Enviar pesquisa
Carregar
ビジネスの現場のデータ分析における理想と現実
•
59 gostaram
•
26,285 visualizações
Takashi J OZAKI
Seguir
Zansa第17回勉強会・社会人枠での発表です。データ分析の話は全くしてません(笑)。
Leia menos
Leia mais
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 52
Recomendados
ハッカーズチャンプルー2014でお話してきた内容です。「データサイエンティスト(カナ)はオワコン」 http://hackers-champloo.org/program.html
データ分析というお仕事のこれまでとこれから(HCMPL2014)
データ分析というお仕事のこれまでとこれから(HCMPL2014)
Takashi J OZAKI
第70回 Machine Learning 15minutes! Broadcastというイベントでお話する内容です。 ジョブレコメンデーション系の論文とか実務でやっていることを色々共有します。
実務と論文で学ぶジョブレコメンデーション最前線2022
実務と論文で学ぶジョブレコメンデーション最前線2022
Teruyuki Sakaue
2021/12/10に開催された TechMarketing Conference 2021 # データマネジメント #techmar での講演資料です。 https://techxmarketing.connpass.com/event/229173/
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
「東北大学講義:先端技術の基礎と実践」 で2012年2月2日に講義した内容です。一部講義時点の内容から変更しています。
大規模データ時代に求められる自然言語処理
大規模データ時代に求められる自然言語処理
Preferred Networks
第30回 データマイニング+WEB @東京 ( #TokyoWebmining 30th) -機械学習活用・マーケティング 祭り- http://tokyowebmining30.eventbrite.com/ 4番目の発表です。読んで字の如く、計量時系列分析をビジネスの現場のデータに対してどう用いると有意義かを論じます。
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
Takashi J OZAKI
ML15講演資料
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
Carnot Inc.
反実仮想機械学習の入門を兼ねたサーベイ資料 反実仮想機械学習に関する単独の解説資料をベースに、つながりが良くなるように整理した(つもり)。初学者の理解の手助けになれば幸いです。
Counterfaual Machine Learning(CFML)のサーベイ
Counterfaual Machine Learning(CFML)のサーベイ
ARISE analytics
2019/04/12 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Attention is not Explanation (NAACL2019)
[DL輪読会]Attention is not Explanation (NAACL2019)
Deep Learning JP
Recomendados
ハッカーズチャンプルー2014でお話してきた内容です。「データサイエンティスト(カナ)はオワコン」 http://hackers-champloo.org/program.html
データ分析というお仕事のこれまでとこれから(HCMPL2014)
データ分析というお仕事のこれまでとこれから(HCMPL2014)
Takashi J OZAKI
第70回 Machine Learning 15minutes! Broadcastというイベントでお話する内容です。 ジョブレコメンデーション系の論文とか実務でやっていることを色々共有します。
実務と論文で学ぶジョブレコメンデーション最前線2022
実務と論文で学ぶジョブレコメンデーション最前線2022
Teruyuki Sakaue
2021/12/10に開催された TechMarketing Conference 2021 # データマネジメント #techmar での講演資料です。 https://techxmarketing.connpass.com/event/229173/
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
「東北大学講義:先端技術の基礎と実践」 で2012年2月2日に講義した内容です。一部講義時点の内容から変更しています。
大規模データ時代に求められる自然言語処理
大規模データ時代に求められる自然言語処理
Preferred Networks
第30回 データマイニング+WEB @東京 ( #TokyoWebmining 30th) -機械学習活用・マーケティング 祭り- http://tokyowebmining30.eventbrite.com/ 4番目の発表です。読んで字の如く、計量時系列分析をビジネスの現場のデータに対してどう用いると有意義かを論じます。
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
計量時系列分析の立場からビジネスの現場のデータを見てみよう - 30th Tokyo Webmining
Takashi J OZAKI
ML15講演資料
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
Carnot Inc.
反実仮想機械学習の入門を兼ねたサーベイ資料 反実仮想機械学習に関する単独の解説資料をベースに、つながりが良くなるように整理した(つもり)。初学者の理解の手助けになれば幸いです。
Counterfaual Machine Learning(CFML)のサーベイ
Counterfaual Machine Learning(CFML)のサーベイ
ARISE analytics
2019/04/12 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Attention is not Explanation (NAACL2019)
[DL輪読会]Attention is not Explanation (NAACL2019)
Deep Learning JP
「サービスの利用者がどんなユーザーで構成されているのか」を問われた経験はありませんか? サービス利用者の構成がわかれば、サービスのテイスト、広告の訴求内容、商品の品揃え、改善施策の検討など、各種戦略に活かすことが出来るのでサービス運営者としては知っておきたい重要な要素です。 前半では「サービスの利用者がどんなユーザーで構成されているのか」を問われセグメントを作成する際に、どのような切り口や手順があるのかを紹介します。セグメントを効果的に作成することで、今まで気づかなかった視点が得られます。 後半では、機会学習の手段を用いたサービスの改善について見ていきます。 前半の基礎集計により導かれたユーザーの分類をサービスの改善に活かすには、様々な手法が考えられます。その中の一つ「ABテスト」を題材にして、サイト改善についての考察とクラスタリングを用いたABテストの手法について紹介します。 本講演では、「サービスの利用者がどんなユーザーで構成されているのか」を紐解き、改善に活かすために得意分野が異なる2名をお招きし、SQLを用いたアプローチ、機械学習を用いたアプローチについて、それぞれ解説していただきます。 冒頭で触れている通り、ユーザーを分類することにより、情報の出し分け、ターゲティング、内部施策の検討など、幅広い用途で活用が可能になります。本講演がサービス運営に携わる方々にとって、良いヒントとなり、サービスの改善に繋がることを願います。
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Naoto Tamiya
2019年6月15日日本人工知能学会登壇資料
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
「データとデータ分析」の初歩
1 データとデータ分析
1 データとデータ分析
Seiichi Uchida
社内勉強会での発表資料です。 「失敗事例を通じて、機械学習の検討で抑えるべきポイントを学ぶ」をコンセプトに作成しました。AI・機械学習を検討する広くの方々に活用していただけると幸いです。 あとがきを下記に書きました。よければこちらもご参照ください。 https://qiita.com/bezilla/items/1e1abac767e10d0817d1
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
分かりやすい研究発表資料を作るための基本ルールである「話題・メッセージ・補足情報の3要素明確化」「絞り込み」「視覚化」について具体例を交えて紹介しています.研究室に新規配属された学生さん向けに作成した資料です.
