データサイエンティストはこうやってデータ分析の仕事をしている（自分の経験と見聞談をもとに） - 渋谷駅前で働くデータサイエンティストのブログ
誰かの参考になるかもしれないと思って、僕の前職時代の取り組み方や他の現場で僕とよく似たアドホック分析系の仕事をされている方から聞き取った内容をもとに、適当にまとめてみました。 ということで、これは正確には「アドホック分析系データサイエンティストがどうやってデータ分析しているか」のまとめ、です（笑）。ちなみに、僕が既に公開している資料としてはこんなものもあります。 最新業界事情から見るデータサイエンティストの「実像」 from Takashi J Ozaki こちらのp.59以降はまさに前職時代に最後に所属していた部署での僕の取り組みそのものを書いたものなので、どなたかの参考にでもなれば。 ちなみにその前に所属していた部署では、普通にHadoopエコシステムベースのBIフレームワークの保守とかやってました。定期集計用のHiveクエリを100個ぐらいズラリと並べたスクリプトを本番環境にコミット
著者のAdam Sroka氏は、イギリス・スコットランドに拠点をおく企業の消費電力を最適化するソリューションを提供するOrigamiで機械学習エンジニアチームのリーダーを務めています（同氏の経歴はLinkedInを参照）。同氏がMediumに投稿した記事『なぜ多くのデータサイエンティストが優良企業の良い仕事を辞めるのか』では、データサイエンティストが仕事を辞めたくなる状況を確認したうえで、そうした状況を改善する方法が解説されています。 データサイエンティストは「21世紀で最もセクシーな仕事」と言われて久しいですが、現実には新しい職場を熱心に探している職種であることがアンケート調査で判明しています。離職したいと考えているデータサイエンティストが少なくないのは、仕事を辞めてしまいたくなる状況にしばしば陥るからです。 Sroka氏によると、データサイエンティストが仕事を辞めたくなるのは、以下のよ
一度覚えたことを忘れる？破局的忘却とは？現在、「人工知能（AI）」技術は至る所で耳にするようになりました。 例えば工場で、生産したものに傷がないか検品するにも、画像認識の人工知能が使われています。 その精度は凄まじく、人間より素早く、かつ正確に行うことができます。 しかし、そんな万能とも思えるような「人工知能」にもいくつか欠点があります。 破局的忘却（破滅的忘却）それは、破局的忘却（または、破滅的忘却）と呼ばれる欠点です。 なにやらカッコイイ響きの言葉です。 ですが、その内容は「一度何かを学習したネットワークに新しいものを覚えさせようとすると、以前学習したものを忘れてしまう」というもの（笑） 例えば、「りんご」と「みかん」を識別できるネットワークがあったとします。 そのネットワークに新しく「ぶどう」も識別させようと学習すると、「りんご」と「みかん」はもう忘れているのです！ 【図、破局的忘却
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
2020年までにデータサイエンティストの業務の4割は自動化される。そしてデータサイエンティストを本職としない「シチズンデータサイエンティスト」が台頭すると、ガートナー
2020年までにデータサイエンティストの業務の4割は自動化される。そしてデータサイエンティストを本職としない「シチズンデータサイエンティスト」が台頭すると、ガートナー データの分析を本職とするデータサイエンティストは、いまもっとも注目されている職業の1つです。そのデータサイエンティストがデータ分析のために行う業務の4割は2020年までに自動化され、そのおかげでデータサイエンティストを本職としない「シチズンデータサイエンティスト」によるデータ分析が台頭してくると、米調査会社が予想しています。 ガートナーによると、シチズンデータサイエンティストとは、データサイエンティストが本職ではないものの、データ分析業務の自動化が進むことで、かつては専門的な知識が必要だった先進的なデータ分析や予測などを自分で行えるようになった人のことを指します。 このシチズンデータサイエンティストの存在は、専門職であるデー
なぜ花王は強力なデータ分析チームを作れたのか？ リスクを取るリーダーが率いる総勢20名の組織とは | ［マナミナ］まなべるみんなのデータマーケティング・マガジン
