Exploratory: 線形回帰 Part 2 - 重回帰、係数の解釈、変数重要度

前回の「線形回帰の紹介 - Part 1 基礎編」の続きのセッションです。

今回は、前回で学んだことをさらに発展させ、複数の予測変数があるときに重回帰分析の手法を使って、それぞれの変数の独立した影響度の理解の仕方、またより影響度の大きい予測変数の探し方の話をします。

さらに、線形回帰のモデルを複数作ることで、変数の影響度の違いをグループ毎に見ていく方法も紹介します。

Transcript

1. 1 Exploratory ηϛφʔ ઢܗճؼ Part 2 ॏճؼɺ܎਺ͷղऍɺม਺ॏཁ౓
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. 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
9. 9 Exploratory ηϛφʔ ઢܗճؼ Part 2 ॏճؼɺ܎਺ͷղऍɺม਺ॏཁ౓
10. ઢܗճؼ ݹͯ͘جຊతͳ༧ଌϞσϧΛ࡞ΔͨΊͷΞϧΰϦζϜ͕ͩɺ ͦͷγϯϓϧ͞ͱઆ໌ྗΏ͑ʹɺݱࡏͰ΋σʔλαΠΤϯεͷ ੈքͰ͸࠷΋Α͘࢖ΘΕΔ౷ܭֶशʢ·ͨ͸ػցֶशʣ ΞϧΰϦζϜͷҰͭɻ
11. σʔλ 11
12. ैۀһσʔλ
13. Monthly Incomeʢ݄ͷڅྉʣ
14. ઢܗճؼͷجૅ 14
15. 15 500ສ ۈଓ೥਺ 40೥ 20೥ 10೥ ೖࣾ 30೥ څྉ 1000ສ 1500ສ 2000ສ
16. 16 500ສ ۈଓ೥਺ 40೥ 20೥ 10೥ ೖࣾ 30೥ څྉ 1000ສ 1500ສ 2000ສ ֤఺͔Βͷڑ཭͕࠷খʹͳΔ Α͏ͳ௚ઢΛҾ͘ɻ
17. 17 500ສ ۈଓ೥਺ 40೥ 20೥ 10೥ ೖࣾ 30೥ څྉ 1000ສ 1500ສ 2000ສ څྉ = 50ສ * ۈଓ೥਺ + 500ສ
18. 18 40೥ 20೥ 10೥ ೖࣾ 30೥ 500ສ ܏͖ɿ50ສ څྉ = 50ສ * ۈଓ೥਺ + 500ສ
19. 19 ۈଓ೥਺ 40೥ 20೥ 10೥ ೖࣾ 30೥ 500ສ Y੾ย څྉ څྉ = 50ສ * ۈଓ೥਺ + 500ສ
20. ઢܗճؼͷΞϧΰϦζϜ͸͜ΕΒͷύϥϝʔλͷ஋Λ खݩʹ͋ΔσʔλΛ΋ͱʹݟ͚ͭग़ͯ͘͠ΕΔɻ Model څྉ = 50ສ * ۈଓ೥਺ + 500ສ
