Timee × Commune データチーム勉強会より
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは、CDO室の天神林です。 ヤフーにはいくつもの事業があったり、Zホールディングスとしてのグループ会社があるので、時にはそれらを横断して仕事を進めていく必要があります。CDO室では、そんなヤフーが持つ多様かつ大量のデータを価値に変えていくことを目的にして、組織に縛られないさまざまなデータ利活用のプロジェクトを推進しております。 本記事では、その中でもデータ活用に向けた事例共有・教育・相互理解という観点から、LINEと合同で企画・運営をしているミートアップについてご紹介します。 グループのデータ利活用における課題意識 バックグラウンドの異なる方と協業するにあたり、相手の持っている物事の考え方や進め方・担当領域などを理解し尊重
初Mediumです。せっかくなので記録を残そうと思い、始めてみました。主な仕事としては人事のデータ基盤作りやBIを使った可視化、簡単な分析やHRデータ関連のトレーニングをやったりしています。 まだまだ初心者に毛の生えたようなことをしている私ですが、人と話すより本を読むほうが好きな気質や、社会人になって初めて携わった事業がEd Techだったことなど、「世の中にある様々な良き知恵」的なものに助けられる機会に恵まれたと感じています。 人から教わったものばかりですが、これらの良き知恵のありかを少しずつ伝えていきたいと思います。 ■Aboutこの記事は、初心者が自身の領域でデータを使いたいと思ったときに参考にして欲しい書籍・オンラインサービスなどをまとめたものです。自身の経験を基にまとめているので、特に人事領域で使いたい方向けだと思います。 詳しい方はぱっと見てお気づきかもしれませんが、Faceb
はじめに こんにちは。レバレジーズ データ戦略室の辰野です。 前回の投稿からいつの間にか1年以上経過していました。引き続きデータマネジメントやデータガバナンスに関連する仕事をしていたのですが、今回は私が昨年度末に取り組んだ、Dataformを利用したデータ分析基盤の構築についてお話させていただきます。 Dataformとは Dataformとは、現在Google Cloudで利用できるデータモデリングツールの一つです。ELT(抽出、読み込み、変換)処理における、T(変換)の部分を管理できます。主な機能として、下記があります。 SQLワークフローを開発、実行できる テーブル同士の依存関係を管理できる テーブルの品質テストができる これらの機能を利用することで、すべてのデータプロセスを管理することが可能です。 (参考:Google Cloud,Dataform の概要) Dataformを導入
こんにちは。SmartHR 採用ユニットの日永と申します。 SmartHRでは、年間200名程度を目標とした中途採用を行なっています。その採用活動については色々なところでオープンにしていますが、この記事では、中途採用のレポーティングにおける工夫について書きたいと思います。 数値の集計やレポートは作って満足しがちですが、正しい情報を必要に応じてさくっと取得して、本来時間を割くべきものに集中できるのが理想ですよね。私自身、「これ完璧なのでは...?😳 」という解はまだまだ見つけられていないのですが、ちょうど1年前の自分の悩みが少しだけ改善されてきたので、このタイミングで書いてみることにしました。 日々募集ポジションがオープンしたりクローズしたり、目標人数が変わったり、社外に出している求人票と社内の管理上のポジション名が違ったり、各ポジションで採用フローが違ったり、中途採用の目標管理が複雑すぎ
最近「ああ、これ前職でも前々職でもやったことあるなぁ」という仕事があった。データエンジニア(やその関連職種)として働き始めて約5年、3社でフルタイムとして働いてきて「このスキルは業界や組織規模が変わってもデータエンジニアとしてスキルを求められることが多いな」と感じたものをまとめてみることにした。棚卸し的な意味はあるが、特に転職用などではないです。 前提 どこでも必要とされたスキル データマネジメントに関する概要レベルの知識と実行力 セキュリティや法令に関する知識 事業ドメインに関する興味関心 他職種とのコミュニケーション能力 コスト管理 / コスト削減のスキル ソフトウェアエンジニアとしてのスキル DataOpsやアラートのハンドリング能力 分析用のSQLを書く力 古いテーブルやデータパイプラインを置き換えていくスキルや胆力 あるとやりやすいスキル 関連部署の動きを何となく把握しておく力
自己紹介私は現在、マッチングアプリのPairsを運営するエウレカという会社でデータ組織のマネジメントを行っています。役割としては、BIチーム(データアナリストチーム)、AIチーム、Data Managementチーム(データ基盤チーム)の3チームの戦略推進が主になります。実際どのようなことをしているのかは以下の記事をご覧ください。 この記事について 今回記事を書こうと思ったきっかけは、データアナリストのキャリアについて自分の考えをまとめたかったからです。「データを使って意思決定に貢献する」「データからインサイトを得る」…と多くの組織がデータ分析に注力している中で、分析者であるところのデータアナリストが実際どのようなキャリアを歩んでいるかは、まだ情報が少ない印象を持っています。 そもそも「データアナリスト」という役職から想像される人物像は組織によってバラバラです。指標をレポートする人、データ
データサイエンティストってなんだ? 僕は現在とあるコーヒーチェーン企業でデータサイエンティストとして働いている。 なんやかんやで社会に出てから約5年ほどが経った。 ただ、正直なところ僕自身が最近まで データサイエンティストがどのような職業なのかよくわかっていなかった。 「働いてるのに何を言っているんだ?」と思われるかもしれないが、落ち着いて聞いてほしい。 おそらくその理由はデータサイエンティストという職業に対するイメージが人によってバラバラであり、自分のやっていることが世間一般で言うところの「データサイエンティスト」なのかよくわかっていなかったからだと思う。 そんな中、最近『データ分析失敗事例集』という本で「データサイエンティストには4つの分類がある」という話を読んでしっくりきたので自分の経験も合わせてまとめたい。 4つの分類 まずは書籍に載っていた4つのパターンをざっくりまとめてみよう。
