なぜデータ基盤を作ったのか？「ゼクシィ縁結び・恋結び」で必要になった理由
システム、プロセス、カルチャーをいかにエンジニアリングするか 本連載『開発現場に“データ文化”を浸透させる「データ基盤」大解剖』では「データ基盤」の構築事例を紹介します。具体的には、オンライン婚活サービス「ゼクシィ縁結び」ならびにその姉妹サービス「ゼクシィ恋結び」の開発現場において、筆者が実際に行ったことを題材としています。 データ基盤を実際に構築するのは容易ではありません。構築したデータ基盤を実際に利用し続けてもらうのはさらに難しいことです。 多くの関係者がデータを加工すると、似ている意味を持っていても微妙に異なるデータが生成されてしまい、どのデータが正しいのか誰も分からなくなってしまいます。きちんと全員に使われるためにはデータの持つ意味や加工ロジックを誰かが整理しなければいけません。 また、モダンなツールを使って派手なダッシュボードを構築しても、それだけでは1週間後には誰も見なくなって
『 データ分析基盤Night #2 』に参加してきた #データ分析基盤Night - 試纏
データ分析基盤Night #2 - connpass 2017/04/26 データ分析基盤Night #2 #データ分析基盤Night - Togetterまとめ 前回第1回に引き続き抽選に当たったのでこの日参加してきました。 『 データ分析基盤Night #1 』に参加してきた #データ分析基盤Night - 試纏 会場は株式会社FiNC様＠有楽町。有楽町駅ビックカメラのすぐ隣、交通の便は超良い場所です。 会場内もとてもオシャレで綺麗なオフィスでした！ 挨拶 ウェルネスタイム(軽いストレッチ) by FiNC FiNCの分析基盤の概要 発表資料 発表内容 freee のデータ分析基盤の全容 発表資料 特徴：他のサービスとどこが違うのか 構成：アーキテクチャ マーケティング 販売・サポート エンジニア ダッシュボード バッチ処理 辛み 展望・チャレンジ まとめ mercariのデータ分析基
データテクノロジースペシャル：Yahoo! JAPANにおけるメタデータ管理の試み
1. Copyright © 2017 Yahoo Japan Corporation. All Rights Reserved. 吉野 彰真 データテクノロジースペシャル： Yahoo! JAPANにおける メタデータ管理の試み 2017年2月16日 2. Copyright © 2017 Yahoo Japan Corporation. All Rights Reserved. アジェンダ 1 1. 自己紹介 2. ヤフーの事業 3. ヤフーのビッグデータ 4. データマネジメント概論 5. メタデータ管理の取り組み 6. まとめ 3. Copyright © 2017 Yahoo Japan Corporation. All Rights Reserved. 自己紹介 2 データ＆サイエンスソリューション統括本部 データガバナンスチーム 吉野 彰真 (YOSHINO Akimasa)
Web系サービス運営でKPIを決める時に気を付けるべき3つのポイント - 渋谷駅前で働くデータサイエンティストのブログ
そろそろ新職場にも慣れてきましたよ、ということでちょっと与太話でも。少し前のTokyoWebminingでも話題になっていた、「KPIの決め方」についてです。 ところで、現場によってはKPIが何故か売上高とか営業利益とか「目標そのもの」になってしまっているケースがあると聞くんですが、そういう方には『「KPI」＝「目標」だと勘違いしていませんか？｜中野康之のソーシャルメディア運営で「ビジネスを加速」させるブログ』を一読されることをお薦めします。 売上や利益など、 対外的に提示する一般的な指標を「目標」とするのに対し、 内向きの行動に繋がる具体的な指標が「KPI」です。 ものすごーく当たり前のことだと思うんですが、一昔前の体育会系営業みたいな「とにかく毎日の売上高にしか興味がない」というやり方*1でいくと、Web系サービスのような施策介入できる余地が限られている業界*2ではどんどん手詰まりにな
リクルートはどのようにしてデータ分析に取り組んでいるのか--理想と現実
