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。 現在私はトレジャーデータのデータサイエンティストというポジションにありますが，「サイエンティスト」という名にあるような，特定のサービスの専任アナリストとして高度な分析を行うスペシャリストではありません。トレジャーデータサービスが全ての分析者の心強い手足となるようにアドバイスやユースケースを提示するようなスペシャリストです。 そんな私もトレジャーデータに来るまでは，１つのサービスの専任分析者として突き詰めていた時代がありました。その時代は現在のようなデータ分析プラットフォームが成熟しておらず，自分であれこれ試行錯誤しながら独自プラットフォームを作っておりました。 現在トレジャーデータが提供する「オンラインゲームソリューション」は，当時の私の経験を踏まえ，誰にも苦労してもらうことなしに分析を始めてもらえるような形となっ
はじめに 今回から数回に渡って Social Gaming Analytics シリーズが始まります。本シリーズの目的は，特定のゲームに依存しない，一般的なアクションログから実行可能な，有用な解析手法をいくつか紹介する事です。前回のようにサンプルデータセットや解析クエリの紹介は省略することにします。 なお，紹介する解析手法はどれも有用で魅力的なものですが，それらは全て Treasure Data Cloud Warehouse 上で実行可能となっていますので，実際に解析を行ってみたい方はそちらの方でぜひ。 イントロダクション Social Gaming Analytics はここ数年の間に非常に大きな発展を遂げてきました。継続的にゲームパラメータを変更可能なソーシャルゲームにおいては「ユーザー個々のアクションに基づいた解析」を行い，その結果を即座にゲームデザインに反映していかなければなりま
2. Meta Information • 2006.4 – 2012.3 – Keio University • Artificial Intelligence, Semantic Web, Ontology Engineering • 2011.2 – 2012.3 – CTO at Trippiece, Inc. • Software Engineering • 2012.4 – – Engineer at adingo, Inc. • Data Analysis, Operation Engineering twitter: @suzu_v http://blog.kentasuzuki.net
1
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
