ギフトで購入

ビッグデータ分析・活用のためのSQLレシピ

加嵜長門, 田宮直人(著), 丸山弘詩(編集)

4,180円 (3,800円+税)

著者が普段の業務で実際に作成しているレポートやSQLのコードをより汎用化してまとめた、ビッグデータ時代のSQL活用術・レシピ集。「データの加工」「売上の把握」「ユーザーの把握」「Webサイト内のユーザー行動の把握」「異常値の検出」「検索機能の評価」「レコメンド」など、具体的なシーン別に、実践的な手法とノウハウを解説しています。

内容紹介

ビッグデータ時代のSQL活用術・レシピ集

本書は、著者が普段の業務で実際に作成しているレポートやSQLのコードをより汎用化し、レシピ集としてまとめたものです。「データの加工」「売上の把握」「ユーザーの把握」「Webサイト内のユーザー行動の把握」「異常値の検出」「検索機能の評価」「レコメンド」など、具体的なシーン別に、実践的な手法とノウハウを解説しています。

●読者対象

本書では、アクセス解析等を担当する社内の分析担当者と、実装を行うエンジニアの双方を対象として、下記の情報を提示します。

・データ加工の手法
・分析に使用するSQL
・レポーティング・分析の手法

分析担当者であれば、アクセス解析ツールが提供する指標やフィルタがなくても、それ以上のことを自らで実践できるようになること、エンジニアであれば、分析業務を十分に理解して、分析担当者や経営層に対して、適切な情報提供やレポート提出、そして助言できるようになることを、目指しています。

●構成

1　ビッグデータ時代に求められる分析力とは
2　本書で扱うツールとデータ群
3　データ加工のためのSQL
4　売上を把握するためのデータ抽出
5　ユーザーを把握するためのデータ抽出
6　Webサイトでの行動を把握するためのデータ抽出
7　データ活用の精度を高めるための分析術
8　データを武器にするための分析術
9　知識に留めず行動を起こす

Chapter1～2は導入部で、Chapter1は基本を解説し、Chapter2で本書で扱うデータやミドルウェアについて説明しています。

Chapter3～8では、具体的なSQLを用いたコード例とともに、ビッグデータ活用の手法について紹介します。

Chapter3では基礎的なSQLの記述やデータ加工の手法について解説し、続くChapter4～8でデータ活用における具体的なシーン別に実践的な「分析手法」と「SQL」を解説しています。

Chapter9ではまとめとして、本書の提供する内容が知識で留まらないよう、データの活用の事例やヒントを紹介します。

●本書で扱うミドルウェア

PostgreSQL、Apache Hive、Amazon Redshift、Google BigQuery、SparkSQLで動作確認を行っています。

書誌情報

著者: 加嵜長門, 田宮直人(著), 丸山弘詩(編集)
発行日: 2017-03-27 (紙書籍版発行日: 2017-03-27)
最終更新日: 2017-03-27
バージョン: 1.0.0
ページ数: ページ(PDF版換算)
対応フォーマット: PDF
出版社: マイナビ出版

対象読者

著者について

加嵜長門

株式会社DMM.comラボ所属。慶應義塾大学大学院政策・メディア研究科修士課程修了。大学院や学生ベンチャーにて、マルチメディアデータベースを対象とした検索やレコメンドアルゴリズムの研究およびサービス開発に従事し、現在DMM.comラボではビッグデータ活用基盤の構築に携わり、SparkやSQL on Hadoopを用いたレコメンド機能、ビッグデータ活用の研究開発を担当。共著に『詳解Apache Spark』（技術評論社）。

田宮直人

データコンサルタント。エンジニアとして大手新聞社の関連サービス、求人サービス、コミュニティサービスの開発に携わり、株式会社サイバーエージェント在籍時にデータアナリストへ転身、株式会社DMM.comラボではマーケティング開発部マネージャーとしてビッグデータ部を立ち上げる。現在はフリーランスとして、データの解析のみならず、データ解析環境の設計・構築、ログの設計、レコメンドAPIの作成など、データに関連する業務全般を担当している。

丸山弘詩

書籍編集者。早稲田大学政治経済学部経済学科中退。国立大学大学院博士後期課程(システム生産科学専攻)編入、単位取得の上で満期退学。大手広告代理店勤務を経て、現在は書籍編集に加え、さまざまな分野のコンサルティング、プロダクトディレクション、開発マネージメントなどを手掛ける。著書は『スマートフォンアプリマーケティング　現場の教科書』（マイナビ出版刊）など多数。

1　一つの値に対する操作
　コード値をラベルに置き換える
　URLから要素を取り出す
　文字列を配列に分解する
　日付やタイムスタンプを扱う
　欠損値をデフォルト値に置き換える
2　複数の値に対する操作
　文字列を連結する
　複数の値を比較する
　2つの値の比率を計算する
　2つの値の距離を計算する
　日付/時刻の計算をする
　IPアドレスを扱う
3　1つのテーブルに対する操作
　グループの特徴を捉える
　グループの中での順序を扱う
　縦持ちのデータを横持ちに変換する
　横持ちのデータを縦持ちに変換する
4　複数のテーブルに対する操作
　複数のテーブルを縦に並べる
　複数のテーブルを横に並べる
　条件のフラグを0と1で表現する
　計算したテーブルに名前を付けて再利用する
　擬似的なテーブルを作成する

