はてなブックマーク

前はECサイトの訪問数とコンバージョン率の分析を解説しました。 ↓↓↓ 業務知識すら知らないとデータ分析をやれないでしょう【連載-1】 業務知識すら知らないとデータ分析をやれないでしょう【連載-2】 顧客の購買プロセスにおいて、訪問、購入の次のステップは継続訪問ですが、今回は継続訪問に直結したAU（アクティブユーザ－）とリテンション率のデータ分析を行います。 AUとリテンション率 訪問数とコンバージョン率を知ってるが、AUとリテンション率にあまり詳しくない方がと思うので、まずこの二つの意味を説明します。 AU（アクティブユーザー）：アプリ、SNS、ECサイトなどにおいて、ある期間内に1回以上ログインしたり、利用したりするユーザーのこと。「DAU」は1日あたりのアクティブユーザー、「WAU」は週間アクティブユーザー（Weekly Active User）、「MAU」は月間アクティブユーザー（

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ##はじめに お久しぶりの更新です。 仕事の関係で、最近インターネット業界でデータ分析の仕事をする人と付き合うことが多いです。その中に、業務データを手に入れた時、「どんなデータを分析すべきか」、「どのような分析をすればいいのか」、「分析の結果をどのように活用するのか」、といったことがさっぱらわからない人がいます。その原因として、業務のフローや業務に伴う様々な課題に関する具体的なイメージを持っていないだろうと考えます。 【学習計画】十週間で知識ゼロからのデータ分析入門では、第九週は業務知識を習得することです。業務知識を勉強しなければと思う

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに お久しぶりの更新です。 【学習計画】十週間で知識ゼロからのデータ分析入門シリーズでは、データ分析の考え方（第一週）、Excel上級（第二週）を省略して、データベースとSQL入門（第三週）から書き始めました（省略した理由は前に説明した）。 でも、Twitterで読みたい記事のテーマについての投票結果によると、データ分析の考え方にする方が多いので、やはりその部分を書いてみます。 あくまで自分の経験談ですから、間違っているがあるかもしれません。いつでもご意見大歓迎。 データ分析の重要性が高まるにつれて、便利なデータ分析ツールや手法が

データアナリストとして、データ分析をする際に、手元に質のいい情報とデータソースがないことがしばしばあります。今回は無料データソースを20個厳選してみました。もちろん、これだけじゃ足りません。ほかに何かお勧めのデータソースがあれば、コメントは大歓迎です。 一、政府の公開情報 政府の公開しているデータ量がだいぶ増えているだけでなくて、データの質も向上してきています。日本政府は多く情報を公開しており、人口、経済、医療、観光、気候などのデータをウェブサイトで簡単に手に入れます。このデータを他の国の状況と比べるすることが多いため、いくつかのよく使われる国のデータプラットフォームを知る必要があります。 1.日本統計局：http://www.stat.go.jp/ 2.米国政府の公開資料：https://www.data.gov/ 3.英国国立データセンター：https://data.gov.uk/ 4

はじめに ダッシュボードの作成過程を理解していただくように、前の記事ダッシュボードを作ってみたらそんなに難しくないでは、データを簡単なチャートで反映させました。 今回の記事はその記事の続きみたいなもの。少し実践的なデータ分析の話題をしたいと思います。例えば、売上データから、“何が売れているのか”、また“何が売れていないのか”などを判断できて、解決策の提案になれるなど。最近よく触れる小売業から始めましょう。一回の記事で説明しきれないので、二、三回にするかなと思います。 データ分析の現状 デジタル化の影響で、小売業は現在さまざまな課題を抱えています。 ①消費者のニーズが多様化、細分化してきています。今は単なる商品力だけではモノが売れない時代となっているので、高度な顧客分析によって、消費者の顕在ニーズと潜在ニーズを見極めて、つまり消費者心理や購買行動の理解力を高めないといけません。 ②インターネ

仕事の関係で取引先のIT部門と付き合うことが多いので、今の仕事がいつかAIに奪われるか心配しているという話はよくデータアナリストから聞きました。確かに、分析業務がツールやAIによって自動化されているトレンドで、企業の課題に対するデータの解析を主な仕事内容とするデータアナリストはだんだん無くなる恐れがあります。したがって、たくさんのデータアナリストはデータサイエンティストに進めると考えているのです。 2013年の日経新聞の記事ですが、米調査会社ガートナーによると、日本でも将来的には25万人ものデータサイエンティストが不足する見通しです。 ネットで調べると、データサイエンスとデータアナリストの違いに関する内容は多いですが、どうやってデータアナリストからデータサイエンティストになれるかについての日本語の内容はほとんどないようです。 今回はイギリスのデータサイエンティストであるBen Stanbu

