本記事で触れているGoogleアナリティクスは、ユニバーサルアナリティクス（UA）を前提としています。 GA4を対象とした記事ではございませんので、ご注意ください。 「Google アナリティクスで計測した内容を、他のデータと統合して分析したい」 Google アナリティクスを活用されているお客さまから、しばしばいただくご要望です。 アナリティクスと、データを集約するシステムやサービス（たとえば、Google BigQuery）を連携するには、特別なプログラムを開発する必要があるのではないか――そんなふうにお考えの方が多いかもしれません。ですが、適切なツールを使うことで、プログラム開発をすることなく、データの連携は実現できます。 今回は、データ転送ツール「Embulk」を使って、Google アナリティクスの計測値をGoogle BigQueryに転送する手法を紹介します。 データ転送ツー
はじめに 「トレジャーデータで実践：Path 分析」シリーズでは，過去にWeb，広告，リアル店舗でのログを元に，コンバージョンパステーブルの作成例とその分析事例を紹介していました。 blog-jp.treasuredata.com それに続く本記事では，より具体的かつ汎用的な分析事例として，コンバージョンパスを分析インプットとした時に，どんな分析アウトプットが出せるか，について以下の3つを紹介する事にします。 頻出パターンマイニング コンバージョンパス ダイアグラム（今回） 決定木モデル 上記の資料はパス分析の概念から始まり，トレジャーデータにおけるデータの持たせ方から分析アウトプットまで，パス分析のいろはを詳細に述べた資料です。 遷移ダイアグラム 遷移分析は，コンバージョンパスがどのようなノード遷移でコンバージョンに至ったのかを求めます。遷移ダイアグラムとは，コンバージョンしたユーザーの
はじめに 「トレジャーデータで実践：Path 分析」シリーズでは，過去にWeb，広告，リアル店舗でのログを元に，コンバージョンパステーブルの作成例とその分析事例を紹介していました。 blog-jp.treasuredata.com それに続く本記事では，より具体的かつ汎用的な分析事例として，コンバージョンパスを分析インプットとした時に，どんな分析アウトプットが出せるか，について以下の3つを紹介する事にします。 頻出パターンマイニング（今回） コンバージョンパス ダイアグラム 決定木モデル 上記の資料はパス分析の概念から始まり，トレジャーデータにおけるデータの持たせ方から分析アウトプットまで，パス分析のいろはを詳細に述べた資料です。 コンバージョンパステーブル ここで，生データとコンバージョンマスタテーブルを元に，トレジャーデータ上で作成するコンバージョンパステーブル（パス分析のインプットと
トレジャーデータはクラウドでデータマネージメントサービスを提供しています。 『「横断」で極めるユーザー行動分析シリーズ』は，様々な業界におけるユーザーの行動分析を、複数のデータをユーザーIDなどで紐付けて横串に（横断的に）見ていく方法・事例をご紹介するものです。 シリーズ①となる今回は，ゲームと小売業界にフォーカスを当てていきます。 はじめに オンラインゲーム業界で日々行われている分析手法と小売業界におけるそれを比較してみると、意外にも共通するポイントが多いことに驚きます。背景には、従来の「面」を中心とした大略的な分析のみならず、「点」である個別のユーザーに焦点を当てたより詳細な分析の重要性が増している状況があります。 本資料では、各々の業界で行われている代表的な分析手法とその特徴を例示し、共通項として浮かび上がるデータ分析のエッセンスについてご紹介していきます。 オンラインゲーム業界にお
Twitterでハッシュタグ「#naoya_sushi」が生まれてしまうほど、無類の寿司好きとして知られる伊藤直也氏（@naoya_ito）。そんな伊藤氏をホスト役とし、トップエンジニアをゲストに招いて、寿司をつまみつつホンネで語ってもらおうという、この企画。 第六回のゲストは、弱冠20歳にしてCTOとしてのキャリアをスタートさせ、現在はシリコンバレー発のベンチャー企業『トレジャーデータ株式会社』のCTOとして活躍中の太田一樹氏（＠kzk_mover）が登場！日米両方でCTOを務めた経験から、そのギャップや空気感、そしてシリコンバレーから世界を相手に勝負するため起業した真意などをお聞かせいただきました。日米を股にかけるkzk氏だからこその視点で、議論していただきます。お楽しみに！ — 伊藤直也（以下「naoya」）：久しぶりですね。日本に戻ってくるタイミングだとやっぱり飲み会続きですか？
データ分析から導き出されたインサイト無しにAI（人工知能）の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上（52％）は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
トレジャーデータはクラウドでデータマネージメントサービスを提供しています。 Armadillo-IoT がもたらす「お買い物革命」 前回のWebにおけるパス分析の応用として，実店舗におけるユーザーのお買い物時の回遊パスを分析する事例をご紹介します。 ところで，実店舗でのユーザーのトラッキングはどうするの？というのはずっと前から議論され続けていた課題です。 それに対する素晴らしいアプローチが、良品計画様が提供する「MUJI passport」アプリの事例です。スマートフォンから受け取ったクーポンを持って実店舗で買い物したユーザーが、レジで「MUJI passport」に表示されるバーコードを読み取ってもらうことでリアルとWebの会員情報を紐付けるのです。 もう一つの素晴らしいアプローチをご紹介します。Armadillo-IoT という、どこにでも置けるコンパクトなゲートウェイが実店舗内のユー
