すべてのカテゴリ

現在YouTubeチャンネルを運用されている方、そしてこれから運用していこうと考えている皆さんはYouTubeの台本制作をどのように行っているでしょうか？「一から構成を考えて、ストーリーの流れなども注意をしながら、あとは動画の長さも考慮しなくては、、」など、一つの台本を作るだけでも多大な時間がかかってしまいます。そこで、この「台本制作のプロセスをAIに任せる」という選択肢を皆さんに持って頂きたいと思い、今回のブログを執筆しました。これまで蒸気機関から電気へ、そしてインターネットの普及など、私たち人類はたくさんのイノベーションを経て今の時代を生きています。まさしくChatGPTなどのAIの発展は私たちにとって大きな産業革命と言えるのです。これまで限られた人々しか扱うことが出来なかったAIですが、今後はスマホやテレビと同じぐらい身近な存在となることが想定されます。これを機に生成AIを自分の業務に活用し、さらなる生産性向上に向けて利用して頂ければと思います。では、YouTubeの台本作成に生成AIはどのように利用することが出来るでしょうか？1. トレンド動画の台本をリライトするベンチマーク、競合となるYouTubeチャンネルのトレンドはYouTube APIなどを活用してデータ分析をすることが有効です。この分析を通して例えば「10日以降で視聴数が50,000を超える動画」といった細かい閾値を設定し、その動画の内容を分析することができます。実際に私の過去のクライアント様には、この方法でトレンド動画を抽出し、その台本を分析してリライトしたものを納品させて頂きました。これは海外の動画でも可

グラフ作成を行う『グラフのくまりん』です。ポートフォリオに載せるため、棒グラフと円グラフのサンプルを作成していました。改めて、それぞれのグラフが持つ機能を感じます。円グラフは、直感的に比率を感じることができます。冒頭の写真を見ると、直感的にカレーとパスタの面積を広く感じ、売上の二大トップがカレーとパスタであることがわかります。直感的に分かりやすいからこそ、情報の雰囲気を他者と共有しやすいというメリットもあります。自分でデータの雰囲気を知りたいときも、プレゼンで周りと情報共有をしたいときも、どちらでも使える円グラフです。グラフのくまりんでは、お仕事の受注段階で、データ集計で知りたいことや知る目的、グラフを用いる状況などをふまえ、効果的なグラフの種類を選択して作図を行います。

ChatGPTの「データ分析機能」は、コードを書かずにデータ分析を行うことができる強力なツールです。この機能を使えば、誰でも簡単にデータを可視化したり、機械学習モデルを構築したりすることができます。 この記事では、ChatGPTのデータ分析機能の使い方と活用方法について解説します。また、実際にデータ分析を行ってみる実演も紹介するので、ぜひ参考にしてみてください。はじめにみなさんChatGPT使ってますか？2022年11月でChatGPTがでて結構テレビでも話題になりました。最近は、生成AIのニュースをテレビで見ることは減ったのですが、着々と進化が進んでいます。でも、生成AIを活用している人と活用していない人の差がすでに開き始めています。なので、これから使ってみたいという方に見ていただいて参考になればいいなと思います。ChatGPTの概要とデータ分析機能の紹介ChatGPTは、OpenAIが開発した大規模言語モデルです。テキスト生成、翻訳、質問応答など、様々なタスクを実行することができます。近年、ChatGPTはデータ分析の分野でも注目されています。その理由は、ChatGPTの「データ分析機能」を使えば、コードを書かずに簡単にデータ分析を行うことができるからです。 ChatGPTの「データ分析機能」は、以下の機能を提供しています。 ・データ可視化: データをグラフやチャートで表現することができます。 ・機械学習: データからパターンを見つけ、将来を予測することができます。 ・データクリーニング: データの欠損値や異常値を処理することができます。 ・その他: データの集計、前処理、

Accessで介護支援記録システムを作った理由－4 私がAccessのようなソフトを使い始めた理由は、まず自分の仕事にデータベースを使いたいという、純粋に個人的な理由からでした。 1980年代後半にMS-DOSがパソコンOSの主流となり、社会にPCが普及していく中、私は個人でも勉強をすればデータベースが操作できる時代が来たことを知ります。 最初に関心を持ったのはdBASEⅢというソフトでした。 プログラムを書くことは、PCがマイコンと呼ばれていた時代にゲームプログラミングのため習得したBasicで経験しており、その後、ゲームを高速化できるマシン語にも手を染めていました。 なので、dBASEⅢも楽勝！という気分で取り組み始めましたが、実際にやってみると、やはり仕事の合間に独学でデータベースシステムを作ろうとするのは無理がありました。 実務者とSE、両立の試みはすぐに挫折します。 その後に異動した職場で、DOS版表計算ソフトのLotus 1-2-3をデータベース操作に利用するという、楽な方法を覚えます。1991年のことでした。 紙の帳票から必死に手入力したデータでデータベースを作ったあと、検索や抽出ばかりでなく、統計的な分析手法で、今までよく見えなかったものが明確に見えるようになる面白さを知ったことが大きな収穫でした。 そこで次に異動した職場では、Windows版 LotusSuperOfficeにバンドルされていたApproachというソフトを見つけ、これを使ってみることにします。また、自分でデータを打ち込む無駄を省くため、メインフレームからCSVでデータを抽出してもらい、これを

こんにちはWebレスキューです。今回はココナラの商品を出品する際にどのような切り口で商品を見せていくか考えながら書いてみようと思います。ココナラは副業としてやっている忙しい方や複雑なデータ分析ちょっとという方も多いと思うので簡易的にできることをやってみましょう。ココナラではどのようなニーズが高いのか？めちゃめちゃ当たり前のことですが、商品は求める人がいないと買ってもらえません。自分はこれができますという内容を商品にしたり、提案にしても意味がないということです。そしてそのニーズは業界全体ではなんとなく理解していてもココナラをはじめとしたクラウドソーシングの中ではどうなっているのか？を把握する必要があります。それではどのように把握していくのか。（私が参考にしているのはココナラではないサイトなので厳密にココナラのニーズではないのですが）毎月そのクラウドソーシング内でよく検索されたタグや急上昇のキーワードを教えてくれています。どのサイトか言えないことから察していただいて、こういう情報も探せばあるよということを知っていただければと思います。トレンドを抑える11月にレポートとして送られてきた内容には例えば急上昇のキーワードとして「見積書」や「適格請求書」という検索が増えているよという情報が記載されていました。インボイス制度によってこのような検索が増えていると考えられます。また、検索されたタグの中にはクリスマスというキーワードも入っています。その時勢やそのシーズンごとの需要を踏まえた出品について普段考えたことが無い方にとっては一つの切り口になるのでは無いでしょうか？全体の傾向の中で狙い所や見

