ransuu

IT関連企業でデータ分析関連のお仕事を約10年してきました。 数値を扱う現場で思ったことや、知っておくとハッピーになることをまとめてます。 数式を使った難しい話はしない(できない)です。 データを扱うけどわからない人に読んでもらえれば幸いです。

ransuu

IT関連企業でデータ分析関連のお仕事を約10年してきました。 数値を扱う現場で思ったことや、知っておくとハッピーになることをまとめてます。 数式を使った難しい話はしない(できない)です。 データを扱うけどわからない人に読んでもらえれば幸いです。

最近の記事

GA4 の Analytics Data API を使ってみた3

GA4 の完全移行が始まってしまいました。いかがお過ごしでしょうか? それに備えた記事を書いていたのですが、やっぱりフィルター機能が必要だなと感じております。 特に目標達成を複数設定していると、フィルターがないと個別の目標達成が見れない!!と今さら気づいてしまいました。そちらを設定するためのフィルター機能を見ていきたいと思います。 単純な フィルター 例 サクッと medium が referral のもののみを対象とするようなフィルタを作成する場合を考えます。

    • GA4 の Analytics Data API を使ってみた2

      前回の続きで、Data API を使ったの改善版です。 追加でやったのは、 Dimension を複数設定する Metric を複数設定する ソートできるようにする の3つです。早速ですが、スクリプトの内容は以下の通りです。 実行方法※ 普段 GAS も JS も触っていないので、文法的には怪しい箇所が多数あります。自己責任でご参照ください。 /** * Runs a report of a Google Analytics 4 property ID. Cre

      • GA4 の Analytics Data API を使ってみた

        ウェブ分析をしてる人だと、そろそろ Google Analytics について UA から GA4 に変える必要があると思っている人もたくさんいると思います。 切り替える必要があるのですが、懸念の一つに Google Spreadsheet への書き出しをどうするかという点がありました。今までは、Google 純正の拡張機能で UA の数値を取り込んでいました。 現時点(2023/5/2)では、Google からは https://developers.google.co

        • Google Analytics の分析続き

          前回の続きです。 12/7 に大きな動きがあったので、その点をについて詳細に確認していきます。 流入元について調べる とりあえず流入元でどこかに違いがあったか調べてみます。 集客 > 概要 をクリックして、期間を 2022/11/30 〜 2022/12/6 に設定してみます。 Directが非常に多いですね。少し嫌な予感がします。Directはサイトに訪問したときにリファラ情報と呼ばれる、どこから来たかを表す情報がないものを指します。例えば、bookmarkや放置し

          Google Analytics で見るところまとめ

          同僚にGoogle Analytics (GA) の使い方を教えることになったので、自分がよく見るところをベースに機能をまとめておこうと思います。 今の所、ユニバーサルアナリティクスしか触ってないのです。GA4については他の人のものを見てください。 データは実データを見るわけにはいきませんので、下記のデモアカウントを使います。 最初に見るところ流入数 コンバージョン数(購買、リード獲得、etc…) コンバージョン率(CVR) = コンバージョン数 / 流入数 流入

          Google Analytics で見るところまとめ

          ベイズ統計モデリング 〜周期性モデルのリファクタリング〜

          背景前回、ベイズ統計モデリングを始めて実施した話をしました。 こちらのデータは周期性がなさそうだったので、そのモデリングを無視していました。実際、周期性のあるデータの場合も十分考えられるので、そちらを行いたいと思います。 ただし、単純な周期性モデルを行うだけならば上記「ベイズ統計モデリングによるデータ分析入門」に書いてあります。こちらのコードでも最低限動かすことは可能です。 こちらの著者が掲載しているサイトで収束を良くするコツが書かれています。 こちらのパラメータの外出

          ベイズ統計モデリング 〜周期性モデルのリファクタリング〜

          初めてのベイズ統計モデリング実践と失敗集

          背景 ベイズ統計モデリングをしたいなと思い、馬場真哉さんの以下の実践Data Scienceシリーズを読みました。 とても素晴らしい本でした。ベイズ統計モデリングを平易に書いてくれていて、実際に始めてみようと思わせてくれました。 読んだ後のファーストステップとして、実データに適用したいと思ったのが始まりです。 ところで、プライベートで友達がPS5を発売初期に買っていて、いろいろなゲームを満喫していたのを見て、私も欲しいなと思っていましたが、この年末に眺めてみると、ネットの実

          初めてのベイズ統計モデリング実践と失敗集

          その開発、本当に成長するの?

          最近は分析の仕事をしながら開発の仕事もさせてもらったりしています。その辺りに手を出せると、アナリストするだけでなくてデータエンジニアにもなれるかも?!という個人的な欲望です。 エンジニアの仕事をしてると、その開発は本当に必要?という依頼がされます。サービスの現状を把握しているから、重点的に行うところは別にあるのでは?と疑問に思ってしまいます。 アナリスト目線から見た開発の意義を考えて見たいと思います。 開発する目的ざっくり、3つくらい開発の目的があるかなと思います。

          その開発、本当に成長するの?

