「施策デザインのための機械学習入門 データ分析技術のビジネス活用における正しい考え方」 読んだ - 糞糞糞ネット弁慶
施策デザインのための機械学習入門〜データ分析技術のビジネス活用における正しい考え方 作者:齋藤 優太,安井 翔太技術評論社Amazon 著者よりご恵贈いただきました．いくつか読むべき本があったのですが，社内で読書会をするために優先して読みました．感想を書きます． 著者は当時学部生とは思えないスピードでトップカンファレンスに論文を通している齋藤優太氏とサイバーエージェントにて機械学習と経済学 (特に因果推論) の研究を行っている，「効果検証入門」の著者でも知られる安井翔太氏．監修はホクソエム社． 第一線で活躍する若手研究者が日本語で本を書くことがどんなに貴重か (一部の研究者が「日本語の原稿や国内学会は業績ではないので意味がない．運営負荷も高いために縮小・廃止すべきだ」「日本語の専門書は不要であり，原著を読める人間だけが読めばいい．」と主張している背景があります) という話をしても一部の人に
データ分析のマネジメント論１：データ分析組織とは何か｜Jun Ernesto Okumura
この記事について以前、個人のデータキャリアを振り返る記事を投稿しました。この記事ではN=1のエピソードを書くことでアナリストキャリアの解像度を多少でも上げることを目的としていましたが、その後マネジメントを続けていく中で、また社外のアナリストの方々と話す中で、データアナリストの評価や育成について考える時間が増えました。 そもそも、データアナリストの評価基準はまだ様々な議論があり定まっていないような気がします。データ分析は「データを使って意思決定をサポートすること」という方向性は納得されていても、何を持ってその状態が達成できているかが言語化されていないために、組織としてあるべき姿やメンバーの動き方が定義されていない、という背景があるかもしれません。 加えて、意思決定の価値を定量化することは難しいです。チームの分析活動をROIで表現しづらかったり、それとなく成果を出していて周りからの信頼も厚けれ
同僚30人にSQLの講義をしたら起きた3つの変化｜gami | エンジニア
PLAIDでProduct Specialist Engineerをしている @jumpei_ikegami です。 私はテクニカルサポートを中心に色々やってるエンジニアなのですが、ひょんなことから社内のビジネス系メンバーにSQLを教える2ヶ月間の学習プログラムを作ることになりました。 社内ビジネスメンバー向けのSQL教育を数ヶ月続けて累計30人くらいに学んでもらったんですが、その一部メンバーが普通にSQL使って軽い分析や可視化や社内オペレーション自動化などしててすごい。 やはり課題感がある当人たちにデータ分析スキルが備わると最強。想像以上の効果。全人類SQL学ぼう。 — gami@デジタル教育系YouTuber兼エンジニア (@jumpei_ikegami) February 24, 2021 このプログラムを2020年9月から始めてすでに半年が経過し、受講してくれたメンバーも累計で30
数値感
数値感ってのが自分の中にある。これは実験計画を立てる際に必要なサンプルサイズを算定し、対照群/介入群の前提を整理して複数ある手法から適切な効果検証方法を選択し実施する、というような統計的知識の活用といった類のものではなく、より原始的なものだと認識している。原始的ではあるが、数字を扱いながら仕事をする上で自分が大事だなぁと思っている事。しかし誰かに伝えようとすると結構ぼんやりしているので一度書き出してみる事で自分の中でも整理したい。 なんとなく「正しく数字を比較できる」という要素かなぁと思ったのでコレについて書く。 正しく数字を比較できる こう表現するとかなり原始的に見えるんだけど、実は結構難しいと思うし自分もまだまだできていないタイミングがあると思う。 何かを決める際に行う数字比較は、こと商売を運営していく際、様々な場所で行われる所作。もちろん気合で決める場合もあるといえばあるんだけど、数
データアナリストの成長段階｜Jun Ernesto Okumura