23. ༧ଌର৅஋ ( y ) ΛɺҰͭͷ஋ ( x ) ͔Β༧ଌ͢Δ৔߹ y = a * x + b څྉ = 50ສ * ۈଓ೥਺ + 500ສ
24. ͔͠͠ɺ͜͜Ͱ໰୊͕ɻɻɻ
25. • ۈଓ೥਺͸ଞͷม਺ͱ΋૬ؔؔ܎͕͋Δɻ • ۈଓ೥਺্͕͕Δͱ͍͏͜ͱ͸ɺͦΕΒͷม਺ͷ஋΋ͭΒΕͯมԽ͢Δɻ • ۈଓ೥਺͚͔ͩΒདྷΔޮՌΛ஌Δʹ͸Ͳ͏͢Ε͹Α͍͔ʁ
26. 26 څྉ ۈଓ೥਺ څྉ = 500 * ۈଓ೥਺+ 5000
27. ۈଓ೥਺ͱ૬ؔؔ܎ʹ͋Δม਺͸ʁ
28. ۈଓ೥਺ͱ৬Ґ͸૬͍ؔͯ͠Δɻ
29. 29 ৬Ґ ૬ؔ څྉ ۈଓ೥਺
30. 30 ۈଓ೥਺্͕͕Δͱ৬Ґ΋্͕Δɻ ৬Ґ څྉ ۈଓ೥਺
31. 31 ࣮͸ɺ৬Ґ͕څྉʹӨڹΛ༩͍͑ͯΔͷͰ͸ͳ͍͔ʁ ৬Ґ څྉ ۈଓ೥਺
32. 32 ΋͘͠͸ɺۈଓ೥਺͕ͦ͜څྉʹӨڹΛ༩͍͑ͯΔʁ ৬Ґ څྉ ۈଓ೥਺
33. 33 ΋͘͠͸ɺ৬Ґͱۈଓ೥਺ͷ྆ํͦΕͧΕӨڹΛ༩͍͑ͯΔʁ ৬Ґ څྉ ۈଓ೥਺
34. ۈଓ೥਺ͷ1೥ͷ૿Ճ͕څྉʹ ༩͑ΔӨڹΛௐ΂ͯΈΑ͏ʂ
35. 10 ೥ 11 ೥ ۈଓ೥਺10೥ͷਓͨͪͷάϧʔϓͱ11೥ͷάϧʔϓΛൺ΂Δɻ
36. 2ͭͷάϧʔϓͷฏۉΛൺ΂Δɻ ฏۉ: 8,000 ฏۉ: 10,000 10 ೥ 11 ೥
37. ͜͜Ͱɺ໰୊͕ɻɻɻ
38. ৬Ґ: 1 ৬Ґ: 2 ৬Ґ: 3 ͦΕͧΕͷάϧʔϓʹ͸৬Ґ͕ҧ͏ਓୡ͕͍Δɻ
39. ৬Ґ: 1, 2, 3 ৬Ґ: 1, 2, 3 10 ೥ 11 ೥
40. ͜ͷҧ͍͸ۈଓ೥਺ͷΈ͔Βདྷ͍ͯΔͱݴ͑Δ͔ʁ ฏۉ: 8,000 ฏۉ: 10,000 10 ೥ 11 ೥
41. ΋͘͠͸ɺ৬Ґͷҧ͍ʹΑͬͯҧ͍͕ى͖͍ͯΔͷ͔ʁ ฏۉ: 8,000 ฏۉ: 10,000 10 ೥ 11 ೥
42. Ͳ͏͢Ε͹ɺۈଓ೥਺ͷΈͷ Өڹ౓Λ஌Δ͜ͱ͕Ͱ͖Δͷ͔ʁ
43. ৬Ґ: 1 ৬Ґ: 1 ۈଓ೥਺10೥ͷਓͨͪͷάϧʔϓͱ11೥ͷάϧʔϓΛൺ΂Δ͕ શͯͷਓୡͷ৬Ґ͸ಉ͡Ͱ͋ΔΑ͏ʹ͢Δɻ 10 ೥ 11 ೥
44. ͦͷ্ͰͦΕͧΕͷάϧʔϓͷฏۉΛൺ΂Δɻ ฏۉ: 8,000 ฏۉ: 10,000 10 ೥ 11 ೥
45. ͜ͷ࣌ɺ͜ͷڅྉͷҧ͍͸ۈଓ೥਺ͷҧ͍ʹΑͬͯى͖͍ͯΔͱݴ͑Δɺ গͳ͘ͱ΋৬Ґ͔Βདྷ͍ͯΔͱ͸ݴ͑ͳ͍ɻ ฏۉ: 8,000 ฏۉ: 10,000 10 ೥ 11 ೥