研究発表のためのパワーポイント資料作成の基本
研究発表のためのパワーポイント資料作成の基本
Hisashi Ishihara
MACHINE LEARNING Meetup KANSAI #4 https://mlm-kansai.connpass.com/event/119084/ での、能見さんの発表資料です。
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
These slides include many inappropriate graphs. If you want to tell the summary of the data correctly, you should avoid to use graphs in this presentation. They can mislead those who view them. In English, the title of presentaion is "24 slides including graphs that should not be absolutely drawn".
絶対に描いてはいけないグラフ入りスライド24枚
絶対に描いてはいけないグラフ入りスライド24枚
itoyan110
ギルド勉強会で使ったスライド。
ユーザーストーリー駆動開発で行こう。
ユーザーストーリー駆動開発で行こう。
toshihiro ichitani
お茶の水女子大学伊藤研究室ゼミ資料 関連資料として以下が参考になります https://note.com/sick4989hack/n/n928f78d3d33f
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
PDFでupし直しました。 Webマーケティング・リレーセミナー 15 http://www.cb21.co.jp/seminar_events/relayseminar/15.html でお話した内容です。ただしオフレコで質疑でぶっちゃけた話の方が面白かったかもしれません(笑)が、それは会場参加者の皆さまだけの特典ということで。
最新業界事情から見るデータサイエンティストの「実像」
最新業界事情から見るデータサイエンティストの「実像」
Takashi J OZAKI
2017/9/22(金) 開催 サイバーエージェントのデータ分析基盤とデータ活用およびそれらの技術についての勉強会「Data Engineering and Data Analysis Workshop #2」
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
cyberagent
大学3年生でこれから大学院に行ったり、就職したりする僕が知っていたら、人生が変わったかもなと思うことを、つらつらと書きました。
大学3年生の僕に伝えたいことをつらつらと
大学3年生の僕に伝えたいことをつらつらと
Toshinori Sato
言語資源と付き合う
言語資源と付き合う
Yuya Unno
データマイニングや機械学習をやるときによく問題となる「リーケージ」を防ぐ方法について論じた論文「Leakage in Data Mining: Formulation, Detecting, and Avoidance」(Kaufman, Shachar, et al., ACM Transactions on Knowledge Discovery from Data (TKDD) 6.4 (2012): 1-21.)を解説します。 主な内容は以下のとおりです。 ・過去に起きたリーケージの事例の紹介 ・リーケージを防ぐための2つの考え方 ・リーケージの発見 ・リーケージの修正
学習時に使ってはいないデータの混入「リーケージを避ける」
学習時に使ってはいないデータの混入「リーケージを避ける」
西岡 賢一郎
書籍化し、12万部突破しました。 【SlideShare広告回避用】 https://www.docswell.com/s/morishige/K3MXPZ-howtodesignslides ・PDFは無料でダウンロードできます ・自己学習や勉強会などの目的でしたらご自由にお使いいただけます ・授業・研修への利用はフォーム( https://forms.gle/WwgXTT974xFW78mFA )にご報告ください ・記事への参考資料にする際は適切な出典明記をお願いいたします 【使っているフォントについて】 M+フォント「MigMix1P」です。こちらもメイリオ同様おすすめです。 フリーで使えます。 【個人HP】 > https://mocks.jp > 仕事のご依頼はこちらから 【書籍情報】 デザイン入門:https://amzn.asia/d/4WDsTI6 デザイン図鑑:https://amzn.asia/d/gOBCWKc 【前作】 > http://www.slideshare.net/yutamorishige50/how-to-present-better
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
MOCKS | Yuta Morishige
Tokyowebmining発表用資料です。複数の選択肢がある場合に、どのように選択を行うのが効率的なのか?という問題を解決するためのアルゴリズムです。
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
Search Engineering Tech Talk #1
「いい検索」を考える
「いい検索」を考える
Shuryo Uchida
FY2019上期に某所で開催した勉強会の資料です.
