日頃、マーケティングに携わっている方々はExcelと格闘する機会も多いかと思います。しかしExcelとにらめっこしても顧客の顔は見えてきません。今回は鉄板マーケティングツールをご紹介。顧客が自社のサービスをどんな風に使っているのか可視化してくれる、選りすぐりのマーケティングツールを11個網羅します。 １. HubSpot HUBSPOTは自社のサイトにユーザーが能動的に来てもらうための施策を、ブログメディアを中心に構築できるサービスです。ブログ構築だけでなく、顧客の動向を調査できる分析ツールやメールマガジン管理ツールなど様々な機能がオールインワンで提供されています。コンサルティングも充実しており、世界的に利用されています。 → HubSpot 種類: インバウンドマーケティング支援ツール 無料期間: 30日間 価格: 200〜2,400$/月 + Options ２. KAIZEN Pla

「意識のハードプロブレム」とは何かご存知だろうか。端的に言うと「物質である脳が、どのようにして非物質である意識体験を生み出しているのか」という脳科学の未解決問題のことだ。哲学者のデイヴィッド・チャルマーズによって1994年に提唱され、それまで神経科学的な分析によって意識に関する謎はすべて解けたと考えていた研究者たちに大きな衝撃を与えた。 彼らが解決済みだと考えていたのは、あくまで「脳内で情報がどのように処理されているか」という機能的な問題だけであり、「意識はなぜどのように生じるのか」というもっとも根本的な問題は、実は手つかずのままだった。いや、科学者たちはあえて目を背けていた、というのが正しいかもしれない。 意識の科学的な起源に関する問いは300年以上をさかのぼり、18世紀初頭ライプニッツは次のように述べている。 視覚や聴覚などの感覚意識（中略）が、どのような力学的な仕組みから形成されるの

今回は「ほぼＲしか使ったことがない」人間*1が、できる限り二者の優劣をくっきり述べる。 僕はほとんどＲしか使ったことがない。Pythonはtfidfやクイックソートをライブラリ無しで実装した程度。 前半の主張は以下である。 「過去のＲでの１０回程度の解析において、Ｒで不十分さを感じてPythonを使った経験は１度だけ、しかも部分的にしかなかった。Ｒの使いにくさを感じることも最近はだいぶ無くなった。だから初学者には「事足りる」Ｒを勧める。」 前半の主張 今までにＲでやった解析の内容は大体以下である。 （未発表）は途中で頓挫した、もしくは現在進行中／契約により詳細＆解析結果の公開不可能のプロジェクトである。 [ビジネス・製造業] 米国新車価格の線形重回帰分析（授業の期末課題） [ビジネス・不動産] 不動産賃貸価格の線形重回帰分析（発表スライド） [ビジネス・ＩＴ] ＥコマースサイトのＡＲＩＭＡ

May 1, 2015Download as pptx, pdf45 likes17,845 views

マイクロソフト、Javaで開発されたWebアプリの応答速度、要求数、セッション数、クライアントの分析などさまざまなメトリクスを把握する「Application Insights SDK for Java」発表 マイクロソフトは、.NETアプリケーション対応のWebアプリケーション分析サービス「Visual Studio Application Insights」を、Javaでも利用可能にする「Application Insights SDK for Java」を発表しました。 Application Insightは、Webアプリケーションのパフォーマンスや可用性、ユーザーがどのようにアプリケーションを利用しているのかなど、さまざまなメトリクスを取得し視覚化するサービス。 開発者がWebアプリケーションをデプロイすると、すぐにそのアプリケーションの性能やユーザーの使い勝手などのフィードバッ