46. 46 Ұͭͷม਺ͷڅྉʹର͢Δಠཱͨ͠Өڹ౓Λ஌Δʹ͸ɻɻɻ ৬Ґ څྉ ۈଓ೥਺
47. 47 1 -> 2 10 -> 10 Ұఆ Ұͭͷม਺ͷ஋ͷΈΛมԽͤ͞ɺଞͷม਺ͷ஋Λݻఆ͢Δɻ ޮՌ? ৬Ґ څྉ ۈଓ೥਺
48. 48 10 -> 11 1 -> 1 Ұఆ ޮՌ? Ұͭͷม਺ͷ஋ͷΈΛมԽͤ͞ɺଞͷม਺ͷ஋Λݻఆ͢Δɻ ৬Ґ څྉ ۈଓ೥਺
49. Multiple Linear Regressionʢॏճؼʣ ͷग़൪!
50. • ॏճؼͷͱ͖ͷ܎਺ͷղऍͷ࢓ํ • ม਺ͷॏཁ౓ • ม਺ͷબ୒ͷͨΊͷई౓ - R2৐, ௐ੔ࡁΈR2৐ • ʮ܁Γฦ͠ʯΛ࢖ͬͯෳ਺ͷϞσϧΛੜ੒͢Δ
51. • ॏճؼͷͱ͖ͷ܎਺ͷղऍͷ࢓ํ • ม਺ͷॏཁ౓ • ม਺ͷબ୒ͷͱ͖ͷई౓ - R2৐, ௐ੔ࡁΈR2৐ • ʮ܁Γฦ͠ʯΛ࢖ͬͯෳ਺ͷϞσϧΛੜ੒͢Δ
52. ෮श ܎਺ͷղऍ
53. y = a * x + b ͇ͷ஋͕1ϙΠϯτ૿Ճ͢Δͱɺ͈͸aͷྔ΄ͲมԽ͢Δ ୯ճؼʢSimple Linear Regressionʣ
54. څྉ = 500 * ۈଓ೥਺ + 5000 ۈଓ೥਺͕̍೥૿͑Δͱڅྉ͕$500૿͑Δ͜ͱ͕ظ଴͞ΕΔɻ ୯ճؼʢSimple Linear Regressionʣ
55. ͇ͷ஋͕1ϙΠϯτ૿Ճ͢Δͱɺ͈͸aͷྔ΄ͲมԽ͢Δɺ ଞͷม਺ͷ஋͕มΘΒͳ͔ͬͨΒɻ y = a1 * x1 + a2 * x2 + b ॏճؼʢMultiple Linear Regressionʣ
56. څྉ = 500 * ۈଓ೥਺ + 600 * ৬Ґ + 5000 ۈଓ೥਺͕̍೥૿͑Δͱڅྉ͕$500૿͑Δ͜ͱ͕ظ଴͞ΕΔɺ ৬Ґ͕มΘΒͳ͔ͬͨΒɻ ॏճؼʢMultiple Linear Regressionʣ
57. ྫ͑͹ɻɻɻ
58. 6100 = 500 * 1 + 600 * 1 + 5000 ۈଓ೥਺: 1 ৬Ґ: 1 ΋͠ɺ͜ͷձࣾͰ1೥ಇ͍ͨΒɻɻɻ څྉ = 500 * ۈଓ೥਺ + 600 * ৬Ґ + 5000
59. 6600 = 500 * 2 + 600 * 1 + 5000 څྉ = 500 * ۈଓ೥਺ + 600 * ৬Ґ + 5000 ۈଓ೥਺: 2 ৬Ґ: 1 ΋͠ɺ2೥ಇ͍ͨΒɺ͔͠͠৬Ґ͸ͦͷ··ɻɻɻ
