データから「最も愛してくれているお客様」を特定して売上高が10倍に成長。高級宿泊予約サイトの「一休.com」に聞く、データドリブンなプロダクト運営と顧客を絞る理由。 一休さんを取材しました。 株式会社一休 代表取締役社長 榊 淳さん、チーフディレクター 土屋 美佐子さん。⸺「一休.com」について教えてください。榊： 一休.comは「こころに贅沢させよう。」をコンセプトに掲げて、2000年に運営を開始した、高級ホテル・旅館の予約サイトです。 会社としては、消費者ニーズを捉えた事業を通して、世の中に「こころに贅沢」な時間を増やすことを目指しています。 例えば、プレミアムグルメの予約サイト「一休.comレストラン」や、贅沢体験をお届けする「一休.comスパ」など、様々なサービスを展開しています。 2012年から「データドリブン経営」を軸に、約10年で売上高が10倍以上に成長した。2024年3月

AWSのALB(Application Load Balancer)のログはS3に置かれるが、この中身をサクッと調べたいとき、Athenaを使う方法が標準的で、下記で案内されているようにパーティション射影(Partition Projection)でテーブルを作ってAthenaからクエリする。 パーティション射影を使用して Athena で ALB アクセスログ用テーブルを作成する - Amazon Athena 私も従来はその方法を使っていたが、Athenaはブラウザから使うと動作がもっさりしているし、決まったクエリを1回きり実行して結果を取得したいだけのときならまだしも、探索的にクエリを何発も実行したいときには使い勝手が悪い。 最近他のプロジェクトでDuckDBを使うようになって、使い勝手の良さに感動していたが、DuckDBはALBのログを探索的に調べたいときにもめっちゃ使えると思った

いぐぞー ✈️ 旅するプログラマー @igz0 旅とプログラミングをこよなく愛します。 アメリカ大陸🇺🇸を横断しました！！小学生からプログラミング→新卒SIer→Webに目覚め自社開発のWeb系エンジニア。テレビ出演経験あり。 個人開発者。読書・IT関連を中心にツイートします！！ネタツイート有。アイコンは@ixy先生に利用許諾済み。Amazonアソシエイト参加。 note.com/igz0/ いぐぞー ✈️ 旅するプログラマー @igz0 Twitter公式が「バズる」ツイートの法則を徹底的に統計解析して168ページの資料にした代物、SNSマーケティングやっているプロが全員廃業するレベルの化け物級の優良資料だった。 ちなみに無料。 SNSで「バズりたい」と思う人は全員これ読めばいいんじゃないかってレベル。 marketing.twitter.com/content/dam/ma… pi

ところてん @tokoroten 「リスキリングとかではなく、統計検定3級とMOSのExcelとITパスポートをホワイトカラー職の全員に取らせましょう」という話をしている ところてん @tokoroten 「人事部の仕事は研修プランを作ることだけじゃなくて、誰を社内の英雄にしてロールモデルにするかやぞ。 英雄を作れば、ヒエラルキーが自然と形成されて、勉強と昇進がリンクしていると思わせてくれるし『憧れ』は勉強の強い動機になる」 という話をしている ところてん @tokoroten 「統計検定3級と、ITパスポートは、いま高校生がやっている情報Iの範囲とほとんど被ります。つまりあなた方の社員は高校生が持っているはずのスキルが無いのです。だから、高校レベルからやり直す必要があります。いまの若い子たちの方が優秀です」 という話をしている

松本健太郎 @matsuken0716 「仮説が先、データが後」は僕が敬愛する鈴木敏文さんの言葉です。「今あるデータから何かできないか」と問われても、何もできない最大の理由です。問題を解決する仮説が先です。しかし、大半の分析は仮説をすっ飛ばしていきなり検証から入り、かつそれを分析と言います。それはおかしい。（1/n） pic.twitter.com/5GaXebGfCM 2022-05-31 22:32:33 松本健太郎 @matsuken0716 データ分析には、仮説構築向きと仮説検証向きの2種類に分かれます。そして"仮説構築"の真意は「筋の良い可能性の選択肢を増やすこと」にあります。すなわち正解は1つでは無い、と私は考えています。分けて考えないと「正解を絞れていない」「確からしく無い」とひっちゃかめっちゃかです。（2/n） pic.twitter.com/ZifqK8q3PE 2022

