS Lambda メモリ割り当て: 128MB Jinja2: 2.11.2 結論 Jinja2 での HTML 生成にかかる時間を小さくするには、下記の方法が

『最新研究からわかる 学習効率の高め方』(通称、学習効率本)はどんな人に読まれているの？ という質問をいただきましたので、いただいたツイッターコメントを引用しながら、回答します。 中学生や高校生に読まれている本書は、難解な言葉を極力使わずに書かれているので、中学生や高校生でも読むことができます。 高校生の方。 自分は高校生ですが、論文ってこう読むのかっていうのが分かって、面白かったです。 読んでいて、パズルを解いてるような楽しさがありました。 https://t.co/yKlqzjLRFU — Takeru (@takker199) October 8, 2020 本書は、論文を読み解きながら、効率の高い学習法を見極めていく本です。 それで、こういう感想になったのだと思われます。 中学生の方。 本書の第１巻と第２巻を読んだ中学生の女の子がいます。 ただ、彼女はツイッターをやっていなのでツイ

個人開発・ポートフォリオ作成をする方に贈る いくらプロダクトが素晴らしいとしても、一見してダサいデザインだと、ユーザーは使う気がなくなってしまう。 でも、今からデザインの勉強をするのは面倒だし、そこまでこだわりがあるわけでもない。 Q. 簡単に及第点のデザインにできるサービスとかないんですか？ A. あります。 ということで、デザインのことはよくわからなくても、簡単にそれっぽくできるサービスをまとめました。 個人的には、「それっぽさ」の大部分はページレイアウトと画像、「こなれ感」は配色とフォントによって構成されていると思っています。 また、私はケチなのでここで紹介しているものは、すべて無料で使えるサービスです（課金プランはある）。 書かないこと 細かい使い方 大体有名なので、使い方はggれば出てきます。 ライセンスなどの情報 特に素材系は規約などを確認の上で使ってください。 あくまでも、こ

BigQueryに関する話を自由にしましょう - BigQueryでデータ基盤を作った - BigQueryと他サービスでデータ転送した - BigQuery関数でこんな計算をしている などなど みなさんこんにちは。年末ですね。年末やることといえば、振り返り、総集編ですよね。 BigQueryアドベントカレンダーができたのをみて、「そういえば2019年にやったBigQueryのリリースまとめ的なの、2020年やってないな・・・？」と思い立ち2020年のBigQueryアップデートをまとめました。リリースノート開いたらスクロールバーがすごく小さくなり心が折れかけましたが、なんとか気持ちを奮い立たせました。もしもこんな長い記事を最後までスクロールしてくれる方がいたら、感謝の意を表明しますので、Twitterで @yutah_3 まで教えていただけると、泣いて喜びます。 以下、カテゴリに分けてア

はじめに 当社は人材データの分析による個人の成長の最大化と、 それを通じた企業の利益追求を目指しています。 本ガイドラインはそのための取り組み「デジタルHR1」の基本方針を、 運用者や個人の理解促進を目的にまとめたものです。 特に、取り組みの目的や範囲、また個人の利益やリスクに対して求められる 配慮についての指針や、取り組みの運用体制などを整理しています。 内容は当社が別に定める 「個人情報保護方針2」や「採用活動におけるプライバシーポリシー3」などに 準拠しています。 本ガイドラインによって、運用者のリテラシー向上や個人の理解促進を目指し、 また個人・企業・社会の全てに資する形での取り組みの拡大を目指します。 1.データやテクノロジーを活用し、HRの生産性向上を図る取り組みの総称 2.個人情報保護方針 3.採用活動におけるプライバシーポリシー 当ガイドラインに関するご意見・ご感想を募集し

こんにちは。LINEやSmartNewsで執行役員を務め、現在はTales & TokensやSekappyで会社経営をしている佐々木と申します。プロダクト開発や事業開発を専門としています。今回は「DACI」というフレームワークを使いこなすための考え方を紹介します。 DACIというフレームワークは、SmartNewsでの同僚・Jeannie Yangから教わったのですが、それを頻繁に使ううちに手に馴染んだ道具となりました。もうDACIを知らなかった頃には戻れない、とすら感じています。 この意思決定のフレームワークのポイントは、少し奇妙に聞こえるかもしれませんが、「知らされるだけの人」を決めることにあります。なぜか。それを説明します。 DriverとApproverの役割まず「DACI」という言葉ですが、Driver / Approver / Contributors / Informed

時間がたつに連れて、私のフォーカスは、「カスタマーが何を言っているのか？」から、「まずはテストしよう！」というコンシューマー・サイエンスの態度に変わりました。私のチームのカスタマーに関するインサイトは向上し、学びの速度も上がり、何がカスタマーを喜ばせるのかについてのある仮説を形成するに至りました。 以下が、コンシューマー・サイエンスとカスタマーオブセッションのために私達が使ったリサーチの手法です。 既存のデータを使って過去と現在のカスタマーの行動を理解する。 私達の作っているものに対してカスタマーがどう反応するのかを聞くために、フォーカス・グループや一対一のインタビューやユーザーテストといったクオリティティブなリサーチをする。 カスタマーがどういった人たちなのかを、デモグラフィック（人口統計学的属性、つまり性別、年齢、住んでいる地域、所得、職業、学歴、家族構成など）、競合する製品の使用度、

