Exploratory v5.3の新機能の紹介

Exploratory v5.3の新機能の紹介。

Transcript

1. Exploratory ηϛφʔ Exploratory v5.3
2. 2 εϐʔΧʔ ੢ా צҰ࿠ CEO EXPLORATORY ུྺ 2016೥ɺσʔλαΠΤϯεͷຽओԽͷͨΊɺExploratory, Inc Λཱͪ ্͛Δɻ Exploratory, Inc.ͰCEOΛ຿ΊΔ͔ͨΘΒɺσʔλαΠΤϯεɾϒʔ τΩϟϯϓɾτϨʔχϯάͳͲΛ௨ͯ͠γϦίϯόϨʔͰߦΘΕ͍ͯ Δ࠷ઌ୺ͷσʔλαΠΤϯεͷීٴͱڭҭʹऔΓ૊Ήɻ ถΦϥΫϧຊࣾͰɺ16೥ʹΘͨΓσʔλαΠΤϯεͷ։ൃνʔϜΛ཰ ͍ɺػցֶशɺϏοάɾσʔλɺϏδωεɾΠϯςϦδΣϯεɺσʔ λϕʔεʹؔ͢Δ਺ଟ͘ͷ੡඼ΛੈʹૹΓग़ͨ͠ɻ @KanAugust
3. Vision ΑΓΑ͍ҙࢥܾఆΛ͢ΔͨΊʹ σʔλΛ࢖͏͜ͱ͕౰ͨΓલʹͳΔ
4. Mission σʔλαΠΤϯεͷຽओԽ
5. 5 ୈ̏ͷ೾ σʔλαΠΤϯεɺAIɺػցֶश͸౷ܭֶऀɺ։ൃऀͷͨΊ͚ͩͷ΋ͷͰ͸͋Γ·ͤΜɻ σʔλʹڵຯͷ͋ΔਓͳΒ୭΋͕ੈքͰ࠷ઌ୺ͷΞϧΰϦζϜΛ࢖ͬͯ ϏδωεσʔλΛ؆୯ʹ෼ੳͰ͖Δ΂͖Ͱ͢ɻ Exploratory͕ͦ͏ͨ͠ੈքΛՄೳʹ͠·͢ɻ
6. ୈ1ͷ೾ ୈ̎ͷ೾ ୈ̏ͷ೾ ϓϥΠϕʔτ(ߴ͍/ݹ͍) Φʔϓϯɾιʔε(ແྉ/࠷ઌ୺) UI & ϓϩάϥϛϯά ϓϩάϥϛϯά 2016 2000 1976 ϚωλΠθʔγϣϯ ίϞσΟςΟԽ ຽओԽ ౷ܭֶऀ σʔλαΠΤϯςΟετ Exploratory ΞϧΰϦζϜ Ϣʔβʔɾ ମݧ πʔϧ Φʔϓϯɾιʔε(ແྉ/࠷ઌ୺) UI & ࣗಈԽ ϏδωεɾϢʔβʔ ςʔϚ σʔλαΠΤϯεͷຽओԽ
7. 質問 ExploratoryͰ؆୯ʹͰ͖ΔλεΫ 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習 UI
8. Exploratory ηϛφʔ Exploratory v5.3
9. 質問 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習 UI
10. 質問 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習 UI
11. σʔλϥϯάϦϯά • ूܭʢSummarizeʣͷUI • ϐϘοτͷUI • ྻ໊ͷมߋʢRenameʣͷUI • ϚʔδʢߦΛ௥Ճ͢ΔʣͷσʔλϑϨʔϜ໊ • ৽͍ؔ͠਺ͷ௥Ճɿmode, str_logical, str_extract_inside
12. ूܭʢSummarizeʣ
13. ϐϘοτ
14. ྻ໊ΛมߋʢRenameʣ
15. ϚʔδʢߦΛ௥Ճʣ
17. 質問 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習 UI
18. ՄࢹԽ • ਺஋ͷΧςΰϦʔԽ - XɺYɺ৭ • ஋ͷ੍ݶ - Top / Bottom Nɺ৚݅ • Logʢϩάʣ, Absoluteʢઈର஋ʣ, Weekendʢि຤/ฏ೔ʣ • ϐϘοτςʔϒϧͷΞοϓσʔτ • Re-order - X, Y, Legend