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 前回の記事ではデータを活用できる組織になるためのポイントについて説明しました。また、これまでの連載記事を通じてデータ分析者が取り組むべきことをさまざまに説明してきました。今回からは実際にデータ活用を先進的に進められている企業担当者に実際にどの程度データ活用ができているのかをインタビューしていきます。 今回は株式会社リクルートライフスタイルでデータ分析を担当している高柳慎一さんにインタビューしました。 --現在担当している業務内容を教えてください。 現在は「じゃらん」「ポンパレ」といった自社ウェブサービスや集客分野で機械学習を用いた業務改善の全般を担当しています。 業務内容としては分析や機械学習のコードを書いている時間がだいたい8割程度で
データ分析担当は企画段階からコミットせよ！ドリコムのデータ分析チームの在り方 | SELECK [セレック]
〜ドリコムのデータ分析チームが、受け身の体制から事業へコミットするチームへ変貌を遂げる！分析チームを変えた、その取り組みを紹介〜 企業でのデータ活用が一般化するにつれ、データ分析チームを社内に設置する企業も増えている。 そのデータ分析チームが、最大の成果を出すために取り組むべきことは何だろうか。 ソーシャルゲームを始めとした、様々な事業を展開する株式会社ドリコムは、2015年に「データ分析チーム」の名称を「データコンサルティンググループ」に変更した。その裏には、データ分析担当は企画段階からコミットするべきという考えがあった。 ディレクターやプランナーからの依頼で動くことも多く、受け身になりがちなデータ分析担当。その環境を変えるための取り組みについて、データコンサルティンググループを統括する中村 竜太郎さんに詳しく伺った。 事業にコミットするデータコンサルティンググループ ドリコムには、20
![データ分析担当は企画段階からコミットせよ！ドリコムのデータ分析チームの在り方 | SELECK [セレック]](https://cdn-ak-scissors.b.st-hatena.com/image/square/d724f1e9623aac374dcdfadcf8a852acf7172b77/height=288;version=1;width=512/https%3A%2F%2Fdpd29bjwmgbr8.cloudfront.net%2Fwp-content%2Fuploads%2F2018%2F06%2F22112610%2F270.png)
[Japanese only] Data Analysis and Data processing framework
A talk at NTT Docomo Innovation Village.
![[Japanese only] Data Analysis and Data processing framework](https://cdn-ak-scissors.b.st-hatena.com/image/square/3ea4650413289fa991a57b1b0a8436d7276ba76a/height=288;version=1;width=512/https%3A%2F%2Ffiles.speakerdeck.com%2Fpresentations%2F766090eeb47242cfa57861c1f386f23a%2Fslide_0.jpg%3F5873689)
データ分析で大切な４つのこと：2. 誰のために・何のために分析をやるのかを意識する大切さ - トレジャーデータ（Treasure Data）ブログ
データ分析で大切な４つのこと トレジャーデータはクラウドでデータマネージメントサービスを提供しています。 2. 誰のために・何のために分析をやるのかを意識する大切さ そもそも誰の・何のために分析をするのかという意識を常に明確にしておくことはとても重要だと思っています。 人間の意志決定を支援するために解析をすること・解析結果自身が意志決定を行うのではないこと Amazon や Google など多くのデータ先進企業では，例えば「リコメンデーション」「ページランク」「需要予測システム」など，分析結果自身が意志決定を行うようにデータが活用されています。この用途目的においては機械学習や統計モデルといった高度な手法が駆使され，データから機械的にベター（ベストとは限りません）な解をもたらし，それが自動的にサービスに適用されて回っていきます。これらは基本的に大規模なデータセットを参照したりリアルタイムに
