データ分析

みなさまこんにちは。 プリ・ピクトリンクのデータ分析業務をしている堀江です。データ分析チームは毎週・毎月、事業のKPIレポートを作成して全体に発信しているのですが、プロのめんどくさがり屋の私としては「見るデータは毎回ほぼ同じだし、作るのもそれなりに手間だし、もうAIがやってくんないかな〜」と思っていたので、実際に試してみました。GCPのサービスを使ってシンプルな構成で実現できたので、今回は仕組みや工夫したポイント、やってみた感想を紹介します。 最終成果イメージ 全体構成 コード（シンプルな例） 工夫したポイント レポーティングの評価、どうする？ この構成の良かったところ さいごに 最終成果イメ…

今回紹介するのは、データという“羅針盤”を武器に自社事業の成長を支える「データ分析グループ」です。 グループ発足からまだ2ヶ月（2025年6月インタビュー時）。AIやBIツールなどの最新技術を駆使しながら事業インパクトを生み出すこの新部署の現在地と未来図を探るべく、グループリーダーの對馬 理美と新谷 悠にインタビューしました。 若さと好奇心を武器に“データドリブン文化”の定着を目指す二人に、仕事の醍醐味とチームづくりの裏側を伺いました。 ※データドリブン：経験や勘に頼るのではなく、データに基づいて意思決定や行動を行うこと。 当社では一緒に働く仲間を募集しています。ご興味のある方はこちらの採用情…

こんにちは燦です。こちらはYouTubeの知識インプットシリーズです。 うむ。どんなコンテンツなんじゃ？ 聞くだけでなんとなく各事例の雰囲気を味わう動画＋ブログ記事として投稿しています。 知識もなんだかんだ必要だよね。 事例Ⅳの攻略解説シリーズはこちらのページをご確認ください。【YouTube】事例Ⅳ 攻略法解説シリーズ 事例Ⅳの過去問解説シリーズはこちらのページをご確認ください。【YouTube】事例Ⅳ 過去問解説シリーズ チャンネル登録もよろしくね♪ ◆目次◆ 事例Ⅱの全体像を理解しよう なぜマーケティングが重要なのか？ 1. 環境分析を完全攻略！ 1-1. SWOT分析のポイント 1-2…

はじめに はじめまして。 データ本部でデータエンジニアをやっている@takaHALです。 最近、MCP（Model Context Protocol）を活用した様々なツールが登場し、ClaudeやCursorなどのAIツールでできることが急速に拡大していますよね。 今回は、MCPへの理解を深めるため、実際にMCPサーバーを作ってみることにしました。弊社STORESではデータウェアハウスとしてBigQueryを使用しているので、BigQueryにアクセスできるMCPサーバーの実装に挑戦します。 今回作るもの 作成するMCPサーバーでは、最終的にClaudeDesktopから以下の3つの操作ができ…

誕生日のパラドックスとは 40人のクラスの中に誕生日が同じ人はどのくらいいますか？ と聞かれると、直感的にはこんな風に感じます 自分の誕生日と同じ人はめったにいない p=1/365 = 0.0027 40人いるなら40倍で1割くらい？p=1/365 x 40 =0.11 しかし、正解は89％p = 1- PERMUT(365,40)/(36540) 詳しくはこちら ⇒ 誕生日のパラドックス - Wikipedia しかし、誕生日は均等ではないので、この計算は正しくはありません 誕生日の分布が、季節変動もなく、土日祝日年末年始も変わらず、うるう年もなく、365日均等に分布しているという同質性の仮…

目次 目次 背景 因果推論とLLM 因果推論 大規模言語モデル (LLM) LLM × 因果推論に関する先行研究 LLMは本当に因果関係を理解しているのか 相関から因果を推論する難しさ：Corr2Causeベンチマーク LLMの因果推論における落とし穴：時系列と反事実の課題 因果推論における「グラフ」と「順序」の重要性 LLMと因果グラフを統合 どのような使い方が良さそうか 今後の展望 終わりに 背景 データサイエンスチームの五十嵐です。本記事ではLLM×因果推論について最新論文を調査した内容をもとに考察します。 近年、大規模言語モデル（LLM）は自然言語処理の分野で目覚ましい進歩を遂げ、多岐…

技術評論社の『改訂新版 前処理大全 SQL / pandas / Polars 実践テクニック』を読了しました。著者は本橋智光さんと橋本秀太郎さん。本書は、データを整然と扱うための「前処理」の実践テクニックを体系的に解説しており、個人の経験と照らし合わせながら、学びを深めることができました。 前処理の 2 大カテゴリ 生のデータは美しくない パフォーマンスを意識したコード設計 言語論争への距離感も好き 前処理の 2 大カテゴリ 書籍では、前処理を以下の2軸で整理しています： データ構造を対象とする前処理：抽出、集約、結合、分割、整形など データ内容を対象とする前処理：数値、カテゴリ、日時、文字…