SlideShare a Scribd company logo
1 of 78
富田IT経営コンサルティング合同会社
代表社員 富田 良治
中小企業診断士、ITストラテジスト
オープンデータ活用
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 1
RESAS・e-Stat(QGIS)の活用事例
本日の内容
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 2
1. 自己紹介
2. オープンデータとは
3. 城南地区ランキング
4. RESAS活用事例
5. e-Stat(QGIS)活用事例
6. 質疑応答
自己紹介
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 3
■富田良治(とみた よしはる)
1976年生まれ41歳、千葉県市原市出身、東京都府中市在住
中小企業診断士、ITストラテジスト
受託開発ソフトウェア業の中小企業に16年勤務の後、2016
年末にIT経営コンサルタントとして独立。
■所属
富田IT経営コンサルティング合同会社 代表社員
一般社団法人 データマーケティングラボラトリー 理事
一般社団法人 多摩経営工房 理事
一般社団法人 クラウドサービス推進機構 特別研究員
提供サービスと実績
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved.
4
■地域活性化コンサルティング
・まちづくり支援
・商店街活性化支援
【実績】
まちゼミ支援
島しょ支援(三宅島、大島)、
地域商業調査、空き店舗調査
府中文化村、Code for Fuchu
■IT経営コンサルティング
・IT導入支援
・クラウド活用支援
・Web活用支援
【実績】
広告代理店ITコンサルティング
小売業・飲食業Web活用支援
製造業業務効率化支援
■IoT導入コンサルティング
・IoT導入支援
・IoTデータ見える化
・IoTデータ分析
【実績】
IAクラウドプロジェクト
経産省IoTツール選定
故障予知データ分析
■データ活用コンサルティング
・データ分析
・オープンデータ活用
・データ活用セミナー
【実績】
従業員満足度調査
商圏分析、需要予測分析
R講座、RESAS講座、QGIS講座
ITの知識と経験
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 5
オープンデータとは
オープンデータ
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 6
誰でもアクセスできる
自由に使える
(クリエイティブ・コモンズ・ライセンス)
無料
e-Stat
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 7
• https://www.e-stat.go.jp/SG1/estat/eStatTopPortal.do
e-Stat
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 8
提供データ
国勢調査
人口動態調査
経済センサス
農林業センサス
漁業センサス
労働力調査
商業統計調査
住宅・土地統計調査
家計調査