トレジャーデータの分析エンジンを採用した「Yahoo! ビッグデータインサイト」提供開始。月1000万件60回クエリまで無料のプランも。IDCフロンティア Yahoo! ビッグデータインサイトは、IDCフロンティアのクラウド基盤にfluentdやトレジャーデータのtd-agent、バルクアップローダーなどによってクラウドデータを収集、保存し、Hadoopなどの分散処理システムを組み合わせたトレジャーデータのデータ分析エンジンでデータの分析を行えるもの。 分析した結果はSQLやPig、REST API、ODBC/JDBCなどで得ることができます。分析処理基盤の性能はIDCフロンティア側でつねに最適化を行い、またデータは3重コピーによって保管されています。 利用者はビッグデータのためのインフラや分析ツールの構築や維持費用の手間を省け、数百億件ものデータであってもクラウド上の分散処理基板を活用し

OutOfMemoryError の対応方法/Heap 分析ツール(MAT)の使い方 1. Copyright (c)2014 ITOCHU Techno-Solutions CorporationCopyright (c)2014 ITOCHU Techno-Solutions Corporation OutOfMemoryError の対応方法 / Heap 解析ツール(MAT)の使い方 ソリューションビジネス部 橋本 和俊 2014/6/24 2. Copyright (c)2014 ITOCHU Techno-Solutions Corporation はじめに • 発表する内容は個人の見解であり、所属する組織の公式 な見解ではありません。 • 資料の内容は正確を期するよう注意しておりますが、妥 当性や正確性について保証するものではありません。 • 資料に関しては以下の環境において

リクルートキャリアさんのサンカク( http://sankak.jp )とCodeIQ( https://codeiq.jp/ )との合同ワークショップの講義資料です。 アドテク領域、特にDSP(Demand Side Platform)でどのように機械学習が使われているか、その実態をアルゴリズム・システム・ビジネスの観点でお話ししました。 (2017.9.14) まだ第3回・第4回参加受付中です！ サンカク： https://sankak.jp/event/smn_ai2 CodeIQ： https://codeiq.jp/q/3412

Google、大規模データをリアルタイムに分析できるクラウドサービス「Google Cloud Dataflow」を発表。「1年前からMapReduceは使っていない」。Google I/O 2014 大規模分散処理のフレームワークとしてGoogleが開発し、Hadoopに採用されて広く使われているMapReduce。しかしGoogleはもうMapReduceを使わず、より優れた処理系の「Google Cloud Dataflow」を使っていることが、Google I/O 2014の基調講演で明らかにされました。 GoogleのシニアバイスプレジデントUrs Hölzle氏は、「エクサバイトのスケールまで扱え、パイプライン処理を記述しやすく最適化もしてくれる。それにバッチもリアルタイム分析も同じコードで記述できる」と、Cloud Dataflowの特長を説明します。 Google I/Oの

要点 金融市場の売買注文板情報に2重の層構造を発見 アインシュタインの揺動散逸関係を市場変動でも確認 概要 東京工業大学大学院総合理工学研究科知能システム科学専攻の高安美佐子准教授と由良嘉啓大学院生は，チューリッヒ工科大学のディディエ・ソネット教授、ソニーCSL シニアリサーチャー・明治大学客員教授の高安秀樹氏と共同で、ドル円市場の高頻度売買注文板データ（用語1）を分析し、取引価格の周囲の売買注文量の増減に特徴的な２重の層構造があることを発見した。 具体的には、取引価格に近い内側の層が価格変動を駆動する揺動力となり、外側の層は変動を制動する散逸作用を持つことを明らかにした。さらに、アインシュタインが発見した揺動散逸関係（用語2）が非物質系でも成立していることを初めて実証した。 これまで売買注文板データはデータ量が膨大なため解析が難しかったが、この研究により分析の道筋ができたことになる。今後

