[B! 分析] syuu256のブックマーク

ソシャゲ分析講座　基本編（その１）：「売上の方程式」を理解する - Real Analytics （リアルアナリティクス）

最近は業務で、ソーシャルゲームの分析＆改善施策の提案を行っています。そこで、本ブログではミニ連載という形で、ソーシャルゲームの分析手法について紹介をしていきます。基本編は8回程度を予定しており、好評であれば応用編も書きます。第1回は基本的な指標から見ていきましょう。 ■過去の連載記事ソシャゲ分析講座　基本編（その１）：「売上の方程式」を理解するソシャゲ分析講座　基本編（その２）：「DAU」を理解するソシャゲ分析講座　基本編（その３）：「継続率」を理解するソシャゲ分析講座　基本編（その４）：「スペンド率」を理解するソシャゲ分析講座　基本編（その５）：「ARPPU」を理解するソシャゲ分析講座　基本編（その６）：「4つのステージとKPI」を理解するソシャゲ分析講座　基本編（その７）：「イベントの分析」を理解する（前編）ソシャゲ分析講座　基本編（その８）：「イベントの分析」を理解す

syuu256 2015/03/09

KPI
分析

リンク

ゲームユーザーの行動分析に基づき、売上向上のための有効な施策を立案 | Good Game presented by IBM

syuu256 2015/03/09

リンク

開発者がビッグデータ分析にPythonを使う時によくやる間違い | POSTD

システムの構築、新しい技術の習得、PythonやDevOpsなどに情熱を注ぐソフトウェア開発者です。現在はチューリッヒを拠点とするビッグデータのスタートアップで働いており、データ分析およびデータ管理ソリューションのためのPythonの技術を磨いています。 1 はじめに Python は開発時間を短縮できるという点で一般的に評価の高い言語です。しかし、Pythonを使って効率よくデータ分析をするには、思わぬ落とし穴があります。動的かつオープンソースのシステムであるという特徴は、初めは開発を容易にしてくれますが、大規模システムの破綻の原因になり得ます。ライブラリが複雑で実行時間が遅く、データの完全性を考慮した設計になっていないので、開発時間の短縮どころか、すぐに時間を使い果たしてしまう可能性があるのです。この記事ではPythonやビッグデータで作業をする時に、最も時間を無駄にしがちな事柄につ

syuu256 2015/02/27

リンク

ビッグデータ時代の注目職種「データ・サイエンティスト」の第一人者がNYで学んだ、適者生存の極意【匠たちの視点】 - エンジニアtype | 転職type

アクセンチュア株式会社　テクノロジーコンサルティング本部アナリティクスインテリジェンスグループ統括　シニア・プリンシパル工藤卓哉氏慶應義塾大学を卒業しアクセンチュアに入社。コンサルタントとして活躍後、コロンビア大学国際公共政策大学院で学ぶため退職。同大学院で修士号を取得後は、ブルームバーグ市長政権下のニューヨーク市で統計ディレクター職を歴任。在任中、カーネギーメロン工科大学情報技術科学大学院で修士号の取得も果たす。2011年に帰国し現職に。Accenture SAS Analytics Group数理統計アーキテクト顧問委員会でアジア太平洋地区代表顧問も務めるデータ・サイエンティストは統計データを分析するだけの仕事ではないデータ・サイエンティスト。日本ではおそらく1000人に満たないであろう、この職に就くのはどのようなタイプの人間なのだろうか？外界との接触を好まない象牙の

syuu256 2013/03/22

リンク

データサイエンティストではない人に知っておいて欲しい事 - hotokuとは

統計を専門にしている訳ではない人と話していて感じた違和感があったので、書き留めておきたい。疑うべき順番はモデル → 推定法データ分析をしていれば、当然、期待を掛けたモデルのデータへの当てはまりそうが悪いという事が度々ある。こういう時、統計屋さんとして自然に浮かぶのは「モデルが間違っている」という発想である。と思うのだが、非統計屋さんと話していると、このような時に「別の推定法を試してみたらどうだろう」と言われる事がある。多分、目の前のモデルに対する過度の期待から来るのだろうと思うが、このような態度では統計的に見ると妥当性を欠いた分析をしてしまう危険を孕んでいる。ひとつの事例とある線型状態空間モデルのパラメータを推定した所、どうしてもデータに合わない部分があった。実は、それが合わない理由は簡単で、ある潜在変数は常に正であるはずなのだ。線型状態空間モデルでは、潜在変数の分布は正規分布で

syuu256 2012/12/22

リンク

UMLを使った既存システムの分析

UMLで表現する分析のためのモデリング今回紹介する表現方法は、分析の手法として活用するものです。つまり「調べる⇒分析する⇒結果を記述する」という流れではなく、「調べる⇒記述する⇒分析する」というサイクルを前提にしています。限られたアイコンを使い、パターンに従って記述することが分析につながります。個々の要素をつなげる、分類するという行為を繰り返すことが、対象を深く知ることになるのです。ポイントは、間違っていてもいいので、とにかく記述することです。間違いは気づいたときに直せばいいのです。以下に表現方法を紹介しますが、結果を整理するのではなく「書きながら考える」ということを意識しながら使ってください。そうすると、少数の記号と決まったパターンで表現することの価値を実感できると思います。表現方法システムの地図は6種類のデータと2つのモデルで表現します。誰に：　　「アクター」、「外部システ