などなど、50種類以上のデータを
CSV、Excel、PDF、GIS形式でダウンロードできる
jSTAT MAP
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 9
• https://jstatmap.e-stat.go.jp/gis/nstac/
データカタログサイト(総務省)
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 10
http://www.data.go.jp/
Open DATA METI(経産省)
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 11
• http://datameti.go.jp/
東京都オープンデータカタログ
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 12
http://opendata-portal.metro.tokyo.jp/www/index.html
東京都オープンデータカタログ
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 13
東京都オープンデータカタログ
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 14
【収録自治体】
文京区、台東区、品川区、板橋区、調布市、稲城市
東京都がデータ活用事業を募集してます
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 15
なんと1事業2億円。
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 16
城南地区ランキング
(大田区、渋谷区、品川区、世田谷区、目黒区)
面積
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 17
大田区 渋谷区 品川区 世田谷区 目黒区
59.46㎢
人口
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 18
大田区 渋谷区 品川区 世田谷区 目黒区
89.09万人
人口密度
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 19
大田区 渋谷区 品川区 世田谷区 目黒区
1.9人/㎡
製造業
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 20
大田区 渋谷区 品川区 世田谷区 目黒区
4699事業所
そば・うどん店
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 21
大田区 渋谷区 品川区 世田谷区 目黒区
211店
バー・キャバレー・ナイトクラブ
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 22
大田区 渋谷区 品川区 世田谷区 目黒区
578店
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 23
RESAS活用事例
RESASとは
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 24
https://resas.go.jp/
産業構造や人口動態、人の流れなどの官民ビッグデータを集約し、可視化
する無料の地域経済分析システムです。
主な収録データ
政府統計データ(e-Stat)
帝国データバンク(企業間取引データ)
ナビタイム(経路検索データ)
NTTドコモ(モバイル空間統計)
VISA(クレジットカード利用状況データ)
カスタマー・コミュニケーションズ(POSデータ)
グローバルブルー(免税店利用状況データ)
Agoop(流動人口データ)
RESASメニュー
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 25
1. 人口マップ
2. 地域経済循環マップ
3. 産業構造マップ
4. 企業活動マップ
5. 観光マップ
6. まちづくりマップ
7. 雇用/医療・福祉マップ
8. 地方財政マップ
9. 企業間取引マップ(自治体向け裏メニュー)
RESAS活用事例
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 26
「レファレンス協同データべース」
(図書館の問い合わせ事例集)
https://crd.ndl.go.jp/reference/
から実際の事例を取り上げて、
RESASを使って調査します。
事例1
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 27
小金井市・国分寺市・国立市の人
口推移および人口予測が知りたい。
(嘉悦大学情報メディアセンター:kaetsu-0019)
事例1 :人口推移(その1)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 28
人口マップ→将来人口統計→グラフで表示
事例1 :人口推移(その2)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 29
人口マップ→人口構成→人口推移
事例2
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 30
日本の海外進出企業を調べたい。
(近畿大学中央図書館: 20130223-4 )
事例2 :海外進出企業
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 31
企業活動マップ→海外取引→海外への企業進出動向
事例3
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 32
各県別の理容、美容院の店舗数が
知りたい。平成8年頃の数字がよ
い。
( 埼玉県立久喜図書館:埼熊-1996-164 )
事例3 :店舗数(その1)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 33
データをダウンロードす
ると東京都以外のデータ
もまとめて取得できる
産業構造マップ→全産業→事業所数
事例3 :店舗数(その2)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 34
まちづくりマップ→事業所立地動向
事例3 :店舗数(その2)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 35
任意の位置を選択→選択地域内の事業所一覧を見る
事例3 :店舗数(その2)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 36
事例4
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 37
日本全国の入院患者数を調べたい。
(近畿大学中央図書館:20071215-1 )
事例4 :入院患者数
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 38
雇用/医療・福祉マップ→医療需給
事例5
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 39
訪日外国人(観光)の統計を調べた
い。
(近畿大学中央図書館: 20100625-2)
事例5:訪日外国人観光客分析(その1)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 40
観光マップ→外国人→外国人訪問分析
事例5:訪日外国人観光客分析(その1)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 41
観光マップ→外国人→外国人訪問分析
→指定した国籍で分析する
事例5:訪日外国人観光客分析(その2)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 42
観光マップ→外国人→外国人滞在分析
事例5:訪日外国人観光客分析(その2)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 43
観光マップ→外国人→外国人滞在分析→推移
事例5:訪日外国人観光客分析(その3)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 44
観光マップ→外国人→外国人滞在分析
RESAS API
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 45
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 46
e-Stat活用事例
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 47