The document describes various probability distributions that can arise from combining Bernoulli random variables. It shows how a binomial distribution emerges from summing Bernoulli random variables, and how Poisson, normal, chi-squared, exponential, gamma, and inverse gamma distributions can approximate the binomial as the number of Bernoulli trials increases. Code examples in R are provided to

Google が公開している、より良いデータ分析のためのガイドブック「Good Data Analysis」で、データ分析の要所が簡潔にまとめられていて感動した 2022-03-08 Google の非公式ブログで、The Unofficial Google Data Science Blog というデータサイエンスをテーマにしたブログがある。 その中で、 Practical advice for analysis of large, complex data sets の記事を元にして作られた Google Developers Guides: Machine Learning Guides > Good Data Analysis を昨日見かけて読んでいたら素晴らしいドキュメントだったので、ここでその感動を共有したかったので筆をとったしだい。 Good Data Analysis の概

はじめまして、ティアフォー技術本部 Planning / Controlチームで開発を行っている堀部と申します。 今回は状態推定の王道技術「カルマンフィルター」が実際に自動運転で用いられるまでの道のりやノウハウなどを書いていこうと思います。 みなさんはカルマンフィルターという言葉を聞いたことがありますでしょうか。 カルマンフィルターとは「状態推定」と呼ばれる技術の一種であり、自動運転においては現在の走行状態、例えば車速や自分の位置を知るために用いられます。 非常に有名な手法で、簡単に使えて性能も高く、状態推定と言えばまずカルマンフィルターと言われるほど不動の地位を確立しており、幅広いアプリケーションで利用されています。 使い勝手に定評のあるカルマンフィルターですが、実際に自動運転のシステムとして実用レベルで動かすためには多くの地道な作業が必要になります。 この記事では、カルマンフィルターが

こんにちは、Exploratoryの白戸です。 Appleは新型コロナウイルスの対策支援として、Appleマップでの経路検索をもとにした移動傾向のデータを公開しています。ところが、残念ながらこのデータはそのままでは簡単に可視化できるようなフォーマットになっておらず、ちょっとした加工を行う必要があります。 しかし逆に、加工の仕方さえわかってしまえばそれぞれの都市や地域の移動データを可視化することで、恐怖を煽るばかりのマスコミからは見えてこない現状を理解することができるようになります。 今回はこのAppleの移動傾向データを簡単に可視化できるようにするための基本的な加工方法を、みなさんと共有させていただければと思います。 データはこちらからダウンロードすることができます。 以下は「モダンでシンプルなUIを使ってデータサイエンスができる」Exploratoryを使って、「日本で最も自粛している都

回答 (32件中の1件目) 警察発表は鵜呑みにしない方がいいかもしれないですよ。 警察が事件化できない「エクストリーム自殺」の闇 - デイリーニュースオンライン こう言った見地から、日本が必ずしも治安の良い国ではない事を示しています。 「センター試験痴漢」遅刻できない受験生を狙う卑劣犯罪の実態 | FRIDAYデジタル こんなツイートが出回る事から見ても 統計では現れない 犯罪は多数あると言えるでしょう。 ちなみに日本の学生の殺人事件発生率は事後を含めても 欧米の学生が誤ってケンカなどで同級生を殺害してしまう、確率より低いんですよね。 確率的にあり得ないと思うんですけど...

2017年5月に経済産業省が若手・次官レポートとして発表した「不安な個人、立ちすくむ国家」は、「結婚して、出産して、添い遂げる」、「正社員になり定年まで勤めあげる」という「昭和の標準的人生」が21世紀には一般的ではなくなったため、この標準に基づいて設計された日本の制度や価値観が現代社会のあちこちに大きなひずみをもたらしているのだとしている。しかしながら、1950年代生まれにおいても定年まで正社員として勤めあげる人は34%に過ぎなかったという。彼らの人生が標準的なのだとすると、過半数のはずの66%の人々が歩んだ人生は例外的なものだったということだろうか。そもそも、一度しかなく、それぞれにバラバラのはずの人生の“標準”とは何を意味するのか。 『平均思考は捨てなさい』は、わたしたちの思考がどれほど平均や標準に縛り付けられているか、そしてその呪縛のためにどれほど多くの可能性が見過ごされてしまってい