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
University of Tsukuba
言語処理学会第28回年次大会(NLP2022)のチュートリアルでの講演資料です。 https://www.anlp.jp/nlp2022/#tutorial
ゼロから始める転移学習
ゼロから始める転移学習
Yahoo!デベロッパーネットワーク
第1回Webインテリジェンスとインタラクションセミナー(いまさら訊けないシリーズ「言語処理技術」)での発表資料です。 https://www.sigwi2.org/next-sig
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
ARG 第7回Webインテリジェンスとインタラクション研究会 企画セッション2「不揃いなデータ達の分析を行う前のTips」
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
Hajime Sasaki
Tokyo.R #54 データの読み込みからdplyrの基本まで
2016年6月版データマエショリスト入門
2016年6月版データマエショリスト入門
Yuya Matsumura
Mais conteúdo relacionado
Mais procurados
「サービスの利用者がどんなユーザーで構成されているのか」を問われた経験はありませんか? サービス利用者の構成がわかれば、サービスのテイスト、広告の訴求内容、商品の品揃え、改善施策の検討など、各種戦略に活かすことが出来るのでサービス運営者としては知っておきたい重要な要素です。 前半では「サービスの利用者がどんなユーザーで構成されているのか」を問われセグメントを作成する際に、どのような切り口や手順があるのかを紹介します。セグメントを効果的に作成することで、今まで気づかなかった視点が得られます。 後半では、機会学習の手段を用いたサービスの改善について見ていきます。 前半の基礎集計により導かれたユーザーの分類をサービスの改善に活かすには、様々な手法が考えられます。その中の一つ「ABテスト」を題材にして、サイト改善についての考察とクラスタリングを用いたABテストの手法について紹介します。 本講演では、「サービスの利用者がどんなユーザーで構成されているのか」を紐解き、改善に活かすために得意分野が異なる2名をお招きし、SQLを用いたアプローチ、機械学習を用いたアプローチについて、それぞれ解説していただきます。 冒頭で触れている通り、ユーザーを分類することにより、情報の出し分け、ターゲティング、内部施策の検討など、幅広い用途で活用が可能になります。本講演がサービス運営に携わる方々にとって、良いヒントとなり、サービスの改善に繋がることを願います。
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Naoto Tamiya
2019年6月15日日本人工知能学会登壇資料
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
「データとデータ分析」の初歩
1 データとデータ分析
1 データとデータ分析
Seiichi Uchida
社内勉強会での発表資料です。 「失敗事例を通じて、機械学習の検討で抑えるべきポイントを学ぶ」をコンセプトに作成しました。AI・機械学習を検討する広くの方々に活用していただけると幸いです。 あとがきを下記に書きました。よければこちらもご参照ください。 https://qiita.com/bezilla/items/1e1abac767e10d0817d1
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
分かりやすい研究発表資料を作るための基本ルールである「話題・メッセージ・補足情報の3要素明確化」「絞り込み」「視覚化」について具体例を交えて紹介しています.研究室に新規配属された学生さん向けに作成した資料です.
研究発表のためのパワーポイント資料作成の基本
研究発表のためのパワーポイント資料作成の基本
Hisashi Ishihara
MACHINE LEARNING Meetup KANSAI #4 https://mlm-kansai.connpass.com/event/119084/ での、能見さんの発表資料です。
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
These slides include many inappropriate graphs. If you want to tell the summary of the data correctly, you should avoid to use graphs in this presentation. They can mislead those who view them. In English, the title of presentaion is "24 slides including graphs that should not be absolutely drawn".
絶対に描いてはいけないグラフ入りスライド24枚
絶対に描いてはいけないグラフ入りスライド24枚
itoyan110
ギルド勉強会で使ったスライド。
ユーザーストーリー駆動開発で行こう。
ユーザーストーリー駆動開発で行こう。
toshihiro ichitani
お茶の水女子大学伊藤研究室ゼミ資料 関連資料として以下が参考になります https://note.com/sick4989hack/n/n928f78d3d33f
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
PDFでupし直しました。 Webマーケティング・リレーセミナー 15 http://www.cb21.co.jp/seminar_events/relayseminar/15.html でお話した内容です。ただしオフレコで質疑でぶっちゃけた話の方が面白かったかもしれません(笑)が、それは会場参加者の皆さまだけの特典ということで。
最新業界事情から見るデータサイエンティストの「実像」
最新業界事情から見るデータサイエンティストの「実像」
Takashi J OZAKI
2017/9/22(金) 開催 サイバーエージェントのデータ分析基盤とデータ活用およびそれらの技術についての勉強会「Data Engineering and Data Analysis Workshop #2」
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
cyberagent
大学3年生でこれから大学院に行ったり、就職したりする僕が知っていたら、人生が変わったかもなと思うことを、つらつらと書きました。
大学3年生の僕に伝えたいことをつらつらと
大学3年生の僕に伝えたいことをつらつらと
Toshinori Sato
言語資源と付き合う
言語資源と付き合う
Yuya Unno
データマイニングや機械学習をやるときによく問題となる「リーケージ」を防ぐ方法について論じた論文「Leakage in Data Mining: Formulation, Detecting, and Avoidance」(Kaufman, Shachar, et al., ACM Transactions on Knowledge Discovery from Data (TKDD) 6.4 (2012): 1-21.)を解説します。 主な内容は以下のとおりです。 ・過去に起きたリーケージの事例の紹介 ・リーケージを防ぐための2つの考え方 ・リーケージの発見 ・リーケージの修正
学習時に使ってはいないデータの混入「リーケージを避ける」
学習時に使ってはいないデータの混入「リーケージを避ける」
西岡 賢一郎
書籍化し、12万部突破しました。 【SlideShare広告回避用】 https://www.docswell.com/s/morishige/K3MXPZ-howtodesignslides ・PDFは無料でダウンロードできます ・自己学習や勉強会などの目的でしたらご自由にお使いいただけます ・授業・研修への利用はフォーム( https://forms.gle/WwgXTT974xFW78mFA )にご報告ください ・記事への参考資料にする際は適切な出典明記をお願いいたします 【使っているフォントについて】 M+フォント「MigMix1P」です。こちらもメイリオ同様おすすめです。 フリーで使えます。 【個人HP】 > https://mocks.jp > 仕事のご依頼はこちらから 【書籍情報】 デザイン入門:https://amzn.asia/d/4WDsTI6 デザイン図鑑:https://amzn.asia/d/gOBCWKc 【前作】 > http://www.slideshare.net/yutamorishige50/how-to-present-better
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
