ホクソエムのレビュー一覧
-
-
Posted by ブクログ
データアナリスト必読の書。
「あるある」な失敗例ばかりで、読んでいて胃が痛くなった（苦笑）。会社の研修で使いたい。
社内では華々しい成功事例ばかりが発表されるが、こういった失敗事例こそ共有すべきで、よくある失敗の典型とその対策を心に留めておくだけでも回避できるトラブルは増えそう。
データ分析の「失敗」とはそもそも何か？ということが書かれていた最終章のコラムはとても身につまされた。仮説の肯定／否定や、分析の結果として利益が得られたか否かを分析の成果としてしまうと、分析を「失敗」しないための恣意的な分析に終始することになり、分析のプロセスで得られたはずの情報を棄てることになってしまう。このあたりをいかにクライアントと握ったうえでプロジェクトを走り出すことができるか、つまりコミュニケーション力がカギになるんだろうなと。 -
-
-
-
Posted by ブクログ
実際のビジネスシーンに即しながら、できるだけ科学的に正しく、かつ、ビジネス的に意味のある効果測定を行う方法について、理論面、実装面の双方からわかりやすく述べられている。
この分野は初学者であったが、回帰、傾向スコア、DIDなど、各種手法についての基本的な理解は十分に得られたように思う。
あとは実践を繰り返して、より理解を深めていきたい。
この手の書籍では、理論の説明がしやすいような具体例が用いられることがあり、実際のビジネスシーンとの乖離を感じることがある。
一方本書では、いずれの具体例も、実際のビジネスシーンとの類似度が高いため、実務を想定しながら理解を深めることができた。 -
-
-
-
-
-
-
-
-
-
-
-
-
Posted by ブクログ
実用書である。
なにかと派手な話題が多いデータサイエンスの中で、地味だが大切な前処理を取り上げている。
しかもSQL,R,Pythonの主要なツールについて併記してあり大変助かった。
今までSQLについてまったく知らなかったがなかなか奥深い分野と思われる。
第1章 前処理とは
第2章 抽出
第3章 集約
SQLのWindow関数は大変役に立つ関数が多い
第4章 結合
JOIN句の説明がわかりやすかった
4-3過去データの結合、4-4全結合はとても役に立ちそう。
第5章 分割
第6章 生成
第7章 展開
長いこと縦持ち、横持ちのことがわからなかったがpythonのpivot_tableでわかるようになった
第8章 数値型
数値のカテゴリ化など使えそう
数値の補完にこんな手法があったのは知らなかった（多重代入法）
第9章 カテゴリ型
カテゴリ型は結構大切
第10章 日時型
SQLの実行にPostgreSQLを使っていたがこの章ではエラーがでてほとんど実行できなかった
データベースによっては方言が存在するのかな？
10-7 平日/休日への変換は役立ちそう
第11章 文字型
高度な内容だったので手がです
第12章 位置情報型
今回はデータとして緯度、経度が準備されていてそれを使うだけだったが
その位置情報そのものを集めてくるのが大変そう
まとめ
データはデータベースに置きSQLでデータを前さばきしながらPython/Rでデータ加工するのが
最強のセットかな？SQLのWindow関数をもっと知りたい。 -