　ヤフーショッピングを出店していると「販売管理」の統計情報に主要分析指標（KPIツリー）が表示されていますよね？？そのKPIツリーを使って自社の分析を行う際、施策の数値まで落とし込んで分析すると改善する手段が見えやすくなります^ ^　私は下記のようにKPIツリーに施策を落とし込んでコンディションを確認しております。数値に関して入力するステップは・・・①KPIツリーにはストアクリエイターPRO上の数値をそのまま落とし込む②左の表にある施策KPIには販売管理の売り上げ実績やストアパフォーマンスから情報を入手して落とし込む③上記をYOYと前月比で比較分析を行うこのようにして月次でコンディションの確認を行います。※施策に関しては現状私が考える内容をKPIとして入れ込んでいるので、分析する視点によってさまざまな項目が考えられます。閲覧していただいた方もぜひ「KPIツリーの分析」＋「その先にある施策の分析」まで実践してみてください٩( ᐛ )و

netkeibaからデータを取得するの第四弾です。 といっても 一回目でレース日程とレース一覧 二回目で出走表と結果 三回目で競走馬情報 を取得してきましたので、基本的な分析データは集まったと言えるので正直あまりやることはなく 今までのデータを一活取得するツールを作成したので、よろしくといった記事です。 フローを書くと １．指定した開始日と終了日からレースが行われている日程リストを取得 ２．１から開催日のレース一覧を取得 ３．２から特定のレースの出走表または結果を取得 ４．３から出走している競走馬のプロフィールや過去成績のデータを取得する といった流れです。詳しくは前回の記事を参照ください。注意点などは前回の記事に記載しています。 またサンプルのexeファイルを配布しています。商品ページに載せておきます。（※もしサイズや拡張子的に載せられない場合は配布するのでお声掛けください） サンプルでは、実際取得可能な日程とレースは固定しておりますので、操作感を確認していただければと思いますので、よろしくお願いします。 次回は取得したデータを実際に分析する記事を作成しようと思います。 未定ですが、統計学の観点や機械学習を取り入れた分析入門的な記事が書ければと思っています。 以上

株式会社munin代表の石塚です私はこれまでスタートアップでの修行時代含めデータ分析と業務効率化のプロとして生きてきましたそんな中、先日とあるアートメイクサロン様の顧客アンケート分析を行ったのでその振り返りをしたいと思います結論から申し上げますと、最終的には依頼者様には大満足して頂き、私としても満足できる分析結果、分析レポートを納品させていただくことが出来たのですが、そこに至るまでに様々な学びや経験をさせて貰えたので過程とその時の私の心情を振り返っていきます私はこれまで、C向けのWebサービスを展開しているテクノロジー企業や喫茶店・カラオケ店の顧客分析など幅広くサポートさせて頂いているのですが、アートメイクサロンというのはプライベートでの経験を含めて全く知らない業界でしたですからこの分析依頼を頂いた時には正直に、私はこれまで利用もしたこともなければその業界の人と関わったことすらないためどのくらい解像度高く分析ができるかわからないという不安をクライアントに相談したことを覚えていますしかし有難いことに、私のこれまでの実績から信頼してくださったようで分析を私に任せてくださいました受けたからには喜んでもらえるよう全力でデータと向き合うぞ！！と意気込んだのも束の間顧客アンケートデータを頂きヒアリングを進めたのですが、やはり知見のない分野なため基礎知識の不足を痛感。。。正直このお話を頂いて調べるまでは、アートメイクというものはさぞかし芸術的なメイクを専門とした分野のことだろうと想像していたものですからメイクでかさぶたができるの、、？え、針使うんですか、、？という具合にかなり困惑しました..

今大人気の輸入化粧品！２０１０年以降特にアジアから日本への化粧品の輸入が伸びています。中でも「韓流ブーム」の再来と言われるほど10代~20代に音楽・ファッション・化粧品の韓国文化の圧倒的な人気を得ています。化粧品の品質管理の立場からどれくらい輸入に影響があるか数値で調べてみました。化粧品業界の方・またアジアのトレンドを抑えているかたは是非参考にしてみて下さい。※日本化粧品工業会・財務省経済統計参照２０２２年９月時点の情報上の図から分かるように２０１５年から２０２１年の間で韓国化粧品の輸入取引が約１１０億円→６２０億円と約６倍弱の成長を見せています。コロナの時期にも落ちることなく今後も韓国化粧品の売り上げの伸びが見込まれます。時代の流れをとらえて是非参考にしてみてください。

Pythonの機械学習ライブラリであるscikit-learn（sklearn）は、アルゴリズムの実装からデータセットの提供まで、高度なデータ分析を行うための機能が多数備わっています。今回はその中から、アンサンブル学習の一種であるランダムフォレストを使用し、グリッドサーチと交差検証によるハイパーパラメータチューニング、さらには特徴量の重要度を可視化する方法について紹介します。１．Random Forestとはランダムフォレストは、アンサンブル学習の一種で、多数の決定木を生成し、その予測結果の多数決で最終的な予測を行う方法です。各決定木はデータセットの一部の特徴量から構築され、個々の決定木がデータの異なる側面を学習することで、全体として過学習を抑えつつ精度の高いモデルを構築します。 ランダムフォレストは特徴量の重要度を算出できるという利点もあります。これは、各決定木で利用される特徴量とその特徴が予測にどれだけ寄与したかを評価することで得られます。 では、具体的な実装を見てみましょう。２．データの準備まずはsklearn.datasetsからirisデータセットをロードします。このデータセットは4つの特徴量を持つ150のサンプルで、アヤメの3つの品種に分類されます。from sklearn import datasets# irisデータセットのロードiris = datasets.load_iris()X = iris.datay = iris.target３． データセットの分割 データセットはtrain_test_split関数を使用し、訓練用とテスト用に分割します。te

Pythonはその使いやすさと、豊富なデータ分析関連のライブラリが存在するため、データ分析において広く使用されています。本記事ではPythonを使ったデータ分析の基本的な手順を、scikit-learnライブラリのデータセットを利用して解説します。０．必要なライブラリのインストール本記事では、ライブラリとしてpandas、numpy、matplotlib、seaborn、sklearnを使用します。インストールがまだお済でない場合、以下をコマンドプロンプトで実行してください。pip install pandas pip install numpy pip install matplotlibpip install seaborn pip install sklearn １．必要なライブラリのインポートデータ分析には様々なライブラリが使われますが、ここでは主にpandasとnumpy、そして可視化にはmatplotlibとseabornを使います。また、データセットを読み込むためのsklearn.datasetsもインポートします。import pandas as pd import numpy as npimport matplotlib.pyplot as pltimport seaborn as snsfrom sklearn import datasets２．データの読み込みscikit-learnには、分析の練習用としていくつかのデータセットが提供されています。ここでは、ワインの品質を示す「wine」データセットを利用します。wine = datasets.load_w