岩村大輝（以下、岩村）：花王さんは本当にデータ分析組織が強いという印象があります。今日はその分析力の秘密に迫っていきたいと思いますが、それは体制のあり方に鍵があるのか、あるいは日頃のコミュニケーションにあるのか。いろんな視点から強い組織を作るための方法を聞いていきたいです。 株式会社ヴァリューズ 岩村大輝（いわむら・だいき） 業界最大手日用品メーカーなど大手顧客を中心にデジタルマーケティングを支援。現在はヴァリューズ最年少マネジャーとして、事業会社を中心に担当するコンサルティング組織を統括している。 岩村：まずお聞きしますが、強いチームづくりで意識されていることはあるのでしょうか？ 佐藤満紀さん（以下、佐藤）：強いチームを作ろうと意識したことは特になく、たまたま結果的に良い状態になっているかと思います。ただ、組織としての構図は描いていますよ。これからは分析の現場に寄り添い、常日頃データ処理
データサイエンティストってなんだろう 掲題の通り、昨今色々と言われてるデータサイエンティストなる職業について考えてみる。 業界にいてもこの職種はとかく定義が曖昧で、統一的な見解がない。 まあ正直、『データサイエンティストなんて名乗りたい奴が名乗ればいーんじゃねーのぉ』という話ではあるのだが、せっかくなのでこの期に個人的な考えを書いておこうと思う。 なお、普段からデータサイエンティストについて考えている諸氏にとっては目新しいことは特に書いてないかもしれない どちらかと言えば、「データサイエンティストってどうやったらなれるんじゃい」、もしくは「流行りのデータサイエンティスト様を雇いたいけどどんな人採ればよいかのぅ」 って方々に見て欲しい記事なのでそのあたりはご了承願いたい 世間一般の見解を見てみる とりあえず世の中に既にある有名な幾つかの定義の俗説を見てみることにする。 "Data Scien
ビジネス現場で大量の情報（ビッグデータ）を分析・活用する職業「データサイエンティスト」の人材が不足する中、大学生の就活現場で異変が起きている。「官僚でもなく、有名企業でもなく、データサイエンティスト職を志望する東大生が目立ち始めている」（就職情報会社）からだ。すでに転職業界では、高給での人材争奪戦が沸騰しており、あおりを受けた企業が高学歴の東大生を“青田買い”しようという図式だ。学生側も、日本企業の終身雇用制度の維持が難しくなる中、高給で自由に働くことができる魅力を感じている。 【表でみる】年金の受給開始年齢早見表 ■高度な専門職 データサイエンティストには、ビッグデータを分析して消費者の行動や好みに合うサービスの提供や、詳細な市場分析、将来予測などが求められる。世界では約３０万人のデータサイエンティストが不足しているとの調査があり、日本も例外ではない。 慶応大大学院の渡辺美智子教授（統計
『週刊ダイヤモンド』特別レポート ダイヤモンド編集部による取材レポートと編集部厳選の特別寄稿を掲載。『週刊ダイヤモンド』と連動した様々なテーマで、経済・世相の「いま」を掘り下げていきます。 バックナンバー一覧 データサイエンティストの第一人者として、大阪ガスにおいてデータ分析を企業の意思決定に活かす取り組みに尽力してきた河本薫氏が、2018年4月、ビジネスの世界から教育の現場に身を置くことになった。だからこそ見えてきた、日本企業における人工知能（AI）やデータ分析をめぐる課題と期待について、語ってもらった。（聞き手／「週刊ダイヤモンド」編集部 鈴木崇久） ――データ分析力が企業やビジネスパーソンの競争力を決めると言われる時代になりました。「ビジネス界のデータサイエンティスト」として活躍してきた河本さんの目から見た、データ分析を企業経営に生かしていく上での問題意識を教えてください。
2017年に給料の上昇率が高いのはデータサイエンティストやビッグデータエンジニア、ネットワークセキュリティエンジニアなど。米Robert Halfが発表
米国の人材紹介会社Robert Halfが、米国のIT分野における給料のトレンドを発表。同社の調査結果を基に、2017年度に昇級が期待できる職種を明らかにしました。 同社は、「IT分野の給与は力強い上昇をここ数年見せており、この傾向が2017年も続く」としています。 同社が発表した上昇率の主な順位は以下の通りです。年収の額は1ドル100円換算。 1位 データサイエンティスト（上昇率6.4％。年収1160万円～1635万円） 2位 ビッグデータエンジニア（上昇率5.8％。年収1350万円～1960万円） 3位 ネットワークセキュリティエンジニア（上昇率5.7％。年収1155万円～1625万円） 4位 Webデザイナー（上昇率5.2％、年収705万円～1180万円） 4位 ソフトウェアエンジニア（上昇率5.2％、年収1082万5000円～1645万円） 6位 ネットワークセキュリティ管理者（上
