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

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

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

◎「文系社員」でもデータ分析できる生成AIマニュアル by OUTPUT CAMP meets AI◎ 「イベントアンケートを取ったが、集計する時間がない」「販売データを収集したものの、分析手法が分からない」 文系のビジネスパーソンにとってデータ分析は、「やったほうが良さそうだが後回しにして…

はじめにこんにちは。高橋です。普段はコンサルとしてデータ分析を活用したデジタルマーケティング支援などをしており、複業としてデータ分析支援やデータ分析コーチングなどもやっております。今回は法人向けSQL研修サービス『SQL Everyone』のご紹介です。 以前からデータ分析力を高めるためのアプローチとして、個人向けにデータ分析で使うSQLの入門書を出版したり、noteでSQLが無料で学べるコンテンツを提供してきました。 さまざまSQL学習用のコンテンツを提供して、嬉しいことにに多くの方に本を読んでもらったり、noteを見てもらったりしています。一方でまだまだSQLの普及には貢献できていないと感じることもあります。 そこで今回は今までのようにある種一方的に学習用のコンテンツを提供するだけでなく、実際に自分自身が講師としてデータ分析のためのSQLを教える場を作り、もっと多くの人にSQLを身につ

はじめに こんにちは、検索基盤部の伊澤です。検索基盤部では普段から、ZOZOTOWNの検索機能に関するデータ分析や、データ分析を踏まえた検索性能の改善に取り組んでいます。 検索に関するデータ分析では、検索クエリの傾向把握や課題のあるクエリの特定のために、検索クエリごとの検索結果のクリック率やコンバージョン率といったパフォーマンス指標を評価しています。 本記事では、検索クエリごとのデータ分析に関する情報共有を効率化するため、ウェブフレームワークの「Dash」で開発したダッシュボードを活用した事例を紹介します。 目次 はじめに 目次 検索クエリごとのデータ分析の重要性 分析結果のチーム内共有時の課題 Dashを用いたダッシュボードの開発 Dashとは Dashを選定した理由 検索クエリごとのパフォーマンス指標のダッシュボード 1. 検索クエリごとのパフォーマンス指標のテーブル 2. 検索クエリ

はじめに 本稿では分析用クエリをスラスラ書けるようになるまでの勉強方法や書き方のコツをまとめてみました。具体的には、自分がクエリを書けるようになるまでに利用した教材と、普段クエリを書く際に意識していることを言語化しています。 想定読者として、SQLをガンガン書く予定の新卒のデータアナリスト/データサイエンティストを想定しています。 勉強方法 基礎の基礎をサッと座学で勉強してから、実践教材で実際にクエリを書くのが望ましいです。 実務で使える分析クエリを書けるようになるためには、実務経験を積むのが一番良いですが、だからといって座学を御座なりにして良いというわけではありません。SQLに自信がない人は、一度基礎に立ち返って文法の理解度を確認した方が良いと思います。 書籍 SQL 第2版: ゼロからはじめるデータベース操作 前提として、SQLに関する書籍の多くがデータベース運用/構築に関する書籍がほ

システムエンジニアとしてITベンチャー企業と金融系企業に勤めた後、2019年にデータサイエンティストとしてブレインパッドに入社。 需要予測に関するプロジェクトに多く従事し、モデル構築から運用保守まで一貫して経験。LLMを活用したプロジェクトにも携わる。 Kaggle Competition Master。 ①プロジェクトの目的を明確にする まず初めに、プロジェクトの目的を明確にすることが重要になります。 これはデータ分析プロジェクト以外にも共通する部分ですが、プロジェクトとは「特定の目的を達成するために行われる期限のある活動」です。まずデータ分析プロジェクトの目的（=ゴール）を明確にし、発注側と受注側で共通認識を持つことが、プロジェクト成功に向けた第一歩となります。「目的を明確にするなんて当たり前。意識しなくてもできる」と思われるかもしれません。しかし、私の経験上、目的が曖昧で関係者の認識