自己紹介私は現在、マッチングアプリのPairsを運営するエウレカという会社でデータ組織のマネジメントを行っています。役割としては、BIチーム（データアナリストチーム）、AIチーム、Data Managementチーム（データ基盤チーム）の3チームの戦略推進が主になります。実際どのようなことをしているのかは以下の記事をご覧ください。 この記事について 今回記事を書こうと思ったきっかけは、データアナリストのキャリアについて自分の考えをまとめたかったからです。「データを使って意思決定に貢献する」「データからインサイトを得る」…と多くの組織がデータ分析に注力している中で、分析者であるところのデータアナリストが実際どのようなキャリアを歩んでいるかは、まだ情報が少ない印象を持っています。 そもそも「データアナリスト」という役職から想像される人物像は組織によってバラバラです。指標をレポートする人、データ
データ活用の知見や困り事を共有する「突撃! 隣のダッシュボード」会をやっている話 - Hatena Developer Blog
こんにちは。MackerelチームにおいてCRE（Customer Reliability Engineer）をしているid:syou6162です。主にカスタマーサクセスを支えるデータ基盤の構築や、データ分析を担当しています。 最近、はてな社内のさまざまなチームでデータ活用が進んでいます。しかし、そういったデータ活用の知見は、それぞれのチーム内でとどまってしまいがちです。この記事では、チームを横断したデータ活用を推進するため、昨年の秋から開催している「突撃! 隣のダッシュボード」という会の企画を紹介します。 データ活用についてラフに議論できる場所 ダッシュボードの事例：種類といくつかの観点 ダッシュボードの設計という観点から ダッシュボードの作成という観点から ダッシュボードの活用という観点から ダッシュボードの育て方 データ活用の課題感と解決に向けた動き データ活用の3つの壁とメンバー固
不正競争防止法 （METI/経済産業省）
◆注目情報 不正競争防止法逐条解説の最新版を公開しました。(2024年4月) 「外国公務員贈賄防止指針のてびき」の改訂版を公開しました。(2024年3月) 「外国公務員贈賄防止パンフレット」の改訂版を公開しました。(2024年3月) 「秘密情報の保護ハンドブック」の改訂版を公開しました。(2024年2月) 「限定提供データに関する指針」の改訂版を公開しました。(2024年2月) 「外国公務員贈賄防止指針」の改訂版を公開しました。(2024年2月) 不正競争防止法テキストを改訂しました。(2024年2月) 不正競争防止法 直近の改正（令和５年）について情報を更新しました。(2023年6月) 「データ利活用、限定提供データ」ページを公開しました。(2021年9月) ◆注目の公開資料 2021年2月公開 データ利活用の事例集 2020年6月公開 データ利活用のてびき:見開き版 / A4版 202
グロースハックに欠かせない指標North Star Metricとは？
プロダクトのグロースハックに、たった1つの指標、North Star Metricが必要な理由とは？North Star Metricの選び方と運用方法を、電通グロースハックプロジェクト 代表の上野雅博が解説します。<br>\r\n電通グロースハックプロジェクトとは、スタートアップ企業や大手企業の新規事業担当者向けに"現場主義"で事業成長支援を行う電通デジタルと電通横断の組織です。さまざまなフェーズでスタートアップ企業の成長を支援するチームとして展開しています。</p>\r\n"}}" id="text-9e4906c891" class="cmp-text"> プロダクトのグロースハックに、たった1つの指標、North Star Metricが必要な理由とは？North Star Metricの選び方と運用方法を、電通グロースハックプロジェクト 代表の上野雅博が解説し
最後まで読まれる記事を目指して - 数字が苦手なライターがデータを駆使して完読率アップに取り組んだ話｜tsutsumi
こんにちは。弁護士ドットコムでライター・編集者をしている堤です。 普段の業務では、法律トラブルで困った方々に向けて、トラブル解決のための法的な対処法を解説するネット記事を書いています（社内では「ガイドコンテンツ」と呼んでいます）。 このような記事です。 ガイドコンテンツの制作では、記事の量だけでなく質も重視しています。 記事の質にはいろいろな定義があると思いますが、弁護士ドットコムでは、「法的に正確な情報である」ということはもちろん、「ユーザーにとってわかりやすい記事である」ということをとても重視しています。 そのため、ガイドコンテンツの質をはかる指標の1つとして、記事の完読率（読了率ともいいます。記事を最後まで読んだ（スクロールした）ユーザーの割合）を採用しています。 完読率（%） ＝ 記事を最後までスクロールしたユーザー数 ÷ 記事を開いたユーザー数 × 100 私が所属する「ガイドコ