          分析・調査レポートをちゃんと読むために

          はじめに分析レポートや調査結果をニュースや社内の分析で見ることがあります。その時に思うのが、割と結果を鵜呑みにする人が多いということです。 この手の内容をそのまま読んでしまうのは、道ばたに落ちているペットボトルの水をよく確かめずに飲んでしまうようなものです。 信頼できない結果で意思決定をしてしまうことになります。 特に、ベンチャーで働いて忙しいと検証する時間もないと思います。そこで、最低限抑えておきたいポイントを挙げておきます。 見るべきポイント- 誰が出したレポート

          分析・調査レポートをちゃんと読むために

          データ分析でトレンドをちゃんと追わないとヤバい話

          今回、自分の分析結果を振り返ったり他の人の分析を見てヤバい報告の仕方をしてるのを何度かありました。自戒を込めて、その内容を書きます。 起きている状況とあるKPIを週次で追っています。下のような数値の動きをしていたとします。 この瞬間「数値が下がりました。何か手を打ちましょう。」と報告していたとします。その翌週に下のような結果になりました。 「データが上がりました。好調です。」と報告していました。 ひたすらノイズを報告上記の結果はいわゆるノイズを報告しています。 ちょ

          データ分析でトレンドをちゃんと追わないとヤバい話

          Google Analytics だけで分析したら? 令和になってからGAの使い方を学んだ人の話2

          Google Analytics を 2020年から使い始めて、思ったよりもよかったという話をしました。 今回、使いにくいと思ったところをお伝えできればなと思います。逆にGoogle Analytics (GA)でできないことを知っておくと、他の分析ツールを使うかどうかの判断材料になると思います。 Google Analytics + Google Tag Manager の3つの気になるところ 1. 後から再集計がむつかしい 2. マジックナンバーを探すのが苦手 3.

          Google Analytics だけで分析したら? 令和になってからGAの使い方を学んだ人の話2

          Google Analytics だけで分析したら? 令和になってからGAの使い方を学んだ人の話

          はじめにこの1年くらい Google Analytics (GA) と Google Tag Manager (GTM) をお仕事で触ることが多くなりました。今まで分析の手数が少なそうだな〜と思って避けてきました。去年から、それしか分析環境がない業務に当たってしまいました。想像通り使いにくい部分もありました。一方、意外と便利だなと思うところもありました。 せっかくなので、GAがどれくらい使えるのかお伝えします。ただし、GA4はほとんど使ったことありません。BigQueryに

          Google Analytics だけで分析したら? 令和になってからGAの使い方を学んだ人の話

          「ビジネスの分析してみる」は「ビジネスで実験してみる」につながるという話

          はじめに前回の記事で、もし分析をする仕事をしたいなら 1. 分析環境がある 2. 意思決定が迅速で実行できる 3. 新しい施策をするためのお金や人がいる の3つがあるところで働くと良いよという話をしました。よく考えたら、なぜ?という話をあまりしてませんでした。今回はその理由を話します。 分析したことを実現するには実験する必要があります分析のお仕事は「出したら終わり」になることはありません。というか、なってる会社やサービスだとやばいです。基本的に分析はサービスや事業をよく

          「ビジネスの分析してみる」は「ビジネスで実験してみる」につながるという話

          分析するならどんな会社でするのが良いか?

          今回はどんな会社で仕事するのが良いかを説明します。自分のこれまで働いた経験からの説明になりまう。そのため、もちろん他の人は違う意見も出てくると思います。 今から分析をしたい人向けの記事です。どんな条件があるところと、分析者として働きがいがあるか、判断材料になれば幸いです。 最初に自分の経歴を軽く述べていきます。マーケティングリサーチの会社、IT系のメガベンチャー、アプリ系のスタートアップ、ウェブ広告会社の分析系の新規事業部などです。 最初に自分の結論はメガベンチャー系の

          分析するならどんな会社でするのが良いか?

          分析の極意について教えます。

          前回に引き続き、分析をわかやすく伝えていきます。 分析をしたことない人からすると、分析ってとにかく難しそう、頭良い人にしかできなさそうってイメージがあると思います。 けれど、分析でしてること自体は意外と単純なことをしているなと思います。分析の単純さを伝えるのに印象に残っているエピソードがありました。以前の職場に尊敬する先輩が、分析をしたことない職場の同僚から分析の仕事の仕方を聞かれていました。やや困惑しながら、答えた言葉がまさに分析の極意と言えるものでした。 「分析は分

          分析の極意について教えます。

          まだまだやばいデータ活用

          初めまして!私はIT系のベンチャー企業でデータ分析をしてきました。今もデータ分析をしながら、少しシステム開発の見習いもしています。 最近、DXなんて言われるようになってきて、またまたデータを見る機運が高まってきてると思います。(AIやデータサイエンティストの時とは、もう少し軸足が移ってますが。)「DXの思考法 日本経済復活への最強戦略」(西山圭太, 冨山和彦、文藝春秋) の本でも、デジタル化による産業の変身が必要だと言われてると思います。そこまでじゃないけど、まずはEC化ぐ

          まだまだやばいデータ活用