Chapter4　売上を把握するためのデータ抽出

1　時系列に沿ってデータを集約する
　日別の売上を集計する
　移動平均を用いて日別の推移を見る
　日別の売上を集計して、当月売上の累計を求める
　月別の売上を集計し、昨対比を求める
　Zチャートで業績の推移を見る
　売上を把握するための大事なポイント
2　多面的な軸を使ってデータを集約する
　カテゴリ別の売上と小計を計算する
　ABC分析で売れ筋とそうでないものを分ける
　ファンチャートで商品の売れ行きの伸び率を見る
　購入価格帯を集計する

Chapter5　ユーザーを把握するためのデータ抽出

1　ユーザー全体の特徴・傾向を見つける
　ユーザーのアクション数を集計する
　年齢別区分を集計する
　年齢別区分ごとの特徴を抽出する
　ユーザーの訪問頻度を集計する
　ベン図でユーザーのアクションを集計する
　デシル分析でユーザーを10段階のグループに分ける
　RFM分析でユーザーを3つの視点でグループ分けをする
2　時系列に沿ったユーザー全体の状態変化を見つける
　登録数の推移、傾向を見る
　継続率、定着率を算出する
　継続、定着に影響すると見られるアクションを集計する
　アクション回数に応じた定着率を集計する
　利用日数に応じた定着率を集計する
　ユーザーの残存率を集計する
　訪問頻度からユーザーの属性を定義し集計する
　訪問種別を定義し、成長指数を集計する
　指標を改善する手順を身につける
3　時系列に沿ったユーザー個別のアクションを分析する
　ユーザーのアクション間隔を集計する
　カートに追加後、購入されているか把握する
　登録からの売上を経過日数別に集計する

Chapter6　Webサイトでの行動を把握するためのデータ抽出

1　サイト全体の特徴・傾向を見つける
　日次の訪問回数・訪問者数・ページビューを集計する
　ページ毎の訪問回数・訪問者数・ページビューを集計する
　流入元別に訪問回数やCVRを集計する
　アクセスされる曜日、時間帯を把握する
2　サイト内のユーザーの行動を把握する
　入口ページと出口ページを把握する
　離脱率、直帰率を計算する
　成果に結びつくページを把握する
　ページの価値を調べる
　検索条件毎のユーザー行動を可視化する
　フォールアウトレポートを用いてページ遷移を可視化する
　サイト内のユーザーフローを把握する
　ページを最後まで見ている割合を集計する
　ユーザー行動の全体像を可視化する
3　エントリーフォームを最適化する
　エラー率を集計する
　入力～確認～完了までの遷移率を集計する
　フォーム直帰率を集計する
　エラーが発生している項目、内容を集計する

Chapter7　データ活用の精度を高めるための分析術

1　データ加工による新たな切り口を作る
　IPから国、地域を補完する
　都道府県に隣接都道府県情報を付与する
　土日・祝日を判断できるようにする
　一日の集計範囲を変更する
2　異常値を検出する
　データの分布を計算する
　クローラーを除外する
　データの妥当性を確認する
　特定のIPからのデータを除外する
3　データの重複を検出する
　マスタデータの重複を検出する
　ログの重複を検出する
4　複数のデータセットを比較する
　データの差分を抽出する
　2つのランキングの類似度を計算する

Chapter8　データを武器にするための分析術

1　検索機能を評価する
　NoMatch率とそのワードを集計する
　再検索率とそのワードを集計する
　再検索ワードを分類して集計する
　検索離脱率とそのワードを集計する
　検索に関する指標を集計しやすくする
　検索結果の網羅性を指標化する
　検索結果の妥当性を指標化する
　検索結果の順位を考慮した指標を計算する
2　データマイニング
　アソシエーション分析
3　レコメンド
　レコメンドシステムを広義に捉える
　このアイテムに興味がある人はこんなアイテムも見ています
　あなたにオススメの商品
　レコメンドシステムを改善するポイント
　レコメンド表示時の改善ポイント
　レコメンドに関するその他の指標を知る
4　スコアの計算
　複数の値をバランスよく組み合わせてスコアを計算する
　値の範囲が異なる指標を正規化して比較可能な状態にする
　各データの偏差値を計算する
　巨大な数値の指標を直観的にわかりやすく加工する
　独自のスコアリング方法を定義してランキングを作成する

Chapter9　知識に留めず行動を起こす

1　データ活用の現場
　データの活用方法を考える
　データに関わる登場人物を知る
　ログフォーマットを考える
　データを活用しやすい状態に整える
　データ分析のプロセスを習得する
　分析のはじめの一歩を踏み出す
　相手の職種・役職に応じたレポートを作成する
　さらなるデータ活用のスキルを磨く
　ビッグデータ時代のデータ分析者に向けて

Home 〉書籍一覧〉ビッグデータ分析・活用のためのSQLレシピ ▲ ページトップへ戻る

ビッグデータ分析・活用のためのSQLレシピ

関連サイト

内容紹介

書誌情報