Introduction of Mercari BI team and Case Studies of Analytics for Service in US

データ分析内製化に向けた人材育成サービス『SQL Everyone』提供開始【法人向け】『全ての人にデータ分析力を』というミッションのもと、データ分析で使うためのSQLを学習することでデータ分析の内製化を支援します。 サービス概要 『データ分析力を高める ビジネスパーソンのためのSQL入門』の著書、高橋光はデータ分析の内製化を支援する法人向け人材育成サービス『SQL Everyone』の提供を開始しました。本サービスは、データ分析の基礎スキルであるSQLの習得を通じて、データ分析の内製化を目指す企業への伴走支援を目的としています。 『SQL Everyone』では多くの人にデータ分析で使うSQLの基礎を学習してもらう『集合研修プラン』と、3ヶ月でゼロからSQLを使ったデータ分析ができるようにマンツーマンで支援を行う『マンツーマントレーニングプラン』との2つのサービを提供しています。 これま

STEP2. アウトプットを実現するために必要なデータソースを書き出す アウトプットの整理ができたら、今度はインプットとなるデータソースの整理を行いましょう。 必要なデータソースは要件から読み解くことができます。 今回は「10代のユーザーの月間視聴数（性別 / 動画カテゴリごと）の推移をグラフで見たい」という要件です。 ここから、この分析に必要なエンティティ（実体）とその属性、集計値を抽出しましょう。 エンティティと属性 ユーザー 性別 年代 動画 カテゴリ 集計値 視聴数 これらのデータを管理するテーブルを、調査やヒアリングを実施して探します。 今回は以下のテーブルを使用することとします。 user：ユーザー登録に必須な入力項目を管理するテーブル user_profile：ユーザーが登録後に設定できる任意の入力項目を管理するテーブル video：ユーザーが投稿した動画を管理するテーブル

独学で個人開発を始めて5年が経ちました。これまでには収益化に成功したサービスもあれば、鳴かず飛ばずでお蔵入りになったサービスも数多くあります。それらの経験から、成功したサービスはなぜ上手くいったのか、マーケティングや収益化において押さえておくべきことは何か、その要点が少しずつ見えるようになりました。 今回は私が開発〜集客〜収益化を行うプロセスと、各工程で気をつけているポイントを順を追って書き出してみます。上手く言語化できているか分かりませんが、暖かい目でお付き合いください。 収益化した3つのサービス 私はこれまでにWebサービスを20個以上開発しており、現在はポモドーロタイマー（月間100万ユーザー）やYouTubeのループ再生ツール（月間10万ユーザー）などを運営し、そこからの収入で生活しています。 基本は海外向けのBtoCで、以下のようなツール系が中心です： 収益化済みサービス： Po

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? BIをコード管理したくないですか？私はしたいです。 BI as Codeを謳うOSSがあるようなので、Get Startedしてみます。 環境構築 公式ドキュメントを見ると、VSCodeのExtensionを入れて開発することを推奨しているようです。 2.Open the Command Palette (Ctrl/Cmd + Shift + P) and enter Evidence: New Evidence Project 3.Click Start Evidence in the bottom status bar 拡張機能のイ

表計算ソフトの「Microsoft Excel」上でプログラミング言語「Python」のコーディングができる新機能が登場した。米Microsoft（マイクロソフト）が2024年9月に正式提供を開始した「Python in Excel」だ。これにより、Pythonのライブラリーを用いた数値計算や統計分析、データの可視化などがExcel上で可能になった。 Python in Excelは、「Microsoft 365 Business」と「Microsoft 365 Enterprise」のユーザーが利用できる。現時点ではWindows版Excelのみの機能で、Mac版やiPhone／iPad版、Android版、Web版のExcelでは利用できない。なお、Pythonのコードはクラウドで実行されるため、インターネットへの接続が必要だ。 同機能はPythonの開発環境「Anaconda」を利用

前職を辞めるタイミングで、それまで個人事業主として細々と引き受けていた仕事(技術広報のメンタリングや顧問業)をまとめて会社を作ろうとしたらタイトルの通りだったよという話をします。 freee会社設立はいいぞ 基本的にはこれに登録して、この通りにやっていくと会社ができる。 (厳密には登記後に登記簿と印鑑証明関連で所轄の税務署へ行く必要はある) このfreee会社設立は本当にすごくて、全て無料で使えてfreeeに詳しい税理士を紹介までしてくれる。 流れとしては、サービスに登録するとすぐに電話がかかってきて面談日の設定がされる。初回の面談では、会社を作る背景やなにをしたいかをユーザー(自分)から説明、freeeの方から今後の手順を説明され、不明点に答えてくれるという超手厚いもの。 基本的にはサイトにあるものの情報を集めたり決めたりして、手順どおりにポチポチ進めていくと会社が出来る。不思議だ。すご