MOCKS | Yuta Morishige
Tokyowebmining発表用資料です。複数の選択肢がある場合に、どのように選択を行うのが効率的なのか?という問題を解決するためのアルゴリズムです。
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
Search Engineering Tech Talk #1
「いい検索」を考える
「いい検索」を考える
Shuryo Uchida
FY2019上期に某所で開催した勉強会の資料です.
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
University of Tsukuba
言語処理学会第28回年次大会(NLP2022)のチュートリアルでの講演資料です。 https://www.anlp.jp/nlp2022/#tutorial
ゼロから始める転移学習
ゼロから始める転移学習
Yahoo!デベロッパーネットワーク
第1回Webインテリジェンスとインタラクションセミナー(いまさら訊けないシリーズ「言語処理技術」)での発表資料です。 https://www.sigwi2.org/next-sig
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
Mais procurados
(20)
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
1 データとデータ分析
1 データとデータ分析
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
研究発表のためのパワーポイント資料作成の基本
研究発表のためのパワーポイント資料作成の基本
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
絶対に描いてはいけないグラフ入りスライド24枚
絶対に描いてはいけないグラフ入りスライド24枚
ユーザーストーリー駆動開発で行こう。
ユーザーストーリー駆動開発で行こう。
研究分野をサーベイする
研究分野をサーベイする
最新業界事情から見るデータサイエンティストの「実像」
最新業界事情から見るデータサイエンティストの「実像」
マッチングサービスにおけるKPIの話
マッチングサービスにおけるKPIの話
大学3年生の僕に伝えたいことをつらつらと
大学3年生の僕に伝えたいことをつらつらと
言語資源と付き合う
言語資源と付き合う
学習時に使ってはいないデータの混入「リーケージを避ける」
学習時に使ってはいないデータの混入「リーケージを避ける」
見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
「いい検索」を考える
「いい検索」を考える
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
ゼロから始める転移学習
ゼロから始める転移学習
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Destaque
ARG 第7回Webインテリジェンスとインタラクション研究会 企画セッション2「不揃いなデータ達の分析を行う前のTips」
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
Hajime Sasaki
Tokyo.R #54 データの読み込みからdplyrの基本まで
2016年6月版データマエショリスト入門
2016年6月版データマエショリスト入門
Yuya Matsumura
DCC7 / EIP64 May 14, 2014
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
Takashi J OZAKI
2013/03/28 PFIセミナー「(道具としての)データサイエンティストのつかい方」資料 Ustreamの録画はこちらです→http://www.ustream.tv/recorded/37645309
さらば!データサイエンティスト
さらば!データサイエンティスト
Shohei Hido
2012/09/13 PFIセミナー「データサイエンティストのつくり方」資料 Ustreamの録画はこちらです→ http://www.ustream.tv/recorded/25376704
データサイエンティストのつくり方
データサイエンティストのつくり方
Shohei Hido
第4回サイバーエージェントMarketing & Analytics勉強会 http://atnd.org/event/camark04 の講演スライドです。未だにslideshareの使い方が分からなくて、アップロードしたら勝手にフォントが明朝体に変わってしまったり位置がずれてしまったり右側が切れてしまったり。。。表示がおかしかったりダサかったりするのはそのせいです。ごめんなさい。
21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る
21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る
Takashi J OZAKI
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
「はじめてでもわかるRandomForest (ランダムフォレスト) 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京 濱田晃一 (hamadakoichi)
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
Destaque
(8)
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
WI2研究会(公開用) “データ分析でよく使う前処理の整理と対処”
2016年6月版データマエショリスト入門
2016年6月版データマエショリスト入門
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
さらば!データサイエンティスト
さらば!データサイエンティスト
データサイエンティストのつくり方
データサイエンティストのつくり方
21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る
21世紀で最もセクシーな職業!?「データサイエンティスト」の実像に迫る
不均衡データのクラス分類
不均衡データのクラス分類
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Semelhante a ビジネスの現場のデータ分析における理想と現実
3年間で考えてきたデータサイエンスに対する雑感
Thinking datascientist itself
Thinking datascientist itself
HiroyukiOtsubo
『ビジネス活用事例で学ぶ データサイエンス入門』酒巻隆治、里洋平、SBクリエイティブ、2014年 の第8章 ケース6 – クラスタリングどんな顧客群をターゲットとすべきか? を基に、マーケットセグメンテーションを考えてみます。
セグメンテーションの考え方・使い方 - TokyoR #44
セグメンテーションの考え方・使い方 - TokyoR #44
horihorio
アクションマイニングを用いた最適なアクションの導出
アクションマイニングを用いた最適なアクションの導出
Shintaro Fukushima
2013/03/28 PFIセミナー「(道具としての)データサイエンティストのつかい方」資料 Ustreamの録画はこちらです→ http://www.ustream.tv/recorded/30518257
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
Shohei Hido
20120326 zansa勉強会発表資料 (公開用) 02 04-38
20120326 zansa勉強会発表資料 (公開用) 02 04-38
tetsuro ito
オープンデータ・トークシリーズ第10回でのLT発表資料です。 http://peatix.com/event/49706
OpenDataの知見共有とビジネス化
OpenDataの知見共有とビジネス化
Satoshi Iida
感謝ネットワークからみる組織のコミュニケーションの形 Thank you communication network in organization. Engaged employees tend to say "thank you" with the reason of the appreciation. The managers who have an excellent vocabulary motivate and inspire their subordinates.