60. 6600 = 500 * 2 + 600 * 1 + 5000 6100 = 500 * 1 + 600 * 1 + 5000 1 ೥ 2 ೥ 6600 6100 $500 ૿Ճ! ۈଓ೥਺: 2 ۈଓ೥਺: 1
61. 6600 = 500 * 2 + 600 * 1 + 5000 6100 = 500 * 1 + 600 * 1 + 5000 1 ೥ 2 ೥ 6600 6100 $500 ૿Ճ! ۈଓ೥਺: 2 ۈଓ೥਺: 1 ͜ͷ૿Ճ෼͸ۈଓ೥਺ͷ܎਺Ͱ͋Δ
62. 1 ೥ 2 ೥ 6,100 6,600
63. 6,100 6,600 1 ೥ 2 ೥ څྉ = 500 * ۈଓ೥਺ + 600 * ৬Ґ + 5000
64. ͇ͷ஋͕1ϙΠϯτ૿Ճ͢Δͱɺ͈͸aͷྔ΄ͲมԽ͢Δɺ ଞͷม਺ͷ஋͕มΘΒͳ͔ͬͨΒɻ y = a1 * x1 + a2 * x2 + b ॏճؼʢMultiple Linear Regressionʣ
65. ۈଓ೥਺ & ৬Ґ
66. ৬Ґ
67. ۈଓ೥਺
68. ۈଓ೥਺ & ৬Ґ
69. څྉ = 46 * ۈଓ೥਺ + 3788 * ৬Ґ + 1835
70. څྉ = 46 * ۈଓ೥਺ + 3788 * ৬Ґ + 1835 ۈଓ೥਺͕̍೥૿͑Δͱڅྉ͕$46૿͑Δ͜ͱ͕ظ଴͞ΕΔɺ ৬Ґ͕มΘΒͳ͔ͬͨΒɻ
71. څྉ = 46 * ۈଓ೥਺ + 3788 * ৬Ґ + 1835 ৬Ґ͕1Ϩϕϧ্͕Δͱɺڅྉ͕$3788૿͑Δ͜ͱ͕ظ଴͞ΕΔɺ ۈଓ೥਺͕มΘΒͳ͔ͬͨΒɻ
72. 72 ۈଓ೥਺ͱ৬छͷ྆ํͱ΋څྉʹӨڹΛٴ΅͢ɻ ৬Ґ څྉ ۈଓ೥਺
73. • ॏճؼͷͱ͖ͷ܎਺ͷղऍͷ࢓ํ • ม਺ͷॏཁ౓ • ม਺ͷબ୒ͷͱ͖ͷई౓ - R2৐, ௐ੔ࡁΈR2৐ • ʮ܁Γฦ͠ʯΛ࢖ͬͯෳ਺ͷϞσϧΛੜ੒͢Δ
74. ͢΂ͯͷม਺ΛೖΕͯΈΔʂ
77. Ͳͷม਺͕ΑΓॏཁͳͷ͔ʁ
78. ܎਺ͷ஋͕େ͖͍͚Ε͹ ΑΓॏཁͩͱ͸ݴ͑ͳ͍ɻ
79. ͳͥͳΒɺ୯Ґ͕ҧ͏͔Βɻ
80. Sales Executive -> Sales Rep 1 Ϩϕϧ 1 ೥ ۈଓ೥਺ͷ1ϙΠϯτ ৬Ґͷ1ϙΠϯτ ৬छͷ1ϙΠϯτ
81. Ͱ΋ɺ΍ͬͺΓͲͷม਺͕ ΑΓॏཁͳͷ͔஌Γ͍ͨʂ
82. ม਺Ͳ͏͠Λൺ΂Δ • ม਺Λඪ४Խ • R SquaredʢR2৐ʣΛ࢖ͬͨม਺ॏཁ౓