データ分析で大切な４つのこと：1. 「当たり前の結果」をたくさん出す事の大切さ - トレジャーデータ（Treasure Data）ブログ
データ分析で大切な４つのこと トレジャーデータはクラウドでデータマネージメントサービスを提供しています。 ここ数年，データの大量な蓄積とそれに対する分散並列処理が可能な環境が成熟してきました。元々はデータの蓄積やバッチの効率化といった分析バックエンド（プラットフォーム）の方にフォーカスがあてられてきましたが，やっとその先のデータ」「分析」というところ，そしてその役割を果たすデータ分析者の重要性が理解されるようになってきているように感じています。 このブームは分析者にとって非常に喜ばしいことでもあると同時に，大きなプレッシャーにもなっているような気がします。 そのプレッシャーの１つに，企画者や経営者・あるいは顧客といった結果を活用する人々（＝意志決定者）の，「これだけ材料（データ）が揃っているのだから多くの課題が解決できるはずだ」という期待に応えないといけないというプレッシャーがあると思いま
Zenlogicホスティングが断続的にご利用しづらい状況について｜プレスリリース｜ニュース｜Zenlogicのファーストサーバ株式会社
IDCフロンティア、はてなのサーバー監視サービス「Mackerel」を「IDCFクラウド Ca... サービス 2024年07月25日 IDCフロンティアのデータセンター全拠点にて、IPv6での接続サービスを開始 データセンター 2024年07月17日 【接続先追加】「バーチャルブリッジ（インターコネクト：メガクラウド）」Oracle Cloud... データセンター 2024年07月02日 【事例公開】月間2億PVを超える電子書籍読み放題サービス「ブック放題」のインフラとして「IDC... 導入事例 2024年07月02日 7月3日～5日に奈良で開催される「JANOG54 Meeting in NARA」にブース出展... その他 2024年06月19日 6月12日～14日に開催される「Interop Tokyo カンファレンス 2024」にてデー... データセンター 2024年06月
社会人が統計学や機械学習を学ぶなら「落下傘方式」で - 渋谷駅前で働くデータサイエンティストのブログ
今日何気なく呟いたツイートが、見ていたら結構RT&favされていた模様で。 社会人が統計学とか機械学習を独習するには、いわゆる「落下傘方式」が良いと思う。必要な時にその項目だけ学んで実践する。その繰り返しで学問体系のマス目が埋まっていけば良し。あと、初めに体系立ったテキストを分からなくても良いので通読するのも良し。だいたいの地図が頭に入る。— TJO (@TJO_datasci) 2014, 3月 31 この後も色々補足で呟いたんですが、せっかくなので簡単にまとめたものを書いてみました。これから社会人で統計学や機械学習を学ぼうと考えている人の参考になれば嬉しいです。 あ、これはベタな言い方をすれば「データサイエンティスト（死語）になるにはどうしたら良いか」にもつながる話なんですが、ここではもっと広く「統計学や機械学習を使う仕事をしたいと思ったらどう独習するべきか」という話にしておこうと思い
「ビッグデータ」「データサイエンティスト」後のデータ分析業界はどうなっていくのか - 渋谷駅前で働くデータサイエンティストのブログ
先日の合同企業説明会でご来場いただいた就活生の皆さんにこの話題をだいぶ話したので、続きの意も込めてちょっと書いてみようと思います。実はその時お話した内容について、後日データ分析者同士の飲み会を開いた時に色々議論になったもので（笑）、そのフィードバックも兼ねるかなぁという。 そうそう、この記事でも引き合いに出しますが「アルゴリズム実装系」「アドホック分析系」というデータサイエンティストの分類については、以下のslideshareをお読みあれ。 最新業界事情から見るデータサイエンティストの「実像」 from Takashi J Ozaki そして予めお断りしておきますが、今回の記事も基本的には僕の個人的なデータ分析業界での経験と見聞に基づいて独断を並べているだけで、言ってみればただのポジショントークです。何かしら客観的な数値的根拠とかそういうものがあるわけではないので、悪しからず。。。 バズワ
2013年の「データサイエンティスト」狂想曲と個人的なあれこれとを振り返る - 渋谷駅前で働くデータサイエンティストのブログ
