【緊急告知！】中小企業・ベンチャー企業の業務効率化ツール、『Notion』の初期構築代行サービス提供開始
【緊急告知！】中小企業・ベンチャー企業の業務効率化ツール、『Notion』の初期構築代行サービス提供開始「あのデータどこにあったけ」「ツールが多すぎて複雑」を一挙にして解決 株式会社ナカヨカ（本社：東京都台東区、代表取締役：中野 尚樹 以下、ナカヨカ）は 、12月24日(金)に「Notion」の初期構築代行サービスを開始。社内のデータを探すときにありがちな、「あのデータどこにあったっけ？」「検索しても中々出てこない」「他の従業員とのミスコミュニケーションを無くしたい」などの課題を解決。 【背景】 米メディアTechRepublicが2018年12月に企業の従業員のツール利用に関する調査をしたが、1日に一人につき平均して35個のツールを使い、1,100回以上、ツール間を行き来している。 あまりにもツールが多すぎるとマルチタスク状態に陥り、業務効率を図るためのものが皮肉にも非効率的になってしま
スキーマのモデリング化技法
20 スキーマのモデリング化技法 この章では、データ・ウェアハウスのスキーマについて説明します。内容は次のとおりです。 データ・ウェアハウスのスキーマ 第3正規形 スター・スキーマ スター・クエリーの最適化 データ・ウェアハウスのスキーマ スキーマとは、表、ビュー、索引およびシノニムを含むデータベース・オブジェクトのコレクションです。 データ・ウェアハウス用に設計されたスキーマ・モデルにスキーマ・オブジェクトを配置するためには、様々な方法があります。データ・ウェアハウス・スキーマ・モデルの1つは、スター・スキーマです。shサンプル・スキーマ(このマニュアルに記載するほとんどの例の基本)では、スター・スキーマを使用します。ただし、その他にも、データ・ウェアハウスによく使用されるスキーマ・モデルがあります。そのようなスキーマ・モデルのうち最も一般的なのは、第3正規形(3NF)スキーマです。また
コンフォームド・ディメンション(Conformed Dimensions)
図1のスタースキーマは、注文(fact_orders)と返品(fact_returns)の2つプロセスを表している。それぞれ注文スター、返品スターと呼ぶ。 それぞれ別々の部門で実装されたもので、物理的に独立したデータベースに存在している。両方のデータベースに、ディメンションテーブルの日(dimension_days)、顧客(dimension_customers)、製品(dimension_products)がある。これらのスタースキーマを比較したいケースはあるとする。例えば、特定期間の製品別の注文に対する返品率などである。これはドリルアクロスを使えば実現可能である。以下が手順である。 各ファクト・テーブルを製品ごとに集約する。 集約した結果をマージし、注文された数量と返却された数量の比率が計算する。 図1の製品ディメンションを使えば、同様の手順で他のディメンション属性で分析可能だが、残念
複数スタースキーマ
複数スタースキーマ(Multiple star schema) 1つのファクトで、全ての分析対象がカバー出来ることは稀である。ほとんどのケースで複数のファクトテーブルが必要になるだろう。本当に価値ある分析は複数のプロセスを横断した分析である。これを誤った方法で実現するとどうなるか？どうすれば良いのかを見ていく。 スタースキーマの作り方に関しては、別の記事にまとめている 。 発生タイミングが異なるファクト 2つ以上のファクトがあったとする。それらは同時に発生しないファクトである場合、異なるファクトテーブルに配置するべきである。誤って単一ファクトテーブルにまとめられると、個々の分析が困難になる。もし分けていれば個々に分析が可能になる。 ある営業部門で以下のような分析要件があったとする。 日付、顧客、製品別注文数量の分析 日付、顧客、製品別出荷量の分析 ディメンションは日付と顧客。ファクトは製品
第13回 星形がデータ分析に最適！ データモデリング | モダンExcel研究所（モEx研）
1 データ相互のリレーションシップ2 データモデル3 データ分析に欠かせないスタースキーマ4 スタースキーマ以外のデータモデル前回第12回に引き続き、リレーションシップのお話です。 多様なデータを様々な角度から眺めることで、新たな洞察を得ることが可能となります。 データ相互のリレーションシップ事実（Fact）の全体像を把握するには、目的に即した多様な次元（Dimension）でデータ分析する必要があります。その前提としてデータ相互のリレーションシップがポイントになります。 リレーションシップを的確に行うには「ファクト」と「ディメンション」という考え方を知っておかねばなりません。別の言い方をすれば、データを「ファクトテーブル」と「ディメンションテーブル」に分けてデータモデリングする必要性があります。 例えば、「販売実績データ」のように日々多数の実績データ（トランザクション）が存在するものが「
リファラルリクルーティングとは - リファラルリクルーティング株式会社
リファラルリクルーティングとは 自社に魅力を感じている、言い換えると社長と会社のことを好きな幹部・社員でプロジェクトチームを組みます。つぎに、そのプロジェクトチームで自社の魅力を様々な角度から徹底的に洗い出し、それをまとめて見える化します。 そして、自社に合う友人・知人を徹底的に洗い出し、自社の魅力をもって友人・知人を口説きにいきます。 このプロジェクトチームで6ヵ月以内に2名以上の最高の仲間を採用します。その成功をみてはじめて、他の社員にもリファラルリクルーティングが浸透していきます。 最終的にリファラルリクルーティングが自社の文化として根付くころには、ほぼ採用コストゼロで“最高の仲間”がドンドン集まるようになります。 料金プラン ライトプラン 38万 期間：1カ月～2カ月 アピールペーパーを作成し、 リファラル採用をスタートさせるプラン 資料請求はこちら スタンダードプラン 98万 期
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
A Google Analytics Data Model
Googleアナリティクスのアドオン機能でスプレッドシートへデータ出力、グラフ化する方法