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
Hiroko Onari
2013年12月の研究会発表資料。
データジャーナリズム―異業種のコラボレーションがニュースを変える― (2013年12月)
データジャーナリズム―異業種のコラボレーションがニュースを変える― (2013年12月)
yuzoakakura
日本心理学会第83回 (2019年) のシンポジウム「あなたは『伝えるための心理統計』を実践できていますか?―著者・査読者・編集者に向けた諸提言―」の企画主旨です。
JPA2019 Symposium 1
JPA2019 Symposium 1
Jun Kashihara
Impact of weak internal information in the team. How to build great the team. How to unite the team. Key factor is transactive memory and strong network of organization. Strong network increases the bandwidth of communication channel. Hidden profiles, anchoring and adjustment heuristic.
teaming and weak internal information
teaming and weak internal information
Hiroko Onari
MANABIYAでの発表資料です。 数十のプロダクトのデータを一手に集め、処理を回すリクルートライフスタイルのビックデータ分析基盤。本資料では、分析基盤の構成、ブロダクトの選定理由、課題解決の実例という3本立てでご紹介します。 リクルートライフスタイル 白子 佳孝 秋本 大樹
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
Recruit Lifestyle Co., Ltd.
ソーシャルリクルーティングについて(2011.12.16時点) 採用担当の皆さまにお伝えした資料です
Gaiaxセミナー資料20111216
Gaiaxセミナー資料20111216
ITmedia_HR(人事・採用)
2011年12月16日、株式会社ガイアックスさんの主催セミナーでスピーカーをした時の資料です。(これまでの資料の、マイナーバージョンUP)
Gaiaxセミナー20111216「採用現場が考えるソーシャル」
Gaiaxセミナー20111216「採用現場が考えるソーシャル」
URANO HEIYA
20131213 itサービスに求められる人材像
20131213 itサービスに求められる人材像
jun_suto
20131221 次世代共創マーケティング
20131221 次世代共創マーケティング
晴生(作成中) 山崎
4月22日に行った研修資料
20220422佐賀銀行新入行員研修
20220422佐賀銀行新入行員研修
KazuhitoKitamura
Semelhante a ビジネスの現場のデータ分析における理想と現実
(16)
Thinking datascientist itself
Thinking datascientist itself
セグメンテーションの考え方・使い方 - TokyoR #44
セグメンテーションの考え方・使い方 - TokyoR #44
アクションマイニングを用いた最適なアクションの導出
アクションマイニングを用いた最適なアクションの導出
(道具としての)データサイエンティストのつかい方
(道具としての)データサイエンティストのつかい方
20120326 zansa勉強会発表資料 (公開用) 02 04-38
20120326 zansa勉強会発表資料 (公開用) 02 04-38
OpenDataの知見共有とビジネス化
OpenDataの知見共有とビジネス化
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
Thank you communication network in organization 感謝ネットワークからみる組織のコミュニケーションの形
データジャーナリズム―異業種のコラボレーションがニュースを変える― (2013年12月)
データジャーナリズム―異業種のコラボレーションがニュースを変える― (2013年12月)
JPA2019 Symposium 1
JPA2019 Symposium 1
teaming and weak internal information
teaming and weak internal information
リクルートライフスタイル流!分析基盤との賢い付き合い方
リクルートライフスタイル流!分析基盤との賢い付き合い方
Gaiaxセミナー資料20111216
Gaiaxセミナー資料20111216
Gaiaxセミナー20111216「採用現場が考えるソーシャル」
Gaiaxセミナー20111216「採用現場が考えるソーシャル」
20131213 itサービスに求められる人材像
20131213 itサービスに求められる人材像
20131221 次世代共創マーケティング
20131221 次世代共創マーケティング
20220422佐賀銀行新入行員研修
20220422佐賀銀行新入行員研修
Mais de Takashi J OZAKI
2015年12月25日に「最終講義」と称して話した内容です。10月に某所で行った講演を少しアレンジしてあります。
直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する
直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する
Takashi J OZAKI
ワインの味わいを客観的な化学測定指標だけから予測することは可能か?という問いに対して、単変量から多変量へのパラダイムシフトを通じながら論じています。とある講演会での講演資料です。
Taste of Wine vs. Data Science
Taste of Wine vs. Data Science
Takashi J OZAKI
因果フェス2015(8月6日・駒場)での発表資料です。
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Takashi J OZAKI
「銀座で働くデータサイエンティストの勉強会 ~試行錯誤的データ分析、そのプロセスの全貌~」というタイトルでTech Lab Paak(渋谷)で行った講演内容です。
Tech Lab Paak講演会 20150601
Tech Lab Paak講演会 20150601
Takashi J OZAKI
「第2回CodeSCOREによる、エンジニアの実務スキルの可視化と、その周辺の知見共有セミナー」における講演内容 https://codescore.codeiq.jp/seminar
なぜ統計学がビジネスの 意思決定において大事なのか?