内生性・交絡 revisited：説明変数と残差と誤差の相関をのんびり眺めるの巻 - Take a Risk：林岳彦の研究メモ
こんにちは。林岳彦です。ggplot2を使いこなすシャレオツな若い人を見ると自分の老いを感じる今日このごろです。 さて。 今回は、「説明変数と誤差項に相関がある」とはどういうことか、について見ていきたいと思います。 経済学系の統計解析の本を読んでいると「内生性」という概念がよく出てきます（経済学系でない分野においては、「交絡」と呼ばれるものに実務上はおおむね対応する概念と言えます）。 この「内生性」の説明としては、例えば： 計量経済モデルにおいて、説明変数と誤差項との間に相関があるときに、内生性（endogeneity）があるという。このとき、説明変数は内生的（endogenous）であることになる。説明変数が内生的であれば、推定されたパラメータは一致推定量ではなくなり、推定値は統計学的に信頼されるものとはなりえない。 のように説明されます（内生性 - Wikipediaより引用*1。強調
海の向こうでも日本でも「データサイエンティスト」は雌伏の時 - 渋谷駅前で働くデータサイエンティストのブログ
なかなか刺激的な翻訳記事が出ていたようで。ちなみに本家版の原典記事はこちら。 大体こういう話をするとよく炎上するんですが（笑）、前々からデータサイエンティスト（カナ）の需給状況とかについては延々とこのブログでも論じてきているので、便乗して日本での国内事情に関する与太話でも書こうかと思います*1。 そもそも日本国内に「データサイエンティスト」と呼ばれるにふさわしい人材自体がほとんどいない (from Wikimedia Commons) いつも色々な人に「そもそもデータサイエンティストって日本にどれくらいいるんですか？」とよく聞かれるんですが、これについては最近業界内の友人知人と話す機会が何度かあり、「おそらく首都圏に100人程度」「残りの地域は不明だがごく少数」というのが概ねコンセンサスの得られている数字だと思います*2。 これは実際に上記記事で挙げたような要件を満たし、なおかつデータ分析
関連キーワード ビッグデータ | データ | データサイエンティスト | データ分析 | 経営 ビッグデータ活用の目的と期待 出典：IDC Japan（TechTargetジャパン記事「“やるかやらないか”で二極化するビッグデータ活用 一般企業への浸透が進む」から）《クリックで拡大》 機械学習は、ビッグデータを活用して企業経営にインテリジェンスを持ち込むときの鍵となる。ただ、機械学習のアルゴリズムは魅力的ではあるものの、この技術は急速に複雑化している。われわれ全員がデータサイエンティストになる必要はないが、IT担当者は機械がどのように学習するか、しっかり理解していなければならない。 併せて読みたいお薦め記事 「機械学習」はどう使われる？ 「機械学習」とは？ データ分析技術に関連する12の大胆予測 「機械学習」時代の経営判断はどうあるべきか データサイエンティスト活用 「データサイエンティス
じゆうちょう Advent Calendar 2019 18日目の記事です。 概要 データエンジニアリングという業務を扱うにあたって、どのように人事評価を実施するか。 本稿では実践可能なレベルで「評価基準」の例を提示します。 もくじ 概要 もくじ 背景 注意点 本題: 人事評価の設定例 1. マイルストーン（計画） 2. QCDS（構築） 3. サービスレベル（運用） 4. 利益目標（企画） まとめ Appendix 前提1: 本稿のスコープ ＝ 査定でボーナスが上下するような状況 前提2: 被評価者がコントロールできない事象に対してはフォローする 応用編1: 「データ基盤」という固有トピックにおける技術や案件の評価について 応用編2: 「データの民主化」の目標設定をどうするか おわりに 背景 データエンジニアリング業務に伴う「人事」（採用・アサイン・育成・評価）について質問を受けることが
StackPath
www.sascom.jp is using a security service for protection against online attacks. This process is automatic. You will be redirected once the validation is complete.