e-Stat活用事例(人口マップ)
QGISとは
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 48
・オープンソースの地理情報システム
・地図上に情報をマッピングできる
・e-StatのGIS情報を活用できる
府中市人口マップ(総数)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 49
府中市人口マップ(0~19歳)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 50
府中市人口マップ(20~39歳)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 51
府中市人口マップ(40~59歳)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 52
府中市人口マップ(60歳~)
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 53
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 54
e-Stat活用事例(年収マップ)
東京周辺世帯年収マップ
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 55
 使用するオープンデータ
総務省「住宅・土地統計調査」
http://shimz.me/datavis/mimanCity/
関東周辺世帯年収マップ
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 56
町丁別世帯年収マップ
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 57
使用するオープンデータ
総務省「住宅・土地統計調査」
世帯の年間収入階級(9区分),世帯の種類(2区分),住宅の所有の関係(5区分)別普
通世帯数,1世帯当たり人員,1世帯当たり居住室数及び1世帯当たり居住室の畳
数―市区町村
総務省「国勢調査」
住居の種類・住宅の所有の関係(6区分)別一般世帯数,一般世帯人員及び1世帯
当たり人員 -町丁・字等
分析手法
回帰分析
持ち家比率と世帯年収の関係
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 58
■モデルの評価
R^2:0.9599 P < 0.001 世帯収入 = 2235.6 × 持ち家比率 – 706.7
府中市世帯年収マップ
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 59
世田谷区推定年収マップ
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 60
■モデルの評価
R^2:0.9635 P < 0.001 世帯収入 = 2183.92 × 持ち家比率 – 473.23
品川区推定年収マップ
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 61
■モデルの評価
R^2:0.8857 P < 0.002 世帯収入 = 3722.7× 持ち家比率 – 1219.8
目黒区推定年収マップ
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 62
■モデルの評価
R^2:0.8252 P < 0.005 世帯収入 = 2837.9 × 持ち家比率 – 806.2
大田区推定年収マップ
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 63
■モデルの評価
R^2:0.9597 P < 0.001 世帯収入 = 2161.8× 持ち家比率 – 502.6
渋谷区推定年収マップ
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 64
■モデルの評価
R^2:0.9341 P < 0.001 世帯収入 = 2863.9 × 持ち家比率 – 683.4
市原市推定年収マップ
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 65
■モデルの評価
R^2:0.8432 P < 0.004 世帯収入 = 2792.3 × 持ち家比率 – 1477.3
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 66
e-Stat活用事例(商圏分析)
商圏分析(半径500m)
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 67
商圏分析(世帯数、人数)
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 68
地区 世帯数 20歳
未満
20歳~
39歳
40歳~
59歳
60歳
以上
北野
1丁目
704 314 380 423 217
北野
3丁目
937 423 570 686 340
北烏山
8丁目
1374 726 887 873 445
給田
5丁目
984 513 537 686 343
計 3999 1976 2374 2668 1345
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 69
e-Stat活用事例(潜在購買力)
潜在購買力推計
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 70
使用するオープンデータ
総務省「国勢調査」
世帯人員(7区分)別一般世帯数及び一般世帯人員(6歳未満・18歳未満世帯員のいる
一般世帯-特掲)-都道府県※,市部,郡部,市町村※・旧市町村
総務省「家計調査」
1世帯当たり品目別支出金額、世帯人員・世帯主の年齢階級別、総世帯・勤労者世
帯
分析手法
QGIS + 掛け算
潜在購買力推計
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 71
1.商圏の設定
商圏を半径3Km
に設定
潜在購買力推計
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 72
2.商圏内の特性の把握(人員別世帯数)
潜在購買力推計
2017/11/2 Copyright (C) 2016 DML All Rights Reserved. 73
3.潜在購買力推計
0
1,000
2,000
3,000
4,000
5,000
6,000
7,000
8,000
肉類 魚介類 野菜・海藻
6人以上世帯
5人世帯
4人世帯
3人世帯
2人世帯
単身世帯
単位(百万円)
潜在購買力=人員別世帯数×品目別支出金額
まとめ
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 74
オープンデータを活用しましょう!
まずはRESASで概要を把握
e-Statで一通りのデータは揃う
町丁別データは「国勢調査」
QGISで「見える化」するのが効果的
ちょっとだけ宣伝(その1)
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 75
JISTA(日本ITストラテジスト協会)オープンフォーラム2017
【テ ー マ 】「AIとビッグデータをIT戦略に生かすための方法」
【開催日時】 2017年11月18日(土) 13:30~17:30
【会 場】 秋葉原UDX GALLERY NEXT-1
【定 員】 160人
<基調講演1>
「ECにおける「個別化」後の人工知能活用と協創の世界」
楽天株式会社 執行役員 兼 楽天技術研究所代表 森 正弥 様
<基調講演2>
「企業経営に役立つビッグデータ解析」
国立情報学研究所 情報社会相関研究系 准教授 水野 貴之 様
<JISTA会員と講演者による「データ活用相談室」※相談募集中>
【参 加 料】事前申込み(一般):2,500円、事前申込み(会員):1,500円
懇親会:6,000円
【お申込み】http://jista2017.peatix.com/
ちょっとだけ宣伝(その2)
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 76
TOKYOプラス ひときわ輝く商店街
東京都中小企業診断士協会 商店街研究会
27商店街の取り組みを紹介
「SNS活用による商店街活性化(仙川商店街)」
本日、直売します!
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 77
定価:1,620円(税込み)
特価:1,500円(税込み)
2017/11/2 Copyright (C) 2017 TITC All Rights Reserved. 78
ご清聴ありがとうございました。
http://titc.co.jp
tomita@titc.co.jp
yoshiharu.tomita