トレジャーデータはクラウドでデータマネージメントサービスを提供しています。 お問い合わせはこちらのフォームをご活用下さい。 前回に引き続きで、具体的な分析を行って行きます。 コンバージョンパス 遷移分析 まずはパスを構成する「辺」についての分析を行ってみましょう。買い物パスにおける「辺」とはポイント(=受信機)間の推移を意味します。まずはこの推移の数を集計することによってどのポイント間への動きが活発かを明確にしていきます。 推移は方向をもったものですので「A→B」と「B→A」は別に扱われます。 （クエリ実行後の結果） receiver_id1receiver_id2cnt 6 5 180 9 8 179 2 9 179 5 1 174 8 7 169 3 8 168 10 8 167 10 1 166 ... ... ... どうやらそこまで顕著な推移は現れていないようですが、この集計結果
関連キーワード BI（ビジネスインテリジェンス） | ビッグデータ | クラウドサービス | データ分析 | データマイニング | マーケティング | モバイルアプリ開発 | モバイルアプリケーション すかいらーくは、「ガスト」や「バーミヤン」「ジョナサン」「夢庵」などファミリーレストランチェーンを全国展開する外食企業だ。その中でも、全国に約1300店を展開するガストは、すかいらーくグループの主力ブランドとなっている。 ガストは「幅広い客層・利用動機に対応できるファミリーレストラン」をコンセプトとし、洋食を中心に多様なジャンルの料理を提供する「お値打ち感」を重視している。あらゆる年代に対応したメニューを展開。30～40代女性を含むファミリー層を中心に、学生、1人客、シニアなどの幅広い客層をターゲットとしている。 すかいらーくでは現在、新聞広告をはじめとしたマス中心のマーケティングから、顧客
パネル調査データ・オンラインアクチュアルデータを統合・分析し、新規見込み客の発見と広告配信を可能にするサービス「Querida Insight」「Querida Planning」の提供を開始 株式会社博報堂ＤＹメディアパートナーズ（本社：東京都港区、社長：大森壽郎）と株式会社博報堂（本社：東京都港区、社長：戸田裕一）の協働の取り組みとして“生活者データ・ドリブン”マーケティング対応力強化を担う「DATA WiNGS(データウィングス)」※１（以下 DATA WiNGS）は、生活者についてのパネル調査データと Web 閲覧等のオンラインアクチュアルデータを統合、分析し、広告主にとっての新規見込み客を発見する「Querida Insight（クエリダインサイト）」と、そこに対して的確な広告配信を可能にする「Querida Planning（クエリダプラニング）」の 2 つのサービス提供を開始
株式会社電通（本社：東京都港区、社長：石井 直、以下「電通」）は、米国Treasure Data Inc.（本社：カリフォルニア州、CEO：芳川 裕誠、以下「トレジャーデータ」）およびクラスメソッド株式会社（本社：東京都千代田区、代表取締役：横田 聡、以下「クラスメソッド」）と協業し、クラウドを活用したマーケティング・コミュニケーションの高速PDCA（Plan（計画）→ Do（実行）→ Check（評価）→ Act（改善））を実現するデータ解析プラットフォーム「Dentsu.io」（電通アイ・オー）の提供を開始します。 トレジャーデータは、ガートナー※1の「Cool Vendors in Big Data, 2014」※2に選出されるなど、データ収集から分析まで一貫した技術力に定評があり、フォーチュン誌が選ぶ「Fortune Global 500」企業へのサービス実績を豊富に有しています。
トレジャーデータの分析エンジンを採用した「Yahoo! ビッグデータインサイト」提供開始。月1000万件60回クエリまで無料のプランも。IDCフロンティア Yahoo! ビッグデータインサイトは、IDCフロンティアのクラウド基盤にfluentdやトレジャーデータのtd-agent、バルクアップローダーなどによってクラウドデータを収集、保存し、Hadoopなどの分散処理システムを組み合わせたトレジャーデータのデータ分析エンジンでデータの分析を行えるもの。 分析した結果はSQLやPig、REST API、ODBC/JDBCなどで得ることができます。分析処理基盤の性能はIDCフロンティア側でつねに最適化を行い、またデータは3重コピーによって保管されています。 利用者はビッグデータのためのインフラや分析ツールの構築や維持費用の手間を省け、数百億件ものデータであってもクラウド上の分散処理基板を活用し
