皆さん、Geminiot/Pasteriot.miでデータを扱いっている中で、日本語表記でない列名（ラベル）の表記が不便だと感じたことはありませんか？ そんな時Geminiot/Pasteriot.miでは、データの列名を日本語に変更することが出来るようです！ 今回私が実際にその方法を試してみたので、画面のキャプチャと共に皆さんにご紹介したいと思います。
AI分析で思うような予測結果が出ない…原因はデータ形式？(回帰分析編)
回帰分析を使った予測を行いたいけど、思うような結果が出ないということはありませんか？ もしかしたらそれ、「データの形式」が回帰分析に適切ではないことが原因かもしれません。正しい分析結果を出すには、分析手法に合った正しい形式のデータが必要です。
～不均衡データの取り扱い～
デジタルツイン／AI型第３世代BI Geminiotには、AI・機械学習のアルゴリズムを用いた分類問題の推定や数値の予測、クラスタリングを手軽に始められる機能が備わっています。 どのようなデータならうまくモデルが作れるのか、機械学習を行うにあたり注意しておくポイントは無いかなど気になる点があるかもしれません。
いうまでもなく、企業の経営判断には正確さとスピーディさの両方が求められます。 これを手助けするツールとしてBIツールを導入し、データ可視化や分析に活用する企業も増えてきました。
企業の利益に直結する、いわば「稼ぎ頭」ともいえる営業部門。 貴社では営業部門のデータ管理を満足のいく精度で実践できていますか？
BIは「Business Intelligence（ビジネスインテリジェンス）」の略、AIは「Artificial Intelligence（人工知能）」の略ですが、略称を並べると字面がよく似ており、混乱してしまいそうです。
2020年現在、有料・無料を合わせて数十種類もあるBIツール。導入しようにも、一体どれを選べば良いのかと悩まれている担当者様も多いのではないでしょうか。
データを経営の意思決定やマーケティング、営業活動などに活用しようという潮流が生まれ、「データドリブン」という言葉が身近になってきました。特に経営においては、実現手段としてBIツールを導入する企業が増えてきました。
「経験」や「勘」に基づく属人的な意思決定方法から、データという客観性のある根拠へ基づく意思決定へとビジネスにおけるトレンドが変化しており、企業活動のさまざまな場面で「データドリブン」が一般的になってきています。
ビッグデータは一般的に、 ・Variety（多様性）・Velocity（速さ）・Volume（データ量） の3つのVで説明されることが多いですが、近年ではここに2つのV、すなわち ・Veracity（真実性）・Value（価値） を加えた5つのVから成り立っているという考え方が広まっています。
タグ一覧
