基幹システムが劣化するとデータ分析が栄える - 設計者の発言
現在、IT系の仕事の中でデータアナリストは高い人気を博している。大手を含めて日本企業の大多数は情報活用が出来ていないので、データアナリストやその志望者にはブルーオーシャンが広がっているように見えるかもしれない。しかし、情報の分析・活用の現場で欠けているのはデータ分析のスキルではない。豊穣かつ正確なローデータ（分析用の生データ）の供給源となるべき「まともな基幹システム」である。 「いや、だからこそ分析基盤の整備から始める必要があるんです」とデータアナリストは語るかもしれない。そんな彼らにはあらためて"garbage in, garbage out"の格言を送りたい。garbage（ゴミ）を手間暇かけて整形しても、そこから得られる分析結果は「整形されたゴミ」でしかない。基幹システムがポンコツである限り、分析基盤をいかに充実させても効果は出ない。かつてビッグデータという言葉があったが、企業が抱え
野球のデータモデル：一球速報からペナントレースまで - 設計者の発言
WBCが楽しかったので、野球のペナントレースを表すデータモデルを考えてみた。まずは基礎となる球団や選手、およびそれらの年次成績（年次サマリ）の関係を見てほしい（図１）。 図１．基本情報のデータモデル 年次サマリには「セパ別年次サマリ」、「球団別年次サマリ」、「選手別年次サマリ」の３種類あるが、これらのうち「選手別年次サマリ」の主キーが｛選手№＋年｝ではなく｛選手№＋所属開始日＋年｝となっている点に注意してほしい。この主キーは「所属球団」の主キー｛選手№＋所属開始日｝に＜年＞を複合させたものだ。これはシーズン中の移籍にともなって成績がリセットされるためである。つまり、選手の年間成績は「所属球団」を年で展開した定義域に関数従属する。 ３つの年次サマリには集計項目（カッコ付きは論理フィールド*1であることを示す）がいくつか載っているが、その集計過程を説明しよう。「セパ別年次サマリ」上の＜試合数＞
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
処理を実行中です
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
