Hivemallを利用した機械学習実践入門 （第一回: ドラッグストアのセールス予測） - トレジャーデータ（Treasure Data）ブログ
本特集では、Treasure Data環境で利用可能な機械学習ライブラリHivemallを利用した機械学習の実践方法を紹介します。世界のデータサイエンティストが腕を競うデータサイエンスコンペティションサイトKaggleの中から、実践的な課題を扱っていきます。 1. はじめに 第一回は小売業の売り上げ予測するタスクであるRossmann Store Salesコンペティションを課題に用います。アルゴリズムとしては、決定木を利用したアンサンブル学習手法の一種であるRandom Forest回帰を利用します*1。 Rossmannはヨーロッパの７カ国で3,000以上の店舗を展開する薬局チェーンです。各店舗のマネージャーは6週間先までの店舗の売り上げを予測することがタスクとして課されています。各店舗の売り上げはプロモーション活動、競合要素、学校の休みや祝日、季節性、地域性など様々な要因に左右されま
トレジャーデータで実践：Path 分析（アウトプット編２：遷移ダイアグラム） - トレジャーデータ（Treasure Data）ブログ
はじめに 「トレジャーデータで実践：Path 分析」シリーズでは，過去にWeb，広告，リアル店舗でのログを元に，コンバージョンパステーブルの作成例とその分析事例を紹介していました。 blog-jp.treasuredata.com それに続く本記事では，より具体的かつ汎用的な分析事例として，コンバージョンパスを分析インプットとした時に，どんな分析アウトプットが出せるか，について以下の3つを紹介する事にします。 頻出パターンマイニング コンバージョンパス ダイアグラム（今回） 決定木モデル 上記の資料はパス分析の概念から始まり，トレジャーデータにおけるデータの持たせ方から分析アウトプットまで，パス分析のいろはを詳細に述べた資料です。 遷移ダイアグラム 遷移分析は，コンバージョンパスがどのようなノード遷移でコンバージョンに至ったのかを求めます。遷移ダイアグラムとは，コンバージョンしたユーザーの
トレジャーデータで実践：Path 分析（アウトプット編１：頻出パターンマイニング） - トレジャーデータ（Treasure Data）ブログ
はじめに 「トレジャーデータで実践：Path 分析」シリーズでは，過去にWeb，広告，リアル店舗でのログを元に，コンバージョンパステーブルの作成例とその分析事例を紹介していました。 blog-jp.treasuredata.com それに続く本記事では，より具体的かつ汎用的な分析事例として，コンバージョンパスを分析インプットとした時に，どんな分析アウトプットが出せるか，について以下の3つを紹介する事にします。 頻出パターンマイニング（今回） コンバージョンパス ダイアグラム 決定木モデル 上記の資料はパス分析の概念から始まり，トレジャーデータにおけるデータの持たせ方から分析アウトプットまで，パス分析のいろはを詳細に述べた資料です。 コンバージョンパステーブル ここで，生データとコンバージョンマスタテーブルを元に，トレジャーデータ上で作成するコンバージョンパステーブル（パス分析のインプットと
「マーケティングオートメーションとは」その１ - トレジャーデータ（Treasure Data）ブログ
はじめに 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。 「マーケティングオートメーション」という何とも都合の良い言葉をはじめに聞いた人は，懐疑的な印象を持たれるかもしれません。私もそうでした。しかしながら，実際に社内で導入して実行してくと，マーケティングオートメーションがいかに便利で重要なものであるかを思い知らされる結果となりました。 本記事ではマーケティングオートメーションとは何か，その役割は何か，どう使っていったら良いかなど，マーケティングオートメーションについて入門から深い理解を得るところまでを， Marketo というツールを使って紹介していきます。 また，本記事はマーケティングサイドからではなく，データサイエンティストサイドからの視点で記述している事にご注意ください。 マーケティングとデータ分析の関係 まず始めに，マーケティングの役割とそのに関わるデ
トレジャーデータで実践：RFM分析（前編） - トレジャーデータ（Treasure Data）ブログ
はじめに 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。 EC や POS、Web サービス、Game など、購買行動を伴う一連の行動ログは活用意義のある大変貴重なものとして古くから分析が行われて来ました。 その中でも有名な手法である RFM 分析は R（Recency：直近購買日）= いつ買ったか F（Frequency：一定期間内の購買回数）= どのくらいの頻度で M（Monetary：一定期間内の購買金額）= いくら使っているか の３つの切り口から２つを選び、その２軸に基づいて顧客をグループに分け、そのグループ毎に目立った特徴を見ていく手法です。一般にRFM分析と呼ばれているのは、この前者：グルーピングを指す事が多いようです。 本記事でもRFMに基づいたグルーピングをご紹介していきます。トレジャーデータでのRFM分析は、非常に柔軟な設定のもとで簡単に行える
トレジャーデータで実践：Basket 分析（応用編３）「共起」から「遷移」へ - トレジャーデータ（Treasure Data）ブログ
はじめに 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。 今回は「共起」の概念を拡張して「遷移」を見ていきます。また，「推移」を見ることはリコメンデーションロジックを求める事とほぼ同義ですので，活用幅が大幅に拡がっていきます。 「共起」から「遷移」へ 「共起」 今まで見てきた「共起」という概念は，各ユーザーが「同時」に購入したアイテムペアを1回の「共起」として捉え，共起回数や共起係数を見ていくものでした。つまり， 「このアイテムを買ったユーザーは同時にこのアイテムを買っています」 を示してしました。 ↑ 共起の概念はユーザーの１回のお買い物の中で同時に入れられたアイテムペアを対象としていました。 「遷移」 今度は「同時」ではなく「その次」の買い物において登場したアイテムとペアリングすることで 「このアイテムを買ったユーザーは次にこのアイテムを買っています」 とい
トレジャーデータで実践：Basket 分析（頭の体操編） - トレジャーデータ（Treasure Data）ブログ
始めに 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。 バスケット分析（併売分析）は，アウトプットイメージやその分析の有用性についてはマーケティング業界の誰もが周知しているのに反して，実際にそれを実践できている所はそれ程多くはありません。 マーケット バスケット分析の使用 - Tableau また、実践できているにしても上の Tableau のようなソフトウェアを入れなければならなかったり、実装のためのコストやリソースがかかっている所も少なくありません。さらに、そういったツールに頼っているところは、少し条件を変えただけの分析やより踏み込んだ分析に対応する柔軟性を兼ね備えるのは難しいところです。 本シリーズで紹介するトレジャーデータで実戦可能なバスケット分析コンテンツは，誰もがロジック・仕組みの理解から実践まで行えるように、できるだけわかりやすく具体的に紹介してい
オンラインゲーム分析：むかしの苦労話から，今のソリューションに至るまでを振り返る - トレジャーデータ（Treasure Data）ブログ
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。 現在私はトレジャーデータのデータサイエンティストというポジションにありますが，「サイエンティスト」という名にあるような，特定のサービスの専任アナリストとして高度な分析を行うスペシャリストではありません。トレジャーデータサービスが全ての分析者の心強い手足となるようにアドバイスやユースケースを提示するようなスペシャリストです。 そんな私もトレジャーデータに来るまでは，１つのサービスの専任分析者として突き詰めていた時代がありました。その時代は現在のようなデータ分析プラットフォームが成熟しておらず，自分であれこれ試行錯誤しながら独自プラットフォームを作っておりました。 現在トレジャーデータが提供する「オンラインゲームソリューション」は，当時の私の経験を踏まえ，誰にも苦労してもらうことなしに分析を始めてもらえるような形となっ
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