組織にデータビジュアライゼーションの文化を浸透させる | 株式会社AI Shift
こんにちは、AIチームの友松です。 本日はタイトルの通り、「組織にデータビジュアライゼーションの文化を浸透させる」までに行なったことをご紹介します。実際にここに至るまでは1年ほどの試行錯誤がありましたので失敗も含めて紹介させていただければと思います。また、今回紹介する例はあくまで一例であって全ての組織に通じるものでもないと思っていますのでご承知ください。 AI Shiftで利用しているデータビジュアライゼーションツール AI ShiftではデータビジュアライゼーションのツールとしてTableauを利用しています。TableauはExcel, CSVのようなファイルや、Google Spread Sheet, MySQL, BigQuery, Redshiftなどのデータベース/サーバーと接続することができ、直感的に可視化を行うことができます。Tableauは自分自身学生の頃から使用していて
【営業 データ分析】 448商談130受注/実際の解析結果と方法論。セールスはインサイトが投影された”熱い”データを使おう！｜中島佑悟
【営業 データ分析】 448商談130受注/実際の解析結果と方法論。セールスはインサイトが投影された”熱い”データを使おう！ ども、スタートアップで働くなかしま（@nakashimayugo）です。 先日、同業界の友人からこんな相談を受けました。 「インサイドセールスで案件化率の高い商談数を増やしたい。その為にデータを活用したい。」 その際に『(インサイド)セールスのデータの使い方』に色々と思う事があり、頭の整理もしたいなと思ったので、この記事で以下を書こうと思います。 1. セールスはデータを通じて何をしているのか？ 2. 448商談130受注を使って具体Howと結果で説明。 3. インサイトが投影された”熱い”データを設計する！ 少し長めの記事ですが、実際のデータを隠さずまるっと紹介して具体性を高めたつもりですので「あ、これ明日からやってみよう！」と少しでも参考になれば嬉しいです。 （
行政プロセスにデータ分析を取り入れるために知っておきたい知識と事例
2020年2月6日に開催された「令和元年度 政策評価に関する統一研修」（埼玉会場）の講義資料です。 (2020-02-09追記) 受講者以外の方々にもたくさんご覧頂いているようでありがとうございます。 注意点として、口頭での説明を前提とした資料であるため、スライド中の文章は最小限にとどめてある点ご了承下さい。
CTOの頭の中：技術を財務で表現する｜Shin Takeuchi｜note
会社の体制が大きく変わり、カオスの中に少しの静寂（暇）ができました。特に日々執行に勤しんでいる方々は皆そうだと思いますが、色んなこと考えているのにそのプロセスをアウトプットする機会があまりなく、結果や結論、最終的な決断のみが共有されるため、サクセッションプランに対する有効な情報を残すことも出来ていないことと思います。僕もその一人。 この時間を有効に活用するため、頭の中にあるイメージと考え方をここに、時間の許す限り吐き出していこうと思います。時折、言葉が足りないところも前提条件やバイアスの記述が足りないところもあるかと思いますが、混沌とした頭の中を曝け出すプロセスにはつきものですので、大目に見ながら読んでいただけると幸いです。 財務諸表と同じように見える化する会社は財務諸表によって経営されるものなので、経営者たるもの財務諸表を見ながら戦略を立てるべきであると僕は考えています。数字以外信じない
色んな会社の分析チームのことがわかりそうなリンクのまとめ｜樫田光 | Hikaru Kashida
データ分析チームは色んな会社に存在すると思いますが、そういった種々のチームの内情がわかりそうなリンクを会社ごとにまとめてみました。（随時更新） 会社研究などにお使いください。 mercari
アプリを成長させるためのログ取りとログ解析に必要なこと
シリコンバレーのスタートアップを数多く取材する中で気付いた「シリコンバレーにおけるディシプリン（規律）の存在」や「General Electric（GE）やIBM、SAPといった老舗企業が必死になってシリコンバレーのスタートアップを真似している理由」、そして「日本企業がイノベーションを実現するための処方箋」について解説します 詳しく知りたい場合は「GE 巨人の復活」をご覧下さい。 http://www.nikkeibp.co.jp/atclpubmkt/book/17/P55110/ 今後の記事は「シリコンバレーNext」をご覧下さい。 http://itpro.nikkeibp.co.jp/siliconvalley/