83. ม਺Ͳ͏͠Λൺ΂Δ • ม਺Λඪ४Խ • R SquaredʢR2৐ʣΛ࢖ͬͨม਺ॏཁ౓
84. શͯNumericʢ਺஋ʣܕͷྻΛඪ४Խ͢Δɻ
85. શͯNumericʢ਺஋ʣܕͷྻΛඪ४Խ͢Δɻ
87. • ΋ͱͷσʔλͷ෼ࢄʹҧ͍͕͋Δ͔΋͠Εͳ͍ɻ • ΋ͱͷσʔλͷ෼෍͕ҧ͏͔΋͠Εͳ͍ɻ • ΧςΰϦʔม਺ͷͱ͖ͷղऍ͕Θ͔Γʹ͍͘ɻ ͔͠͠ɺ͍͔ͭܽ͘఺͕͋Δɻɻɻ
88. ৬छ (ΧςΰϦʔ)
89. ม਺Ͳ͏͠Λൺ΂Δ • ม਺Λඪ४Խ • R SquaredʢR2৐ʣΛ࢖ͬͨม਺ॏཁ౓
90. R2৐஋΁ͷߩݙ౓ʹΑͬͯͲͷ ม਺͕ΑΓॏཁ͔Λൺ΂Δɻ
91. R2৐ʢR Squaredʣ? ෮श
92. ฏۉ ༧ଌͱ఺ͷؒ͸ɺϞσϧʹ Αͬͯઆ໌Ͱ͖͍ͯͳ͍ɻ ༧ଌͱฏۉͷؒ͸ɺ
 ϞσϧʹΑͬͯઆ໌ Ͱ͖͍ͯΔɻ ༧ଌ 92 x y ࣮ଌ
93. ฏۉ ༧ଌ 93 x y ࣮ଌ σʔλͷ͹Β͖ͭͷେ෦෼͕ɺϞσϧʹΑͬͯઆ໌ग़དྷ͍ͯΔɻ
94. 94 ۈଓ೥਺ 40೥ 20೥ 10೥ ೖࣾ 30೥ څྉ 5000 10000 15000 25000 20000
95. 95 ۈଓ೥਺ 40೥ 20೥ 10೥ ೖࣾ 30೥ څྉ ฏۉ 100% 60% 5000 10000 15000 25000 20000 0%
96. 96 ม਺ॏཁ౓ͷܭࢉͷͨΊͷख๏ • First Variable • Last Variable • Lindeman, Merenda, and Gold
97. 97 First Variable ͦΕͧΕͷR2৐஋͸͍͘Β͔ʁ 0.8 0.2 0.1 R2৐ Ϟσϧ A B C
98. 98 Last Variable ͦΕͧΕͷม਺͸R2৐஋ʹͲΕ͚ͩߩݙ͢Δ͔ʁ A + B + C B + C - 0.9 - 0.1 = 0.8 A + B + C A + C - A + B + C A + B - 0.9 - 0.7 = 0.2 0.9 - 0.8 = 0.1 ߩݙ౓ ϕʔεϥΠϯͱͳΔϞσϧ ม਺Λؚ·ͳ͍
99. 99 Lindeman Merenda Gold A B + A 0.8 B + C + A 0.7 0.75 0.75 0.75 ฏۉ B ͦΕͧΕͷม਺͸R2৐஋ΛͲΕ্͚ͩ͛Δ͜ͱ͕Ͱ͖Δͷ͔ʁ C + A C B + C Without A With A R2৐ Aͷॏཁ౓ - - -