現代のWEBマーケティングにおいて、データドリブンなアプローチはますます重要性を増しています。データに基づいた意思決定と分析によって、効果的なマーケティング戦略を立案し、競争激化するオンラインビジネスにおいて差をつけることができます。本記事では、データドリブンであるWEBマーケターの役割とその使い道について、具体的な事例を交えながら詳しく探っていきましょう。データドリブンWEBマーケティングの概要データドリブンWEBマーケティングとは、データに基づいた意思決定を重視する手法を指します。直感や経験だけではなく、ウェブサイトのアクセス解析や顧客の行動データなどの具体的なデータを元に戦略を策定し、改善を行うことで成果を上げる手法です。データドリブンなアプローチは、客観的な視点からマーケティング施策を検討するため、効果的な戦略を立てる際に欠かせない要素となっています。データドリブンなWEBマーケターの役割とスキルデータドリブンなWEBマーケターは、データを分析し、得られた情報をもとにマーケティング戦略を立案する専門家です。彼らは以下のような役割を担っています。1. データ分析：WEBマーケターはウェブサイトのアクセスデータやコンバージョン率などを分析し、現状の課題や改善点を把握します。2. 目標設定：データに基づいて具体的な目標を設定し、それを達成するための戦略を立案します。3. 成果評価：マーケティング施策の効果を評価し、改善点を見つけるためにデータを定期的にモニタリングします。データドリブン手法の具体的な使い道データドリブンなアプローチは、WEBマーケティングにおいてさまざまな使い

私のプロフィールを見ていただいた方はご存知かもしれませんが、私は人材サービス業界で20年ほど仕事していました。私が人材サービス業界に入った頃から集客が紙からインターネットに移行する移行期だったと思います。そこで、私が1番学んだのはデータ収集と集計の重要性です。インターネットの場合は基本的にすべてデジタルで処理されるので、分析が以前よりも遥かに簡単になりました。今までの職人的な「感」に頼ること無く再現性が高くなったわけですから、これを活かせる人が勝負に勝てるということになります。ココナラでもデータ収集と集計は重要ココナラの場合は、ブログやHPのような詳細なデータを収集するのは難しいです。ココナラの場合であれば、出品しているサービスへ月間閲覧人数を知ることはできますので、そのうち何回購入された、されなかったをデータで確認することが重要です。例えば、サービスページに閲覧人数が月間100人あったにも関わらず1件も売れなかったのなら、サービス説明の文章がダメかもしれないという仮説を立てることができます。また狙ったキーワードで20番目以内に表示されているにも関わらず、サービスページの閲覧人数が少ないのであれば、サムネやタイトルふがダメな可能性が高いと仮説を立てることができます。ただ漠然と売れないと悩んでいても何も改善はできません。インターネットの世界はそういうものですので、収集できるデータは収集し集計することで、仮説を立てる習慣が必要です。公開依頼でもデータ収集と集計は重要です。こちらの記事でも書きましたが、公開依頼のデータも私は収集、集計して分析しています。この記事を書いた頃より提案数も

Googleアナリティクス4は、ウェブサイトのデータ分析において革新的なツールです。その多彩な機能を駆使することで、より正確なデータと洞察が得られ、ウェブサイトの成果向上に欠かせない存在となりました。この記事では、Googleアナリティクス4がもたらす利点や活用方法について詳しく見ていきます。Googleアナリティクス4の主な利点Googleアナリティクス4の主な利点は、まずリアルタイムデータ分析の可能性です。過去のバージョンではリアルタイムでのデータ確認が難しかったのですが、Googleアナリティクス4ではウェブサイトのトラフィックやユーザーエンゲージメントをリアルタイムで把握できます。これにより、ウェブサイトに訪れるユーザーの動向をリアルタイムに把握し、素早く対応することが可能となりました。Googleアナリティクス4の魅力さらに、AIによる洞察力の向上もGoogleアナリティクス4の魅力のひとつです。AI技術の導入により、データの分析と解釈がより高度に行われるようになりました。例えば、ユーザーの行動パターンや傾向をAIが自動的に把握し、ユーザーエクスペリエンスの改善に役立てることができます。これにより、従来よりも効果的な施策を立案することが可能となりました。コンバージョン分析においての最強ツール

WEBマーケティングはビジネスの成功に欠かせない要素ですが、誤ったアプローチや戦略の欠如により、失敗することもあります。今回は、初心者マーケターに向けて、WEBマーケティングでよく見られる失敗ポイントとその対策についてご紹介します。1. プランニングと戦略の重要性WEBマーケティングを成功させるためには、計画を立て、明確な戦略を持つことが重要です。目標を明確にし、ターゲットユーザーを把握しましょう。また、競合他社や市場のトレンドを分析し、戦略を練りましょう。2. 効果的なコンテンツ戦略の構築コンテンツはWEBマーケティングの基盤です。しかし、ターゲットユーザーのニーズに合わない、魅力に欠けるコンテンツを提供することが多いです。ターゲットユーザーの興味や関心に対応したコンテンツを作成し、魅力的な情報を提供しましょう。3. ユーザーエクスペリエンスの向上ウェブサイトやランディングページの使いやすさや視覚的な魅力は、ユーザーエクスペリエンスに直結します。失敗しがちなのは、使いにくいナビゲーションや長い読み込み時間などです。ユーザーが快適な体験をできるようなデザインと機能に注意しましょう。4. SEOの最適化検索エンジンでの上位表示は、ウェブサイトへのアクセスを増やすために重要です。しかし、多くのマーケターがSEOの最適化を怠りがちです。キーワードの適切な選定やメタタグの最適化など、基本的なSEOの対策を行いましょう。5. データ分析と改善サイクルの活用データ分析はマーケティングの成功に欠かせません。しかし、失敗しがちなのはデータの収集や分析が不十分なことです。データを集め、分析し、改

前回、Python3を独学で勉強、約２か月で資格取得の記事から１か月ちょっと経ちましたが、ようやくPython3エンジニアデータ分析の試験に合格したので、記事を書かせて頂いております。個人的には１か月っていうのは、ちょっと時間を掛け過ぎた感はありますが、色々とコードを書いたり、参考書の内容を読み、時にはその内容をノートにとりながら学習したことで、Pythonの事についてより理解を深めることができたので、まあいいかなぁという感じです。試験自体は模擬試験とはちょっと離れた感じの問題が多いイメージでした。要は模擬試験の中身を暗記しとけば合格できるようなものではなく、ちゃんと本質を理解してますか？という問題が多い印象を受けました。（他の方の合格体験記では、模擬試験を繰り返しやれば受かると書かれていましたが。。。私の自頭の悪さのせいかもw）まぁ、とにかくスコアは９割以上だったので、自信にはなりました！でもここがスタート地点なので、改めて緒を引き締めて頑張りたいと思います！そういえば、前回の記事にてデータ分析に興味があると記載したと思いますが、今回の試験に受かったことや、これまでの学習を通して、ますますデータ分析の分野に興味を持ちました。データ分析には大きく分けてデータサイエンティストとデータアナリストの職種があるそうですが、データサイエンティストは与えられたデータをもとに、達成したいタスク（目標）に沿って、最適なアルゴリズムを選定し、それを基に学習モデルを構築、学習モデルを使用してデータ分析・その分析評価を行いながら、さらにその分析精度を（各パラメータの調整等により）高めていくことが主な