早いもので、2013年も過ぎようとしているこの年末ですが。一応ブログのタイトルに「データサイエンティスト」と入っているので（笑）、せっかくなのでこの1年間のデータサイエンティストにまつわる狂想曲と、僕自身の今年のヒストリーとを簡単に振り返ってみようと思います。 とりあえず、ざっとトレンドを掴むためにGoogleトレンド「データサイエンティスト」の結果を載せておきます。 もう見るからに、全力でバズってから一気に下降線をたどってるのがよく分かりますねー。ここまであからさまだと実に清々しいです。 それは、HBR日本版2月号の「データサイエンティスト」特集から始まった 以前の記事でHBR本家版に載っていたDavenportの論説について取り上げましたが、それが日本語版になったのが2月号だったようです。確か12月か1月ぐらいに刊行されていたような記憶が。 2013年2月号目次 | 特集：ビッグデータ
Pythonによるデータ分析入門
訳者まえがき まえがき 1章 はじめに 1.1 この本で説明する内容 1.2 なぜPythonはデータ分析者におすすめなのか 1.2.1 「糊（グルー）」としてのPython 1.2.2 「2つの言語を利用する」ことの問題を解決する 1.2.3 Pythonを使わない場合 1.3 本書で扱う重要なPythonライブラリ 1.3.1 NumPy 1.3.2 pandas 1.3.3 matplotlib 1.3.4 IPython 1.3.5 SciPy 1.4 インストールとセットアップ 1.4.1 Windows 1.4.2 Apple OS X 1.4.3 GNU/Linux 1.4.4 Python 2とPython 3の相違点 1.4.5 統合開発環境（IDE） 1.5 コミュニティとカンファレンス（会議） 1.6 この本の読み方の案内 1.6.1 コード例 1.6.2 例として用
「日本型データサイエンティストの登場を契機に活用が進展」記事について二言三言 - 渋谷駅前で働くデータサイエンティストのブログ
先日、Twitter上＆FB上にこんな記事が出回っていたので読んでみました。 日本型データサイエンティスト、CDO、CAO：日本型データサイエンティストの登場を契機に活用が進展、野村総合研究所が予想 - ITmedia マーケティング データ分析をビジネスに活用するためには、高度なデータ分析の専門家である「データサイエンティスト」の存在が不可欠だとNRIでは認識している。しかし同社の調査によると、現時点では、日本企業で社内にデータサイエンティストがいる企業は8％程度と、ごく一部。今後、現場力とコンサルタント的スキルを持つ「日本型データサイエンティスト」登場し活躍することで、データ分析がビジネス展開に大きく貢献する成功事例が、徐々に現れてくると予測する。 また、米国で設置が進むCDO（チーフ・データ・オフィサー：最高データ責任者）やCAO（チーフ・アナリティクス・オフィサー：最高分析責任者）
たとえ有償でも絶対に引き受けてはいけないデータ分析依頼の3タイプ - 渋谷駅前で働くデータサイエンティストのブログ
id:dscaさんのタダでは引き受けてはいけないネタが大ブレークしてるみたいですね。 データの分析をタダで引き受けてはならない10の理由 - ネガティブにデータサイエンティストでもないブログ 受託系便利屋的なポジションの悲哀が大変よく透けて見える良記事だと思うんですが、一方で仮に金を取ったとしても引き受けてはいけない案件というのもよくあるものです。 ということで、便乗して「たとえ有償でも絶対に引き受けてはいけないデータ分析依頼の3タイプ」とか僕がこれまで経験してきた様々な現場and/or案件での事例を踏まえて、適当に吹聴してみようと思います。 なお、「前処理が煩雑」とか「DB整備が貧弱でCSVでデータをやり取りしなければならない」というような構造的な問題点は別物なので、今回は割愛しましたごめんなさい。 （※これは他所の様々な現場での話を聞き取ってまとめた話であり、現職場の話ではありません！
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
失敗から学ぶ�データ分析グループの�チームマネジメント変遷 （デブサミ2016） #devsumi
DeNAの分析を支える分析基盤
失敗から学ぶ�データ分析グループの�チームマネジメント変遷
5分でわかるベイズ確率