19. • ਺஋ͷΧςΰϦʔԽ - XɺYɺ৭ • ஋ͷ੍ݶ - Top / Bottom Nɺ৚݅ • Log, Absolute, Weekend • Pivot Table - Post Calculation, 30 Columns for Values • Re-order - X, Y, Legend ՄࢹԽ
21. ਺஋ͷΧςΰϦʔԽ
23. ৭ͷ਺஋Λ̑౳෼ʹ͢Δ
24. X࣠ͱ৭
25. खಈͰ෼͚Δ
26. ΧςΰϦʔʹϥϕϧΛ͚ͭΔ
31. • ਺஋ͷΧςΰϦʔԽ - XɺYɺ৭ • ஋ͷ੍ݶ - Top / Bottom Nɺ৚݅ • Log, Absolute, Weekend • Pivot Table - Post Calculation, 30 Columns for Values • Re-order - X, Y, Legend ՄࢹԽ
34. τοϓNɾϘτϜN
35. νϟʔτʹ࢖ΘΕ͍ͳ͍ྻ΋࢖͑Δ
36. ৚݅
37. ৚݅
38. εϩϕχΞͷฦ඼཰͕100ˋʂ ࣮͸஫จ਺͕গͳ͍͔Βɻ
39. εϩϕχΞ͕ফ͑ͨɻ ͜ΕͰɺ஫จ͕Ұఆ਺Ҏ্͋ΔࠃͲ ͏͠Λൺ΂Δ͜ͱ͕Ͱ͖Δɻ
40. • ਺஋ͷΧςΰϦʔԽ - XɺYɺ৭ • ஋ͷ੍ݶ - Top / Bottom Nɺ৚݅ • Logʢϩάʣ, Absoluteʢઈର஋ʣ, Weekendʢि຤/ฏ೔ʣ • ϐϘοτςʔϒϧͷΞοϓσʔτ • Re-order - X, Y, Legend ՄࢹԽ
45. • ਺஋ͷΧςΰϦʔԽ - XɺYɺ৭ • ஋ͷ੍ݶ - Top / Bottom Nɺ৚݅ • Logʢϩάʣ, Absoluteʢઈର஋ʣ, Weekendʢि຤/ฏ೔ʣ • ϐϘοτςʔϒϧͷΞοϓσʔτ • Re-order - X, Y, Legend ՄࢹԽ
46. ϐϘοτςʔϒϧɿͨ͘͞Μͷྻ͕ΞαΠϯͰ͖Δʂ
47. ϐϘοτςʔϒϧɿ߹ܭ஋ͷܭࢉͷλΠϛϯά
48. 質問 伝える データアクセス データ ラングリング 可視化 アナリティクス 統計/機械学習 UI
49. ΞφϦςΟΫε • ςετɾϞʔυ • ෼ྨͷ͖͍͠஋ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ / ม਺ॏཁ౓ɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม਺, ೔ͷपظੑ, τϨϯυͷมԽ఺, ৐๏ • ݕग़ྗ෼ੳɺޮՌྔ • ΢ΟϧίΫιϯݕఆɺΫϥεΧϧɾ΢ΥϨεݕఆ • GLM - ෛͷೋ߲෼෍
50. ΞφϦςΟΫε • ςετʢධՁʣϞʔυ • ෼ྨͷ͖͍͠஋ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ / ม਺ॏཁ౓ɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม਺, ೔ͷपظੑ, τϨϯυͷมԽ఺, ৐๏ • ݕग़ྗ෼ੳɺޮՌྔ • ΢ΟϧίΫιϯݕఆɺΫϥεΧϧɾ΢ΥϨεݕఆ • GLM - ෛͷೋ߲෼෍
