『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
データ分析における仮説と妄想、アイドル大杉な紅白とAKB・ハロプロのCD売上の因果関係を分析してみた
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
あるスーパーマーケットに見るPOSデータ分析の実践
さまざまな利益指標とPOSデータを連動させる 企業経営の目的が、企業のゴーイングコンサーン（※）である以上、適正な利益を獲得し続けることがあらゆる経営努力の最終成果物として最も重要であることは論をまたないだろう。ここでいう利益とはもちろん税引後当期利益のことであるが、それに至るためにさまざまな利益指標が設けられている。 （※）企業などが将来にわたって、無期限に事業を継続し、廃業や財産整理などをしないことを前提とする考え方（＠IT情報マネジメント用語事典）。 各利益指標の算出方法 粗利益高＝売上高－売上原価 営業利益高＝粗利益高－コスト 税引後当期利益＝営業利益高－営業外損益－特別損益－税 これらの変数をコントロールすることで利益が出てくるわけだが、この部分にPOSデータを活用する意義がある。これから紹介するのは、POSデータとこれらの指標とを組み合わせて経営効率を向上させたスーパーマーケッ
すかいらーくが業務部門主導でデータ活用に挑む理由は基幹系と情報系でマインドセットが異なるから | IT Leaders
IT Leaders トップ ＞ 経営課題一覧 ＞ データ活用 ＞ インタビュー ＞ すかいらーくが業務部門主導でデータ活用に挑む理由は基幹系と情報系でマインドセットが異なるから データ活用 データ活用記事一覧へ [インタビュー] すかいらーくが業務部門主導でデータ活用に挑む理由は基幹系と情報系でマインドセットが異なるから 2014年11月19日(水)緒方 啓吾（IT Leaders編集部） リスト 徹底したデータ分析を、新メニューの開発やマーケティング施策の立案に役立てている、すかいらーく。同社では、業務部門のデータ分析専門チームが、インフラの整備から、データのマネジメントまでをこなしているのが特徴的だ。なぜ、そうしたアプローチを採っているのか。チームを率いる神谷勇樹氏に話を聞いた。 株式会社すかいらーく マーケティング本部 インサイト戦略グループ ディレクター ――すかいらーくでは、デ
KDDI、三重県と大規模な「HEMS」導入実験--電力データからクーポン配信
KDDIは9月1日、三重県桑名市の協力のもと、家庭の電力データを利活用する「HEMS」（Home Energy Management System）のトライアルを2015年4月から実施することを発表した。約3500世帯のモニターの家庭にHEMSを導入し、電力の使用状況を可視化するほか、電力データをもとに広告やクーポンなども配信する予定だ。 経済産業省は、民間主導によるHEMSの普及促進や、電力データの利活用を推進する「大規模HEMS情報基盤整備事業」を展開する。NTT東日本、KDDI、ソフトバンクBB、パナソニックの4社を幹事とする計20社からなるコンソーシアムと連携して、全国約1万4000世帯のモニターに対してHEMSを導入し、各家庭の電力データを一元的にクラウド管理する情報基盤システムを構築する予定だ。 KDDIは、桑名市で約3500世帯のモニターの家庭にHEMSを導入する。専用のタブ
A Complete Python Tutorial to Learn Data Science from Scratch
Introduction It happened a few years back. After working on SAS for more than 5 years, I decided to move out of my comfort zone. Being a data scientist, my hunt for other useful tools was ON! Fortunately, it didn’t take me long to decide – Python was my appetizer. I always had an inclination for coding. This was the time to do what I really loved. Code. Turned out, coding was actually quite easy!
Amazon Redshiftの分析対象とするデータの設計／加工のポイント
……とは言うものの、今回はまだRedshiftに本格的には踏み込みません。Redshift分析環境にインポートし、実際に分析対象としてアクセスする『データ』（ファイル）に関する部分について、やらなければいけないこと、気を付けるべき点を中心に話を進めていきます。分析環境の構築と同様に大事な点であり、労力を掛けるべき点であると個人的に考えている部分です。 分析テーマをピックアップ 今回のようなビッグデータ分析環境を構築するとなった場合、まず間違いなく分析環境を構築するための『元ネタ』ありきで話が進んでいるものと思われます。『現在稼働中の△△△システムで日々生成されている◯◯データや※※※のログをこういう風に見てみたい／分析して業務に役立てたい』『今度リリースする◯◯のシステムで、こういう情報が取得、生成されるのでそのデータを分析してみたい』などです。 そのような環境の場合、先行してまずは1つ『
アンケート回収率向上方策 に関する実験研究 ∼MM参加率向上方策のための基礎的検討∼ 東京工業大学大学院理工学研究科 萩原 剛 太田裕之 藤井 聡 背景 モビリティ・マネジメント（MM）�
アンケート回収率向上方策 に関する実験研究 ∼MM参加率向上方策のための基礎的検討∼ 東京工業大学大学院理工学研究科 萩原 剛 太田裕之 藤井 聡 背景 モビリティ・マネジメント（MM）とは、 自主的な交通行動変容を促すための コミュニケーション施策の総称 マス・コミュニケーション （テレビ・ポスター・広報誌） アンケート に着目 ワークショップ 比較的安価に・多くの人に接触できる 接触者に占める参加者の割合 （アンケート回収率）が低い 既往研究より、 「丁重な調査依頼」「事前報酬の供与」等の 「工夫」によって回収率向上は可能 本研究の目的 MMにおいて 重要なコミュニケーション・ツールである アンケート調査の 回収率向上に影響を与える要因を 3種類の調査より 実証的に検証する。 実験方法 同じ調査票の調査票に、 回収率向上のための工夫を加えて、 回収率の差異を検証する
