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
実務のデータ分析でハマったことと対策 / Kichijoji.pm 31
Search
Higuchi kokoro
November 22, 2022
Business
1
2.6k
実務のデータ分析でハマったことと対策 / Kichijoji.pm 31
#kichijojipm
Higuchi kokoro
November 22, 2022
Tweet
Share
More Decks by Higuchi kokoro
See All by Higuchi kokoro
PMとしてLLMと上手くプロダクトを作るための抽象度レイヤーの設計
zerebom
2
960
PMになって痛感した未知の未知とその対策
zerebom
1
430
Pythonによるネットワーク分析の基礎とコミュニティサクセスへの応用
zerebom
4
1.4k
Polarsの成長: v0.14からv1.0までの変遷と今後の展望
zerebom
1
1k
ダッシュボードを使ってもらうには、 現場へのヒアリングが重要だと 改めて気づいた話
zerebom
4
2.1k
非同期処理でLLMにもっと働いてもらおう
zerebom
2
2.1k
使い回しやすい 2-stage recommender systemの デザインパターンを考えて実装した話
zerebom
3
2.1k
WantedlyでFeature Storeを導入する際に考えたこと
zerebom
4
5.9k
論文紹介: Cross-Market Product Recommendation
zerebom
1
250
Other Decks in Business
See All in Business
【Progmat】Monthly-ST-Market-Report-2025-Sep.
progmat
0
550
Sustainability Report
kuradashi
0
25k
マネージャーの「責任」、サーバントリーダーの「精神」 スクラムマスターの「行動」
ichizin
2
120
株式会社STYZ会社概要資料
culumu
0
400
LaiBlitz/corporateinformation
laiblitz
0
25k
【Omiai】リアーキ LT_202510
enito
PRO
1
230
20251003-GENDA経営戦略チーム-Value-Upの全体像
geshi0820
0
1.7k
朝日新聞社 ITエンジニア キャリア採用 紹介資料
asahi_cto
0
820
20251012_社内でのMCT活動
ponponmikankan
1
790
佐賀県職員採用_ピッチスライド
sagasaiyou
0
5.3k
Understanding What We Have Wrought: Systemic Risks as told by a System Engineer
patio11
0
540
セーフィー株式会社(Safie Inc.) 会社紹介資料
safie_recruit
6
380k
Featured
See All Featured
Context Engineering - Making Every Token Count
addyosmani
8
300
Statistics for Hackers
jakevdp
799
220k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
9
930
KATA
mclloyd
PRO
32
15k
Scaling GitHub
holman
463
140k
Side Projects
sachag
455
43k
Speed Design
sergeychernyshev
32
1.2k
Code Reviewing Like a Champion
maltzj
526
40k
4 Signs Your Business is Dying
shpigford
185
22k
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
127
54k
Why You Should Never Use an ORM
jnunemaker
PRO
59
9.6k
Writing Fast Ruby
sferik
630
62k
Transcript
実務のデータ分析でハマった ことと対策 吉祥寺.pm31
自己紹介 📝 名前: - Higuchi Kokoro 📝 所属: - Wantedly
📊 職種 - Data Scientict @ 新卒2年目 🧑💻 お仕事 - Wantedly Visitの推薦の改善 👾 趣味 - 🎾 🏂 🍺 🧖♂️ ♨️ 🛫 アカウント: twitter: @zerebom_3 GitHub: @zerebom
本日のネタ (来年に向けて)データ分析タスクで、迷子にならないよう対策した話 背景 事業課題は役員→マネージャー→メンバーと経由して抽象度が下がって渡される 課題発見から始める、高い抽象度のタスクに挑戦も 迷子になることもしばしば
ハマったことと対策
ハマったこと: 集計したもののアクションに起こせない 例: 施策リリース以降、ユーザのプロフィール入力率低下 リリース前後の入力率をみるも、なだらかな変化で原因が判別できない 対策: 答えが出せる粒度まで集計を細かくする 入力率の低下傾向が見られるか? → 主観が入る
& 原因を特定できない リリースしたプラットフォームだけ低下したか? → Yes, Noを出せる
ハマったこと: 集計したものの人に説明できない GitHub issueで時系列に結果をまとめるも、集計により前提がひっくり返る 「この結果はもう古くて…」のように都度説明し、支離滅裂に 対策: どこを前提にしているか立ち戻れるようにする ツリー構造にしてどこまで調べたかわかるように 仮説と事実を分ける 各仮説の確信度をメモる
ハマったこと: 答えが出せないのに、時間をかけすぎた 新しい推薦モデルが、いくつか精度劣化する可能性があった ケースをログデータから再現しようとするも不正確・時間がかかる 対策: データ分析は数ある手法の一つであると認識する データと分析経験があるとついデータを触りがち Howの一つに過ぎない。ほかで仮説の確信度をあげられないか検討 ex) ヒアリング,
実際に製品を触る, A/Bテスト
まとめ 対策 解が出せるまで問題を細かくする どこまで前提か立ち戻れるようにする データ分析は手法の一つであると認識する 学び 伝わないなら価値は生めない 手段より目的