「トランプという怪物」を作った会社
国の行方を左右する選挙や国民投票で、カウンター・テロの技術が、投票を左右するために、有権者を標的に応用されていたーー。まるでスパイ映画のようなシナリオが、米英で「実演」されていた。「私はスティーブ・バノンの心理兵器を作った」。英国の大手紙・オブザーバーに、こんな衝撃的な見出しが躍ったのは、今年3月のことだ。 トランプ米大統領の選出や、英国のEU（欧州連合）離脱を決めた国民投票において、有権者を標的にしたデジタル戦略が繰り広げられた。主戦場はSNS（交流サイト）で、背後にロシアの関与があるのではないか。このように囁かれてきた数々の疑惑を現実のものとして告発したのは、1人のデータ・サイエンティストだ。 フェイスブック（以下FB）から8700万人分もの個人情報を不正に取得し、有権者の意識を誘導するデジタル戦略を繰り広げていたケンブリッジ・アナリティカ（以下CA社・後に破産）。告発者はこの会社のリ
「ビールと紙おむつ」のような相関関係を探る分析手法にはどんなものがある？――データ分析方法についての検討：ITエンジニアのためのデータサイエンティスト養成講座（5）（1/5 ページ） 連載バックナンバー 前回は「データを分析できる状態にする」をテーマに、ビジネスデータの分析で欠かすことのできない時系列データを中心に「データの取り扱い方」紹介しました。今回は、目的に応じた分析手法を選択するためにどのような分析手法があるかを簡単にご紹介し、実際に分析をする方法を実例を使いながら説明したいと思います。 ビジネスの課題に応じた手法を選択する 第1回でも説明した通り、与えられたビジネス課題を解くための分析手法を検討するのはデータ分析の最初のフェイズですが、解決するビジネス課題もさまざまであり解決するための手法も千差万別です。さらに1つの手法をとってみてもそれだけを説明する書籍があったり学術論文になっ
いとう on Twitter: "データサイエンティストを４年ぐらい(学生の時含む)やってきて思うことを自戒を込めて４ページにまとめてみた ・単なる機械学習の専門家はやめよう ・最新の機械学習手法よりお客さんの世界の論文 ・誰も本当に本当に物なんて言語化できない… https://t.co/kN5sc9nW4V"
データサイエンティストを４年ぐらい(学生の時含む)やってきて思うことを自戒を込めて４ページにまとめてみた ・単なる機械学習の専門家はやめよう ・最新の機械学習手法よりお客さんの世界の論文 ・誰も本当に本当に物なんて言語化できない… https://t.co/kN5sc9nW4V
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト 目次 ・Robynとは ・とりあえずチュートリアルやってみる ・向き合い方 ・参考情報 Robynとは Robyn（ロビン）はFacebook（META）が開発しているMarketing-Mix-Modeling（以降、MMM）のオープンソース（https://facebookexperimental.github.io/Robyn/）です。主にR言語で開発されています。（Python版は目下開発中らしいです。） MMMは、マーケティングの広告投資の予算を、効果を最大
シゴトで使える「データサイエンティスト」に必要なスキルセットってどんなもの？：Database Expertレポート（1） データサイエンティスト育成プログラムの先生に、使えるスキルセットって何だろう、という疑問をぶつけてみた。いわく、座学だけじゃ不十分なのだそうです。 ビッグデータブームに乗って、データ分析スキルを持つ人材が嘱望される機会が増えつつあるようだ。技術者の多くも、いち早くこうしたスキルを身に付けようと、勉強会などの活動への参加も活発になっている（関連イベントレポート）。統計解析に特化したプログラミング言語Rを学んだり、統計解析の学習をしたりと、意欲的に学習する人々が増えているようだが、果たして、実務で必要なスキルセットはどのようなものなのだろうか。 EMCジャパンでは2012年5月から、日本国内において、実務におけるデータ分析業務のスキルセットを包括的に学習するためのプログラ
ニコニコ動画のオープンデータをクレンジング&ビジュアライズしております。 http://d.hatena.ne.jp/monnalisasmile/20141016/1413458899
ニューヨーク市に学ぶ大規模データ活用の真髄