Power BIというBIツールをご存じでしょうか？従来のツールよりも簡単にグラフを作成し、データの全体像や傾向を把握するためのダッシュボードを作成することができます。このダッシュボードは、Power BIのサンプルデータを利用して30~40分で作成しました。簡単にダッシュボード作成できるといっても、ExcelやPowerPointと同様に基本的なスキル習得は必要です。スキルといっても突き詰めるとキリがないですが、今回紹介した程度のダッシュボードなら数時間で必要なスキルを習得できると思います。Power BIを触ってみたい、何ができるのか、どうやったらグラフを作成できるのか、なんでもかまいませんのでご興味あればお問合せください過去の作成ブログ

概要データ分析は、ビジネスにおいて重要な意思決定を支援するツールとして注目されています。本記事では、データ分析の概念から、ビジネスにおけるデータ活用の基礎までを解説します。データ分析に興味がある初学者や、ビジネスにおけるデータ活用について知りたい方に向けた記事です。（本記事は生成AIを利用して作成しております）１．データ分析とは？ データ分析とは、データを収集・加工・分析することで、新たな知見を得たり、意思決定をサポートする手法のことです。ビジネスにおいては、顧客行動の分析や市場動向の予測などに活用され、重要な意思決定を支援する役割を担っています。データ分析の基本的な概念を理解し、正しく実践することで、企業競争力を高めることができます。本記事では、初学者にもわかりやすく、データ分析の基本からビジネスにおけるデータ活用の基礎までを解説します。２．データ収集の基礎データ分析において、最も重要な要素の一つが「データ収集」です。しかし、データ収集は単にデータを集めるだけではありません。正しいデータ収集方法を理解することが、データ分析の正確性と信頼性を確保するために欠かせません。ビジネスにおけるデータ収集の重要性 ビジネスにおけるデータ収集は、意思決定において必要不可欠な役割を果たします。データ収集を通じて、ビジネスの現状やトレンド、市場動向などを把握し、より正確な判断を行うことができます。データ収集の方法 データ収集には、様々な方法があります。具体的には、アンケート調査、ウェブログ分析、センサーデータなどが挙げられます。それぞれの方法には、メリットやデメリットがあります。また、データ収

本記事は生成AIを利用して作成しておりますPower BIとはまずはじめに、Power BIとは何かを簡単に説明します。Power BIはMicrosoftが提供するビジネスインテリジェンスツールで、様々なデータソースからデータを集約し、簡単な操作でデータを視覚化することができます。 Power BIの利用価値Power BIを利用することで、個人やビジネスにどのようなメリットがあるかを解説します。具体的には以下のような点が挙げられます。 　●データを可視化することにより、データの把握がしやすくなる。 　●リアルタイムに更新されるデータを利用できるため、正確な情報に基づいた意思決定ができる。 　●データの自動化処理により、業務の効率化が図れる。 Power BIの使い方 次に、Power BIの基本的な使い方を紹介します。主なステップは以下の通りです。 　１．データのインポート 　２．データの加工 　３．データの可視化 　４．ダッシュボードの作成 Power BIの実践事例 Power BIを実際に業務に活用している企業の事例を紹介します。様々な業種で利用されており、以下のような効果が報告されています。 　●販売データの可視化により、営業担当者が顧客情報をリアルタイムで把握できるようになった。 　●製造プロセスの可視化により、品質管理の向上や不良品の削減が実現した。 　●人事データの可視化により、採用活動の見える化や労働環境の改善に繋がった。 まとめ 最後に、Power BIの利用価値や使い方、事例についてまとめます。Power BIを活用することで、業務の効率化や意思決定の正

こんにちは。Tech Scratchです。お世話になっています。今回もダッシュボードの配色を考えてみました。とある大人気アニメを彷彿される色合いにしてみました。お分かりになりますか？？この配色がいいなと思った方はぜひ、いいね/お気に入り登録よろしくお願いします。Tableauでのデータ可視化のご依頼の際に参考にしてみてください。まだ準備中ですがデータ可視化の案件承ります。よかったらお気に入りに登録してみてください。https://coconala.com/services/2721938?ref=top_histories&ref_kind=home&ref_no=1それではまた。

Webスクレイピングは、マーケティング戦略の立案において非常に役立つツールです。Webスクレイピングを利用することで、市場調査や競合調査などの情報収集を効率的に行うことができます。本記事では、Webスクレイピングを使ったマーケティング戦略の立案方法について解説します。 【Step 1: 目的の設定】 まずは、マーケティング戦略の目的を明確に設定することが重要です。例えば、新規顧客獲得、既存顧客のリピート率向上、競合優位性の確保など、目的は様々です。目的を設定することで、情報収集の視点が明確化され、より効果的なWebスクレイピングが可能になります。 【Step 2: 情報収集の対象を決定】 次に、情報収集の対象を決定します。具体的には、競合情報や業界動向、顧客ニーズや反応、マーケティング施策の効果などが挙げられます。収集する情報の対象を明確化することで、Webスクレイピングの範囲を限定し、効率的に情報収集を行うことができます。 【Step 3: ツールの選択】 Webスクレイピングには、様々なツールがあります。例えば、PythonのBeautifulSoupやScrapy、SeleniumやPuppeteerなどが挙げられます。目的や収集する情報に応じて、最適なツールを選択することが大切です。 【Step 4: Webスクレイピングの実行】 Webスクレイピングの実行にあたっては、法令や規約を遵守することが重要です。また、情報の正確性や信頼性を確認することも必要です。Webスクレイピングによって収集された情報を分析し、マーケティング施策の改善や戦略の立案に活用することができます。