株式会社ナレッジセンスは、生成AIやRAGを使ったプロダクトを、エンタープライズ向けに開発提供しているスタートアップです。本記事では、RAGの性能を高めるための「Astute RAG」という手法について、ざっくり理解します。 この記事は何 この記事は、RAGでハルシネーション対策を強固にするための手法「Astute RAG」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合は以下の記事もご参考下さい。 本題 ざっくりサマリー Astute RAGは、RAGの精度を上げるための新しい手法です。Astute RAGでは、外部知識・内部知識を組み合わせることで、ハルシネーションを抑えます。Google Cloud AI ResearchとUSCの研究者らによって2024年10月に提案されました。 通常のRAGで

待ち時間を解消しCXを高める 「コールセンターに電話をかけて、長時間待たされた経験がある人はきっと多いはず。生成AIを活用すれば、問い合わせへの返答までのタイムラグが短くなり、顧客体験価値（CX）が上がる。オペレーターにとってもやりがいを感じられるのではと考えた」 東京メトロのCX・マーケティング部長の川上幸一さんは、問い合わせへの生成AI活用の経緯をこう話す。 同社には年間、約25万件の問い合わせが寄せられる。このうち、15万件が電話、10万件がメール経由。オペレーターへの負担が大きい電話やメールでの問い合わせを減らすため、Webサイト上でチャットボットサービスも提供していたが、チャットボットを通じての問い合わせは、年間わずか1万2000件にとどまっていた。 「微妙につぼを外すマッサージ師のように、聞きたいこととは違うFAQを返してくる、あまりいけていないチャットボットでした」（川上さん

「生成AI×RAG」の効果と課題は？　実装しないと「競争力を保てない」これだけの理由（1/2 ページ） 生成AIの普及によって、外部情報の検索を組み合わせて回答精度を向上させる「RAG」（検索拡張生成）は、IT業界のトレンドになっている。ただ、実際にRAGをどのように活用すればいいのか理解している企業は、多いとはいえない。 Linuxに代表されるオープンソースソフトウェアを活用したシステムインテグレーションを原点とし、SaaSの販売などを手掛けるサイオステクノロジー（東京都港区）は、オランダに本社を置き、分析エンジンなどを手掛けるElastic社の子会社であるElasticsearch社と提携した。Elasticが世界で提供している「サーチ」「セキュリティ」「オブザーバビリティ」の3つのソリューションについて、日本での展開を始めている。特に「サーチ」については、生成AIと組み合わせたRAG

こちらのCoral さんの記事コーディングを不要にする「ノーコード・スタートアップ」が注目される理由 にある通り、ノーコードってここ数年のトレンドワードです。 coralcap.co ノーコードツールでよく聞くのはkintone のようなWeb DB + フォームのようなツール、仕様書からコードが自動生成されるアプリ開発ツール、アプリケーション連携・iPaaS などですが、筆者が例に出したのは意外にも「SQL」でした。 個人的には、ノーコーディングの最大の成功事例は、データベースにアクセスするための「SQL」ではないかと思います。今でこそSQLはエンジニアにとっても熟達に時間のかかる専門スキルと見なされていると思いますが、マーケターやセールス担当者がインサイトを得るために、エンジニアに依頼せずとも「コーディング不要」で使えるツールでもあります。SQLがなければ、データ構造やディスク、メモリ

先日のことですが、こんなことを放言したら思いの外伸びてしまいました。 データ可視化は一時期物凄く流行った割に今はパッとしない印象があるんだけど、それは結局のところデータ可視化が「見る人に『考えさせる』仕組み」だからだと思う。現実の世の中では、大半の人々は自分の頭で考えたくなんかなくて、確実に当たる託宣が欲しいだけ。機械学習やAIが流行るのもそれが理由— TJO (@TJO_datasci) 2024年8月28日 これはデータサイエンス実務に長年関わる身としてはごくごく当たり前の事情を述べたに過ぎなかったつもりだったのですが、意外性をもって受け止めた人も多ければ、一方で「あるある」として受け止めた人も多かったようです。 基本的に、社会においてある技術が流行って定着するかどうかは「ユーザーから見て好ましいかどうか・便利であるかどうか」に依存すると思われます。その意味でいうと、データ分析技術にと

DuckDBを触っていて特に興味を持った機能を中心に雑解説します。

プログラミング関係の仕事に就きたいと思っているなら、「SQL」「Python」「Java」の習熟度向上を怠らないようにした方がよい。「2024 IEEE Spectrum Top Programming Languages」レポートによるとそのようだ。同レポートでは、雇用主が何を求めているかを調査している。 そのような結果を示す「Jobs」部門の順位では、「2022 Top Languages Report」と現行の2024年版レポートを比べた場合、上位12言語で幾つかの変化が見られる。JavaとPythonが2位と3位で順位を入れ替えており、Pythonは、データベースアクセス言語「SQL」のすぐ後に続く結果だった。Pythonは、当然ながらAI関連開発では非常に人気がある。 「TypeScript」は、「JavaScript」に代わって4位を獲得した。ウェブページプログラミング言語のJ

【SQLを使ったデータ分析事例紹介！】 データ分析が必須の時代においてSQLを活用したデータ分析は非常に便利です。今回は基本的なSQLの理解と共に、実際にSQLを使ったデータ分析の事例を2つご紹介します。SQLを使ってどのようなデータ分析ができるか具体的に知りたい方などぜひご参加ください。 本セ…