当エントリは『クラスメソッド CSアナリティクス Advent Calendar 2020』3日目のエントリです。 クラスメソッド CSアナリティクス Advent Calendar 2020 - Qiita クラスメソッド CSアナリティクス Advent Calendar 2020 ｜ 特集カテゴリー ｜ Developers.IO ビッグデータ分析支援のカスタマーストーリーアナリティクス｜クラスメソッド｜クラスメソッドのサービス 当エントリでは、クラスメソッドが展開しているデータ統合基盤サービス『CSアナリティクス』(以降"CSA")のプロダクト群の1つ、『Data Uploader』の入力に、任意のFTP/SFTP環境下のテキストファイルを指定する手順について紹介します。 目次 SFTP環境の準備 SFTP接続設定の追加 CSA Data Uploader入力：SFTP環境の作成

2020年11月25〜27日の3日間、LINE株式会社が主催するエンジニア向け技術カンファレンス「LINE DEVELOPER DAY 2020」がオンラインで開催されました。そこで LINEのフェローであり、Data Science and Engineeringセンターに所属する並川淳氏が、「LINEではどのようにサービス横断でのデータ活用を実現しているのか」というテーマで、LINEにおけるデータの扱い方について共有しました。 LINEにおけるデータ活用の取り組み 並川淳氏（以下、並川）：本日は「LINEではどのようにサービス横断でのデータ活用を実現しているのか」というタイトルで、並川が発表いたします。私は、LINEではふだん機械学習に関わる開発全般を担当しています。ですが、今日は機械学習に限らず、LINEにおけるデータ活用の取り組みについて幅広く紹介させてもらえればと思っています。よ

マイクロソフトは12月1日、同社のMicrosoft 365の新機能である「プロダクティビティ・スコア」が、従業員のプライバシーを侵害しているとの批判を受けて、各従業員のデータにアクセスする機能を削除すると発表した。 プロダクティビティ・スコアは、Microsoft 365のビジネスプランに加入した企業が、各従業員のマイクロソフト製品の利用動向を把握するためのツールで、上司たちは、例えば、従業員がMicrosoft Teamsを何時間利用したか、あるいは、先月の会議でカメラがオンになっていた回数などを確認可能になっていた。 この機能に関して各方面から強い批判が巻き起こった結果、Microsoft 365のバイスプレジデントのJared Spataroは公式ブログで、「今後はプロダクティビティ・スコアから、個々のユーザーの利用データにアクセスできなくする」と述べ、従業員を監視する機能を完全に

2. お前誰よ Ransui Iso (磯 蘭水) AWS Enterprise Support Senior Technical Account Manager Since 2015-05 Past. • Software Developer / Architect • Part-time Lecturer for IT engineers • University Faculty • Writer / Translator 3. お前誰よ：学生時代 • Distributed AIの研究 • IJCAI ’97 RoboCup Simulation League Best 8 A Multi-layered Planning Architecture for Soccer Agent. RoboCup-97: Robot Soccer World Cup I. Lecture Note

「データを活用して人事を科学したい」「AI×人事を推進する」「HR Techをしたい」などの言葉をよく耳にします。人事領域でもデータやテクノロジーを使うことは当たり前である…と。 もちろん仰る通りなのですが、今現場で頑張っている一人一人の人事担当者は一体どうやってデータの活用を進めていけばいいのでしょうか。日々の様々な業務がある中で、”データ活用”に向けて何ができるのでしょうか。 人事もデータも初心者だった自分が、実際にデータを活用しようと悪戦苦闘する中で気づいた「データに魂を宿す3つのステップ」を考えてみました。 なぜ必要なのか私はいま、ソニーの人事のPeople Intelligence and Experience Labというチームで働いています。少し前まで、ヤフーのPeople Analytics Labにいました。仲の良い友人からは何やってるかよくわからないと言われます。ざっく

闇の魔術に対する防衛術 Advent Calendar 2020の三日目 はじめに データの可視化は非常に難しい。 まずデータの抽出が難しい ・データソースごとの整合性が取れているか ・取得したデータとソースデータに欠損が生じていないか ・SQL文を実行したサマリの結果が部分的に抜け落ちていないか。 その確認は時間的にも精神的にも苦痛。 しかし、苦労して抽出したデータも使い方で全くの無駄になる その例として「可視化や統計」部分に着目してお話をしようと考えた。 データの背景を知らない人には、データ可視化が歩み寄る手段になるし、伝えたい事をインパクトを伴って伝えられるなど非常にメリットである。 ※ただし 「可視化」の使い方によっては誤った理解をさせることも可能。 伝えたい事だけを正しいように見せる方法もあり、 可視化に詳しくない人に誤解を与えて自分の主張を通すこともできるかもしれない。 これは