ブルームバーグ市長が推進するニューヨーク市政府の大規模データ活用に携わっていた筆者が、さまざまな実例を基に、企業が今後いっそう注力すべきデータ解析のキーポイントをお伝えする。 近年、ブログやSNSを活用したユーザー主体の情報交換が盛んである。「YouTube」をはじめとする動画投稿サイトでやり取りされる情報は、さらにほかのユーザーからのフィードバックを受け、巨大な集合知を形成している。また、これまで活用することがなかった非構造化データや、自由度の高い準構造化データへの期待も高まっている。センサーデータ、空間情報やバイナリ情報、音声、画像、動画情報など、これまでの常識的な解析対象の蓄積型構造化データの枠組みを越え、多様化するデータ（調査会社IDCのレポートによると、2020年に世界で作成されるデータ量は、35.2ゼタバイトに達すると予測されている）は、総量で2020年までにおよそ現在の44倍
データサイエンティストの登竜門？統計基礎を最速で学ぶなら「統計検定二級」がおすすめ - 俺、サービス売って家買うんだ
2016年3月25日にアップデートしました。 こんにちは。Hayatoです。仕事では大きなデータの処理とかそのクリーニングや解析をしています。 大学時代は熱心に勉学に励まなかったこともあり統計的知識が弱く、いつも平均だけだしてパパっと分析済ませちゃったりしていたのです。 しかし時代はデータサイエンティスト！僕もデータクリーナーじゃなくてデータサイエンティストになりたい！ということでGoogleに入社してからこつこつ統計の勉強をしています。 その過程で、基礎を学ぶのに、統計検定二級がとても効率的だったのでご紹介します。 統計検定2級 統計検定2級ってなに？ 総務省が後援している統計検定は、日本で一番有名な統計の技術を測る資格試験です。 1級, 2級, 3級とあり、その真ん中のレベルに当たるのが統計検定です。 想定受験者 プログラマーだけど統計周りの基礎知識がない人。 データサイエンティストと
「あらゆるデータ分析は、意思決定に役立つものでないといけない。筋の悪い分析に着手しないためには、具体的にどういう意思決定に役立つかをイメージする必要がある。これを考えるのがデータサイエンティストの仕事だ」――滋賀大学 データサイエンス学部の河本薫教授は、ビジネスの現場におけるデータ分析の在り方について、こう語った。 河本教授は、前職の大阪ガス時代にデータ分析専門の組織を立ち上げ、「エネルギーの需要予測」「電力の価格予測」など、データを駆使して業務改革に取り組んだことで知られている。 プロジェクトを成功に導くには、どういった点に気を付ければいいのだろうか。河本教授が11月7日に開催されたデータ活用に関するイベント「HULFT DAYS 2019」に登壇し、データサイエンティストの視点で解説した。 「意思決定」の内容を具体化できないと失敗する データ分析で解くべき課題を見つけるには、データサイ
こんにちは。エンジニアリンググループ AI・機械学習チームの大垣です。 これは エムスリー Advent Calendar 2019 の10日目の記事です。 前日は id:sora_sakaki による、量子ゲームを開発した話でした。 さて、この記事ではデータエンジニアの皆さんが戦われているであろうログデータの活用の話をします。 もちろんエムスリーでもレコメンドやコンテンツの出し分けなどログデータを活用したシステムが開発されています。 ここでは、そのログに加えて、アンケートを用いることで、解釈しやすいユーザーの嗜好分類を行う話をします。 なおこの内容は本日の Machine Learning Night というイベントで簡単に紹介し、スライドも公開する予定です。ご興味のある方はそちらも是非ご覧ください。 webサービスでの行動ログとアンケートの結果を紐づけて予測モデルを作る。アンケート非回
制作を担当したのは、東洋経済オンライン編集部でデータジャーナリスト／データ可視化デザイナーとして働く荻原和樹さんだ。 2010年に東洋経済新報社に入社し、イギリスの大学院への留学などを経て2017年に編集部へ異動。それ以来、各種データの可視化やインフォグラフィックを活用した記事の執筆を続けてきた。 荻原さんが今回の「新型コロナウイルス 国内感染の状況」の制作にかけた期間はたったの一週間。しかも、通常業務の合間に一人で作り上げたという。 そんな彼が「新型コロナウイルス 国内感染の状況」特設ページ制作に込めた思いとは……？ データ可視化デザイナーの役割とあわせて、詳しく話を伺った。 東洋経済新報社 データジャーナリスト／データ可視化デザイナー 荻原和樹さん 2010年筑波大学卒業、同年東洋経済新報社に入社。大株主・大量保有報告書データ編集を経て、2014年よりデータベース商品の設計とウェブ開発