これはなにか こんにちは。Hikaru Kashidaです。 メルカリという会社の分析チームのマネージャをやっています。 いまの会社では2年ほどマネージャを勤めているのですが、マネージャとして頑張ったことの一つとしてなんといってもチームの採用が挙げられます。 以前書いた記事内で、採用を頑張ったぜ!という話をいろいろとしましたが、その実際の手法などについてはほぼ触れることができませんでした。 せっかくですので、どんな活動をしたのかを簡単にこの機にまとめておきたいと思います。多少でも参考になれば幸いです。 記事を読んだ方から嬉しいコメントいっぱい頂いています〜 HRではなく現場のヘッドがここまで採用にコミットして実行してるのすごいな。 会社自体が伸びていて、注目度もあるのに、そこに加えてやるべきことを徹底してやってる。 フェーズの異なる会社が表面上だけ倣ってやってて良いわけないよな…。 htt
どうやらデータサイエンティストなる職業がアツいらしい。 データサイエンティストって何それ美味しいのというのが正直なところだが、「データサイエンスとは何か」について、錚々たる企業の人たちの講演されてらっしゃったので、ちょっと引用してみたい。 まずは花王の大路延憲氏(情報システム部門統括付部長): ...データサイエンティストの心得として3つのMを挙げた。その上で「まず目的(Mindset)と評価尺度(Measurement)を明確にし、それから手法(Method)を決める。決して手法から始めてはいけない」とアドバイスした。 つまり頭でっかちにならず、目的に即した手法が取れる判断力が必要だという話。 次に大阪ガスの河本薫氏(情報通信部ビジネスアナリシスセンター所長): 「(ビジネス課題を)見つける力、(分析問題を)解く力、(得られた知識を)使わせる力、の全てを備えた“フォワード型分析者”が、ビ
はじめに10Xアドベントカレンダー4日目はじめまして、村中(@ktrru)です。今は10Xでアナリストをやっています。 この記事は10Xアドベントカレンダー4日目の記事です! 今日は自分が10Xでのアナリストの役割について色々悩んだことについてポエムを書きます。 昨日は@tenjinさんのエモい記事を読んで昔を思い出していました。あ〜エモい。 エモいなあ。我らがtenjin。 一緒に戦って来たんだよなあ。 最近は彼と一緒に昔書いたRedashのクエリをアーカイブしまくる仕事をしました。エモいなあ。https://t.co/3z19FKt1NB — むらなか (10X) (@ktrru) December 3, 2022 ちなみに、私の好きなスーパーはライフで、おすすめの商品はライフのプライベートブランドのBIO-RALより「有機ルイボスティー(ノンカフェイン)」です。 有機ルイボスティー(
AuthorsTwitter@__Attsun__Published onMonday, March 20, 2023 この記事について私が現在所属する Ubie Discovery(以下 UD)で働く Data Engineer の視点で、他データ職種との関わりや違いについて書きました。 カジュアル面談など社外の方とお話する中で、以下のような質問が頻出するため記事としてまとめてみようと思った次第です。 Analytics Engineer と Data Engineer の違いは?Data Engineer は実際、どのような業務をしているの?技術的にはどのようなスタックで仕事をすることがあるの?TL;DRUbie Discovery には、Data Engineer, Analytics Engineer, ML Engineer といったデータ職種がありますData Engineer
ここ数年、曲りなりにデータ分析の専門職種としてやってきたが、常々この仕事には困難さがつきまとうなと感じる。その事について、その理由、そしてその困難さとどう戦っていくかについての考察を記してみたい。 気まぐれな雑記のうえ、だいぶ長くなってしまったが時間がある方はお付き合い願いたい。感想の一つでも貰えれば幸いです。 困難さ仕事をしていて苦労することはよくあるわけだが、とりわけデータ系の仕事をしているとおおよそ以下のような面倒さを背負い込んでいることに気づく。 普通にしているとあまり良い仕事が回ってこない 周囲に任せていると細かい本質的ではない仕事に埋もれてしまう 組織の上層の戦略やリテラシに依存するところが異様に大きい 自分たちの成果がどうにもわかりづらい 短期的な都合に押し負かされて自分たちの仕事の優先度を下げられる などなど。これは自分個人の体験だけにとどまらず、他の会社でもデータ分析チー
データアナリティクス事業本部の鈴木です。 自分がデータ分析基盤の技術調査をする際、こういうことに気をつけるとうまく行きやすいなというポイントがまとまってきたので、ブログにしてみました。 あくまで1例として参考になればと考えています。 課題意識 ほかのメンバーで、技術調査に慣れていない方に調査をお願いするとき、初めはある程度やり方を説明したり、レビューを手厚くしたりすると思います。私が初めて技術調査をしたときは、やり方が分からず、先輩にかなりお世話になったことを覚えています。 最近では、私からほかのメンバーに調査をお願いをする側になる場面が少しづつ出てきたので、「お願いしたいことはある程度ブログにしておいた方が、聞く方が言われたことを全部覚えてなくていいし、絶対ええやろな〜」と思い、記事にしてみました。 場面としてはデータ分析基盤を構築する上で必要になる技術調査を想定しています。 技術調査の
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く