More Related Content

What's hot

大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端Takuya Akiba
 
GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)OSgeo Japan
 
機械学習と機械発見:自然科学研究におけるデータ利活用の再考
機械学習と機械発見:自然科学研究におけるデータ利活用の再考機械学習と機械発見:自然科学研究におけるデータ利活用の再考
機械学習と機械発見:自然科学研究におけるデータ利活用の再考Ichigaku Takigawa
 
ソネット・メディア・ネットワークス a.i lab.紹介
ソネット・メディア・ネットワークス a.i lab.紹介ソネット・メディア・ネットワークス a.i lab.紹介
ソネット・メディア・ネットワークス a.i lab.紹介So-net Media Networks Corp.
 
Statistical Semantic入門 ~分布仮説からword2vecまで~
Statistical Semantic入門 ~分布仮説からword2vecまで~Statistical Semantic入門 ~分布仮説からword2vecまで~
Statistical Semantic入門 ~分布仮説からword2vecまで~Yuya Unno
 
分析コンペティションの光と影
分析コンペティションの光と影分析コンペティションの光と影
分析コンペティションの光と影Ken'ichi Matsui
 
Issueの書き方と伝え方
Issueの書き方と伝え方Issueの書き方と伝え方
Issueの書き方と伝え方Rina Fukuda
 
高速な倍精度指数関数expの実装
高速な倍精度指数関数expの実装高速な倍精度指数関数expの実装
高速な倍精度指数関数expの実装MITSUNARI Shigeo
 
mathematical_notation
mathematical_notationmathematical_notation
mathematical_notationKenta Oono
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有Naoaki Okazaki
 
5分でわかるベイズ確率
5分でわかるベイズ確率5分でわかるベイズ確率
5分でわかるベイズ確率hoxo_m
 
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学Ken'ichi Matsui
 
QGIS初級編2018
QGIS初級編2018QGIS初級編2018
QGIS初級編2018Jyun Tanaka
 
QgisとRで野生動物の追跡結果を解析してみよう
QgisとRで野生動物の追跡結果を解析してみようQgisとRで野生動物の追跡結果を解析してみよう
QgisとRで野生動物の追跡結果を解析してみようNozomiIriomote
 
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hare
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hareDAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hare
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也harePreferred Networks
 
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)Kazuyuki Wakasugi
 

What's hot (20)

大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
 
GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)GeoPackageを使ってみた(おざき様)
GeoPackageを使ってみた(おざき様)
 
機械学習と機械発見:自然科学研究におけるデータ利活用の再考
機械学習と機械発見:自然科学研究におけるデータ利活用の再考機械学習と機械発見:自然科学研究におけるデータ利活用の再考
機械学習と機械発見:自然科学研究におけるデータ利活用の再考
 
ソネット・メディア・ネットワークス a.i lab.紹介
ソネット・メディア・ネットワークス a.i lab.紹介ソネット・メディア・ネットワークス a.i lab.紹介
ソネット・メディア・ネットワークス a.i lab.紹介
 