履歴テーブルからデータを取得するSQL | DevelopersIO
DI部の大矢です。こんにちは。 現在私は、Amazon Redshiftを使ったデータ分析システムの開発プロジェクトに参画しておりますが、 今回は、データ分析システムではよく出てくる「履歴テーブル」を扱うSQLについて書いてみます。 記載したSQLは、Amazon Redshift(1.0.1086)、PostgreSQL(9.5.3)で動作確認しました。 履歴テーブルとは 履歴テーブルとは、データを更新する際、元のレコードはそのまま残して、新たなレコードをinsertしていくようにしているテーブルです。 こうしておくと、過去の任意の時点でデータがどのような状態であったのか、調べることができます。 今回は以下のような「顧客テーブル」を例に使用します。 A社は社名を頻繁に変え、同時に引っ越しもしているようですね。 create table customer ( customer_id sma
データ分析N本ノックをやった結果 - コネヒト開発者ブログ
この記事はこの記事はコネヒト Advent Calendar 2019 14日目の記事です。 はじめに データ分析N本ノックとは 続けるうちに起こった変化 おわりに はじめに こんにちは！ママリ開発チームでアプリケーションエンジニアをやってるaboです。10日目に書いたばかりですが気にせず投稿します！ 今回は、コネヒトに入社してからデータ分析ツールに慣れるためにやったことのお話です。 前提として、コネヒトではRedash、Mixpanel、Google Analytics、Reproといったデータ分析ができるツールを導入しており、誰もがデータに触れられる状態になっています。これらのツールはフル活用していて、例えばRedashには現在60ダッシュボードと約3,000クエリ*1が存在しています。この「データの民主化」あたりについては、これらの記事で詳しく触れられているので興味がありましたらご覧
イベント「noteの躍進を支えた”定性と定量の甘い関係” 」の資料と動画を公開します｜樫田光 | Hikaru Kashida
こんにちはHikaru Kashidaです。 先日、noteを運営しているピースオブケイク社で、講演イベント「noteの躍進を支えた”定性と定量の甘い関係” 」を開催しました。 これは、noteの成長にそれぞれ違った面からコミットしている樫田（主に定量／データ／グロースなどを担当）と 深津 （主に定性／世界観／UXを担当）がそれぞれの立場からサービスを成長させるための考えを語るといったものになっています。 イベントで話す深津と樫田 手前はモデレータの松下（デザイナー） キーワードは「甘い関係」です。 世間の一部では、「定性と定量」というと"水と油"というか、相容れづらいもの・両立することが難しく互いにわかりあえないものとして一種の対立構造のように捉えられているフシがあるように思います。 しかし、僕も深津さんもこの対立構造については、本質的には無意味なものだと考えています。 noteではこの
データベースドキュメント管理システム dmemo のご案内 - クックパッド開発者ブログ
こんにちは、みんなのウェディングに出向中の小室 (id:hogelog) です。 今回はクックパッドとみんなのウェディングで利用しているデータベースドキュメント管理システム dmemo を紹介します。 https://github.com/hogelog/dmemo dmemo を作成し導入した経緯 私は2016年3月頃からみんなのウェディングで Redshift, bricolage, embulk, re:dash 等を利用したデータ分析基盤の構築を進めています。 (みんなのウェディングのデータ分析基盤の現状 - みんなのウェディングエンジニアリングブログ) 社内の誰でも扱えるデータベース、データの集約・計算・加工、ダッシュボードの作成、クエリの共有などは上記ブログ記事でも書いたように Redshift, bricolage, embulk, re:dash 等を組み合わせることで実現
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
プロダクトの成長を支えるKPI / KPIs for growing your product