100. • ॏճؼͷͱ͖ͷ܎਺ͷղऍͷ࢓ํ • ม਺ͷॏཁ౓ • ม਺ͷબ୒ͷͱ͖ͷई౓ - R2৐, ௐ੔ࡁΈR2৐ • ʮ܁Γฦ͠ʯΛ࢖ͬͯෳ਺ͷϞσϧΛੜ੒͢Δ
101. શͯͷม਺ΛೖΕͨͱ͖ͷϞσϧͷධՁ৘ใ
103. ৬Ґɺ৬छɺۈଓ೥਺ɺ೥ྸ͚ͩΛબ୒ɻ
104. ৬Ґɺ৬छɺۈଓ೥਺ɺ೥ྸ͚ͩΛબ୒ɻ
105. R2৐஋͸ݮগɺ͔͜͠͠Ε͸૝ఆ಺ɻ 4ͭͷม਺͚ͩ શͯͷม਺
106. ௐ੔ࡁΈR2৐஋͸૿Ճ! 4ͭͷม਺͚ͩ શͯͷม਺
107. R2৐ vs. ௐ੔ࡁΈR2৐
108. R2৐ • R2৐஋͸ม਺Λ૿΍ͤ͹૿΍͢΄Ͳ্͕Δɻ • ௥Ճ͞Εͨม਺͕ຊ౰ʹϞσϧͷઆ໌ೳྗɺ΋͘͠͸ ༧ଌྗͷ޲্ʹߩݙ͍ͯ͠Δ͔ʹؔΘΒͣɻ
109. ௐ੔ࡁΈR2৐ • ௐ੔ࡁΈR2৐͸Ϟσϧͷઆ໌ྗʹߩݙ͠ͳ͍ม਺͕଍͞Εͨ৔߹ʹ͸ มԽ͕ͳ͍͔Լ͕Δɻ • ม਺௥Ճͷ༗ޮੑΛνΣοΫ͢Δʹ͸R SquaredΑΓ༗༻ɻ • ௨ৗ͸0͔Β1ͷؒͰɺ1͕࠷ߴͷ஋
110. • ॏճؼͷͱ͖ͷ܎਺ͷղऍͷ࢓ํ • ม਺ͷॏཁ౓ • ม਺ͷબ୒ͷͱ͖ͷई౓ - R2৐, ௐ੔ࡁΈR2৐ • ʮ܁Γฦ͠ʯΛ࢖ͬͯෳ਺ͷϞσϧΛੜ੒͢Δ
111. ৬Ґɺ৬छɺۈଓ೥਺ɺ೥ྸ͚ͩΛೖΕͨϞσϧɻ
112. • ͜ΕΒͷม਺͸ɺͲͷ৬छͰ΋څྉʹରͯ͠ಉ͡Α͏ͳޮՌΛ࣋ͭ ͷ͔ʁ • ͦΕΒͷޮՌ͸ɺͲͷ৬छͰ΋ಉ͡Α͏ʹ༗ҙͳͷ͔ʁ • ͜ͷϞσϧͰڅྉͷมԽΛઆ໌͠΍͍͢৬छ͸ɺ͠ʹ͍͘৬छ͸ʁ 112
113. ϞσϧΛෳ਺࡞Δ
114. ʮ܁Γฦ͠ʯΛ࢖͏
115. ܁Γฦ͠
116. 116 ϞσϧΛ࡞Δ σʔλ Ϟσϧ
117. 117 ܁Γฦ͠Λ࢖ͬͯෳ਺ͷϞσϧΛ࡞Δ σʔλ Ϟσϧ σʔλ σʔλ σʔλ Ϟσϧ Ϟσϧ ܁Γฦ͠
118. 118 ৬छͰ܁Γฦ͢ σʔλ Ϟσϧ σʔλ σʔλ σʔλ Ϟσϧ Ϟσϧ Ӧۀ ݚڀ ਓࣄ
119. • ͜ΕΒͷม਺͸ɺͲͷ৬छͰ΋څྉʹରͯ͠ಉ͡Α͏ͳޮՌΛ࣋ͭ ͷ͔ʁ • ͦΕΒͷޮՌ͸ɺͲͷ৬छͰ΋ಉ͡Α͏ʹ༗ҙͳͷ͔ʁ • ͜ͷϞσϧͰڅྉͷมԽΛઆ໌͠΍͍͢৬छ͸ɺ͠ʹ͍͘৬छ͸ʁ 119
121. 121 Healthcare Rep, HR, Mfg. Director, etc.ͱ͍ͬͨ৬छ͸ɺଞͷม਺ͷ஋͕ ҰఆͰ͋Ε͹ɺ৬Ґ͕1্͕Δͱ$3,000΄Ͳڅྉ্͕͕Δɻ
