LoginSignup
14
9

SPSS Modeler連載ブログのバックナンバー

Last updated at Posted at 2021-03-08

SPSS関連イベントのご案内

営業活動支援のためのデータ活用セミナー 6月27日

生成AIと機械学習を活用した顧客育成セミナー 7月25日

SPSS Modelerの歩き方2024

データ分析者達の教訓 過去の記事とURL

2023年1月から開始したブログシリーズです。好評につき2024年シーズン2に突入。

回数 筆者(敬称略) タイトル リンク
01 小西孝典
(JAL)
悩んだらビジネスの課題意識と目的に立ち返る https://www.ibm.com/blogs/solutions/jp-ja/int-spss-01/
02 星野泰啓
(千葉銀行)
部分にフォーカスし成果を得てから全体にスケールせよ  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-02/
03 山本卓也
(イオンマーケティング)
分析は「魔法の杖」にあらず、ビジネス主体と合意形成が肝心  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-03/
04 田村 玄
(ビデオリサーチ)
データ分析に求められるのは予測の精度ではなく施策の成果  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-04/
05 五安城 貴博
(三菱自動車工業)
現場の「心」を知ることがデータ民主化への突破口  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-05/
06 赤尾 広明
(IBM)
データ活用プロジェクトは利益をもたらしてなんぼ  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-06/
07 真弓 裕貴
(ファンケル)
運用に耐える予測モデルを開発段階で現場と合意する  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-07/
08 塩崎 潤一
(NRI)
データ分析にミスは付き物。大切なのは反省と次回への対策  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-08/
09 高野 知
(浜銀総研)
予測モデルは秀逸でも業務に実装できない場合がある  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-09/
10 津田 和呂
(JFE-TEC)
因果を軽視した機械的な予測モデルはたちまち劣化する  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-10/
11 中野 雄介
(ネイチャーインサイト)
テスト段階で油断せず運用を見据えたした予測モデル開発を  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-11/
12 磯部 葉月
(リバーフィールド)
データ分析者の孤立を防ぎ「自分ごと化」で成功に導く  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-12/
13 濱田 充男
(トランス・コスモス)
基礎統計量と可視化にかけた時間が予測モデルの値打ちを上げる  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-13/
14 澤田 美樹子
(日立ソリューションズ東日本)
データから導かれる「あたりまえ」を丁寧に見つめ直す  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-14/
15 小川 努
(HONDA)
データ分析は手段と割り切り情熱をもって目標に進め  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-15/
16 木暮 大輔
(MAI)
ステークホルダーの高い期待を使命感と創意工夫で乗り越えろ  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-16/
17 福島 清志
(DNP)
データ分析はチーム戦。個々がミス最小化の責任を持つ  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-17/
18 西口 浩司
(KINTOテクノロジーズ)
データの向こうにある社会的背景や因果関係を洞察せよ  https://www.ibm.com/blogs/solutions/jp-ja/int-spss-18/

ブログで学ぶSPSS Modeler 過去の記事とURL

2022年1月から全13回でリレー連載したブログシリーズです。

回数 筆者(敬称略) タイトル リンク
01 坂本康輔
(IBM)
予測モデル安定化のためのN分割交差検証をPythonスクリプトでチャレンジ https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-01/
02 森山隼
(NI+C)
Google BigQueryでSPSS Modelerプッシュバックを実行する https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-02/
03 山下研一
(IBM)
データのクレンジングにトライ!
法人のお客様を名寄せする
https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-03/
04 畠慎一郎
(SA)
早く教えて欲しかった!
新グラフの実力を忖度抜きで評価する
https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-04/
05 河田大
(IBM)
LightGBMや地図表示!拡張ノードでPythonやRの機能を取り込む https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-05/
06 南雲陸
(HSE)
モデル作成をもっと楽に!
特徴量の選択もSPSS Modelerにおまかせ
https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-06/
07 西牧洋一郎
(IBM)
モデル評価に欠かせない予測変数の重要度!そのカラクリと存在意義 https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-07/
08 木暮大輔
(MAI)
パッと見地味でもベテラン推し!
平均値ノードで示す施策の有効性
https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-08/
09 西澤英子
(IBM)
分析のキホン、分割表を制覇する! https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-09/
10 斉藤明日香
(IBM)
異常検知の自動化!
CADSの設定を動画でご紹介
https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-10/
11 林啓一郎
(AIT)
時系列データを扱う「シーケンス関数」をおさらいしよう!前編 https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-11/
12 林啓一郎
(AIT)
時系列データを扱う「シーケンス関数」をおさらいしよう!後編 https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-12/
13 牧野泰江
(IBM)
原点回帰CRISP-DMから始まるデータ分析 https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-13/