この学習計画について更新しています。 データ分析に欠かせない五つの考え方【データ分析手法をたくさん知っても活用できない根本理由】 誰でもすぐわかるデータベース基礎の基礎~ 初心者が押さえておくべきSQLガイド データ分析をやっても無駄？実例から見る本当のデータ分析～【連載-1】 データ分析をやっても無駄？実例から見る本当のデータ分析～【連載-2】 ダッシュボードを作ってみたらそんなに難しくない 業務知識すら知らないとデータ分析をやれないでしょう【連載-1】 業務知識すら知らないとデータ分析をやれないでしょう【連載-2】 データ分析に最低限押さえるべき10つのビジネスフレームワーク 「文学系の人はデータ分析に向いていますか」 「プログラミング経験がありませんが、データアナリストになれますか」 「データ分析を勉強するなら、RとPythonを勉強しなければならないですか」 などはよく聞かれる話で

本記事と誰でもすぐわかるデータベース基礎の基礎~は【学習計画】十週間で知識ゼロからのデータ分析入門の第三週の学習内容です。今後この学習計画について更新していきます。 この前はデータベースの定義とRDBMSのMySQLのインストール方法について説明しましたが、今日はデータベースの操作とSQLについて説明します。 SQL（Structured Query Language）はRDMBSにおいて、データベースの定義や操作を行うためのデータベース言語です。 （出典: フリー百科事典『ウィキペディア（Wikipedia）』） ウィキペディアの定義通り、リレーショナルデータベース、とその中のテーブル、データの参照、変更、削除、計算などを行うために、SQLが必要です。 Oracle、DB2、Sybase、SQLServer、MySQL、MS Accessなどのデータベースは、SQLの構文が違いますが、基

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 本記事は【学習計画】十週間で知識ゼロからのデータ分析入門の第六週の内容です。 目次 1.ダッシュボード作成経験を共有する理由 2.ダッシュボードとは何？ 3.おすすめのダッシュボードツール 4.良いダッシュボードって論理的にどんなもん？ 5.ダッシュボード作成をチャレンジ！ 1.ダッシュボード作成経験を共有する理由 今回はダッシュボード作成が難しいと思っている方、またはいいダッシュボードが作れないという方に、私のダッシュボード作成経験をシェアしたいと思います。 私も仕事でダッシュボード作りに困ったことがあったので、今困っている人と私のノ

データサイエンスに関する仕事を始めたばかりか、データ分析やビジネスアナリティクスの学位を取るための準備をしているのかにかかわらず、ちょこちょこ専門書籍で学ぶ以外、常に関連サイトかブログから最新の情報と知識を得る必要があります。ネットで人気のあるしかも質のいいブログやオンラインコース37選をまとめました。前の翻訳した記事「データサイエンスを独学した一年のまとめ」中のいくつかのサイトと合わせて、参考にしてください。 1.Dataquest： https://www.dataquest.io/home データサイエンティスト、データアナリスト、またはデータエンジニアに興味を持つ方は、対話型のコーディングの課題から学習し、現実世界の問題およびデータサイエンスのプロジェクトで成長することができます。 2.Udemy： https://www.udemy.com 世界最大級のオンライン学習プラットフォ

著作者：Harrison Jansma 英語の記事：https://towardsdatascience.com/how-to-learn-data-science-if-youre-broke-7ecc408b53c7 過去一年間、私は未経験からデータサイエンティストを目指して、データサイエンスを独学しました。 オンラインコースを毎日平均6～8時間勉強すると同時に、アルバイトをしていました。 過去数ヶ月で、大きなの成果をあげました。 自分のウェブサイトができあがって、そしてコンピュータサイエンス院生向けの奨学金を得ました。 本記事では、一年でデータサイエンスをどのように勉強したか、つまりデータサイエンスの勉強法と学習リソースを伝えていきます。すこしでもお役に立てればうれしいです。 この記事の「データサイエンス」とは、データによってあらゆる事柄を客観視するためのツール集合を指しています。