122. 122 Lab Technician, Sales Repͱ͍ͬͨ৬छ͸ɺଞͷม਺ͷ஋͕ҰఆͰ͋Ε ͹ɺ৬Ґ͕1্͕ͬͯ΋څྉͷ্͕Γ͸$2,000ະຬͩɻ
123. • ͜ΕΒͷม਺͸ɺͲͷ৬छͰ΋څྉʹରͯ͠ಉ͡Α͏ͳޮՌΛ࣋ͭ ͷ͔ʁ • ͦΕΒͷޮՌ͸ɺͲͷ৬छͰ΋ಉ͡Α͏ʹ༗ҙͳͷ͔ʁ • ͜ͷϞσϧͰڅྉͷมԽΛઆ໌͠΍͍͢৬छ͸ɺ͠ʹ͍͘৬छ͸ʁ 123
124. 124 HR, Lab Technician, Research Directorͱ͍ͬͨ৬छͷڅྉ͸ۈଓ೥਺ʹ Αͬͯҧ͍͕ग़Δͱ͸ݴ͑ͳ͍Α͏ͩɻ
125. • ͜ΕΒͷม਺͸ɺͲͷ৬छͰ΋څྉʹରͯ͠ಉ͡Α͏ͳޮՌΛ࣋ͭ ͷ͔ʁ • ͦΕΒͷޮՌ͸ɺͲͷ৬छͰ΋ಉ͡Α͏ʹ༗ҙͳͷ͔ʁ • ͜ͷϞσϧͰڅྉͷมԽΛઆ໌͠΍͍͢৬छ͸ɺ͠ʹ͍͘৬छ͸ʁ 125
126. Research Director, HR, Manager ͱ͍ͬͨ৬छͷڅྉ͸͜ͷϞσϧͰ Α͘આ໌Ͱ͖Δɻ
127. ٯʹɺSales Rep, Lab. Technicianͱ͍ͬͨ৬छͷڅྉ͸͜ͷϞσϧͰ ͸͋·ΓΑ͘આ໌Ͱ͖͍ͯͳ͍ɻ
130. • ϓϩάϥϛϯάͳ͠ RݴޠͷUIͰ͋ΔExploratoryΛ෼ੳπʔϧͱͯ͠࢖༻͢ΔͨΊडߨத͸ɺϏδωεͷ໰୊ Λղܾ͢ΔͨΊʹඞཁͳσʔλαΠΤϯεͷख๏ͷशಘʹ100ˋूதͰ͖Δ • πʔϧͷ࢖͍ํͰ͸ͳ͘ɺ෼ੳख๏ͷशಘ ݱ৔Ͱ࢖͑Δ෼ੳख๏ΛάϧʔϓԋशΛ௨࣮ͯ͠ࡍʹखΛಈ͔͠ͳ͕Βɺ਎ʹ͚ͭͯߦ͘ ͜ͱ͕Ͱ͖Δɻ • ࢥߟྗͱεΩϧͷशಘ σʔλαΠΤϯεͷεΩϧशಘ͚ͩͰͳ͘ɺσʔλ෼ੳʹඞཁͳࢥߟྗ΋शಘͰ͖Δ ಛ௃
131. ࿈བྷઌ ϝʔϧ kan@exploratory.io ΢ΣϒαΠτ https://ja.exploratory.io ϒʔτΩϟϯϓɾτϨʔχϯά https://ja.exploratory.io/training-jp Twitter @KanAugust
132. Q & A
133. Contact Email kan@exploratory.io Home Page https://exploratory.io Twitter @KanAugust Online Seminar https://exploratory.io/online-seminar