データサイエンティスト・データアナリストであることは現在だけでなく将来においてもハイリスク・ローリターン
現在の日本において、（アナリストとしての）データサイエンティスト・データアナリストになることは残念ながらハイリスク・ローリターンである。
それを知らずに目指したりすると、後で大変な目に合うことになる、 ...
効果測定／効果検証で考えるべきこと
施策やキャンペーンの効果を測るというのは過去に行った施策を振り返り次に生かしていくというまさにデータ分析の王道であり、日常業務においては最も使う機会が多いのではないだろうか。その割にはあまりまとめられ ...
定期的にデータを受け取る際に気を付けること
定期的に送られてくるデータをいつも通りの場所において同じように実行したはずなのに、エラーで止まったり、いつもと違う結果になったりということはよくある。そしてそれは忙しい時や納期が迫っている時に限って ...
データ分析がプロセスであることを意識しないと見えないこと
世の中で「データ分析」というと、手元にあるデータに対して何かの手法を適用するためにプログラミングすることと捉えている人は非常に多い。しかし、この理解はあまりにも不十分である。だからアナリストに ...
目的無きデータ分析は無駄である
何かいいことが見つかるかもしれないからと何の目的も無しにデータを見るのは時間の無駄である。データを見て何ができるかを考えるべきではない。最終的に様々な事情で今あるデータのみを使って考えざるを得なくな ...
「データサイエンティストブームを総括する」を検証する
前にこんな話を書いた。
データサイエンティストブームを総括する
2015年7月だから約3年前（更新日時が2018年になっているのは移転の影響）になるが、データ ...
データサイエンティストブームを総括する
※2015年7月に書いた文章
データサイエンティストという言葉が聞かれるようになってそろそろ3年になるが、いまだに定義は確立されず、何をする人なのかもよくわからな ...
「データ分析をする人」は「アナリスト」と「エンジニア」に分かれ、その違いは「他の誰かが意思決定するための情報（つまりインテリジェンス）」を作るかどうかにある
データサイエンティスト・データアナリストはマーケターでもエンジニアでもない存在であり、それを他者に理解させる能力がなければならない。その一環として、そもそも「データ分析をする人」と世の中で漠 ...
大学や独学でデータ分析の勉強をしただけだと実務で使えない理由
大学のゼミやセミナーで、あるいは興味があって独学でデータ分析を勉強したので実務で使おうとしてもなかなかうまくいかない。それで自信を無くしてしまう人もいればひどい場合はうまくいかないのは回りの知識不 ...
csv扱い方をまとめてみる
「comma separated value」の頭文字で、「カンマ区切り」のこと。テキストファイルなのでテキストエディタ（たとえばメモ帳）で中身が見えるし、直接変更できる。
csvとxlsxとxlsの違い通常はダ ...