7月25日、ヤフーはクラウド型データマネジメントサービス（DMS）を提供する米トレジャーデータと法人向けビッグデータビジネス領 域で業務提携することを発表。企業が自社データを活用できる基盤を構築するため、Yahoo! JAPANとトレジャーデータは、企業のビッグデータを収集・保管し、短時間で容易に分析できる、クラウド型のビッグデータ分析基盤ソリューション「Yahoo!ビッグデータインサイト」を提供する。 昨年よりYahoo! JAPAN が展開しているビッグデータ活用を核としたマーケティングソリューション事業の取り組みの1つとして、トレジャーデータの技術の採用に至ったという。Yahoo!ビッグデータインサイトは「トレジャーデータサービス」を用いており、これまで企業ごとに独自に構築・運営してきたHadoopなどの分散処理プラットフォームなどに比べ、低価格、高速かつ容易にデータを分析することが
*トレジャーデータはデータ収集、保管、分析のためのエンドツーエンドでサポートされたクラウドサービスです。 本シリーズは，弊社事例セミナーで発表した資料をベースに3つの分野における事例を通してトレジャーデータサービスを深く理解してもらえる事を目的としています。 事例で学ぶトレジャーデータ 20140612 from Takahiro Inoue 本シリーズは，紹介する3つの分野における事例を通してトレジャーデータサービスを深く理解してもらえる事を目的としています。 （事例1）「オンラインゲームソリューション (a) (b)」 （事例2）「モダンWebアナリティクス」 （事例3）「ECログ分析」 オンラインゲームソリューション トレジャーデータ | 米国トレジャーデータ社／トレジャーデータ株式会社 オンラインゲーム向けデータマネージメントサービスをソリューションとして提供開始 今回は「オンライ
はじめに Fluentdは、ログを収集し格納するためのログ収集基盤ソフトウェアです。Fluentdにインプットされた、すべてのログをJSONに変換し、アウトプットします。インプットとアウトプットはモジュール化されており、モジュールを追加することでインプット元とアウトプット先を追加できるようになっています。 Fluentdは急速に知名度を高め、多くのWebサービス会社で実際に使用されるようになりました。従来のログが抱えていた問題も、Fluentdが適切な解決策となっていると認知され、かつ簡単に導入・スモールスタートできるミドルウェアであったことが大きかったと思います。 本稿では、Fluentdの簡単な仕組みと導入方法、シンプルな動作事例について紹介します。 対象読者 システム管理者 データサイエンティスト 必要な環境 UNIX系OS Ruby 1.9 ログを出力する理由 システム運用を始める
cloudpackエバンジェリストの吉田真吾（@yoshidashingo）です。 最近、Treasure Data をいじってます。 CDP（カスタマーデータプラットフォーム）のトレジャーデータ - 散らばった顧客データをひとつにまとめる。 - Treasure Data 大量にデータをアップロードしたい ログのデータをtd-agentを使ってTDにためて行く方法については情報が多いですが、検証や過去データの移行などで一度に大量のデータをTDに入れてしまいたいというニーズも一定数あると思います。 TDに大量にデータをアップロードするときは、データをmsgpack形式に圧縮してからアップロードできる td import 機能を使いましょう。 http://sstd-bigdata.blogspot.jp/2013/09/treasuredatatd-importprepare.html ト
レストラン経営のすかいらーくは、全国の店舗から集めたPOSデータを分析するインフラとして、米アマゾン・ウェブ・サービス（AWS)のデータウエアハウス（DWH）クラウド「Amazon Redshift」を採用し、2014年2月に本格運用を始めた。数十億件のデータをRedshiftに投入し、マーケティング施策の効果検証などに活用している。 すかいらーくの店舗系システムには、1日当たり数百万件分のPOSデータが取り込まれる。これを自動でAmazon Redshiftに取り込み、BIツール「Tableau Desktop」と「Tableau Server」で分析、可視化できるようにした。数年分の過去データも取り込み済みで、扱うデータは数十億件規模になるという。このデータを使い、メニューの併売率の分析やバスケット粗利の計算、クーポンの販促効果、顧客の滞在時間の分析などに活用している。 導入期間もコス
Treasure Data Intro for Data Enthusiast!! from Takahiro Inoue 本シリーズではデータ分析を以下の7つのレイヤーに分解し，各々について解説していくものとします。（Slide Shareの資料は常時更新されます。） Data Collection Data Storage Data Management Data Processing Data Processing Design Part.1 Part.2 Part.3 Part.4 Part.5 Part.6 Data Visualization Treasure Viewer, MetricInsights, Tableau Data Visualization Patterns Part.1 Part.2 Part.3 本日は「1. Data Collection」にフォーカス
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
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