なぜ統計学がビジネスの 意思決定において大事なのか?
Takashi J OZAKI
Japan.R 2014でお話した「RでDeep Learning」的な内容です。
Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014
Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014
Takashi J OZAKI
2014/10/22に社内で行った講演会のスライドです。
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
Takashi J OZAKI
分析チームで2014/10/03に読んだもの
Jc 20141003 tjo
Jc 20141003 tjo
Takashi J OZAKI
My talk in Global TokyoR #1
Visualization of Supervised Learning with {arules} + {arulesViz}
Visualization of Supervised Learning with {arules} + {arulesViz}
Takashi J OZAKI
R初心者向け講座「Rによるやさしい統計学第20章『検定力分析によるサンプルサイズの決定』」20140222 TokyoR #36
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
第33回R勉強会@東京(#TokyoR)の発表内容です。 http://atnd.org/events/42438 当日見ながら実行できるように先行公開します。
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
Takashi J OZAKI
Simple perceptron by TJO
Simple perceptron by TJO
Takashi J OZAKI
Mais de Takashi J OZAKI
(12)
直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する
直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する
Taste of Wine vs. Data Science
Taste of Wine vs. Data Science
Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)
Tech Lab Paak講演会 20150601
Tech Lab Paak講演会 20150601
なぜ統計学がビジネスの 意思決定において大事なのか?
なぜ統計学がビジネスの 意思決定において大事なのか?
Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014
Deep Learningと他の分類器をRで比べてみよう in Japan.R 2014
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
Jc 20141003 tjo
Jc 20141003 tjo
Visualization of Supervised Learning with {arules} + {arulesViz}
Visualization of Supervised Learning with {arules} + {arulesViz}
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
Simple perceptron by TJO
Simple perceptron by TJO
Último
LoRaWANスマート距離検出センサー DS20Lカタログ
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Syed Talal Wasim, Muzammal Naseer, Salman Khan, Ming-Hsuan Yang, Fahad Shahbaz Khan , "Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Grounding" arXiv2024 https://arxiv.org/abs/2401.00901v2
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
2024年4月に社内向けに開催した勉強会資料の社外公開版です
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
NewSQLの可用性構成パターン (OCHaCafe Season 8 #4 発表資料) 2024年5月8日(水) NTTデータグループ 技術開発本部 小林 隆浩
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
This is an introduction to MAPPO's paper.
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
Jue Wang, Wentao Zhu, Pichao Wang, Xiang Yu, Linda Liu, Mohamed Omar, Raffay Hamid, " Selective Structured State-Spaces for Long-Form Video Understanding" CVPR2023 https://openaccess.thecvf.com/content/CVPR2023/html/Wang_Selective_Structured_State-Spaces_for_Long-Form_Video_Understanding_CVPR_2023_paper.html
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
2022年10月27日に社内向けに開催した勉強会資料の社外公開版です(発表8分程度)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
Último
(11)
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
ビジネスの現場のデータ分析における理想と現実
1.
ビジネスの現場の データ分析における 理想と現実 株式会社リクルートコミュニケーションズ データサイエンティスト 尾崎 隆
(Takashi J. OZAKI, Ph. D.) 2013/11/28 1
2.
一応、自己紹介を… ブログ&Twitterやってます 2013/11/28 2
3.
一応、自己紹介を… ブログ&Twitterやってます 2013/11/28 3
4.
一応、自己紹介を… 現在は… 2013/11/28 4
5.
一応、自己紹介を… 現在は… リクルートグループ全体のマーケティングにおける データ分析を担当するデータサイエンティスト 2013/11/28 5
6.
本日のお品書き データサイエンティストが思い描く「理想」 ビジネスの現場における「現実」
「理想」と「現実」の折り合いをうまくつけて、データ分析で価値 を発揮していくには? 2013/11/28 6
7.
おことわり 今日は分析手法の話とか、 難しい話は一切いたしません 2013/11/28 7
8.
おことわり 今日はアドホック分析業務の 現場でよくある話をします ※学生の方が多い会だと聞いてきたもので… 2013/11/28 8
9.
