More Related Content
Similar to data science study group vol.5(Japanese)
Similar to data science study group vol.5(Japanese) (20)
data science study group vol.5(Japanese)
- 3. ターゲット ノーコードでデータサイエンスがやりたい人 ① データ分析に馴染みがないビジネスユーザー （Business Analysts, Citizen Data Scientists） ② コーディングできるけどビジネスユーザーにも アナリティクスを広げたいプロユーザー （Professional Data Scientists）
- 5. 自己紹介② （仕事） 勤務先：HR系コンサルティング会社 仕事内容：アンケートサーベイや人事データの分析 仕事で使うツール・アプリ データラングリング・可視化：Microsoft Power BI（使用歴： 1年） データ分析（統計・機械学習）：Exploratory（1年） Azure Machine Learning Studio（3~4ヶ月） その他：業務でAzureのリソースを色々と使おうとしている コード：Rを勉強中。（3~4ヶ月）
- 6. Me (As a BI Analyst, Citizen Data Scientist, Now) 私の職場のデータ・リテラシー Professional Data Scientists My Colleagues Me (As a Excel Master, in 2017)
- 7. ご注意 • この資料はいかなる組織の意見を代表するものでもなく、 私個人の意見や思想に基づくものです。 • 当資料の情報の利用によりあらゆる損害、不都合が生じたと しても、一切の責任を負いかねます。 • 各種サービス導入の際は、サービスベンダーの営業に詳細を ご確認ください。PoC（検証）は慎重に。
- 8. 本日のアジェンダ 1. 非IT人材のデータサイエンス進出 2. 自身（自組織）の環境に最適なツールを考える 3. ExploratoryとAzure Machine Learning Studio（簡易デモ）
- 12. データサイエンスに必要なスキル ビジネス・ 業務知識・経験 統計学 数学 IT 出典：Data Science Bootcamp (Exploratory.inc) Most Valuable!
- 15. R, Python（文系 非ITがかじってみた印象） • どちらもコードを覚えないと使えないが、Rは開発環境であるRstudioが Pythonの開発環境であるJupyter Notebookより使いやすく、Rの方が 使いやすい • 言語自体はPythonの方が文法がシンプル • 初回インストールもRの方が簡単。 (WinかMacによっても異なるが） • 手元で統計分析などを行う場合、Rが多く使われる（らしい） • データの前処理はRが便利（らしい） • Pythonはアプリ開発でも多く使われ、AIを搭載したアプリを開発するなら Python。（Rでもアプリ開発できないことはない）（らしい） • 機械学習のパッケージはPythonの方が充実している（らしい） • Rは統計学者や心理学者によく使われ、Pythonはプログラマによく使われる （らしい）
- 16. 平成も終わるこの時代に？
- 17. 時代はUI
- 20. 統計学・数学はやっぱり大事 ※個人の感想です Physical ≒ Business Experience Weapon ≒ IT Tools Brain ≒ Statistics
- 21. Summary • AI人材は不足傾向で今後さらに不足する見込み • UIによるデータ分析ツールの普及により、非IT人材 のデータサイエンス進出の障壁が下がる。 • 統計学はやはり重要であるが、プログラミングよりは 障壁は低い。
- 23. Data Science and Machine Learning Platforms
- 24. だがちょっと待ってほしい BI Before AI BI with AI
- 30. そもそも What is the difference between BI Tools and Machine Learning Platforms?