身近な疑問をヒモトク 過去の記事とURL

2022年1月から毎月20日頃に更新している連載ブログです。全12回を予定しています。

回数 筆者(敬称略) タイトル リンク
01 中島文
阪本正治
(IBM)
幹事の悩み!オンライン飲み会の部屋割りは最適化で解決 https://www.ibm.com/blogs/solutions/jp-ja/life-spss-01/
02 西川貴久
(IBM)
気象予報士が解説!業務活用の前に押さえておきたい気象データの誤解 https://www.ibm.com/blogs/solutions/jp-ja/life-spss-02/
03 盛武亮
(IBM)
What-if分析で誤算を回避!結婚式のお金の出入りをシミュレーション https://www.ibm.com/blogs/solutions/jp-ja/life-spss-03/
04 木村秀貴
(MAI)
新規出店の売上予測は難問奇問!出店の成功確率を上げるデータサイエンス https://www.ibm.com/blogs/solutions/jp-ja/life-spss-04/
05 西村剛
(AIT)
コロナ禍の教育現場。データでリモート授業をサポートできないか? https://www.ibm.com/blogs/solutions/jp-ja/life-spss-05/
06 千野直志
(マーケティングバリューアップ)
答えはお客様の中にある!アンケートの自由回答からニーズを顕在化させる https://www.ibm.com/blogs/solutions/jp-ja/life-spss-06/
07 角田厚志
(IBM)
ニュースでよく見るイケてる地図グラフを自分でもサクッと描いてみたい https://www.ibm.com/blogs/solutions/jp-ja/life-spss-07/
08 清野聡
(IBM)
担当者泣かせの突発的な設備故障。蓄積したデータから予測できるのでは? https://www.ibm.com/blogs/solutions/jp-ja/life-spss-08/
09 藤岡英典
(IBM)
新規感染者数予測のような時系列データ予測を最速で実現する! https://www.ibm.com/blogs/solutions/jp-ja/life-spss-09/
10 河村忠明
(IBM)
秒速で掘り起こす!テキストマイニングはデータが多いほど実効性が高い https://www.ibm.com/blogs/solutions/jp-ja/life-spss-10/
11 柴田直倫
(HSE)
流行りのソーシャルリスニング!SNSのデータってどうやって活用するの? https://www.ibm.com/blogs/solutions/jp-ja/life-spss-11/
12 牧野泰江
(IBM)
ちょっと待って!その説明統計的に有意なの? https://www.ibm.com/blogs/solutions/jp-ja/life-spss-12/

