分析案件をやり始めたときに陥っていたことの共有と対策 / DS project for beginner

2019年11月に某LT会で発表したDS初心者向けの内容です。
当時のちとせの考えていたこと＆スライドデザインセンスと考えてください。
分析案件をやるときにこういうこと考えないとなーって内容です。

Transcript

1. 分析案件をやり始めたときに 陥っていたことの共有と対策 ちとせちゃん (@chitose_ng_vrc)
2. 後⽇、スライドのアップロードをします。 Caution □□□□□□□□□□ 0/100%
3. このスライドは19年11⽉に作成した内容 の固有名詞の⼀部を修正しただけなので 当時のちとせ観点でのお話です Caution □□□□□□□□□□ 0/100%
4. Company Revisio株式会社 (旧TVISION INSIGHTS株式会社) Work - テレビの視聴態度のR&D - クライアントKPIとの関係性調査 ʘςϨϏͷࢹௌଶ౓ΛଌΔձࣾʗ Other DS⽤アカウント→チトセナガノ(@chitose_ng) まずは蝋の翼から Tableauデータ分析 ~実践から活⽤まで~ プロフィール NO PRESENTATION ?/100%
5. 2015 04 2017 09 2019 01 Today SQLおじさん (データ抽出の⼈/ データアーキテクト) R&D クライアント分析 2年半 1年半 BI屋 10ヶ⽉ ʘίίͷؾ෇͖ʗ 経歴 □□□□□□□□□□ 6/100%
6. 分析案件をやり始めたときに よくあった会話
7. こんな感じのモデル考えてます！ ◦◦という手法もあると思うけど なんでこの手法なの？ な、なんとなくっす。。。 本当にあったアレな会話1 ʘ ্ ࢘ Ͱ ͢ ʗ ▪□□□□□□□□□ 10/100%
8. こんな感じのモデル考えてます！ このモデル式だと☓☓に△△って仮定を置 いてるってことだよね？ あっ、はい多分そうっす。 （言われるまで意識してなかったけど) 本当にあったアレな会話2 ʘ ্ ࢘ Ͱ ͢ ʗ ▪□□□□□□□□□ 12/100%
9. 何故なんとなく分析をしてしまうのか︖ Topic
10. 何故なんとなく分析をしてしまうのか 1 モデルの構築⼿法を どうやって選んだらいいのかわかっていない ▪□□□□□□□□□ 16/100%
11. 1 モデルの構築⼿法を どうやって選んだらいいのかわかっていない 2 モデルの構築⼿法を選んだあとに 何について考えればいいのかわかっていない ▪▪□□□□□□□□ 20/100% 何故なんとなく分析をしてしまうのか
12. 1 モデルの構築⼿法を どうやって選んだらいいのかわかっていない 2 モデルの構築⼿法を選んだあとに 何について考えればいいのかわかっていない テキトーにそれっぽい⼿法を選ぶ理由 テキトーに選んだ⼿法で、 テキトーに要素を⽳埋めする理由 ▪▪□□□□□□□□ 26/100% 何故なんとなく分析をしてしまうのか
13. 1 モデルの構築⼿法を どうやって選んだらいいのかわかっていない 2 モデルの構築⼿法を選んだあとに 何について考えればいいのかわかっていない どうやって防ぐか テキトーにそれっぽい⼿法を選ぶ理由 ▪▪▪□□□□□□□ 35/100% 何故なんとなく分析をしてしまうのか
14. テキトーにそれっぽい⼿法を選ぶの をどう防ぐか 何故その⼿法が必要なのかを考えた学習をする ▪▪▪□□□□□□□ 37/100%
15. テキトーにそれっぽい⼿法を選ぶの をどう防ぐか 何故その⼿法が必要なのかを考えた学習をする 何のために存在する⼿法︖ ▪▪▪▪□□□□□□ 40/100%
16. テキトーにそれっぽい⼿法を選ぶの をどう防ぐか 何故その⼿法が必要なのかを考えた学習をする 類似⼿法と⽐較した、 メリット・デメリットは︖ ▪▪▪▪□□□□□□ 42/100%
17. テキトーにそれっぽい⼿法を選ぶの をどう防ぐか 何故その⼿法が必要なのかを考えた学習をする 類似⼿法と⽐較した、 メリット・デメリットは︖ 類似⼿法との違いは、 何故うまれたの︖ ▪▪▪▪□□□□□□ 45/100%