はじめに データ分析基盤の資料を力尽きるまで追記していきます。 構成図にあるアイコンや記事の内容から技術要素を調べて記載していますが、不明分は未記載にしています。修正のコメント頂ければ助かります。 あと、この記事追加してっていう要望も歓迎いたします。 テンプレート 記事公開日 : 会社名（サービス名） データソース : データ処理 : アウトプット : 画像 URL 2025年 2024/03/14 : 株式会社エス・エム・エス（カイポケ） データソース : Amazon Aurora データ処理 : Datastream、BigQuery、dbt アウトプット : Looker Studio 2024/03/12 : 株式会社マイナビ データソース : SQL Server、Amazon S3 データ処理 : Embulk、Amazon MWAA、Apache Airflow、Snowf

© �����)JLBSV�5BLBIBTIJ � ࣮ફ42-໰୊ूɹ��બ 42-໰୊ूͷ࣮ફ� �ղઆ /P ໰୊ ೉қ౓ � ੑผ͝ͱͷਓ਺Λूܭ͍ͯͩ͘͠͞ ˒ˑˑˑˑ � ೥୅ผͷਓ਺Λूܭ͍ͯͩ͘͠͞ ˒˒˒ˑˑ � ೔ผͷച্ͱߪೖ݅਺Λूܭ͍ͯͩ͘͠͞ ˒˒ˑˑˑ � ݄ผͷച্ͱߪೖ݅਺Λूܭ͍ͯͩ͘͠͞ ˒˒ˑˑˑ � Ϣʔβʔ͝ͱͷ࠷ऴߪೖ೔�ߪೖස౓/ߪೖֹۚΛूܭ͍ͯͩ͘͠͞ ˒˒˒ˑˑ � ߪೖස౓(஫จ೔਺)͝ͱʹϢʔβʔ਺Λूܭ͍ͯͩ͘͠͞ᶃ ˒˒˒˒ˑ � ߪೖස౓(஫จ೔਺)͝ͱʹϢʔβʔ਺Λूܭ͍ͯͩ͘͠͞ᶄ ˒˒˒˒˒ � ʮ৯඼ʯΛߪೖͨ͠ϢʔβʔIDΛϢχʔΫ(ॏෳͳ͠)Ͱநग़͍ͯͩ͘͠͞ ˒˒ˑˑˑ � ʮඒ༰ʯΛങ͍ͬͯΔਓ͕ଞʹԿΛങ͍ͬͯΔ͔நग़ͯ͠Լ͍͞ ˒˒˒˒ˑ �� ॳճߪೖͰԿ͕Ұ൪ߪೖ͞Ε͍ͯΔ͔நग़ͯ͠Լ͍͞ ˒˒˒˒˒ ©

資料概要今回は実践編ということなのでSQLの基礎を理解した上で、実際の問題を解きながらデータ分析で使うSQLを学んでもらいたいと思います。 ケーススタディとして、架空のECサイトのデータ分析を行うことを想定して、以下10問のデータ分析課題を考えてもらうようにしています。 SQL勉強会実践編問題集10選それぞれ難易度とヒントを資料の中に記載しているので、簡単な集計から少し複雑な集計まである程度幅広く出題してあります。 ヒントに関しては各問題ごとに合計3つ載せているので、まずは自分でゼロベースで考えながら必要に応じてヒントも見てもらえればと思います。 解説も載せてあるので、最後は答え合わせをしながら、求めたいデータに対してどんなSQLを書くことで得られるのかを確認していただければと思います。 進め方SQL実行環境基本的には前回の初級編や書籍で紹介している通りハンズオン形式で進めてもらいたいと思

毎年四の五の言いながら書いている推薦書籍リスト記事ですが、何だかんだで今年も書くことにしました。なお昨年度版の記事を上にリンクしておきましたので、以前のバージョンを読まれたい方はそちらをお読みください。 今回のバージョンでは、趣向をちょっと変えて「定番」と「注目分野」というように分けました。何故こうしたかというと、平たく言って 「初級＆中級向け」推薦書籍リストは定番化していて毎年あまり変更点がない 逆に直近のホットトピックスに関するテキストは毎年入れ替わりが激し過ぎて網羅しづらい という課題があり、特に2点目についてはあまりにもデータサイエンス関連書籍の新規刊行が多過ぎる＆僕自身がその流れについていけておらず完全に浦島太郎状態ですので、万人向けに等しくウケるようなリストを作るのは今回をもって完全に諦めたというのが実態です。 その上で、前回まで踏襲されていた定番書籍リストはバルクで提示すると