Modelerデータ加工Tips 過去の記事とURL

2021年2月から12月までIBMソリューションブログで連載されたModelerデータ加工Tipsのバックナンバーです。

回数 筆者(敬称略) タイトル リンク
01 斉藤明日香
(IBM)
「キャッシュ」で後続処理の効率をアップ https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-01/
02 杉野恒男
(ヤマトHD)
 関数で任意の文字列を削除・抽出する  https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-02/
03 田村 玄
(ビデオリサーチ)
欠損値に直前の値を代入または線形補間する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-03/
04 小杉 潔
(ウエスタンデジタル)
行列入替で適合率PrecisionやF1スコア・MCCを求める https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-04/
05 竹村 玄
(JALエンジニアリング)
@OFFSETで車両の時刻と座標から速度や距離を得る https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-05/
06 橋本 ゆり子
(ファミマデジタルワン)
@OFFSETでカテゴリ別商品ランキングを作成する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-06/
07 西山 忍
(大日本印刷)
傾向スコアとGUIスクリプトで販促と効果の因果推論 https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-07/
08 白岩 英士
(ABTマーケティング)
7日後と6ヵ月後の日付データを作成する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-08/
09 牧野 泰江
(IBM)
IoTデータからピーク間の傾きを特徴量として抽出 https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-09/
10 笹谷 俊徳
(東京ガス)
時系列データを加工して95%予測上限と下限を求める https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-10/
11 鶴見 裕之
(横浜国立大学)
フィールド名を一括変換して見やすく整える https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-11/
12 中村 友紀
(浜銀総研)
顧客毎の累積購入金額と特定額到達までの日数を算出 https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-12/
13 本田 智則
(産総研)
移動平均と偏差値で異常値を見極める https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-13/
14 松本 健
(メルカリ)
条件付きレコード結合で売り手と買い手のマッチング https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-14/
15 長谷川 博康
(スタテックス)
後続モデルのためにフィールドを縮約(次元削減)する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-15/
16 辻井 万里子
(JALカード)
キーワードの有無で類似文章を検索する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-16/
17 山本 卓也
(Tポイント・ジャパン)
対数と分位化で偏りのあるデータから特徴量を作る https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-17/
18 磯部 葉月
(リバーフィールド)
連続値の最適分割とモデルの出し分け https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-18/
19 齋藤 敏之
(読売広告社)
決定木の所属グループと該当条件をレコードに付与する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-19/
20 都竹 高広
(IBM)
ワイブル分布を当てはめて故障を予測する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-20/
21 赤石 雅典
(アクセンチュア)
併買パターン上位5種類の組み合わせを抽出する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-21/
22 及川 慎也
(日立ソリューションズ東日本)
顧客が休眠直前に購入した商品を特定する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-22/
23 小川 努
(本田技研工業)
GUIループとPython書き出しでデータを分割保存する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-23/

私の推しノードのバックナンバー

2020年2月からIBMソリューションブログで連載された「私の推しノード」のバックナンバーです。

SPSS Modeler ノードリファレンス(ノード解説)

SPSS Modelerでも利用頻度の高いノード(アイコン)を3分動画とあわせて紹介しています。

SPSS Modeler 逆引きストリーム集(データ加工)

SPSS Modelerで行いたい処理を大項目から探していただけます。各記事でサンプルストリームもDL可能です。

SPSS Modeler ユーザーイベントレポートとURL

開催時期 筆者(敬称略) タイトル リンク
2023秋  牧野泰江
(SA)
4年ぶりのオンサイト開催! https://www.ibm.com/blogs/solutions/jp-ja/smuc-2023-autumn-report/
2023春  武田千夏
(SA)
組織で必要とされるデータ活用人材像と育成 https://www.ibm.com/blogs/solutions/jp-ja/smuc-2023-spring-report/
2022秋  武田千夏
(SA)
組織で高めるデータ活用力とマネタイズ https://www.ibm.com/blogs/solutions/jp-ja/smuc-2022-autumn-report/
2022春 武田千夏
(SA)
Modeler書籍第2弾出版記念総力祭 https://www.ibm.com/blogs/solutions/jp-ja/smuc-2022-spring-report/
2021秋 武田千夏
(SA)
データ活用のための組織と成果について考える https://www.ibm.com/blogs/solutions/jp-ja/smuc-2021-autumn-report/
2021春 畠慎一郎
(SA)
マツダ、東京ガス、HONDA各社がSPSSの活用事例を熱く語る! https://www.ibm.com/blogs/solutions/jp-ja/smuc-2021-spring/

Modeler書籍紹介

14
9
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
14
9