Statistical Semantic入門 ~分布仮説からword2vecまで~
Statistical Semantic入門 ~分布仮説からword2vecまで~Statistical Semantic入門 ~分布仮説からword2vecまで~
Statistical Semantic入門 ~分布仮説からword2vecまで~
 
分析コンペティションの光と影
分析コンペティションの光と影分析コンペティションの光と影
分析コンペティションの光と影
 
Issueの書き方と伝え方
Issueの書き方と伝え方Issueの書き方と伝え方
Issueの書き方と伝え方
 
高速な倍精度指数関数expの実装
高速な倍精度指数関数expの実装高速な倍精度指数関数expの実装
高速な倍精度指数関数expの実装
 
mathematical_notation
mathematical_notationmathematical_notation
mathematical_notation
 
BrowserMob-Proxyのお話
BrowserMob-Proxyのお話BrowserMob-Proxyのお話
BrowserMob-Proxyのお話
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
 
Point net
Point netPoint net
Point net
 
5分でわかるベイズ確率
5分でわかるベイズ確率5分でわかるベイズ確率
5分でわかるベイズ確率
 
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
 
QGIS初級編2018
QGIS初級編2018QGIS初級編2018
QGIS初級編2018
 
QgisとRで野生動物の追跡結果を解析してみよう
QgisとRで野生動物の追跡結果を解析してみようQgisとRで野生動物の追跡結果を解析してみよう
QgisとRで野生動物の追跡結果を解析してみよう
 
画像処理の高性能計算
画像処理の高性能計算画像処理の高性能計算
画像処理の高性能計算
 
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hare
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hareDAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hare
DAシンポジウム2019招待講演「深層学習モデルの高速なTraining/InferenceのためのHW/SW技術」 金子紘也hare
 
CVPR 2018 速報
CVPR 2018 速報CVPR 2018 速報
CVPR 2018 速報
 
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)
 

Similar to オープンデータ活用

データで見る府中
データで見る府中データで見る府中
データで見る府中良治 富田
 
技術が自分を変える?! Share
技術が自分を変える?! Share技術が自分を変える?! Share
技術が自分を変える?! ShareMakoto Fujiwara
 
ホームページ×SNSの活用で実店舗へ集客!
ホームページ×SNSの活用で実店舗へ集客!ホームページ×SNSの活用で実店舗へ集客!
ホームページ×SNSの活用で実店舗へ集客!良治 富田
 
Bus-Visionのオープンデータ戦略 ~GTFS対応担当の苦悩~
Bus-Visionのオープンデータ戦略 ~GTFS対応担当の苦悩~Bus-Visionのオープンデータ戦略 ~GTFS対応担当の苦悩~
Bus-Visionのオープンデータ戦略 ~GTFS対応担当の苦悩~riosryobi
 
20190131 public data-information-to-opendata
20190131 public data-information-to-opendata20190131 public data-information-to-opendata
20190131 public data-information-to-opendataMakoto Fujiwara
 
Cfj summit shinjou_20190929
Cfj summit shinjou_20190929Cfj summit shinjou_20190929
Cfj summit shinjou_20190929DAISUKESHINJO
 
2016年度コーポレートフェローシップ活動報告(葛城さん)
2016年度コーポレートフェローシップ活動報告(葛城さん)2016年度コーポレートフェローシップ活動報告(葛城さん)
2016年度コーポレートフェローシップ活動報告(葛城さん)Code for Japan
 
140301_udctfinal_02
140301_udctfinal_02140301_udctfinal_02
140301_udctfinal_02CSISi
 
Cloud Impact on Business in Japan
Cloud Impact on Business in JapanCloud Impact on Business in Japan
Cloud Impact on Business in Japanshojiro-tanaka
 
AIIT マンスリー・フォーラム Infotalk 第85回 科学技術イノベーション政策・ 政府研究開発投資による IoT の経済的効果
AIIT マンスリー・フォーラム Infotalk 第85回科学技術イノベーション政策・政府研究開発投資による IoT の経済的効果AIIT マンスリー・フォーラム Infotalk 第85回科学技術イノベーション政策・政府研究開発投資による IoT の経済的効果
AIIT マンスリー・フォーラム Infotalk 第85回 科学技術イノベーション政策・ 政府研究開発投資による IoT の経済的効果Yasushi Hara
 