18. テキトーにそれっぽい⼿法を選ぶの をどう防ぐか 何故その⼿法が必要なのかを考えた学習をする 何のために存在する⼿法︖ 類似⼿法との⽐較した、 メリット・デメリットは︖ 類似⼿法との違いは、 何故うまれたの︖ 要するに、論⽂のような読み⽅で理解・学習
19. Random Forestと Gradient Boosting Decision Treeの違いを ⾔えますか︖ Example ▪▪▪▪▪□□□□□ 50/100%
20. 何故モデルをなんとなく作るか 1 モデルの構築⼿法を どうやって選んだらいいのかわかっていない 2 モデルの構築⼿法を選んだあとに 何について考えればいいのかわかっていない どうやって防ぐか テキトーに選んだ⼿法で、 テキトーに要素を⽳埋めする理由 ▪▪▪▪▪□□□□□ 57/100%
21. 選んだ要素ひとつひとつに問いを⽴て、 何故選んだのか説明可能な状態にする テキトーに要素を ⽳埋めするのをどう防ぐか ▪▪▪▪▪▪□□□□ 60/100%
22. 説明ができない部分は、 考えていない部分 選んだ要素ひとつひとつに問いを⽴て、 何故選んだのか説明可能な状態にする テキトーに要素を ⽳埋めするのをどう防ぐか ▪▪▪▪▪▪□□□□ 62/100%
23. 説明ができない部分は、 考えていない部分 この思考を繰り返すと、 考えて要素を⼊れられるようになる 選んだ要素ひとつひとつに問いを⽴て、 何故選んだのか説明可能な状態にする テキトーに要素を ⽳埋めするのをどう防ぐか ▪▪▪▪▪▪□□□□ 67/100%
24. 次のモデルへの問いは何か Example ▪▪▪▪▪▪▪□□□ 70/100%
25. CM認知度 = α CM本数 + β CM種類ダミー + 定数 Example ▪▪▪▪▪▪▪□□□ 72/100%
26. Example OLSで解くので正規分布 CM認知度 = α CM本数 + β CM種類ダミー + 定数 ▪▪▪▪▪▪▪□□□ 74/100% どういう仮定を置いたモデル式なのか
27. Example CM認知度 = α CM本数 + β CM種類ダミー + 定数 ▪▪▪▪▪▪▪□□□ 78/100% どういう仮定を置いたモデル式なのか 値が線形増加する OLSで解くので正規分布
28. Example CM認知度 = α CM本数 + β CM種類ダミー + 定数 ▪▪▪▪▪▪▪▪□□ 82/100% どういう仮定を置いたモデル式なのか 値が線形増加する OLSで解くので正規分布 CM種類が別でも 効果が同じ
29. Example CM認知度 = α CM本数 + β CM種類ダミー + 定数 ▪▪▪▪▪▪▪▪□□ 83/100% 値が線形増加する どういう仮定を置いたモデル式なのか 途中で飽和するから 対数化が必要では︖ OLSで解くので正規分布 CM種類が別でも 効果が同じ
30. Example CM認知度 = α CM本数 + β CM種類ダミー + 定数 ▪▪▪▪▪▪▪▪□□ 87/100% 値が線形増加する どういう仮定を置いたモデル式なのか 途中で飽和するから 対数化が必要では︖ OLSで解くので正規分布 CM種類が別でも 効果が同じ CM種類で 効果が違うのでは︖
31. Example CM認知度 = α CM本数 + β CM種類ダミー + 定数 値が線形増加する どういう仮定を置いたモデル式なのか 途中で飽和するから 対数化が必要では︖ OLSで解くので正規分布 CM種類が別でも 効果が同じ CM種類で 効果が違うのでは︖ 何を問えばいいのかは慣れが必要。 はじめは上司に⼿伝ってもらおう。
32. 今⽇のまとめ Today’s Summary ▪▪▪▪▪▪▪▪▪□ 94/100%
33. ⾃分の頭でちゃんと考えた分析をするためには Today’s Summary 1 ⼿法の違いを意識して学習し、 2 何について考えればいいのか把握し思考することで、 3 ⾃分が考えたあらゆる選択に対して、説明可能にする。 ▪▪▪▪▪▪▪▪▪□ 95/100%
34. ▪▪▪▪▪▪▪▪▪▪ 100/100%