- 31. Analyticsの種類 行動意思決定Data Descriptive Analytics （記述的アナリティクス） ・・・何が起きたか？ Diagnostic Analytics （診断的アナリティクス） ・・・なぜ起きたか？ Predictive Analytics （予測的アナリティクス） ・・・何が起きるか？ 意思決定自動化 Prescriptive Analytics （処方的アナリティクス） ・・・何が起きるかを知った上で、何をするか？ 出典：Gartner
- 32. Analyticsの手段 Descriptive Analytics Diagnostic Analytics Predictive Analytics Prescriptive Analytics
- 33. 2つのツールがシームレスになってきている Descriptive Analytics Diagnostic Analytics Predictive Analytics Prescriptive Analytics BI Tools Machine Learning Platform
- 34. Magic Quadrant for Analytics and Business Intelligence Platforms (2019) 出典：Gartner
- 35. Analytics, BI Platformの15の重大な機能 Infrastructure •セキュリティ •クラウド/オンプレミス •データソースとの接続 Data Management •メタデータ管理 •ストレージ •データプリパレーション •スケーラビリティ Analysis and Content Creation •データサイエンティスト のためのアドバンスド アナリティクス •アナリティックダッシュ ボード •インタラクティブビジュ アル •データディスカバリー •モバイルデバイス 8.Sharing of Findings •アナリティックコンテン ツの埋め込み •パブリッシュ／シェア 出典：Gartner 15.管理・ワークフローの簡易さ
- 36. Magic Quadrant for Data Science and Machine Learning Platforms（2019） 出典：Gartner
- 37. データサイエンス学ぶなら英語学ぶべし • 統計学やR、Pythonの書籍は日本語の書籍が豊富。 • ただしビジネス領域によっては、ビジネスアナリティクスの日本 語書籍が出版されておらず、洋書が読めると選択肢が広が る。 (e.g. People Analytics) • 各種ニュースや文献、MLプラットフォームのリリースノートやコ ミュニティ等は英語のみ、あるいは英語が主であることも多く、 リーディングができると各種情報を多く、迅速に手に入れられ る。
- 39. 閑話休題
- 41. データサイエンス界 最強のコスパ
- 42. コスト管理 • 無料でできる範囲は？ • 予算は？ • 使っていない月はコストを下げたい？ • 管理しやすいサブスクリプションが良い？
- 43. クラウドかオンプレミスか • 組織内のアナリティクスユーザーは一人か複数名か？ • ユーザーのOSは統一されているか？ • 十分なマシンスペックがあるか？ • 常時接続の安定したインターネット環境があるか？
- 44. その他 使いやすさ • GUIが直感的か • GUIが日本語か。 • 接続できるデータソースは？ • データが日本語に対応している か。 • サポートの有無、言語 • マニュアル、分析サンプル • ユーザーコミュニティ、言語 • ユーザー数 • Qiitaの投稿件数 • 拡張性（コード）
- 45. Analytics, BI Platformの15の重大な機能 Infrastructure •セキュリティ •クラウド/オンプレミス •データソースとの接続 Data Management •メタデータ管理 •ストレージ •データプリパレーション •スケーラビリティ Analysis and Content Creation •データサイエンティスト のためのアドバンスド アナリティクス •アナリティックダッシュ ボード •インタラクティブビジュ アル •データディスカバリー •モバイルデバイス 8.Sharing of Findings •アナリティックコンテン ツの埋め込み •パブリッシュ／シェア 出典：Gartner 15.管理・ワークフローの簡易さ
- 46. Summary • 分析の目的、および自社のデータリテラリーから、 BIツールかML Platformか考える。 • 組織のガバナンスやコスト管理、クラウド利用など、 条件を確認する。 • 英語をできる人はいるか。
- 48. Exploratory とは • Rのフロントエンドツール および、分析結果を共有できるCloud環境 • デスクトップアプリはスタンドアローンで動く。インターネット環境が脆弱で も使用できるが、多少のマシンスペックを要求する。 （インストール時や起動時にはインターネット接続が必要） • データの前処理がとにかくやりやすい • ダッシュボードを作ってBIツールとしても使える。 • 日本語GUI。日本語チャットでのサポート、日本語のコミュニティあり。 • サブスクリプション制。