Data of Data Scientist シリーズ vol.50『4.5倍－スキルアップのためにeラーニングに取り組む割合（2015年→2022年）』
さいしょに 「AI」、「ビッグデータ」、「データサイエンティスト」、これらのキーワードに関する仕事がしたいと思っている人はどの程度いるでしょうか？その中に、どのように勉強すれば良いかわからない、勉強はしたけど挫折した、実践できるまでには至らなかった人はどの程度いるでしょうか？ 本記事では、データサイエンスを勉強している中で、気付いたことをまとめています。あくまで、個人的に感じたことをまとめたものであり、勉強方法を決めつけるものではありません。 ※機械学習の実装方法等、技術的な内容ではございません。 Kaggleとは？ 公式より Kaggleとは、 「企業や研究者がデータを投稿し、世界中の統計家やデータ分析家がその最適モデルを競い合う、予測モデリング及び分析手法関連プラットフォーム及びその運営会社である。 」 以上、Wikipediaより 要するに、企業等が分析してほしい課題を投稿し、世界
コンピュータソフトウェア協会（CSAJ）は5月12日、「データサイエンティスト」の定義を公表した。データの収集や加工にとどまらず、戦略立案にも関わる包括的な人材像を示すという。 ビッグデータという言葉の普及に伴い耳にする機会も増えてきた「データサイエンティスト」。CSAJは「ビジネスにおいて競争優位性をもたらすために、データの収集・加工・分析に優れた専門性を発揮し、知見を引き出す人材」と定義する。 データの収集から管理、設計、加工に加え、得られた情報の分析／活用の部分も職務に含み、「データアーキテクト」「データスチュアート」「データアナリスト」などの職を包括するような人材像としている。 CSAJは、今後データサイエンティスト育成に取り組んでいく上で、収集したデータを生かすフレームワークや戦略立案スキルを会得する「データ活用プランニング」の部分を特に強化したい考えだ。 関連記事 ニートの進路
「ゼロから作るDeep Learning ２自然言語処理編」読書会に参加する前に読んで置くとよい資料とプログラム - Qiita
目的(pupose) 「ゼロから作るDeep Learning」読書会に必要な資料を整理する。 #成果(outcome) 「ゼロから作るDeep Learning」読書会参加者が、必要な予備知識、演習のための基礎技術が身につく。 <この項は書きかけです。順次追記します。> 前書き(preface) 今日(2018年04月13日)がReview最終日 「ゼロから作るDeep Learning ２自然言語処理編」を読む前に読んで置くとよい資料とプログラム 「『ゼロから作るDeep Learning ❷』公開レビューのお知らせ」 終了しました。 「公開レビューのお知らせ」の引用 「ゼロから作るDeep Learning」著者の続編『ゼロから作るDeep Learning ❷ 自然言語処理編』の公開レビューが始まっている。「レビュー期間は2月28日（水）から4月13日（金）までの1ヶ月半です。」
(Photo via Visualhunt.com) そう言えば、今度の6月で僕が研究者を辞めて民間企業に転じてからちょうど4年になるのでした。この4年の間に、博士やポスドクから企業に転じる人も増え、あまつさえ助教から企業に転じたり、トップジャーナル・カンファレンスにズラリと載せている猛者が博士修了と同時に企業に好待遇で採用されるという事例まで出てきており、僕が駆け出しのボンクラ研究者だった頃に比べると博士号持ちの人が企業に就職するケースって増えてるんだなぁという印象が年々強まっています。 ということで、もう4年も経ったしそろそろ公にしても良いかなという気もしてきたので、その当時僕がどんな転職活動をしたかをブログ記事としてまとめておこうかと思います。ちなみに予め断っておきますが、数式もコードも含まれていないのでこの記事を書くのは普段のデータ分析系の記事に比べると格段に楽でした（笑）。 20
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
トップデータサイエンティストが、心得を伝授