総務省はこのほど、国勢調査や経済センサスなど国勢に関する統計データを｢統計ダッシュボード｣というウェブサイトにまとめ、公開をはじめた。総務省がもつ統計データを、表示する数値やグラフを動的に切り替えられるグラフィカルなシステムと組み合わせることで、広く活用してもらうことが目的だ。これが非常によくできているのだ。 ｢統計ダッシュボード｣では、約5000の統計データを｢人口・世帯｣｢労働・賃金｣など17の分野に整理して収録。グラフは全部で55種類あり、サイト上で関連データの追加や削除、時系列比較や地域間比較などが可能となっている。 総務省のリリースによれば、特にビジネス（民間）での利用について｢オープン化された公的データを地域やビジネスの視点から活用し新たなアイデアを創出｣することを狙いとしている。

リクルートデータ組織のブログをはじめました。※最新情報はRecruit Data Blogをご覧ください。 Recruit Data Blogはこちら 汎用人型雑用AIの stakaya です。 たまたま数年前に社内のBLOGに書いたABテストのロジックのまとめ＆比較記事を発掘したので、 このまま眠らせているのはもったいないぞと、 圧倒的もったいない精神を発揮し、シェアさせていただきます。 あの頃は私も若かった。 社内では”堅物・真面目・一途”で有名なものでして、下記文章がお硬いのはご勘弁ください。 はじめに 本記事は、施策の評価手法としてしばしば用いられるA/Bテスト（A/B testing)について、できる限り背後にある仮定を明記した上で、まとめたものである。 A/Bテストとは、主にインターネットマーケティングにおける施策の良否を判断するために、2つの施策（通常、A・Bと記載）を比較す

前回の「ゲームプログラマからデータサイエンティストに転職しました」 の記事でもお話したとおり、5月からデータ解析する人になりました。 とはいえ、データ解析に関しては未経験。 少しでも不安を減らすために、4月の有給消化期間は統計学のお勉強しました。 今回はおすすめしてもらった中で読んで良かった本の紹介、そして読んだ本の簡単なまとめを書いて行きたいと思います。 ※前提: 4月時点の自分の知識に関して 自分は大学は情報科学を専攻していたが、難しい数式は苦手 統計学は1コマ分受講していたが、単語を覚えている程度でかなりあやうい まず一番最初に読みたい本 「完全独習 統計学入門」 「簡単に統計学の全体像がつかめる入門書はないか」とTwitterで相談したら、こちらの本を数名の方が薦めて下さった。 完全独習 統計学入門 作者: 小島寛之出版社/メーカー: ダイヤモンド社発売日: 2006/09/28メ

前々から「日本にソフトウェアエンジニアって何人ぐらいいるのかな？」「ソフトウェアエンジニアだと定義が曖昧だけど、例えば"Githubアカウントを持ってる日本人"は何人いるんだろう」と気になっていました。 最近ふとそれを調べる方法を思いついたので、調べてみた結果を書きます。 ちなみに 政府統計無いのかな？と調べたら「ＩＴ人材を巡る現状について」という資料がありました。 ここでは「情報サービス業とインターネット付随サービス業の総人数」は**「約100万人」**と書かれていますが、その内コードを書く人が何人いるのかは依然不明です。 調べ方 Githubのユーザー検索を使います。 調べ方1: Locationの存在比で調べる 「ユーザー検索でlocation:Tokyoを調べた結果が18000人だった。東京の人口:日本の人口=1:10なので、日本人Githubユーザーは約18万人！」という考え方で

DevOpsの採用は大企業が先行、DockerとAnsibleの利用は1年で倍増。RightScaleがDevOpsの調査結果を発表 マルチクラウドに対応したマネジメントサービスを提供している米RightScaleが、DevOpsに関する調査結果を発表しました。調査対象は1060人のITプロフェッショナルで、うち42％が1000人以上の大企業に勤めています。 調査結果では、大企業の方が中堅中小よりもDevOpsの導入が進んでいること、Dockerの利用が急速に立ち上がっていること、ChefとPuppetを両方採用している企業が多いことなどが示されています。 主な調査結果のグラフを見てみましょう。 大企業（Enterprise）と中堅中小（SMB）では、大企業のDevOps採用が81％、中堅中小では70％と、大企業の方がDevOpsの採用が進んでいることが分かります。 利用しているDevOp