クラウドワークスがマサチューセッツ工科大学と共同研究--特設サイトも
クラウドワークスは2月18日、米国のマサチューセッツ工科大学（MIT）とクラウドソーシングに関する共同研究を開始したことを発表した。これにあわせて、研究内容を発信するための特設サイト「クラウドワークスリサーチ」を開設した。 エンジニアやデザイナーに特化したクラウドソーシングサービス「クラウドワークス」は、1月時点で累計発注社数が約2万3000社、会員数は12万人におよぶという。また、2012年3月のサービス開始から約1年8カ月で、月間流通総額は20倍以上に成長しているそうだ。 クラウドワークスでは、MITの経済学者と連携し、クラウドワークスの受発注者の利用動向を分析することで、より良い労働の制度設計を実現するための共同研究を実施する。プロジェクトチームによる基礎研究は2013年より始まっており、クラウドワークスが昨年実施した手数料の無料化を題材に、手数料の変化による仕事量や質、ユーザーアク
ホットリンクとホットリンクコンサルティング、ソーシャル・ビッグデータを活用した予兆発見・分析ソリューション 「予兆@分析官」 の提供を開始｜#ホットリンク
ホーム お知らせ ホットリンクとホットリンクコンサルティング、ソーシャル・ビッグデータを活用した予兆発見・分析ソリューション 「予兆@分析官」 の提供を開始 お知らせ ホットリンクとホットリンクコンサルティング、ソーシャル・ビッグデータを活用した予兆発見・分析ソリューション 「予兆@分析官」 の提供を開始 リリースサマリー 株式会社ホットリンク（代表取締役社長CEO：内山 幸樹、本社：東京都千代田区）と株式会社ホットリンクコンサルティング（代表取締役社長：成瀬功一郎、本社：東京都千代田区）は、1月16日（木）、ソーシャル・ビッグデータを活用して予兆を発見・分析するサービス 「予兆＠分析官」 を開発し、第一弾として 「ヒットする食の予兆発見分析サービス」 を食品メーカー、および流通企業への提供を開始しました。 リリース詳細 食および食品に関する情報は、ソーシャルメディアで最も多く共有され、今
kaggleで予測モデルを構築してみた (5) - Rで行うMultipleImputation - About connecting the dots.
ということで，前回で触れたように，データの前処理を実際に行っていきたいと思います．その中でも今回は，欠損値補完についての話をしていきます． 今回のデータでは，NAが含まれているageのデータを補完する必要があります．とはいえ，欠損値を補完するにもいくつか方法があって，どの補完を行うのが妥当かというのを考えなければいけません．そこでまず，欠損値がどういう性質を持っているかについてみていきましょう． 欠損のメカニズム 欠損のパターン データの欠損には大きく分けて3つのパターンがあります． Missing Completely At Random(MCAR)：完全にランダムに欠損が生じているもの Missing At Random(MAR) ：データ欠損が，データに含まれるほかの変数と関連はしているが，その影響を取り除いた自分自身の値とは関連していないもの Missing Not At Rand
初公開！IBM辞めたギックスの3人はこうやってビューカード400万会員のデータを分析している
こんなに早く、第3弾の記事を書くことになるとは思わなかった──。今回の「記者の眼」は、2013年4月11日と7月18日に書いた2つのリポートの続きである。 私は以前このコラムで「IBM辞め起業したデータ分析の三銃士、顧客のビューカードは彼らの「CMO代行業」に期待」と「IBM辞めたデータ分析の三銃士がビューカードに入り込んで5カ月、何が変わったか社長に聞いた」という2つの話を紹介した。 内容を一言で言うと、2012年末に日本IBMをそろって退社した3人組が、ギックスというベンチャー企業を立ち上げ、「CMO（最高マーケティング責任者）代行業」という新ビジネスを始めたというものである。そしてこの無名のベンチャー企業に、JR東日本グループのクレジットカード会社であるビューカードがいきなりクライアントとしてつき、クレジットカードのデータ分析支援を始めたことを、過去2回の記事で報告してきた。 特に2
自由回答データを定量的な切り口で分析するには？ ― ＠IT情報マネジメント
Webなどを通じて、顧客や利用者の意見を集めることが簡単にできるようになってきた。しかし、非定型の自由回答データは非常に有意義な意見を得ることができる反面、分析するのに手間が掛かる。手軽に定量分析する方法はないだろうか？ Webや電子メール、ケータイの普及で、幅広くさまざまな意見を募ることが安上がりにできるようになってきました。最近ではブログやSNSなどのCGMと呼ばれる口コミ系メディアも花盛りです。 Webアンケートも広く行われていますが、アンケートの回答は「出題側の仮説に影響される」という制約があり、“意外な発見”にはなかなか結び付きません。 一方、メールなどで寄せられる自由回答や意見・要望はそうした制約もなく、何かビジネスのヒントがありそうですが定量的な分析ができないという弱みがあります。せいぜい分析者が文章を読んで主観的に解釈するぐらいにしか活用していないのではないでしょうか？ あ
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
DataScienceCentral.com - Big Data News and Analysis
https://blogs.oracle.com/utilities/post/2014/07/data-algorithm-smart-grid-without-smart-meters/
香港政府機関、ビッグデータの視覚化と予測分析により、住民への対応を効率化 - 日経BigData
http://www.nri.com/jp/event/mediaforum/2010/pdf/forum128.pdf
すかいらーくグループ様・導入事例公開 | クラスメソッド株式会社
https://www.gartner.com/doc/reprints?id=1-1QXWE6S&ct=140219&st=sb.
ドリコムの分析環境とデータサイエンス活用事例
Decide.com Adds Children's Products to Its Lineup of Products It Tracks