20140918 センサ・アクチュエータ・マイクロナノ/ウィーク2014 次世代センサ総合シンポジウム
20140918 センサ・アクチュエータ・マイクロナノ/ウィーク2014 次世代センサ総合シンポジウム20140918 センサ・アクチュエータ・マイクロナノ/ウィーク2014 次世代センサ総合シンポジウム
20140918 センサ・アクチュエータ・マイクロナノ/ウィーク2014 次世代センサ総合シンポジウムKeio University
 
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料Akihiko Uchino
 
地理空間データが変える街選び -IESHIL CONNECTがデータ活用で災害リスクを可視化、不動産仲介を変える-
地理空間データが変える街選び -IESHIL CONNECTがデータ活用で災害リスクを可視化、不動産仲介を変える-地理空間データが変える街選び -IESHIL CONNECTがデータ活用で災害リスクを可視化、不動産仲介を変える-
地理空間データが変える街選び -IESHIL CONNECTがデータ活用で災害リスクを可視化、不動産仲介を変える-Keiko Inagaki
 
道南ではじめるこれからの自治体DX
道南ではじめるこれからの自治体DX道南ではじめるこれからの自治体DX
道南ではじめるこれからの自治体DXTakuya Yamagata
 
201712 利根川講演 in 松江
201712 利根川講演 in 松江201712 利根川講演 in 松江
201712 利根川講演 in 松江Yuta Tonegawa
 
利根川講演@プログラミング教育明日会議 2017
利根川講演@プログラミング教育明日会議 2017利根川講演@プログラミング教育明日会議 2017
利根川講演@プログラミング教育明日会議 2017Yuta Tonegawa
 
City analyticsご説明資料
City analyticsご説明資料City analyticsご説明資料
City analyticsご説明資料IBM
 
地方創生Ico御提案書ver 9.2
地方創生Ico御提案書ver 9.2地方創生Ico御提案書ver 9.2
地方創生Ico御提案書ver 9.2Tsuyoshi Fukahori
 

Similar to オープンデータ活用 (20)

データで見る府中
データで見る府中データで見る府中
データで見る府中
 
技術が自分を変える?! Share
技術が自分を変える?! Share技術が自分を変える?! Share
技術が自分を変える?! Share
 
ホームページ×SNSの活用で実店舗へ集客!
ホームページ×SNSの活用で実店舗へ集客!ホームページ×SNSの活用で実店舗へ集客!
ホームページ×SNSの活用で実店舗へ集客!
 
Bus-Visionのオープンデータ戦略 ~GTFS対応担当の苦悩~
Bus-Visionのオープンデータ戦略 ~GTFS対応担当の苦悩~Bus-Visionのオープンデータ戦略 ~GTFS対応担当の苦悩~
Bus-Visionのオープンデータ戦略 ~GTFS対応担当の苦悩~
 
20190131 public data-information-to-opendata
20190131 public data-information-to-opendata20190131 public data-information-to-opendata
20190131 public data-information-to-opendata
 
Cfj summit shinjou_20190929
Cfj summit shinjou_20190929Cfj summit shinjou_20190929
Cfj summit shinjou_20190929
 
2016年度コーポレートフェローシップ活動報告(葛城さん)
2016年度コーポレートフェローシップ活動報告(葛城さん)2016年度コーポレートフェローシップ活動報告(葛城さん)
2016年度コーポレートフェローシップ活動報告(葛城さん)
 
Resas講座
Resas講座Resas講座
Resas講座
 
140301_udctfinal_02
140301_udctfinal_02140301_udctfinal_02
140301_udctfinal_02
 
Cloud Impact on Business in Japan
Cloud Impact on Business in JapanCloud Impact on Business in Japan
Cloud Impact on Business in Japan
 