- 49. Azure Machine Learning Studioとは • Microsoftの提供するクラウドプラットフォームAzureのサービスの一つ。 • 全てCloud上で動く。ロースペックマシンでも問題なく動作する。 • データフローマップが常時表示され、何がどのように処理されているかが一 目でわかる。 • GUIは英語。データは日本語に対応。 • 機能制限のフリープランあり。 • 月額＋従量課金。 • サポートは別料金。 • 数式モデルをAPIとしてアプリに組み込み可能
- 50. 共通した特徴 • Descriptive AnalyticsからPredictive Analyticsまで GUIで簡単操作 • 「データをリアルタイムで観測」ぐらいなら、BIツールの方が使いや すい。（Exploratoryならできないこともない） • Qiitaに記事がたくさん • 統計学や機械学習のアルゴリズムが豊富に使える。 • Cloudで分析した結果を共有 • R、Pythonをサポート（ExploratoryはRのみ）
- 51. Demonstration
- 52. Exploratoryがお勧めな人 • 手持ちのデータが非正規データが多く、データ前処理の必要がか なりある。 • PCのスペックはそこそこ • インターネット接続が不安定だったり、オフラインで操作したい時も ある。 • 分析をするのは一人 • データをクラウドにUPしたくない • 初めて統計分析や機械学習をやるので、手厚いサポートが欲しい。
- 53. Azure Machine Learningがお勧めな人 • BIツールは他で使っている。 • マシンスペックに自信がない。 • 統計学や機械学習には多少慣れている。 • 英語OK • 最終的にはモデルのAPIをアプリに組み込みたい。 • Pythonが使いたい。
Editor's Notes
- 30分ちょいぐらいお話し、20分ぐらいデモ？
- 営業にも簡単な回帰分析ぐらいはやらせたい
- というか、行きます。 人事の承認はほぼ得られてる
- MSを殺したい人って結構いると思うので、MSのシンパではありません。 むしろマカー。MacBook ProとiPhoneにiPad、Apple Watchを付けて娘はApple TVでNetflix。 Exploratoryのデータサイエンスブートキャンプに参加。 RはUdemyで勉強。
- 異世界転生 なろう主人公
- 宗教上の都合
- みずほ情報総研の試算によると、2020年にはAI開発などに携わる「先端IT人材」が約4万8000人不足するという（出典：経済産業省）
- 最も重要なのはどれか？ →ビジネス・業務知識・経験
- 株式会社キカガクの吉崎社長もUdemyの動画で言ってました。 ビジネスを未経験から完全に理解するには数年の時間がかかるが、 ビジネスを理解していれば、ITや統計学は1年程度で理解できる、と。
- 一応この2つを知らない人のために、軽く説明しますと どちらも統計や機械学習を得意とするプログラミング言語です。
- １年間かけて勉強するのか？
- 平成7年にwindows95がGUIの思想で爆発的にHITしてから24年。
- 株式会社キカガクの吉崎社長もUdemyの動画で言ってました。 ビジネスを未経験から完全に理解するには数年の時間がかかるが、 ビジネスを理解していれば、ITや統計学は1年程度で理解できる、と。
- 統計学を知らずビジネスとUIで使えるデータ分析を行う人間は、頭空っぽの金棒を持った鬼を野に放つが如く危険。 統計学の学習はプログラミング言語の学習よりは容易（個人の感想です）。必要な領域だけでも統計学を学ぶべし。
- Gartnerの記事に「Data Science and Machine Learning Platforms」という記事がありますので、 一般的な名称は定義されていないかもしれませんが、「Machine Learning Platform」と呼ぼうと思います。
- Microsoft Power BI MVPの知り合いが言ってました。 MLプラットフォームか、BIツールか。 その観点の一つは、「正規化されたデータが十分にあるか？」という 点ではないかと思います。
- y=ax+b 上野の「全人類がわかる統計学」講座
- NIPPON パッケージ
- Microsoft Power BI MVPの知り合いが言ってました。
- レベルが違うよ。フリーザと魔人ブウぐらい違う 目的と、手段（Analytics）の違い
- AIがなんとかしてくれるおじさん
- BIツールとデータ分析ツールは出発地点が異なるが BIツールもMachine Learningなどができるようになっているツールが増えているし、 データ分析ツールもビジュアライズのUIを売りにしているものが多い。
- 英語をちょくちょく使っているのは、中２病という訳ではありません。
- Udemyで、英語でRを勉強してます。 Udemyはいいですよ。
- 書籍や学習環境もしっかり ユーザーコミュニティも豊富 アプリだって作れる
- 無料でできると、検証がしやすいですね。