本日のお品書き データサイエンティストが思い描く「理想」 ビジネスの現場における「現実」
「理想」と「現実」の折り合いをうまくつけて、データ分析で価値 を発揮していくには? 2013/11/28 9
10.
データサイエンティストが思い描く「理想」 仕事の進め方では… できる限り面白い仕事がしたいよね あんまり煩雑なルーチンワークには 時間を取られたくないし もちろんカンファレンスとかも出たいし OSSとかにもコミットしたいな データサイエンティスト 2013/11/28 10
11.
データサイエンティストが思い描く「理想」 具体的な分析のやり方では… 基本通りp < 0.05じゃないと 表には出せないよね バシッと機械学習使って厳密な 結果を出してナンボでしょ MCMC使えば複雑なモデルを組み合わ せて正確なパラメータ推定できるよ データサイエンティスト 2013/11/28 やっぱりHadoop上でアルゴリズムを 分散させて一気に大容量でやりたいな 11
12.
データサイエンティストが思い描く「理想」 データサイエンティストという立場の人々が 往々にして思い描く理想、それは… 2013/11/28 12
13.
データサイエンティストが思い描く「理想」 「知的好奇心を満たせる仕事」 ※昨年尾崎がポスドクを辞めて転職した際に、とある企業で 面談して下さった部長氏(素粒子物理Ph.D.出身)の言葉 2013/11/28 13
14.
本日のお品書き データサイエンティストが思い描く「理想」 ビジネスの現場における「現実」
「理想」と「現実」の折り合いをうまくつけて、データ分析で価値 を発揮していくには? 2013/11/28 14
15.
ビジネスの現場における「現実」 初めて分析業務の現場を見て… データサイエンティスト 2013/11/28 15
16.
ビジネスの現場における「現実」 初めて分析業務の現場を見て… ・・・・・・・・・・・・・・ データサイエンティスト 2013/11/28 16
17.
ビジネスの現場における「現実」 彼(彼女)は何を見たのか? 2013/11/28 17
18.
ビジネスの現場における「現実」 前処理 分析 レポート これが一般的な流れですが… 2013/11/28 18
19.
ビジネスの現場における「現実」 現実には… 2013/11/28 19
20.
ビジネスの現場における「現実」 前処理 分析 レポート これぐらいの比率だったりする 2013/11/28 20
21.
ビジネスの現場における「現実」 つまり… データサイエンティスト 2013/11/28 21
22.
ビジネスの現場における「現実」 つまり… データサイエンティスト 2013/11/28 22
23.
ビジネスの現場における「現実」 つまり… マエショリスト 2013/11/28 23
24.
ビジネスの現場における「現実」 「前処理が全工数の9割以上を占める」 カラム定義が揃ってない複数テーブル間にデータが 分散していたり
NAだらけだけど0を入れて補完するとまずいような データが1TBぐらいあったり 外注したデータなのでDBから取ってくるのではなく 全てCSVでン百GBぐらい降ってきたり 2013/11/28 24
25.
ビジネスの現場における「現実」 現場にありがちなもう一つの仕事 データサイエンティスト 2013/11/28 25
26.
ビジネスの現場における「現実」 現場にありがちなもう一つの仕事 うひー・・・ データサイエンティスト データ分析基盤の保守運用 2013/11/28 26
27.
ビジネスの現場における「現実」 「え?crontabぐらい設定できるよね?」 バッチ集計のスクリプトをコミットしたり
バックエンド分析処理のコードをビルドしたり アラートメール出てたらリモートでログインして復旧 作業入ったり ・・・つまり「普通にエンジニア仕事もやる」という 2013/11/28 27
28.
ビジネスの現場における「現実」 適応すべきは自分の影響が 及ぶ範囲だけではない データサイエンティスト 2013/11/28 28
29.
ビジネスの現場における「現実」 適応すべきは自分の影響が 及ぶ範囲だけではない 分析よろしくー あ、はい・・・ データサイエンティスト 2013/11/28 ビジネスマネージャー 29
30.
ビジネスの現場における「現実」 ビジネス側の人とデータ分析の話をすると… は?機械学習?統計的検定?p値?AIC?重回 帰分析?何それ?ちょっと説明してくれる? データ分析データ分析っていうけど、要は Excelの関数うまく使いこなすことでしょ? まだるっこしいこと言うなぁ。Aの平均の方が Bの平均よりも大きいんだからAでいいじゃん 数学苦手だったからさぁ、ぶっちゃけ算数 より難しいもの見ても分からないんだよね ビジネスマネージャー ※弊社および弊グループではビジネス側の人たちでも データ分析諸系統に通じている人が沢山いるのでご安心を 2013/11/28 30
31.
ビジネスの現場における「現実」 これくらい認識に差のある相手と 会話をしなければいけません 2013/11/28 31
32.
ビジネスの現場における「現実」 なので、色々な悲喜劇が起きる 2013/11/28 32
33.
ビジネスの現場における「現実」 決定木で一番良さそうなサイト 導線を選んでみました 決定木って何?この図全然見慣れ なくて読みにくいよ。こんな変な もの持ってこないで、普通にExcel で集計したシート持ってきて ・・・・・・・・・ ビジネスマネージャー データサイエンティスト 2013/11/28 ※これはフィクションです 33
34.