AIIT マンスリー・フォーラム Infotalk 第85回 科学技術イノベーション政策・ 政府研究開発投資による IoT の経済的効果
AIIT マンスリー・フォーラム Infotalk 第85回科学技術イノベーション政策・政府研究開発投資による IoT の経済的効果AIIT マンスリー・フォーラム Infotalk 第85回科学技術イノベーション政策・政府研究開発投資による IoT の経済的効果
AIIT マンスリー・フォーラム Infotalk 第85回 科学技術イノベーション政策・ 政府研究開発投資による IoT の経済的効果
 
20140918 センサ・アクチュエータ・マイクロナノ/ウィーク2014 次世代センサ総合シンポジウム
20140918 センサ・アクチュエータ・マイクロナノ/ウィーク2014 次世代センサ総合シンポジウム20140918 センサ・アクチュエータ・マイクロナノ/ウィーク2014 次世代センサ総合シンポジウム
20140918 センサ・アクチュエータ・マイクロナノ/ウィーク2014 次世代センサ総合シンポジウム
 
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
『ビッグデータ時代を勝ち抜くデータマネジメント』 セミナー資料
 
Minitabへようこそ 製造向け
Minitabへようこそ 製造向けMinitabへようこそ 製造向け
Minitabへようこそ 製造向け
 
地理空間データが変える街選び -IESHIL CONNECTがデータ活用で災害リスクを可視化、不動産仲介を変える-
地理空間データが変える街選び -IESHIL CONNECTがデータ活用で災害リスクを可視化、不動産仲介を変える-地理空間データが変える街選び -IESHIL CONNECTがデータ活用で災害リスクを可視化、不動産仲介を変える-
地理空間データが変える街選び -IESHIL CONNECTがデータ活用で災害リスクを可視化、不動産仲介を変える-
 
道南ではじめるこれからの自治体DX
道南ではじめるこれからの自治体DX道南ではじめるこれからの自治体DX
道南ではじめるこれからの自治体DX
 
201712 利根川講演 in 松江
201712 利根川講演 in 松江201712 利根川講演 in 松江
201712 利根川講演 in 松江
 
利根川講演@プログラミング教育明日会議 2017
利根川講演@プログラミング教育明日会議 2017利根川講演@プログラミング教育明日会議 2017
利根川講演@プログラミング教育明日会議 2017
 
City analyticsご説明資料
City analyticsご説明資料City analyticsご説明資料
City analyticsご説明資料
 
地方創生Ico御提案書ver 9.2
地方創生Ico御提案書ver 9.2地方創生Ico御提案書ver 9.2
地方創生Ico御提案書ver 9.2
 

オープンデータ活用

Editor's Notes

  1. 2011年の国勢調査が元ネタ。ちょっと古いですが、大きくは変わらないです。 いまガンガン府中駅周辺にマンションが建ってるので、5年後の国勢調査だと大きく変わるかも。
  2. 外語大の学生は4000人
  3. 国勢調査はそこにいる人をカウントする。刑務所の受刑者2000人
  4. 総務省の住宅・土地統計調査に「世帯の年間収入階級(5区分)」というデータがあり、「300万円未満、300万円〜500万円、500万円〜700万円、700万円〜1000万円、1000万円以上」の世帯がどのくらいあるかが調査されている。それをWebサービスとして公開してるもの。 静岡県長泉町(ながいずみちょう)(東レの工場、近年宅地化が急速に進む) 鎌倉、逗子、葉山 中区 印西市(千葉ニュータウン) 茨城守谷(常総ニュータウン) さいたま中央区浦和区
  5. 静岡県長泉町(ながいずみちょう)(東レの工場、近年宅地化が急速に進む) 鎌倉、逗子、葉山 印西市(千葉ニュータウン) 茨城守谷(常総ニュータウン) さいたま中央区浦和区 千葉市美浜区 横浜市中区
  6. 一番濃いところで平均世帯年収が1200万くらいです。