CHATGPT知ってる？はい、知っています。CHATGPTとは、自然言語処理を活用したチャットボットを開発するために開発されたオープンソースのツールキットです。このツールキットを使用することで、自然言語対話を活用した複雑なチャットボットを開発できます。openaiの可能性は？OpenAIは、機械学習を使用して計算機が自然言語を理解し、人間と話すことができるようにするソフトウェアのプラットフォームです。OpenAIを使用することで、複雑なチャットボットを開発することが可能です。OpenAIはまた、自然言語処理を活用した自然な対話と文字起こしを支援するツールキットなどの他のツールを提供しています。これからどんな未来になりますか？自然言語処理技術は、これからの未来でより多くの業界で活用されると予想されます。自然言語処理を活用することで、人工知能（AI）テクノロジーを用いた複雑なチャットボットの開発が可能になります。これらのチャットボットは、複雑な問題を解決し、自然な会話を提供することができます。また、自然言語処理を活用した文章の生成など、他の複雑なタスクも実現できるようになるでしょう。AIによって奪われる仕事は？AIによって奪われる仕事として、人間が実行する作業の自動化によるものがあります。例えば、銀行の自動口座開設や自動請求書処理、診断検査などの病院での診断支援、コールセンターでの質問への対応、バックオフィス処理の簡素化、自動運転技術などがあります。AIと共存するには？

こんにちは。ココナラ広報です。ココナラには企業で働きながら、自身のスキルを活かしてサービスを提供している副業出品者さんがいます。リケジョえりかさんは、トヨタグループの開発総合職で働きながら、ココナラでデータ分析や、業務課題棚卸しなどオンラインのビジネスサポートを提供しています。ココナラに出品してどう変わったか、どのような想いを持っているか、リケジョえりかさんにインタビューさせていただきました。サービスURLhttps://coconala.com/users/3343476【経歴・キャリア】トヨタグループの開発総合職　国立大学の工学部を卒業したのち、大学院に進学し化学系の研究をしていました。現在トヨタグループの開発総合職として勤めています。【副業をはじめたきっかけ】自分に何ができるか試そうと思ったサラリーマンを続けるのも一つの選択肢ですが、新しいことに挑戦するのが好きで、将来事業の経営をしたい気持ちもあります。しかし、いきなり経営者になるよりは、一度副業をしてみて「自分に何ができるのか」「どの程度お金がもらえるのか」試そうと思ったんです。加えて、子どもが3歳になり落ち着いてきたことも追い風になりました。副業を始めるにあたって、副業関連のオンラインサロンやスクールに所属しました。そしたら、スクールの中でデザインをやっている方の多くがココナラを利用していたんですよね。私自身、はじめはTwitterなどのSNSで集客をしていたのですが、仕事の幅を広げるためにココナラで出品を始めました。【ココナラで出品してるサービス】「トヨタG総合職があなたの仕事をサポートします」60分3000円でW

現在データ分析を学びなおしているのですが、見事に落とし穴にはまってしまったので向き合い方についてシェアできればと思います。もし目の前に様々なデータがあり、問題点を特定してと依頼された場合どうしますか？もしかしたら、とりあえず手当たり次第分析を進めちゃいませんか？それが私がハマった落とし穴です。問いの設定を曖昧にしたまま分析を進めてしまいました。結論はそこまでずれていなかったものの、過程が緩いのと、分析が抜けている箇所があったので、もし実務で同じことをしたら上手くいっていない気がしています。では何が大事か？誤）データ→分析→答えを出す正）目的、問いの設定→構造分解→仮説立て→データ収集→分析→検証結構違いますよね。上は一般的にやりがちな行為です。下はかなり思考の時間を使うので、脳が疲れて、途中でまあこれくらいで良いでしょうとなりがちです。ただ中途半端に進めてしまうと、抜けた観点が発生し浅い分析となってしまいます。丁寧に、丁寧に。本当に他に考える観点はないのか向き合っていくとよさそうです。もう「一つが率だけをみると見誤った判断をしてしまう」です。15/20は75%、3/4でも75%ですよね。どちらも75%ですが、同じ数字として扱ってよいのでしょうか？この数字が例えば成約数だとしたら。15/20は改善余地はありそうですが、3/4だとどうでしょうか。もちろん100%を目指すとは思いますが、偶発的に（一旦は契約したが、支払いができなくなったためキャンセルなど）起きたとすれば。意味合いが変わってきますよね。率と実数の両面をみて判断したほうが、正しい判断に繋がるという学びです。

おはようございます。ブログをご覧いただきありがとうございます。『見習いによる格安データ分析』です。突然ですが、「円周率πが３.05より大きいことを証明せよ」って問題ご存知でしょうか？はい、別に数学の話がしたいわけではないので是非ここで読むのを止めないでほしいですwこれは2003年の東大入試で出題された問題で、理系の難関大を目指した方なら（ジェネレーションギャップでなければ）恐らく一度は目にしたことがあるであろう本当に有名な問題です。円に内接する正八角形、もしくは正十二角形の周の長さを比較して証明する解き方がオーソドックスですが、当時の時代背景として「円周率は3」っていう小学校の学習指導要領に対する問題提起だったという話を小耳に挟んだ記憶があります。（ご興味がおありでしたらググってみると記事は山のように出てきますよ）で、今日は何が言いたいのかというと、ビジネスシーンにおいては「別に円周率って３.14で（何ならシーンによっては3で）良くない？」「３.05より大きいか、とかどうでも良くない？」ってことです。誤解いただきたくないのですが、私個人としては学問としての数学は素晴らしいと思っていますし、この入試問題は数学が面白いと思えたからこそ15年以上経った今でも鮮明に覚えている問題です。ただ、ビジネスシーンで数字を取り扱っているととかく「数字（データ）の正確性・信頼性」に重きを置かれがちです。でも、行き過ぎるとビジネスを超えて学問の域に到達してしまうアナリストの方もいるのでは？とお見受けします。上の例でしたら、円の面積なり周の長さを求めるのに「円周率っていくつで計算するのが良いんだっけ？

ブログをご覧いただきありがとうございます。『見習いによる格安データ分析』です。今回は、私が分析で日ごろ心掛けていることについてお話したいと思います。それは「相手目線で分かりやすい結果をお伝えする」ことです。分析結果を受け取る人も様々です。・専門として高度な学問を修めた人・仕事で日常的に集計・分析をしている人・データやグラフを見るだけで目がチカチカしてしまう人技術はどんどん進歩して、いわゆるビッグデータと言われる膨大な量のデータを取り扱う高度な分析が、日々新たな気づきを生んでいます。しかし一方で、3番目のようなデータに慣れていない方がその分析結果を受け取ったとしても、「ふーん、だから？」とか、「結局何が言いたいの？」となってしまうものです。そして、世間一般には3番目の方が相当数いらっしゃるとお見受けします。というよりそのような方が大多数を占めるのではないでしょうか？ただ、それはたいていの場合その方ご本人のせいではありません。高度な分析は、その分結果を読み解く力が問われます。また学問的な分析になるほど、ビジネスの現場に即さないこともしばしば。きっと今までデータの恩恵を受けたり、成功体験がなかったから。あるいは受け取ったデータがひと目見て分かる内容でなかったから。そんな体験の積み重ねでしか分析を信頼する、データを好きになることはないのです。だから私は「相手目線で分かりやすい結果をお伝えする」ことを大切にしています。分析のために分析をするわけでもなければ、高度な技術をひけらかしたいわけでもない。あくまでデータ分析は課題解決や目的達成の手段・ツールでしかない。何より相手とのコミュニケーシ

