はてなブックマーク

今回は、アンケートデータから回答の特徴を調べることができる因子分析について簡単に紹介します。 因子分析は質問への回答の傾向をもとに回答者の「嗜好」や回答の裏にある「動機」をつかみたい時に利用できる統計のアルゴリズムです。 例えば、マーケティング担当者としてどういう嗜好でビールを購入するのかを知りたいとしましょう。 そこで、「ビールを選ぶ時に重要とするものは何ですか？」といったアンケートを実施し、以下の結果を得られたとします。 このデータは1行が1人の回答者を表しており、各列は重要度のスコアを表しています。数値が大きくなるほど、その項目の重要度が高くなります。 回答者の中には、「色」、「アロマ」、「味わい」を重視する人がいたとします。 もしくは、「値段」、「サイズ」、「アルコール」を重視する人もいます。 さらに「評判」を重視する人もいるようです。 このように、各々のグループは、重要と考える項

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? アンケートをしてみたものの、5段階（または10段階）評価の回答の平均をとって終わってしまっている。あるいは、自由記述の回答を読んで、一喜一憂して終わってしまってしまいビジネスの改善には役立てられていない、といったことがあるかもしれません。 しかし、実はアンケートデータは、様々な分析手法を利用することで、ビジネスやサービスの改善のための具体的なアクションにつながるヒントを得ることができます。 そこで、こちらの記事ではアンケートデータを分析する上で欠かせない、5つの分析手法を簡単に紹介させていただきます。 アンケートデータの基本情報 アンケ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Appleの移動データを加工したらわかった東京の厳しい現実 こんにちは、Exploratoryの白戸です。 Appleは新型コロナウイルスの対策支援として、Appleマップでの経路検索をもとにした移動傾向のデータを公開しています。ところが、残念ながらこのデータはそのままでは簡単に可視化できるようなフォーマットになっておらず、ちょっとした加工を行う必要があります。 しかし逆に、加工の仕方さえわかってしまえばそれぞれの都市や地域の移動データを可視化することで、恐怖を煽るばかりのマスコミからは見えてこない現状を理解することができるようになりま

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? データの可視化シリーズ 第16弾 - バブルチャート: 2つの数値型の列の関係を集計してから可視化する こんにちは Exploratoryの白戸です。 前回は、散布図に「色で分割」と「繰り返し」の機能を使って、グループ(またはカテゴリー)ごとに2つの数値データ間の相関関係を可視化して、より細かくみていきました。 今回は、データをグループ(またはカテゴリ)ごとに集計した上で、数値データ間の関係を可視化したい時に使える、「バブルチャート」を紹介をします。 使用データ 今回から、EDA Salon でも使用している、世界の大学ランキングのデー