案件別利益が見えない会社が最初に作るべきデータ項目｜売上・原価・工数・外注費の管理方法

食品工場の害虫・衛生管理をデータで改善するには？発生・清掃・点検・是正対応の記録項目を解説

商品カテゴリを越えるクロスセル関係をネットワークとして可視化する

（2024年2月9日時点）魚検出のためのデータセットまとめ

セールイベントの需要拡散を「波紋」として可視化する

サプライヤーリスクを「多段階の波及」として可視化する

一つの出荷遅延が工程・輸送・納入へ連鎖する時間構造を可視化する

点群解析用データセットまとめ｜3D物体認識・屋内外LiDAR・自動運転向けデータの中身を解説

チャバネゴキブリの生態から考える食品工場の防虫管理｜トラップ設置とモニタリングの実務ポイント

YOLOとは？物体検出アルゴリズムの変遷・基礎理論・ビジネス活用例を解説

ワインの品質データセットを用いた共分散構造分析

決算情報をまとめられるExcelファイルを作ってみました

生成AI時代のp-hackingとは？論文ベースで考える分析結果の都合良い選択と防ぎ方

AIセキュリティとは？パンダがテナガザルに誤分類される敵対的サンプルから考えるデータ整備の重要性

CatBoostとは？カテゴリ変数が多いデータでの使い方をPythonで解説

マーケティング分析に使えるオープンデータまとめ｜顧客分析・EC分析・市場調査に役立つ公開データ

ダミーデータを用いた生産・販売戦略の数理最適化（線形最適化）

調達先集中度を「複数階層の重なり」として可視化する

需要と供給の位相ずれを「状態空間のループ」として可視化する

Dockerを用いた経営・金融情報の解析環境の構築

閾値アラートだけでは予兆保全にならない理由｜設備故障の兆候を見逃さないデータ活用

生産量とエネルギー効率の「最適運転領域」を可視化する

S＆P500とは？（用語解説とデータ取得方法）

食品工場の防虫管理でトラップ点検だけでは発見が遅れる理由｜害虫モニタリングを補完する考え方

生成AI活用におけるAI-readyなデータとは？現場担当者が0ベースで始めるデータ整備

物体検出や分類のための野菜の画像データセットまとめ（2024年2月17日時点ver. 2）

段取り替え損失を「前品種→次品種」の組み合わせとして可視化する

平均値・中央値・分散・標準偏差とは？Excelで解けるビジネス課題と限界を解説

中小企業のDX人材は採用すべき？外注・IT顧問・外部パートナーの違いと選び方

Pythonを用いた超初歩のマーケティングミックスモデリング

同じ保全介入でも「どの軌道から戻るか」で回復の見え方は変わる

調達リードタイムの揺らぎを「不確実性の扇」として可視化する

マーケティングミックスモデリングにおけるアドストックを考慮とは？

工程時間のばらつきが「流れの歪み」として蓄積する生産ラインを可視化する

作物モデルとは？基礎理論・活用例・農業DXで使う際の注意点を解説

クラスタリングとは？業務データを使った顧客分類の考え方とPython実例

負荷条件によって枝分かれする工具摩耗の進行軌道を可視化する

原材料ロットの影響範囲を「分岐・合流する系譜」として可視化する

線形回帰の仕組みを数式で理解する｜最小二乗法・係数・R²・残差をPythonで確認

購買バスケットの移行を「流れ」として可視化する

株価情報分析のためのデータベース設計例

製造業の設備停止ロスはどう計算する？年間稼働日数から見る簡易試算と損失額の考え方

異業種企業が同じ供給コミュニティを形成する多層サプライヤーネットワーク

Excel・CSVの業務データはどこまで分析に使えるか｜中小企業がDB構築前に整えるべきデータ管理

物体検出や分類のための野菜の画像データセットまとめ（2024年2月17日時点ver. 3）

設備の正常・不安定・異常状態を「異なる軌道」として可視化する

線形回帰とは？単回帰・重回帰で解けるビジネス課題とPython実装例

マーケティングミックスモデリング（MMM）とは？

店舗別の来店頻度と客単価を「密度の尾根」として可視化する

Elastic Netとは？Ridge・Lassoとの違いと使い分けをPythonで比較