初めまして。数あるブログの中から本ブログにお目通しいただきありがとうございます。『見習いによる格安データ分析』と申します。2023年、新しいことにチャレンジしてみようと一念発起し、ココナラを始めてみました。今までのキャリアを活かし、主にデータ分析と転職相談の出品を行なっております。私は現在金融系SaaSベンチャーのマーケティング担当です。今後は特にデータ分析やマーケティングで本業で直面している課題やその向き合い方、思考などを不定期で更新していきたいと思います。もし興味を持っていただける方がいらっしゃったらぜひお付き合いください。以下、簡単に経歴を載せておきます。〜学歴〜・東京都大田区にある理系国立大卒。アンチエイジングの研究をしてました。・学生時代は4年間某ハンバーガーチェーンで店長代理として、資材管理・シフト管理・バイト育成・リクルートまで色々やらせてもらってました。〜職歴〜・新卒で東証一部上場の大手保険会社に入社し約10年務めました。主にtoB向けの営業を担当していました。いままで面談した中小企業は累計500社を超えます。・うち1年は新卒採用担当を経験。新卒向けセミナー企画やスライド作成、合同説明会での500名規模のセミナー司会など。エントリーシートを見た枚数は自信があります。・その後、現職（もうすぐ3年）。前身ではグロースハッカーとして社内データ分析チームの立ち上げをリードしました。

Looker Studio（旧Googleデータポータル）の円グラフ／ドーナツグラフにはラベル（凡例、割合、値）が表示できますが、デフォルトでは１種類しか設定できません。でもちょっと工夫すると……凡例と割合の２つの要素が円グラフ／ドーナツグラフの中に表示できたぞ！

前の期間と前年比、この２つをスコアカード内に表示できるとスペースの有効活用にもつながるし、いろいろはかどるんだけどなーっと思ってちょっと工夫したら……比較期間が２つ表示できた！

Looker Studio（Googleデータポータル）では、レポートにGoogleアナリティクスの計測タグを挿入すると、ウェブページと同じようにアクセス状況が計測できます。UAとGA4では設定方法が異なり、GA4はUAよりも一手間かかります。この動画ではGA4を使ってレポートの閲覧状況をトラッキングする方法を解説しています。

Looker Studio（Googleデータポータル）では、レポートにGoogleアナリティクスの計測タグを挿入すると、ウェブページと同じようにアクセス状況が計測できます。UAとGA4では設定方法が異なります。この動画ではUAを使ってレポートの閲覧状況をトラッキングする方法を解説しています。ま、もうUAの需要はないかなー。

Looker Studio（旧Googleデータポータル）でGoogleアナリティクス（UA）に接続すると、地域が英語表記になってしまうのを読みやすく漢字表記にする方法を解説しました。

Looker Studio（Googleデータポータル）では、ページ内に配置したグラフそのものにフィルタとしての機能を持たせることで、視覚的に各グラフの数値を絞り込んでいくことが可能です。こういったインタラクティブなフィルタの機能は、BIツールを使う上での醍醐味なのでぜひ活用したいですね。その方法を解説しています。

Looker Studio（Googleデータポータル）で、ページ内のすべてのグラフ要素に一括して同じフィルタを適用する方法を解説しました。

Looker Studio（旧Googleデータポータル）でグラフの対象期間をコントロールする方法は「グラフ単位」「ページ単位」「レポート全体」などそれぞれ用意されています。この動画では「コントロールを追加」の中にある期間設定コントロールで、ページ単位＆レポート全体の期間を制御する方法を解説しています。

Looker Studio（旧Googleデータポータル）で同じページ内にある２つのグラフの期間を別々に変更しながら見比べる際、なにもせずにページに設定されている期間を変更すると、２つのグラフの期間が同期してしまいます。同じページ内にある２つ以上のグラフ要素の期間をそれぞれ別々に制御するには、ちょっとした工夫が必要です。その設定方法について説明しています。

レポート／ダッシュボード作成において、データの項目を絞り込んで、見たい数値だけにフォーカスしたいということはよくあると思います。この動画ではグラフそのものにデータを絞り込むためのフィルタを設定する方法を解説しています。

Looker Studio（旧Googleデータポータル）で作成したレポートは、レポート全体または任意のページを選択してpdfファイルでダウンロードすることができます。ダウンロード作業は簡単ですが、実はページを入れ替えたりもできるので、ダウンロード方法について解説しました。

Looker Studio（旧Googleデータポータル）で作成したレポートのページ数が５、10と増えてくると、目的のページに移動するためにナビゲーションをうまく使うのが重要になってきます。ページ名を変更したり、ページにわかりやすくアイコンを付けたり、ナビゲーションの使いかたについて解説しました。

Looker Studio（Googleデータポータル）の便利な点として、作成したレポート／ダッシュボードを簡単にほかのユーザーと共有することができる点です。Looker Studioのアカウントを持っていないユーザーにも共有できますし、限られたメールアドレスだけに共有するなど、共有の範囲・制限がいくつかあるので、それらを解説しました。

Looker Studio（旧Googleデータポータル）の表やピボットテーブルには指標にヒートマップを設定するオプションがあります。しかし、デフォルトのヒートマップでは色が１色しか設定できません（一番濃い色だけしか指定できない）。２色以上の指定することで、ヒートマップ表現が格段に見やすくなるので、その方法を解説しました。

作成したレポートを自動でメール配信する設定をすれば、定期的に共有する際の手間が省けてとても便利！

Looker Studio（旧Googleデータポータル）の計算フィールドは最初ちょっととっつきにくいかもしれません。この計算フィールドを利用するともとのデータには存在しない数値を求めることができるのですが、まずは初歩的な使いかたを解説しました。

Excelでもお馴染みのピボットテーブル。Looker Studio（Googleデータポータル）ではExcelとはピボットテーブル作成時の設定箇所が異なるのでExcelに慣れているユーザーは戸惑うかもしれません。Looker Studioでどこを設定したらテーブルがどう変化するのかをわかりやすく解説しました。

円グラフ／ドーナツグラフ（パイチャートとも言う）は割合を表現するときに使うのでお馴染みですね。Looker Studioで円／ドーナツグラフを作る際、割合が多い順の並べかた以外にもディメンションの内容に沿った並べ替え方法や、スライス（パイ）の数を任意の制御するとグラフが見やすくなるので、そのあたりも解説しています。