2013年7月29日午後、都内で日経情報ストラテジー主催の「データサイエンティスト講座」が開催され、トップデータサイエンティストの講演に250人が熱心に聴き入った。 「日本のトップが伝授 数字と人を見極め、業績を伸ばす」と題したこのセミナーには、花王、大阪ガス、アイズファクトリー、楽天の各社から、4人の著名データサイエンティストが登場。各社の取り組みを紹介しつつ、利益を出す心得や効果的な時間の使い方、データサイエンティストを目指す人が陥りやすい落とし穴、データサイエンティストの日常業務などについて解説した。 花王の情報システム部門統括付部長である大路延憲氏は、在庫日数29％減、欠品率65％減とめざましい成果をあげたSCMプロジェクトの例を語りながら、データサイエンティストの心得として3つのMを挙げた。その上で「まず目的（Mindset）と評価尺度（Measurement）を明確にし、それか
この記事は、datatech-jp Advent Calendar 2021 の10日目の記事です。 技術部データ基盤チーム データサイエンティストの zaimy です。 今回、ペパボの職位制度におけるシニアポジションの一職種として、データサイエンティストの職種要件を整理したので内容を社外にも公開します。 主に、社内でデータサイエンティストについて説明したり、ジュニアポジションの方にデータサイエンティストという職種を知ってもらいこれからのキャリアパスの参考にしていただいたりするために、データサイエンティスト協会とIPAによるスキル定義を元に、ペパボのデータ基盤の定義や、ペパボで活用しているDX Criteria1のテーマに照らして簡潔にまとめたものです。 まえおき: ペパボの職位制度について データサイエンティストとは データサイエンティストのスキルセット 3つのスキル領域の概要 4等級シ
心理学者。キングス・カレッジ・ロンドンの精神医学・心理学・神経科学研究所の講師。2015年に科学的心理学会（アメリカ）の「期待の星（ライジンング・スター）」賞を受賞。『タイムズ』『ワシントン・ポスト』『ワイアード』などに数多く寄稿し、BBCラジオなどの出演もある。 Science Fictions あなたが知らない科学の真実 スタンフォード監獄実験はイカサマだった！ 権威ある心理学研究の100件のうち、再現に成功したのはたったの39％!? 科学の信頼性を根底から揺るがす「再現性の危機」に迫る真実の書、日本上陸！ 科学における不正・怠慢・バイアス・誇張が起きる仕組みを多数の実例とともに解説。既存の本で知ったウンチクを得意げに語る人に読ませたい、真実の書。 バックナンバー一覧 「すべての科学研究は真実である」と考えるのは、あまりに無邪気だ――。 科学の「再現性の危機」をご存じだろうか。心理学、
「そうそう」「なるほど」 「へぇ～」で現場を動かす
東京大学大学院を卒業後、ボストンコンサルティンググループに入社し、小売り・消費財やネット業界を中心に担当。その後、グリーに移り、米国子会社の設立やM＆A、ビッグデータ分析などに携わった。2013年にすかいらーくに入社し、データ分析を駆使して収益改善に取り組んでいる。 データ分析に対する関心が高まるなか、分析の専門組織を作る企業が増えています。そんなとき、外部から人材を採用するのが有効なやり方といえるでしょうか。 かく言う私もコンサル出身ですが、私が率いる分析チームは大半がプロパー社員です。15人のチームでプロパーは12人と8割を占め、中途社員は3人しかいません。 分析チームの大半をプロパー社員が占める今の体制はとても強力です。その理由は2つあります。 1つはプロパー社員は分析結果を使って、「現場を動かす」能力が高いことが挙げられます。よくデータ分析に関わる人から「現場と話が通じない」という
データサイエンティストとマーケが喜ぶデータ基盤の作り方
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます データ分析にはどのような基盤を構築すれば良いのかーー。データ分析を考える上でまずは、ビジネス情報はどのようにデータとして存在するのかを考えてみよう。小規模レベルでは逐次入力されるスプレッドシートに、ある程度の規模のビジネスであれば自動化されたシステムを通じて入力されるリレーショナルデータベース（RDBMS）に、日々のビジネス活動とともに蓄積されていくものである。 どのような形式であれ、ほとんどの企業がビジネス情報をデータとして蓄積しているはずだ。本稿ではスプレッドシートやRDBMSといったソフトウェアの違いを特に区別せず、蓄積されたデータの集合のことを“データベース”と呼ぶことにする。 大概の企業がデータベースを持っている一方、世の中の
