「.NET 開発基盤部会 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。
目次 †
概要 †
なぜそのデータ（数字）なのか、
原因を探ること。
定義 †
明確な定義はないが、なんとなく、
ビジネス インテリジェンス（BI）の、
の延長上のデータ分析がデータ解析と呼ばれている雰囲気がある。
（専門性の高めのデータマイニング（DM）手法は別に分類される事が多そう）
確証 / 探索 †
確証的データ解析 †
仮説を立てて、それを検証する。
探索的データ解析 †
データを見ながら、その意味を読み取ろうとする。
詳細 †
解析方法 †
決定木分析 †
- 分類（仮説）を何回も繰り返し、
その結果から何通りもの予測を行う。
- 経過が樹木状に枝分かれしたモデル図になる。
- 「回帰木」「分類木」「ディシジョンツリー」などとも呼ばれる。
- 複雑かつ多様な要因を整理、要因や属性を分析、分岐毎の確率計算も可能。
- 缶コーヒーの顧客像を分析する例
○○缶コーヒーを選ぶ人（のクラスタ）
- 毎日飲む人：全体のｘ％
- ＋年齢：全体のｙ％
- ＋性別：全体のｚ％
ロジスティック回帰分析 †
ある事象の発生確率を予測する手法。
- 重回帰分析と同じ複数の予測変数と一つの基準変数を取り扱うが、
事象の有無がはっきりと決まる場合（基準変数が 0 or 1 の場合）に使う。
- ある質問に対する答えを「はい」または「いいえ」の形で集計
- 結果は確率なので、0-1, (0-100%) の間の数値で表わされる。
- 病気の発生する確率の予測
予測変数：アルコール摂取量と喫煙本数
- ターゲット顧客の商品購入率の予測
予測変数：職業・性別・趣味
アソシエーション分析 †
相関関係、共起性を分析する手法
- 一見関連性がなさそうでも、
共起性（同時に起こる項目）を
分析し隠れた関連性を発見する。
- 支持度
全体の中でAとBが同時に起こる確率＝（AかつBの数）/（全データ数）
- 確信度
Aが起こったときにBも起こる確率＝（AかつBの数）/（A）
- リフト値
単純にBが起こるのに比べ、Aが起こったときにBが起こる確率は何倍か？
＝（確信度）/（Bが起こる確率＝（Bの数）/（全データ数））
可視化の方法 †
アドホック分析 †
ダッシュボード †
モニタリング †
- 以下の様にモニタリングする。
- 対象 : KPIなど。
- 目的 : データドリブンな意思決定を行う。
- 出力 : 月次レポートなど
- 特徴 : 長期的なデータの推移を可視化、集計の条件の変更。
ツール †
各種、可視化ツール †
以下の様に分類可能
- スプレッドシート
大量のデータを扱えない。
複雑なダッシュボードを作るのが難しい。
- ダッシュボード・ツール
- Redash
- Python製のダッシュボード・ツール
- 多数のデータソースに対応
- SQLクエリの実行結果を可視化
- Superset
- 対話的ダッシュボードを作るためのPython製のWebアプリケーション
- 画面上でマウス操作によってグラフを作るのが基本
- 時系列データに対応した列指向ストレージ（Druid）を標準でサポート
- リアルタイムなダッシュボードを作る目的でよく利用される。
対話的な（≒ アドホック分析できる）ダッシュボード
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