ビジネスの重要指標をモニターするために、ダッシュボードを作ったものの、時間の経過と共に、誰にも見られなくなってしまう、といった経験はありませんか？ そうなってしまう理由の1つに、そこから得られる情報がビジネスの改善に結びつかない、あるいは特定のアクションに結びつかないため、ダッシュボードの閲覧者にとってあえて見る必要がなくなってしまうことがあります。 そこで、ダッシュボードの閲覧者に役立つ効果的なダッシュボードを作成するうえで、おさえるべき4つのポイントを紹介いたします。 1. モニターすべきは遅行指標でなく先行指標です 「売上」、「閲覧数」、「サインアップ数」などの「後追い指標」をモニターしても、それらは既に起こった「結果」なので、もうすでにとき遅しです。つまり、望む結果を得るために行動を変えることができません。 そこでしっかりとモニターしなくてはいけないのが、「リピート率」、「エンゲー

自己紹介 こんにちは。MonotaROの新卒2年目の辻です。サプライチェーン・マネジメント部門でデータアナリストとして働いています。 この記事では新卒社員の目線で新人データアナリストとしてMonotaROで経験していること、その中で感じていることをお話したいと思います。 自己紹介 MonotaRO入社の経緯 サプライチェーン・マネジメントとは？ データアナリストとして入社して感じたこと・気づいたこと SCMデータアナリストの業務 業務を通して感じたこと 数字を解釈して示唆を出す 関係者とコミュニケーションを取り続ける まとめ MonotaRO入社の経緯 もともと大学では統計学やデータ分析の手法について勉強しており、仕事でもそういったスキルを伸ばしていきたいと思っていました。MonotaROについては学生時代に「名前を聞いたことがある」程度の認知でしたが、面接を受ける中で年々事業が成長してい

株式会社ブレインパッドの2023年新卒研修資料です。基礎統計学について扱っています。

わ、去年2023-08-26にこの記事書いたんだね。まる1年だね。2024年版機械学習・データ分析の必須10冊+ガチ90冊+Next5冊=105冊書きましたよ。 【データ分析の必読10冊+差をつける10冊＋100冊超】データサイエンス、データ分析、機械学習関連の本がご好評いただいてましたが古くなりごちゃごちゃしているので新たに作り直しました 本記事のめあて IT系の技術者の方がデータ分析関連の仕事をするために役立つ本を紹介する（私が学び始めた時にあれば欣喜雀躍したであろう）記事として書いております。 本記事作者の青木はバイオインフォマティクス（ゲノムデータのDB化中心・Perl・MySQL）からRで時系列分析→Pythonでデータ分析一般と業務をしてまいりました。 ですので研究者目的の本はありません。また、データ分析の基礎は主にRで学んだのですが、昨今の流行に合わせてPython本を中心に

こんにちは。高橋です。普段はコンサルとしてデータ分析を活用したデジタルマーケティング支援をやっております。最近では『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』を出版してSQLを使ったデータ分析の普及活動を頑張っております。 今回は自分が本業や複業などで色々なデータ分析案件に携わった経験から意思決定に繋げるためのデータ分析のステップについてまとめてみました。 正しくデータ分析ができているかデータ分析がビジネスにおいて重要であるということは、今の時代当たり前になりつつあります。 どんな企業でも、どんなビジネスパーソンでもデータを活用する流れはもはや止めることはできない時代に来ています。 しかし、実際にデータ分析が正しくできているかと言うと、必ずしもそうではないと感じることがあります。 データを見ただけて終わる 今あるデータから何かわからない？ そもそも使えるデータなんてない デ

※ちなみに①の状況で、データの統制にはdbtやLookerのLookMLなど、リソースの競合にはDWHのチューニングやシステム変更など、技術面の対応も重要な解決策になりますが、本稿ではその側面は割愛します。 これらの①～③のあり方に共通するのは、データ分析基盤を構築するデータエンジニアと、基盤を利用する非エンジニアで連携が取れていないことです。そしてこの間を埋めるものとして、データエンジニアリングスキルがあると考えています。 より理解を深めるために、いくつか職種を取り上げて、それぞれがよく陥る問題と、スキルがあることでどういった取り組みができるかを整理してみます。 職種別にデータエンジニアリングスキルの価値を考える 例1）データアナリスト まずは、データエンジニアと最も近い関係で業務をすることの多い、データアナリストです。データエンジニアリングに関連してデータアナリストがしばしば抱える問題