Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
World data viz challenge 2016 1st 報告会
Search
kwi
July 21, 2016
Research
0
160
World data viz challenge 2016 1st 報告会
Code for Kobe 18th meeting
kwi
July 21, 2016
Tweet
Share
More Decks by kwi
See All by kwi
SmartCitizen紹介
kwi
0
330
こんなのどうかな?
kwi
1
410
加古川パスタ♡の件
kwi
0
170
給食データを味わう
kwi
0
120
rocket-up
kwi
0
59
測ってみようよ
kwi
1
460
神戸市ウェブサイト動態
kwi
0
330
Code for 選挙
kwi
0
290
Code for Japan Summit 2017 紹介
kwi
0
150
Other Decks in Research
See All in Research
「なんとなく」の顧客理解から脱却する ──顧客の解像度を武器にするインサイトマネジメント
tajima_kaho
10
7.1k
2025-11-21-DA-10th-satellite
yegusa
0
140
Aurora Serverless からAurora Serverless v2への課題と知見を論文から読み解く/Understanding the challenges and insights of moving from Aurora Serverless to Aurora Serverless v2 from a paper
bootjp
6
1.6k
一般道の交通量減少と速度低下についての全国分析と熊本市におけるケーススタディ(20251122 土木計画学研究発表会)
trafficbrain
0
180
はじまりの クエスチョンブック —余暇と豊かさにあふれた社会とは?
culturaltransition
PRO
0
190
HU Berlin: Industrial-Strength Natural Language Processing with spaCy and Prodigy
inesmontani
PRO
0
280
LiDARセキュリティ最前線(2025年)
kentaroy47
0
340
通時的な類似度行列に基づく単語の意味変化の分析
rudorudo11
0
210
[SITA2025 Workshop] 空中計算による高速・低遅延な分散回帰分析
k_sato
0
130
COFFEE-Japan PROJECT Impact Report(海ノ向こうコーヒー)
ontheslope
0
1.1k
台湾モデルに学ぶ詐欺広告対策:市民参加の必要性
dd2030
0
290
2026年3月1日(日)福島「除染土」の公共利用をかんがえる
atsukomasano2026
0
470
Featured
See All Featured
Mobile First: as difficult as doing things right
swwweet
225
10k
職位にかかわらず全員がリーダーシップを発揮するチーム作り / Building a team where everyone can demonstrate leadership regardless of position
madoxten
62
53k
Pawsitive SEO: Lessons from My Dog (and Many Mistakes) on Thriving as a Consultant in the Age of AI
davidcarrasco
0
93
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
34
2.7k
Documentation Writing (for coders)
carmenintech
77
5.3k
SEO for Brand Visibility & Recognition
aleyda
0
4.4k
Evolving SEO for Evolving Search Engines
ryanjones
0
170
ラッコキーワード サービス紹介資料
rakko
1
2.8M
What the history of the web can teach us about the future of AI
inesmontani
PRO
1
490
Navigating Algorithm Shifts & AI Overviews - #SMXNext
aleyda
1
1.2k
The Illustrated Children's Guide to Kubernetes
chrisshort
51
52k
Gemini Prompt Engineering: Practical Techniques for Tangible AI Outcomes
mfonobong
2
330
Transcript
World Data Viz Challenge 2016 1st 報告 Kawai, Hiroaki
印象的だったこと
“Smart city”
What is smart city? • スマートメータ―(電力メーター)のこと? • 水道を測れるとスマートシティ? • センサーネットワーク?
• IoT?
“Smart” city • 「データに基づいていること」だった – 勘とか思い込みではなく – 手段としてのセンサー – データで事実を直視し、改善に結びつける
• 市民と行政の双方に基本的な合意がある様子 – “Smart people” という表現もある http://www.smart-cities.eu/ STEM教育重要
“騒音問題は Quality of Life に 直結するので重要です” よい人生は追求すべき
“オープンデータは もともと市民の皆さんの物だった データを返すことだと考えています” Demogratic accountability
“Collaborative economy” 「モノ」ではなく「関係性」
私の発表内容
1stでの概要 • 「人口問題」って実感ないよね – NMFで成分分解すると、よく見える • 「65歳以上は~」とやるよりも綺麗に出る – 世代分布は、実はとても地域差が大きい –
実感がないのも無理はない – 地域と結びつけて語らないと、理解できない http://hkwi.github.io/kobe-barcelona/
人口問題って何だっけ? • 地域の健全性? – 「高齢者が多い地区」と同様に 「若年層しかいない地区」も不健全? • 待機児童とかは典型的なケース? – そもそも「ママフレの地図壊れてる」の困るよね
– 「隠れ激戦区」という言葉もある – 老人ホームも適切に配置されているんだろうか?
2ndでの目標 • 幼稚園・保育園・こども園マップの作成 – データ成型が終わったところ… • 地域格差の可視化 – 1歳階級データ ≒「学年別」
– 「児童の受け入れやすさ」指標 – 引っ越しの参考になるレベルまで行けるか?