表は一番良く使われると思いますが、Looker Studioにおいては指標が増えて表全体が文字の羅列になってしまわないよう、バーグラフやヒートマップを使ってうまくデータを読み取れるような工夫をするとレポートの表現力が格段にアップします。

Looker Studio（旧Googleデータポータル）でよく使う時系列の変化を表す期間グラフの作りかたを説明しました。期間グラフはベーシックなグラフなので設定でもあまり悩むところはないと思いますが、Looker Studioは日付の表示が意図した形式にできないところが残念です。

縦棒と折れ線を同時に表現する複合グラフ。日次の売上（棒グラフ）と累計売上（折れ線グラフ）というよく見かける組み合わせを例に、Looker Studioで複合グラフの作りかたを解説します。

Looker Studio（旧Googleデータポータル）のグラフの中で、おそらく一番よく使うスコアカードの基本的な作成方法の説明です

Looker Studio（旧Googleデータポータル）に限らず、あらゆるBIツールやデータビジュアライゼーションで一番よく使われるであろう縦棒グラフの基本的な作りかたを解説します。

Looker Studio（旧Googleデータポータル）を初めて使う際のログイン方法と最初の画面についての解説です。

背景ある日ふと思いました。Adoの『踊』って曲は本当に踊りやすいのか！？ということで（どういうこと？）『踊』の踊りやすさを調べてみようと思います！どうやって踊りやすさを数値化しようかと考えてたらなんとSpotifyが数値化してくれてました！（ありがとうSpotify✨✨）SpotifyのAPIを使うと曲ごとに数値化された以下の指標を取得できるようです！今回は・danceability（踊りやすさ）を利用して『踊』がどれほど踊りやすいのかを見ていきたいと思います👍週間TOP50との比較まずは人気曲と比較してどれほど踊りやすいのか調べました！(2022年初頭（詳細は忘れました）のspotifyランキングの人気曲です)その結果がこちら！！『踊』は11位ということですが…『踊り子 / Vaundy』に負けて『Permission to Dance / BTS』に勝ってる！！（なんだこのダンス曲の序列は！？）とりあえず『踊』は人気曲の中ではそこそこ踊りやすいということですね!(^^)!その他を見るとやはりK-POP（IVE, TWICE, Kep1er, BTSなど）は強いですね…『ヨワネワキ』や『きらり』が上位で健闘してますが、一歩及ばずというところでしょうか。タイトルに"踊"が入った曲との比較『踊り子』より踊りにくいということが分かったことで、他の"踊"る系の曲と比較してみようと思いました！曲タイトルに「踊」が入っていれば踊る曲だろう、という安直な考えでデータを抽出して比較した結果がこちら↓Adoの『踊』は321曲中44位という上位ではあるものの微妙な結果に…（上図の赤枠）ただよく見

背景名探偵コナン…ってご存じですか？（みんな知ってる）漫画は100巻を超えてアニメも1000話を超えて勢いすごいですよね！ただ…いつまでも"謎"が生まれ続け、"真実"を見抜けてないのでは？とも思いますよね！（思え（圧））ということでコナン関連の楽曲の歌詞を分析して"謎"を解き明かしてたった一つの"真実"を見抜いてやろうと思います(ﾟ∀ﾟ)（少し強引）分析方法分析の方法は前回と同じword2vecを使用します。ざっくり言うと、単語をベクトルで表現して足し算や引き算したり、似ている単語を抽出したりできるらしいです。（素人考え）ベクトルで表現できるということは「似ている単語」を抽出できるということです。つまり、"謎"≒○○という感じで謎を解くことができるのです！！（やや大げさな気がしますが笑）Word Cloudで歌詞可視化前回と同様にまずは歌詞を可視化してみます！中央左側に"謎"があり、中央下側に"真実"があるのが見えます。どちらも意外と小さいなーという印象です。（"世界"という単語からGARNET CROWの「世界はまわると言うけれど」を思い出した人と友達になりたい）あとから気づいたのですが、・英単語の大文字化・ひらがな一文字の削除・記号の削除などすればよかったなぁと思いました。。。"謎"を解き明かした結果コナン関連楽曲の歌詞から"謎"を解き明かした結果がこちら（1に近いほうが"謎"に似ていることを表す）↓なるほど…謎とは「スタート」謎とは「出会う」もの謎とは「降り続く」もの（「波」のように押し寄せるもの）いかにもコナンのストーリーを物語ってますねwwその他は…謎とは「虹」謎とは

背景マイブームのテキストマイニングについて調べてたら「word2vec」というものが出てきました。調べてみたら、、、実に面白い。（cv福山雅治）ざっくり言うと、単語をベクトルで表現して足し算や引き算したり、似ている単語を抽出したりできるらいいです。（素人考え）ということで、これらを参考にして私の大好きなポルノ（意味深）の歌詞を分析してみました！Word Cloudで頻出単語を可視化とりあえずポルノグラフィティの歌詞データを集めて、単語に分解して動詞・形容詞・名詞のみを抽出してWord Cloudで可視化してみました！（情報過多）歌詞で使われている回数が多いほど大きく表示されているので、全体像を把握するのに役立ちます。「君」「あなた」「自分」「心」といった単語がよく使われていることがわかります。（この辺は他のアーティストでも同じになりそう）「誰」「どこ」「？」も大きいので、ポルノグラフィティは"よく問いかけてる"説を提唱しておきます！（左上の「Baby」を見て、"ヒトリノ夜（インディーズ版）"を思い出した人とはいいお酒が飲めそうですw）「幸せについて本気出して考えてみた」結果は？歌詞の可視化が終わったところでここからが本題です。2002年にリリースされた8thシングル「幸せについて本気出して考えてみた」をご存知でしょうか？曲の中で幸せについて考えてくれてますが、答えを出してくれてないんです！！考えた結果としては、「同じところに行き着く」「意外になくはない」という感じです。この未解決問題に決着をつけるべく、ポルノグラフィティが考える"幸せ"とは何なのかをword2vecで探ってみま

こんにちは。ゆうです！私は大学在学中にプログラミングを始め、今は大学の研究と並行して、ココナラでプログラミング関連のお仕事をしています。よく私の下にこんなメッセージが届きます。・人気なプログラミング言語は何？・どの言語を学ぶのがおすすめなの？結論、私は「python」がおすすめです。その理由は以下の3つが挙げられます。・初心者でも学びやすい・需要が高い・ライブラリが豊富まず、一つ目の「初心者でも学びやすい」点について。これはpythonを学ぶメリットとして、まず挙げられますね。pythonは学習コストが他の言語と比べて圧倒的に低いことが特徴です。例として、プログラミング言語の中でも有名なC言語とコードの比較をしてみましょう。● C言語#include <stdio.h>int main(void){    printf("Hello World!");    return 0;}●pythonprint("Hello World!")どうでしょう？ pythonが学びやすいと言われる理由が分かると思います。次に、二つ目の「需要が高い」点について。pythonというプログラミング言語は今話題のAIやデータ分析に特化した言語です。米国の電気工学技術の学会誌である「IEEE Spectrum」が2022年に発表したプログラミング言語ランキングによると、pythonが堂々の1位である事がわかります。日本でも海外に倣って需要が伸びてきていますが、今後もさらに需要が伸びていく事が予想されます。最後に、三つ目の「ライブラリが豊富」という点について。まず、ライブラリとは何？ と思っ