55. ΞφϦςΟΫε • ςετɾϞʔυ • ෼ྨͷ͖͍͠஋ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ / ม਺ॏཁ౓ɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม਺, ೔ͷपظੑ, τϨϯυͷมԽ఺, ৐๏ • ݕग़ྗ෼ੳɺޮՌྔ • ΢ΟϧίΫιϯݕఆɺΫϥεΧϧɾ΢ΥϨεݕఆ • GLM - ෛͷೋ߲෼෍
59. 0.3 0.8 0.5 ͖͍͠஋
60. ΞφϦςΟΫε • ςετɾϞʔυ • ෼ྨͷ͖͍͠஋ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ / ม਺ॏཁ౓ɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม਺, ೔ͷपظੑ, τϨϯυͷมԽ఺, ৐๏ • ݕग़ྗ෼ੳɺޮՌྔ • ΢ΟϧίΫιϯݕఆɺΫϥεΧϧɾ΢ΥϨεݕఆ • GLM - ෛͷೋ߲෼෍
61. ϥϯμϜϑΥϨετɿϘϧʔλ
62. ઢܗճؼɿม਺ॏཁ౓
63. ϩδεςΟοΫճؼɿฏۉݶքޮՌ
64. ΞφϦςΟΫε • ςετɾϞʔυ • ෼ྨͷ͖͍͠஋ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ / ม਺ॏཁ౓ɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม਺, ೔ͷपظੑ, τϨϯυͷมԽ఺, ৐๏ • ݕग़ྗ෼ੳɺޮՌྔ • ΢ΟϧίΫιϯݕఆɺΫϥεΧϧɾ΢ΥϨεݕఆ • GLM - ෛͷೋ߲෼෍
65. ೔पظͷقઅੑ
66. νΣϯδϙΠϯτͷظؒ
67. νΣϯδϙΠϯτ : 0.5
68. νΣϯδϙΠϯτ : 0.8
69. Ճ๏ vs. ৐๏
70. Ճ๏త
71. ৐๏త
72. ର਺ਖ਼ن෼෍ ର਺ΛऔΔͱਖ਼ن෼෍ʹͳΔ෼෍ 72
73. ਖ਼ن෼෍͢Δσʔλͱ͸ʁ 73
74. த৺ۃݶఆཧ ΋ͱͷ෼෍͕Ͳ͏͋Εɺฏۉ·ͨ͸࿨ͷ෼෍͸ਖ਼ن෼෍ʹۙͮ͘ɻ 74
75. ࿨ͱͯ͠੒Γཱ͍ͬͯΔ஋ • ਎௕ = 0ࡀͷ࣌ͷ੒௕ ʴ 1ࡀͷ࣌ͷ੒௕ ʴ … ̎̌ࡀͷ࣌ͷ੒௕ • ࢼݧͷ఺਺ = ୈ̍໰ͷ఺਺ ʴ ୈ̎໰ͷ఺਺ ʴ ୈ̏໰ͷ఺਺ ʴ … ࠷ޙͷ໰୊ͷ఺਺ த৺ۃݶఆཧʹΑΓɺ͜ΕΒ͸੒Γཱ͔ͪΒͯ͠ਖ਼ن෼෍ͦ͠͏ͳ ੑ࣭Λ͍࣋ͬͯΔɻ 75
76. ର਺ਖ਼ن෼෍͢Δσʔλͱ͸ʁ 76
77. ੵͱͯ͠੒Γཱ͍ͬͯΔ஋ • څྉ = ॳ೚څ x څྉΞοϓ105% x څྉΞοϓ110% x … • ࠃͷਓޱ= ࠃՈ੒ཱ࣌ͷਓޱ x 90%ʹઓ૪Ͱਓޱݮ x 110%ʹϕϏʔϒʔϜͰਓޱ૿ x … த৺ۃݶఆཧʹΑΓɺ͜ΕΒ͸੒Γཱ͔ͪΒͯ͠ର਺ਖ਼ن෼෍ ͦ͠͏ͳੑ࣭Λ͍࣋ͬͯΔɻ 77
78. த৺ۃݶఆཧ͔Β͍͑Δ͜ͱ ΋ͱͷ෼෍͕Ͳ͏͋Εŋŋŋ ฏۉ·ͨ͸࿨ΛͱΔ ͱŋŋŋ ਖ਼ن෼෍ʹۙͮ͘ ੵΛͱΔͱŋŋŋ ର਺ਖ਼ن෼෍ʹۙͮ͘ 78