2013.03.05 働き方 宇宙ビジネスといえば、国の予算と政府管轄の組織を総動員する壮大なプロジェクトというイメージがある。そのため、他分野の一企業で働いたり、個人で仕事をするエンジニアには、まったく関係のない話と思われる読者もいるかもしれない。 From jurvetson 「膨大な資金と高度な技術力が必要」と思われがちな宇宙関連ビジネスだが、昨今はベンチャー企業の参入が目立つようになった 「膨大な資金と高度な技術力が必要」と思われがちな宇宙関連ビジネスだが、昨今はベンチャー企業の参入が目立つようになった しかし今、国内外問わず宇宙ビジネスで活躍しているのは、ベンチャースピリッツを持つ民間企業だ。今回、宇宙関連事業の専門家、そして宇宙産業で活躍する日本発のベンチャー企業に取材する機会を得た。 彼らの話によると、宇宙資源を利用した新しいサービスの創出から、その謎を解き明かす宇宙開発まで
2013年ビッグデータビジネスとデータサイエンティストのまとめ：『ビジネス2.0』の視点：オルタナティブ・ブログ
2013年はビッグデータビジネスが本格的に立ち上がり始めた年でした。一方で、データ分析に対応できるデータサイエンティストの深刻な人材不足が指摘された年でもありました。 2013年のビッグデータビジネスの動向と、データサイエンティストの状況について焦点をあてて整理してみたいと思います。 ビッグデータによるGame Change アメリカは構造的な問題の打開には成長志向の政策と投資の活発化、雇用の促進が必要とし、シェールガスと石油産業、貿易促進、インフラ投資、ビッグデータの分析と教育改革の5つの分野における大規模な投資が必要と指摘しています。 ビッグデータによる小売りやサプライチェーン・マネジメント、製造業の合理化の推進、政府の医療コスト負担を抑制など、経済効果は、1550億ドルから3250億ドルと推計するなど、経済効果が期待されています。 ビッグデータビジネスの成長性 2012年の国内ビッグ
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
なぜ多くのデータサイエンティストが優良企業の良い仕事を辞めるのか | AI専門ニュースメディア AINOW
人工知能の欠点、破局的忘却とは？ – 株式会社ライトコード
“データサイエンティスト＝特殊な仕事”ではない、誰もがなれる「問題解決型」データサイエンティストとは
そろそろデータサイエンティストの定義とスキルセットについて本気で考えてみる - Qiita
ビッグデータ分析、新卒年収は１０００万円以上 東大生の人気職種に（産経新聞） - Yahoo!ニュース
「AIはエクセルのような仕事の必須ツールになる」データサイエンティストの提言
データサイエンティストに縁遠い人のための「機械学習」入門
データエンジニアリングにおける人事評価基準 - 下町柚子黄昏記 by @yuzutas0
データサイエンティスト協会、データサイエンティストのミッション、スキルセット、定義、スキルレベルを発表
「ビールと紙おむつ」のような相関関係を探る分析手法にはどんなものがある？――データ分析方法についての検討
FacebookのMMMのOSS「Robyn」のチュートリアルさわってみた – かものはしの分析ブログ
シゴトで使える「データサイエンティスト」に必要なスキルセットってどんなもの？
第二回データサイエンティスト木曜勉強会20141016
「意思決定」の視点がないデータ分析が失敗する理由 元大阪ガスの河本薫氏が解説
行動ログデータからのユーザーアンケート予測モデルを作り、ユーザーの嗜好分類をする - エムスリーテックブログ
東洋経済「新型コロナウイルス 国内感染の状況」サイトが大反響を生んだ理由は？ 制作者のデータ可視化デザイナーに聞く - エンジニアtype | 転職type
DSSジャーナル｜一般社団法人データサイエンティスト協会
データサイエンティストを目指して勉強するなら、Kaggleからはじめよう - Qiita
「データサイエンティスト」って？ コンピュータソフトウェア協会が定義を公表
2012年春の転職活動について：研究者→民間企業 - 渋谷駅前で働くデータサイエンティストのブログ
データサイエンティスト協会、データサイエンティストに必要とされるスキルまとめたチェックリスト公開
ペパボにおけるデータサイエンティストの職種要件をまとめました - Pepabo Tech Portal
【統計学「p値」の謎】統計学好きでも意外と説明できない「p値」の正体
データサイエンティストもプログラマーも人材不足！今、宇宙ビジネスに異業種エンジニアが求められている - エンジニアtype | 転職type