「試験の平均点はいくつか」「今月の売上の平均」ように，平均は我々にとって非常に身近な概念である．ところで，平均とは何かというと，正しく答えられる人は少ないように思う．　結論から言えば．平均とは「釣り合いの支点」のことである．シーソーを思い浮かべると分かりやすい．二人の人がシーソーに乗ると，二人の体重が同じでない限りどちらかに傾く．しかしシーソーの支点を動かしていくと，必ずどこかで水平に釣り合うはずであり，これが平均の本質的な意味である．　しかし，平均にはもう一つの落とし穴がある．それは，極端な値があればその方向に平均が引っ張られることである．これもシーソーをイメージしよう．極端な値があるということは，片方の棒がとてつもなく長いのである．これが釣り合うようにするには，長い先端の方向に支点を移動させるしかない．　多くの人は平均と聞くと「真ん中の値」「普通の値」のようなイメージをもつかもしれない．それもあながち間違いではないが，時に平均は普通でない値をとることがある．したがって平均より低いからといって劣っているとは限らないし，高いからといって優れているとも限らないのである．

Googleが提供するWebサイトの解析ツール「Googleアナリティクス（ユニバーサルアナリティクス｜以下、UA）」のデータ収集及び利用を、2023年7月1日に終了すると、2022年3月16日にGoogleから発表がありました。 これに伴い、UAからGoogle Analytcis4(以下GA4）への移行しなければならないことは、UAをお使いの方はご存じかと思います。 今までデータポータルにUAのデータを連携していたファイルも、GA4へ接続して移行しなければなりません。 今回はその中で少し複雑なイベント設定「リンククリック」に注目します。 GA4でどのように再現していけば良いか、繰り返しの実験によって分かった内容を元にご紹介します。既存のGoogle Analytics,GTMで設定確認まず既存のUAで設定した内容を確認すると、下記のとおりです。一方、GTMでの設定例は下記のとおりです。 これを2つのケースで設定します。 ①GA4のみで設定（難易度低、GTM使用なし） ②UAのイベントカテゴリ、イベントラベルをGA4で踏襲して設定（難易度中、GTM使用あり） 特段の事情がなければ①で設定すれば大丈夫でしょう。 UAの表記「イベントカテゴリ/ラベル」と足並みを揃えたい場合は②の設定でも問題ありません。これらの設定について、設定代行をご希望の場合は下記のサービスからご依頼頂けます。設定内容を表レポートで可視化する 上記でGA4で設定した内容を、A.GA4「探索」、B.「データポータル」でそれぞれ可視化してみました。 GA4「探索」は①、②で設定した指標はすべて見れますが、「デー

ご要望があり、sampleプログラムを作りました。画像は、そのプログラムから出力したものです。要望内容・ヤフオクからカメラやレンズを多々購入したいと思っています。 ・信頼できそうな出品者から購入したいです。 ・「カメラ、光学機器」「レンズ」分類を対象に、 ・取引件数、よい評価率、ストアor個人などの条件設定することで、 　それに該当する 　①出品者ID 　②良い評価率 　③①が出品されている商品名、現在価格、即決価格、入札件数、残り時間 　④③にリンクが張られている というものでした。最終的に、下記3項目を、条件下に出力しました。01　カテゴリー 02　総合評価　100以上で、 03　評価率 　　99.00%以上が抽出対象　自動データ収集プログラムだけでなく、ここから画像ダウンロード機能や、指定時刻にデータ収集予約実行機能（毎朝10時とか）とか、Excel形式ではなく、スプレッドシートへ連携し、データをアップロードするなんてことも可能です。　なかなか人の手でして貰うには、単調で苦痛な作業・・・そういったものは、是非自動化を検討してみてください。ご相談にものりますので。　せっかくの高いパソコン・・・毎日いっぱい働かせてあげてくださいね。

ブログをご覧いただいている皆さん、こんにちは。 初めましての方も、ご依頼頂いたご経験のあるお客様も、当ブログをご覧くださってありがとうございます。 より良いサービスを目指して、日々色々考えを巡らしています。 今回は、ちょっと高度な使い方です。 だから、使い方ではなく、こういうことできるよっていうお知らせです。 できるってことだけでも知っておくことって、大切かなと思います。 自分の仕事で使えそうと思ったら、勉強してみたり、得意な人にやってもらったりしてみてはいかがでしょうか？ データ分析とは 最近はやりのデータ分析。別にビックデータを扱うだけがデータ分析ではありません。 数学的な関係があるのかないのかわからない有象無象のデータの中から、「ここんとこに関係があるぞ！」って見出すこと。 それがデータ分析です。 データ分析の目的は、新たに見つけたデータの関係要素を使って、将来を予測するのに使うこと。数字だけでなく、性別や場所、職業、年齢とかの要素も含められます。 書き出すと長くなるので、データ分析についての詳しいことは、別の方のサイトを参考にしてください。 今回紹介したいデータ分析方法は、『what-if分析』と『データ予測シート』と『ソルバー解析』です。 ◎What-if分析 大きく分けて二つあります。ゴールシークとデータテーブルです。 ゴールシーク：数式が目標値になるまで、数値をいくつにすればいいか、自動計算する機能です。ただし、変化させる数値は１つ。 データテーブル：行列と数式を使って表を自動計算する機能です。使い方と使いどころは選びますが…。 ゴールシークの使い処の例） 利益率

M社に再就職して、私は経営企画室へ配属されました。そこでは特に明確な仕事を任されておらず、自分で仕事を見つける環境に置かれました。それは私にとって、問題意識をフル活動することができる、とてもよい環境でした。いろいろと見たり聞いたりしていくうちに、会社の基幹システムに蓄積されているデータが膨大にあることがわかりましたが、誰も活用していないことが判明しました。「これはもったいない。活かしたい」というのが、最初の思いでした。私自身、数学は嫌いではなかったので、データをEXCELに落として分析を行いました。ワクワクしながら取り組んだのを覚えています。 得られた分析結果は、直属の役員を通じて、経営者に伝えてもらいました。この辺からデータ分析屋としての活動が始まったのだと思います。またこの手法を活用することにより、私のお手伝いの範囲である「改善」へつながりました。私の改善は、「エビデンス」に基づき行います。ただなんとなくとか、理由もなく改善を行うことはしません。