財務省が発表した1月の貿易統計は、貿易赤字が過去最大の2兆7900億円という少々ショッキングなものになりました。世の中には、貿易収支をめぐって様々な誤解があります。論点整理もかねて3つほど列挙してみました。 誤解その1　貿易赤字は絶対的に悪だ　貿易赤字が増えると、何としてもこれを改善しなければならないという議論になりがちです。しかし、必ずしも貿易赤字が悪いことであるとは限りません。家計の赤字・黒字とは異なり、貿易収支での赤字・黒字は単に貿易の差額を示しているにすぎないのです。どのような環境で貿易赤字になるのかで、それがいいことなのか、悪いことなのかは変わってきます。貿易赤字が続いていても、順調に経済成長できる国も存在します。赤字が是か非かという議論の前に、今の日本経済の状況をよく分析する必要があるわけです。 誤解その2　貿易赤字は放っておいて良い　それでは、現在の日本で貿易赤字を放置してよ

製品 Toggle sub-navigation 概要 Tableau Next Toggle sub-navigation Tableau Semantics Tableau Cloud Tableau Server Tableau Desktop 最新リリース カスタマーストーリー Toggle sub-navigation カスタマーストーリー コミュニティストーリー ソリューション Toggle sub-navigation 業種別 Toggle sub-navigation 金融サービス 医療・ライフサイエンス 公共機関 Retail and Consumer Goods Communications and Media Manufacturing 役割別 Toggle sub-navigation ビジネスリーダー データリーダー/IT リーダー アナリスト 開発者 マーケティ

googleさんやマイクロソフトさんは「次の10年で熱い職業は統計学」と言っているようです。またIBMは分析ができる人材を4,000人増やすと言っています（同記事）。しかし分析をするときの基礎的な学問は統計学ですが、いざ統計学を勉強しようとしてもどこから取りかかればいいか分からなかくて困るという話をよく聞きます。それに機械学習系の本は最近増えてきましたが、統計学自体が基礎から学べる本はまだあまり見かけないです。 そこで今回は、統計学を初めて勉強するときに知っておいた方が良い10ポイントを紹介したいと思います。 1. 同じ手法なのに違う呼び名が付いている 別の人が違う分野で提案した手法が、実は全く同じだったということがあります。良く聞くのは、数量化理論や分散分析についてです。 数量化理論 数量化I類 = ダミー変数による線形回帰 数量化II類 = ダミー変数による判別分析 数量化III類 =

なんか、2/6 の夜に「修士論文の代わりに退学願を提出してきた」が Twitter でばずったらしく、Yahoo 砲よろしく突如としてアクセスが集中しました。下の方にリソースモニタリングのグラフを貼りつけてますが、今までがほぼ 0 に見えてしまうくらいに来てたのでびっくりでした。 まぁ色々コメントつけて頂いたりしてますが、もう2 年も前なんでこのエントリについて今更僕から突っ込むことは無くて、あのエントリはあのエントリとして見て頂ければと思います。ここでは今回そんな突然のアクセス集中にも見事耐えてくれたさくら VPS に感謝しつつ、アクセス集中の状況を鯖管的立場から分析してみましょう。 ちなみに、以前エントリに書いていますがサーバの構成としてはさくら VPS1 台で、CentOS+Apache+mod_fastcgi+PHP-FPM+MySQL5.5(InnoDB)で WordPress

752万人。ネッテレイティングス発表の2010年3月のTwitterユーザー数です*1。利用者の増加もあり、企業でのTwitter活用事例も増えてきました。しかし分析手法に関してはそれほど語られていません。 自社あるいは競合商品がどのように言及されているのか？ Twitter経由のサイトへの流入数とコンバージョン数は？ 自アカウントはどのように評価すればよいか？ Twitterから情報をどのように取得して無料で分析するか？これが、本記事の内容です。 Twitterはユーザーの素直な声が溢れている情報の宝庫です。例え自社アカウントを持っていなくても、自分達のサービスや業界に関する、幅広い意見が存在します。これをマーケティングに使わない手はありません。 長文ですのでお時間がある時にどうぞ。 目次 1.Twitterの情報取得 1.1つぶやき情報 1.2アカウント情報 1.3アクセス解析情報 2