西内啓のレビュー一覧
-
-
Posted by ブクログ
頻度論とベイズ論 分析と洞察は頻度論、予測はベイズ論。
代表値は平均、中央値、最頻値など。数が多ければ平均を考えれば良い。
中心極限定理＝元のデータを足し合わせれば、正規分布に収束する。
分散と不偏分散（データ数マイナス１で割る）
αエラー＝慌てもの、βエラー＝ぼんやり者
有意水準と最強力検定
平均値の標準誤差を考える
平均値と標準偏差を使えば、サンプルサイズ設計ができる＝標準誤差が平均値±２SDに入るためのサンプルサイズ。
帰無仮説、p値
ｚ検定よりもｔ検定のほうが問題が少ない（少数のデータでも使える）
カイ二乗分布
フィッシャーの正確検定
回帰分析（説明変数が量的なものの場合） -
-
Posted by ブクログ
仕事柄ビックデータという言葉によく触れる。
それを下にしたマーケティング提案。
フレームワークに当てはめて、なんとなくうまく進めていく。
『仮説』、『検証』という言葉を聞いたことがあると思うが、仮説が正しかったのかを確かめるというのは、素敵な仮説を考え出せないとそもそもそんな検証の意味もないかも知れない。
そんなモヤモヤした気持ちの中でこの本を読み始めるといきなり、『私たちはすでに膨大なデータを持っている。それをどう扱っていいかわからないだけなのだ。そういう時代に、仮説を考えてから解析するということは、「膨大なデータの一部だけしか見ない」ということでもある。』と書かれておりなんとなく安心感を -
-
-
-
-
-
Posted by ブクログ
仕事から幸福を得る方法にストレングスファインダーが出ていたのは、良かった。論の進め方に似たものを感じる。多分著者は、「着想」の強みを持っている。
・マルサスとリカードの「貧困はなぜ起こるか」の研究。
彼らが「なぜ貧困が起こるのか」という問いに対して出した答えは、人口が増えれば増えるほど食料の増産が必要になるが、新たに農地にする土地はこれまでに比べて条件の悪い土地も開発しなければいけなくなるからだ、というものでした。
→収穫逓減の考えの元の概念がよく分かる。ここから、会社で同じ様な努力をしても、帰ってくるものが少ないという主張に繋げる。
・マーティン・セリグマンのVIAテストによる人の強み。 -
Posted by ブクログ
メモです。
・顧客は誰か？
コトラーもまず最初に聞くのは「君たちの顧客は誰なんだい？」。
顧客が誰なのかをクリアにすることが一番最初にすべきこと。
・エスノグラフィ
インタビューだけじゃわからない、思いつきもしない顧客の「生活そのもの」を実際に一緒に過ごして観察する調査手法。
・データマイニング
小売店の販売データや電話の通話履歴、クレジットカードの利用履歴など、企業に大量に蓄積されるデータを解析し、その中に潜む項目間の相関関係やパターンなどを探し出す技術。
情報技術の向上により、潜在的な顧客ニーズが眠る「鉱山」として「採掘(mining)」されるようになった。
・顧客の創造
企業がし -
-
-
-
-
-
-
Posted by ブクログ
タイトルを見て気になってしまい手に取りました。
ひとつひとつの学術や理論を見れば、いろいろなところで見かけるものかもしれませんが、これだけの内容を１冊でまとめられているのは貴重かもしれません。
気になったときに再度手にとってみたい１冊になるかもしれません。
今の仕事を天職に作り変えるＭＰＳプロセス
①「自分は特に、どんなことに意義を感じるだろうか？」（意義「Meaning」）
②「自分は特に、どんなことに喜びを感じるだろうか？」（喜び「Pleasure」）
③「自分は何が得意なのだろうか？」（長所「Strength」）
他人の成功体験からヒントを得ることは悪いことではないが、自分の才能 -
-
Posted by ブクログ
ネタバレ【認識】
サッカーに関するデータ分析を行うことで、チームが勝つために必要な要素を導きだす本
【対象】
・数式を毛嫌いしない一般人
・サッカーが好きな人
【感想】
良い点：
統計をどのように適用して行くか、なじみの無い人にとっても分かりやすく解説している。
手法の特徴だけを抽出して、数式を排除している。
データの収集→主成分分析→クラスタリング→回帰分析という流れ。
統計は仮説を立てれば統計的に立証でき、逆に言えば仮説を立てなければ意味が無い、というメッセージと読み取った。
何の考えもなしに「これとこれが関連がある！」とは教えてくれないことが分かる。
ビッグデータ使用している現場はどうなっ