Más contenido relacionado
La actualidad más candente (12)
Similar a 【スクー】業務改善のためのデータサイエンス (20)
Más de Issei Kurahashi (13)
【スクー】業務改善のためのデータサイエンス
- 2. 設立:2011年3月24日
Web:http://ianalysis.jp/
本社:東京都港区南青山2-2-15 ウィン青山
取引先企業
◦ エーザイ株式会社、大鵬薬品工業株式会社、株式会社gumi、
大手自動車会社、大手人材サービス会社など
医療分野から始まり、多種多様な業種へ
実績
◦ セミナー活動
◦ コンサルティング
分析手法のアドバイス
分析環境作りのアドバイス
◦ 分析実務
調査データ分析によるインサイト抽出
売上データ分析によるKPIの開発
◦ 分析のためのデータベース構築 【本社エントランス】
◦ 予測モデル開発
Web上の行動履歴データを使ったユーザーの属性予測
2
- 3. 【経歴】
東京大学Ph.D (2011), Statistician, Data Scientist, Data Miner
【専門】
cDNAマイクロアレイ、臨床試験データ、レセプトデータ、
電子カルテ・医療オーダーデータ、マーケティングデータ
【スキル】
R, SAS, SPSS, Visual C++, Ruby on Rails, Python
【主な実績】
・2005:NPO日本臨床研究支援ユニット、解析担当
腎臓癌患者の調査データの解析(SAS)
レセプトデータの解析と結果のレポーティング(R)
・2007、2009:スタットコム株式会社、統計解析者
小児癌の臨床試験のプロトコルに沿った解析とレポーティング
術後乳癌患者のQOLに関する研究の解析と統計アドバイス
・2009~2010:帝京大学、医師への統計コンサルタント
論文化にあたっての医師へのアドバイスと解析
様々な科の医師に対してのコンサルタント(内科、外科、眼科など)スタットコム株式会社、統計解析者
・2010:キャピタルメディカ株式会社、プロジェクトメンバー
レセプトデータを活用した新規プロジェクトの立ち上げメンバー
・2011:iAnalysis合同会社 設立
※Twitter: @isseing333
※blog: 「おとうさんの解析日記」 http://d.hatena.ne.jp/isseing333/
3
- 5. ローデータ(生データ):集計前のデータ
◦ エクセルの表をイメージ
◦ 1つのシートが、1つのデータ
列:変数、項目
ID 年齢 身長 体重 …
1 20 165 60 …
2 43 178 73 …
行:レコード
3 36 163 57 …
... ... ... ... …
ローデータを集計した値も「データ」
◦ 平均年齢○○歳、平均年収○○万円
5
- 6. 学問知識 エンジニアリング
統計学 データベース
機械学習 プログラミング
ビジネス感
実務経験
マーケティング
経営企画
6
- 7. 大学の講義 本 実戦 セミナー
統計学系:尐 データサイ 統計検定
1.学問知識
機械学習系:多 エンス本 CodeIQ
おしゃスタ
TokyoWebmini
ng
DB系、プロ TokyoR
2.エンジニアリン 情報学系学科 コンテスト
グラミング
グ 工学系学科 アプリ実装
系の本
『分析力を
3.ビジネス感 経済系学科 武器とする 業務経験 各種研修
企業』
7
- 8. 公開されているデータを使う
◦ 国が公開しているデータ
◦ Twitter、Facebookなどのデータ
分析を行なっている会社で働く
◦ 各企業の分析部門、マーケティング部門
◦ 分析専門会社
分析のコンテストをやってみる
◦ KDD
◦ KAGGLE
詳しくは「理系ナビ」でのセミナー資料
◦ http://www.slideshare.net/isseing333/ss-13690717
8
- 11. DBの加工
ERP
ETLツール
バッチ処理
・抽出
CRM ・変換
・ロード
DWH
データマート
・集約
・絞り込み
販売
生産
在庫
11
- 13. エクセルの加工
人口
総数 男 女
未成年 成年 未成年 成年 未成年 成年
.. .. .. .. .. ..
.. .. .. .. .. ..
.. .. .. .. .. ..
人口_総数_未成年 人口_総数_成年 人口_男_未成年 人口_男_成年 人口_女_未成年 人口_女_成年
.. .. .. .. .. ..
.. .. .. .. .. ..
.. .. .. .. .. ..
13
- 16. データに様々な「モデル」を当てはめて、情報を探索する
16
- 19. トップダウン(近道)
◦ 経営層が分析プロジェクトを計画
◦ 人材を確保しプロジェクトを進める
ボトムアップ
◦ それぞれの部署で何か成果を上げる
◦ なるべく多く溜まっている部門でデータを分析する
◦ 会社の利益に直結する分析を行う
19
- 20. 売上アップ
◦ 最適なプライシング
◦ 会員の離脱を防ぐ
◦ 新商品の開発
コスト削減
◦ 広告の最適化
◦ 在庫管理・サプライチェーン最適化
◦ 人事:離職率低下のための分析
◦ 財務:M&A・投資
20
- 25. ホームページ:http://ianalysis.jp/
Twitter:https://twitter.com/iAnalysisLLC
Facebook:http://www.facebook.com/ianalysis
メルマガ
◦ データマイニングのすすめ:
http://staff.ianalysis.jp/neo/usrctrl.php?mag_id=1
◦ データマイニング・アンド・ザ・シティ:
http://staff.ianalysis.jp/neo/usrctrl.php?mag_id=2
ブログ
◦ おとうさんの解析日記:http://d.hatena.ne.jp/isseing333/
◦ iAnalysisブログ:http://d.hatena.ne.jp/iAnalysis/
CodeIQ問題:https://codeiq.jp/ace/kurahashi_issei/
25