ビジネスの現場における「現実」 これさぁ、Excelで割合計算した結果 と食い違ってるじゃん。おかしいで しょ?変に難しいことに手を出すと 危ないよ、やり直して (単相関と偏相関の 違いなんだけど…) 重回帰分析の結果出ました。 偏回帰係数を見るとですね… ビジネスマネージャー データサイエンティスト 2013/11/28 ※これはフィクションです 34
35.
ビジネスの現場における「現実」 何でそんなに時間かかってるの? データ渡したのだいぶ前だよね? こんなの1日で終わるでしょ? (前処理に時間か かった上にSVM回し 終わるのに3日かか るよ、そもそもあの データ量だし…) お待たせしてすみません、 機械学習にかけた結果です ビジネスマネージャー データサイエンティスト 2013/11/28 ※これはフィクションです 35
36.
ビジネスの現場における「現実」 あーあ、小難しいことは言わずに黙ってサクッと1日で言われ た通りに売上が伸びる改善施策につながる分析結果持ってき てくれるデータサイエンティストどこかにいないかなー ・・・・・・・・・・・・ ビジネスマネージャー データサイエンティスト 2013/11/28 ※これはフィクションです 36
37.
ビジネスの現場における「現実」 不幸なすれ違いが続くと 危ないのは、恋愛と同じ 2013/11/28 37
38.
本日のお品書き データサイエンティストが思い描く「理想」 ビジネスの現場における「現実」
「理想」と「現実」の折り合いをうまくつけて、データ分析で価値 を発揮していくには? 2013/11/28 38
39.
折り合いをつけて、データ分析で価値を発揮していくには? 1. 2013/11/28 39
40.
折り合いをつけて、データ分析で価値を発揮していくには? 1. そもそも話の通じるビジネス側 の人が多い他部署・他社に移る やってられっかチクショー データサイエンティスト ※身も蓋もないが、仕方ない場合も世の中にはある 2013/11/28 40
41.
折り合いをつけて、データ分析で価値を発揮していくには? 2. 2013/11/28 41
42.
折り合いをつけて、データ分析で価値を発揮していくには? 2. 日頃からビジネス側の人たちと 会話を密にする いやぁ、この前の前処理5日も食っ ちゃいましたよ、アハハハハ そうか、全然知らなかったよ・・・ 今度から余裕を持たせて依頼するよ ビジネスマネージャー データサイエンティスト ※ランチの席とかでネタっぽく実情を訴えるとか(笑) 2013/11/28 42
43.
折り合いをつけて、データ分析で価値を発揮していくには? 3. 2013/11/28 43
44.
折り合いをつけて、データ分析で価値を発揮していくには? 3. 科学コミュニケーションをする つもりで対話せよ 簡単に言えば、この数字が大きい ほどより○○だと思ってOKです なるほどー。ってことは、そっちの別 の数字との関係性を見るには・・・ ビジネスマネージャー データサイエンティスト ※デキるビジネス系の人ほど頭の回転が速いので、 こういう「概念」の理解も早い(経験的に) 2013/11/28 44
45.
折り合いをつけて、データ分析で価値を発揮していくには? 4. 2013/11/28 45
46.
折り合いをつけて、データ分析で価値を発揮していくには? 4. 相手のビジネス視点を自分の ものにして話すべし この分析結果から言って、来月のKPI○○ は××との相乗効果で売上高への・・・ そうそう、そこが知りたかったんだよ。 これが分かれば予算配分決められるし ビジネスマネージャー データサイエンティスト ※ビジネス系の人はビジネスの話をしたいのです 2013/11/28 46
47.
折り合いをつけて、データ分析で価値を発揮していくには? 5. 2013/11/28 47
48.
折り合いをつけて、データ分析で価値を発揮していくには? 5. 分析に少しでも詳しい人を見つ けて味方にしてしまう Aの方が説得力 ありますね 分析結果から言うと Aの方が良さそうです そうか、2人とも同意見 なら大丈夫そうだな ビジネス側の人 ビジネスマネージャー データサイエンティスト 2013/11/28 ※持つべきものは味方。そして意外と大学が 経済学系出身とかで詳しい人は多いもの 48
49.
折り合いをつけて、データ分析で価値を発揮していくには? 6. 2013/11/28 49
50.
折り合いをつけて、データ分析で価値を発揮していくには? 6. 価値さえ認めてもらえるように なれば、色々チャレンジできる 素晴らしい成果が出たし、今回 使ったネタでトップカンファレ ンス出してみたら? 喜んで!頑張ってきます! データサイエンティスト こうなったらもっとR&Dにも 力を入れて行かなきゃね ビジネスマネージャー ※NIPSとかKDDとか行かせてもらえることも (弊社および弊グループにおける実例) 2013/11/28 50
51.
ということで、「理想」と「現実」のせめぎ合いを見てきました データサイエンティストが思い描く「理想」 ビジネスの現場における「現実」
「理想」と「現実」の折り合いをうまくつけて、データ分析で価値 を発揮していくには? 2013/11/28 51
52.
最後に まだビッグデータ系のデータ分析部門は どこも立ち上がったばかりなので、 自分好みの組織に作り上げてやりたい ことをやろうと志す若い学生の皆さんに とっては今がチャンスですよ! 2013/11/28 52