Data Gateway Talk vol.4 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 / DataGatewayTalk-Vol4-nagano

by knagano

Embed

Start on current slide

Slide 1

Slide 1 text

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⻑野克也 (@chitose_ng)

Slide 2

Slide 2 text

後⽇、スライドのアップロードをします。 Caution □□□□□□□□□□ 0/100%

Slide 3

Slide 3 text

DataGatewayをくぐり始めた⼈ DataGatewayをくぐろうとする部下がいる⼈ Target □□□□□□□□□□ 1/100%

Slide 4

Slide 4 text

Company 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 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 □□□□□□□□□□ 2/100%

Slide 5

Slide 5 text

Company TVISION INSIGHTS株式会社業界的に新領域のデータを提供する会社 ʘςϨϏͷࢹௌଶ౓ΛଌΔձࣾʗ プロフィール NO PRESENTATION ?/100%

Slide 6

Slide 6 text

モニターのリビングに⼈体認識技術を組み込んだ機械を設置し、視聴態度データを取得 NO PRESENTATION ?/100%

Slide 7

Slide 7 text

⾃動で顔認識・識別どう観ているのか（視聴体制）誰が観ているのか（個⼈特定）テレビの注視度を計測する NO PRESENTATION ?/100%

Slide 8

Slide 8 text

業界的に、今までは「テレビがついているか」のデータから KPIへの影響を⾒ていた NO PRESENTATION ?/100%

Slide 9

Slide 9 text

「テレビをどう観ているか」という解像度がより上がったデータから KPIへの影響を⾒ることができる NO PRESENTATION ?/100%

Slide 10

Slide 10 text

「テレビをどう観ているか」という解像度がより上がったデータから KPIへの影響を⾒ることができる業界的に未解明の部分が多いので、どう使えるかのR&DとクライアントのKPIとの関係を調査/分析仕事内容 NO PRESENTATION ?/100%

Slide 11

Slide 11 text

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%

Slide 12

Slide 12 text

分析案件をやり始めたときによくあった会話

Slide 13

Slide 13 text

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%

Slide 14

Slide 14 text

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%

Slide 15

Slide 15 text

何故なんとなく分析をしてしまうのか︖ Topic

Slide 16

Slide 16 text

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%

Slide 17

Slide 17 text

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

Slide 18

Slide 18 text

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

Slide 19

Slide 19 text

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

Slide 20

Slide 20 text

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%

Slide 21

Slide 21 text

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%

Slide 22

Slide 22 text

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%

Slide 23

Slide 23 text

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%

Slide 24

Slide 24 text

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

Slide 25

Slide 25 text

Random Forestと Gradient Boosting Decision Treeの違いを⾔えますか︖ Example ■■■■■□□□□□ 50/100%

Slide 26

Slide 26 text

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%

Slide 27

Slide 27 text

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%

Slide 28

Slide 28 text

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%

Slide 29

Slide 29 text

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%

Slide 30

Slide 30 text

次のモデルへの問いは何か Example ■■■■■■■□□□ 70/100%

Slide 31

Slide 31 text

CM認知度 = α CM本数 + β CM種類ダミー + 定数 Example ■■■■■■■□□□ 72/100%

Slide 32

Slide 32 text

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

Slide 33

Slide 33 text

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

Slide 34

Slide 34 text

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

Slide 35

Slide 35 text

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

Slide 36

Slide 36 text

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︖

Slide 37

Slide 37 text

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。

Slide 38

Slide 38 text

今⽇のまとめ Today’s Summary ■■■■■■■■■□ 94/100%

Slide 39

Slide 39 text

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%

Slide 40

Slide 40 text

■■■■■■■■■■ 100/100%