79. ࿨ͱͯ͠੒Γཱ͍ͬͯΔ஋ͷϦχΞͳ৳ͼํ ੵͱͯ͠੒Γཱ͍ͬͯΔ஋ͷෳརޮՌͷ͋Δ৳ͼํ ೔ຊͷஉࢠੜెͷ೥ྸผฏۉ਎௕ Amazonͷച্ߴͷਪҠ ੒௕͢Δͱ͖ͷ஋ͷ৳ͼํͷҧ͍ 79
80. ର਺Λऔͬͯ෼෍ΛݟͯΈΔ͜ͱ͸ɺ
 ஋͕ੵͱͯ͠੒Γཱ͍ͬͯΔͱ͍͏Ϟσϧ Λݕ౼͢Δ͜ͱʹ͍ۙɻ 80
81. ஫จ͝ͱͷച্ߴ 81
82. ஫จ͝ͱͷച্ߴ 82
83. Ճ๏త
84. ৐๏త
85. ΞφϦςΟΫε • ςετɾϞʔυ • ෼ྨͷ͖͍͠஋ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ / ม਺ॏཁ౓ɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม਺, ೔ͷपظੑ, τϨϯυͷมԽ఺, ৐๏ • ݕग़ྗ෼ੳɺޮՌྔ • ΢ΟϧίΫιϯݕఆɺΫϥεΧϧɾ΢ΥϨεݕఆ • GLM - ෛͷೋ߲෼෍
86. ޮՌྔʢEffect Sizeʣ & ݕग़ྗʢPowerʣ
87. ݕग़ྗΛ΋ͱʹͨ͠αϯϓϧαΠζͷࢉग़
88. ඞཁͱ͞ΕΔαϯϓϧαΠζ
89. ΞφϦςΟΫε • ςετɾϞʔυ • ෼ྨͷ͖͍͠஋ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ / ม਺ॏཁ౓ɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม਺, ೔ͷपظੑ, τϨϯυͷมԽ఺, ৐๏ • ݕग़ྗ෼ੳɺޮՌྔ • ΢ΟϧίΫιϯݕఆɺΫϥεΧϧɾ΢ΥϨεݕఆ • GLM - ෛͷೋ߲෼෍
90. Wilcoxon Test & Kruskal-Wallis Test
91. ΞφϦςΟΫε • ςετɾϞʔυ • ෼ྨͷ͖͍͠஋ઃఆ • ϥϯμϜϑΥϨετ / Ϙϧʔλɺઢܗճؼ / ม਺ॏཁ౓ɺϩδεςΟοΫճؼ / ݶքޮՌ • Prophet - ֎෦༧ଌม਺, ೔ͷपظੑ, τϨϯυͷมԽ఺, ৐๏ • ݕग़ྗ෼ੳɺޮՌྔ • ΢ΟϧίΫιϯݕఆɺΫϥεΧϧɾ΢ΥϨεݕఆ • GLM - ෛͷೋ߲෼෍
92. ҰൠԽઢܗϞσϧ - ෛͷೋ߲෼෍
93. Demo
95. ݄̍̍։࠵ܾఆʂ ि຤൛ɿ̕೔ʢ౔ʣɺ̍̌೔ʢ೔ʣɺ̍̒೔ʢ౔ʣ ฏ೔൛ɿ̍̎೔ʢՐʣɺ̍̏೔ʢਫʣɺ̍̐೔ʢ໦ʣ
96. • ϓϩάϥϛϯάͳ͠ RݴޠͷUIͰ͋ΔExploratoryΛ෼ੳπʔϧͱͯ͠࢖༻͢ΔͨΊडߨத͸ɺϏδωεͷ ໰୊Λղܾ͢ΔͨΊʹඞཁͳσʔλαΠΤϯεͷख๏ͷशಘʹ100ˋूதͰ͖Δ • ෼ੳπʔϧͷϕϯμʔϩοΫΠϯͳ͠ ExploratoryͰͷ࡞ۀ͸શͯಠཱͨ͠ΦʔϓϯιʔεͷR؀ڥͰ࠶ݱ͕Մೳ • ࢥߟྗͱεΩϧͷशಘ σʔλαΠΤϯεͷεΩϧशಘ͚ͩͰͳ͘ɺσʔλ෼ੳʹඞཁͳࢥߟྗ΋शಘͰ͖Δ ಛ௃
97. Q & A
98. ࿈བྷઌ ϝʔϧ kan@exploratory.io ΢ΣϒαΠτ https://ja.exploratory.io ϒʔτΩϟϯϓɾτϨʔχϯά https://ja.exploratory.io/training-jp Twitter @KanAugust