20120326 zansa勉強会発表資料（公開用） 02 04-38

第５回 Zansa勉強会

データ
マイニング

2012年3月27日火曜日

名前バックボーン
伊藤徹郎経済・ファイナンス
twitter ID Age
@tetsuroito 26歳

所属
株式会社ALBERT データ分析部

データマイニングの理想と現実の間で悩み、
２ヶ月前に金融系の会社から転職しました。
データアナリスト見習いです。

株式会社ALBERTについて
私たちは「分析力をコアとする情報最適化企業」です！

ALBERTの事業領域

CRMソリューションの開発・提供

レコメンドエンジンの開発・提供

行動ターゲティング広告システムの
開発・提供


アジェンダ

１、なぜデータ分析が必要なのか？

２、データマイニングの理想と現実

３、分析事例紹介


なぜデータ分析が必要なのか？


Q.どちらの会社で働きたい？

A社 B社

平均年齢 30.8歳平均年齢 31.8歳
平均年収 807万円平均年収 620万円


こういう分布があったらどうでしょう？


平均にされてはいけない


基本統計量をしっかり確認しましょう
平均尖度

分散歪度

中央値範囲

最頻値最大

標準偏差最小

分析対象の標本数の確認
散布図やヒストグラムの確認も重要！


きちんとしたビジネス上の
意思決定を行うために、
データの分析が必要です。


データ分析の心構え

１、分析する対象についての理解

２、分析手法についての理解

３、分析結果に対する的確な判断


分析力の高い組織とは

出典：http://www.albert2005.co.jp/blog/archives/201203/05_140501.html

データマイニング理想と現実


データマイニングの理想

購買データを用いて
バスケット分析を用いたら
おむつとビールの併売傾向がわかった！

売り場を併設して、売上UP！

データマイニングの現実

購買データを用いて
バスケット分析を用いたら
おむつとビールの併売傾向がわかった！
そんなに簡単に
パターン発見などできません！

売り場を併設して、売上UP！

データマイニングあるある
ケース１
コンビニの売上データを分析

思考錯誤の結果
天気データを用いて重回帰分析を行ったところ
雨の日に傘が売れていると判明した！

普通に考えて当たり前ですね。


データマイニングあるある
ケース２
家電量販店の売上データと顧客データを分析

ABC分析で顧客を分類し、
アソシエーション分析を行った結果、
１０代、２０代→非優良顧客
３０代以上→優良顧客
となることがわかった！

なんとなく予想つきますよね。

データマイニングの現実

データマイニングは試行錯誤の連続です。


実務で重要なデータクレンジング
データの前処理の有無が
結果に大きく左右

そのまま統計解析できるデータは皆無

データクレンジングの５ステップ
１、データ形式を統一する

２、欠損値を補う（補完する）

３、データの値をえる（正規化）

４、異常値を処理する

５、特徴選択（変数の数を決定する）


分析事例紹介


顧客の分類手法顧客のセグメント

デシル分析 RFM分析クラスター分析

顧客を10グループに等分顧客を３つの指標ごとに類似した顧客を数グループに
（売上額の順位など）数グループに分ける分ける

R:最新購入日
各クラスタリング手法によって
顧客ごとの売上合計 F:購入頻度
様々
M:購入合計額

自由度が高い反面
現状の把握が大まかにわかる小売業では効果的な手法分類の意味づけなどを
行う必要がある

低難易度高

K-means法

1.各点にランダムにクラスタを割り当てる
2.クラスタの重心を計算する。
3.点のクラスタを、一番近い重心のクラスタに変更する
4.変化がなければ終了。変化がある限りは 2に戻る。


クラスタリング事例

出典：http://www.slideshare.net/hamadakoichi/mahout-canopy-clustering-tokyowebmining-9


分析事例紹介（会場のみ）


20120326 zansa勉強会発表資料（公開用） 02 04-38

Recommended

Recommended

More Related Content

Similar to 20120326 zansa勉強会発表資料（公開用） 02 04-38

Similar to 20120326 zansa勉強会発表資料（公開用） 02 04-38 (12)

More from tetsuro ito

More from tetsuro ito (20)