ヒザ

株式会社メルカリでデータアナリストをしています。データ分析 / LLMについてポストします。

[ヒザ @__hiza__]

データアナリストがClaude Codeに1ヶ月で10万行のSQL/Pythonを書かせて考えた話です！

この働き方でアナリストに求められるものとは何なのか考えてみました。

https://t.co/jXzp5nj7ah

[na0 @na0fu3y]

BigQuery 管理オタクを採用したいらしい

[ヒザ @__hiza__]

これめっちゃそうだな〜と思った。

データ分析について「AIにデータ分析を量産してもらう!」という考えで色々やってみたけど、なかなか上手くいかなかった。これ読んでなぜダメだったのか納得しそう

[hisaharu @hisaharu]

note記事デビュー！
「AIに奪われる仕事と残る仕事の境界線は、『独創性』ではなく『検証コストの非対称性』にある」という仮説を、LLMの仕組みから逆算して書きました。
https://t.co/1pQZbDMclm

[ヒザ @__hiza__]

何でこんな面白いんだろう。何のデータからどう学習させるとこうなるんだろう

[ヒザ @__hiza__]

めちゃくちゃ面白い

[Mog2(もぐ) @mog2_vrc]

GPTくんマジで面白くなっててやばい
普通に無限に話せそう

[ヒザ @__hiza__]

めちゃくちゃ面白い

[あむ/Rabbuttz @Rabbuttz_VR]

ChatGPTの新しい音声モデルのGPT‑Live、本当にすごい、もうしゃべりの違和感がほとんどなくなってて驚き屋になってしまう
マジですごいから一瞬観てみてほしい（1.2倍速です）

[ヒザ @__hiza__]

めっちゃそうだよな。投資である以上コスパが問われ、コスパが問われるとフロンティアモデルの適用範囲はグッと狭くなる/ 中国AIがミュトスいぬ間に躍進　料金は20分の1、米企業も乗り換え：日本経済新聞 https://t.co/miwJEOWQJ8

[ヒザ @__hiza__]

なんと！あった！

[na0 @na0fu3y]

予約グループ / Reservation groups

BigQuery アイドルスロットの融通を階層化する仕組み

https://t.co/ZHNC0nndn5

[ヒザ @__hiza__]

BigQueryのslot reservationって階層化できたら良いのになー

全社 > analytics team > 用途A
全社 > analytics team > 用途B

で、用途Aがslot枯渇して用途Bに空きスロットがあればまずそこで融通、

そこにも空きがなければanalytics team以外から融通

みたいな

[ヒザ @__hiza__]

ホンダ、米EV電池工場をデータセンター向けに転換　AI需要に存続託す：日本経済新聞 https://t.co/GIEWKLWwgQ

近年、太陽光の発電コストが急速に下がっていてデータセンター用の電源として採用が増えてるとは聞いた事があったけど、こんなに大規模な工場を稼働させられるほどなのか…

[ヒザ @__hiza__]

カウンターパートがデータ分析に対して、実態以上の期待を抱いてしまって活用が上手く進まない事ってあるよね。

今の所属先は「データ分析は有用。しかし、もちろん限界はある」という理解が広く社内で共有されていてとても良い。

[ヒザ @__hiza__]

おもしろそう〜

「理系の誤謬」に分類されている誤謬は、データ分析の誤謬と読み替えても大体通じそう

[読書猿 5/23 新刊『ゼロからの読書教室』 @kurubushi_rm]

というわけで、こちら。

複数の方から「うちでどうですか？」のオファーいただきましたが
我が心のライバルさんから、真っ先にメールをいただきまして、実現しそうです。

見直すと、エセ理系サイドに、まだ手心が加えられているので、直します。

あとは私が書くだけです。
乞うご期待。

[ヒザ @__hiza__]

人間社会のさまざまな意思決定を代行しつつあるLLMにこのようなクリーンでは無いデータが活用されてるのは何だかおもしろいな。

PSYCHO-PASSみたいだなー
「結果として適切な判断を行うが、実は正統性に問題があるシステム」みたいな

[ヒザ @__hiza__]

めちゃくちゃ面白いw

[一ノ瀬翔太 @shotichin]

色違いのコイキングでLLMをバグらせろ：グリッチトークン入門
https://t.co/pKKfrF8k1o

[ヒザ @__hiza__]

気になる

[技術評論社 販売促進部 @gihyo_hansoku]

【新刊】2026年7月27日発売『LLMによる情報抽出入門〜日常のリアルなデータから価値ある情報を取り出す技術』本体3,200円+税，中田百科，桐生佳介 著，LLMによる情報抽出のノウハウを体系化した一冊！https://t.co/caoA60rgO2

[ゆきまさかずよし @Kyukimasa]

「liquid-droplet radiators」というアイデアが紹介されてて、ちょっと驚いた。
真空で蒸発しない油を液滴にして宇宙空間に噴射し、飛んでる間に放射冷却したのを回収して冷却ラインに戻すと効率いいらしい。

これは要するに「滴下式冷却塔」

[Haruki Sonehara / 🇺🇸シリコンバレーのプロダクトマネージャー(B2B・B2C) @Haruki_Sonehara]

テスラのAIエンジニアさん、めちゃくちゃいいこと言ってる。

多くの人が「機械学習のプロジェクト＝モデルの学習がほとんど全部（99%）」だと思ってるが、実際は全然違う。

1. モデルの性能をちゃんとチェックする評価：50%
2. データのゴミを掃除したり整えたりするデータクリーニング：40%
3. システムに組み込む作業：8%
4. 実際にモデルを訓練する作業：わずか2%

大事なのは最初の2つ。

評価とデータ整備で「学習できる限界」が決まる。どんなにすごいモデルでも、与えられたデータの質を超えて賢くはなれない。

データが汚かったり、ラベル（正解の付け方）が曖昧だと、モデルはそれ以上のことは学べない。

だからオントロジー（データにちゃんと意味やルールを付ける作業）を毎日考える必要があるし、古いラベルも見直し続ける必要がある。

ラベルが間違ってると、モデルが根本から勘違いしたまま学習してしまうから。

要するに、モデルを強くするより、データと評価をちゃんと整える方がよっぽど大事ということ。

[ヒザ @__hiza__]

> 対象の地域では放出から6〜12カ月後に蚊の個体数が80〜90%減り、新たにデング熱を患う人の数を70%以上抑えることができた

すごい。

Googleが蚊を駆除「デバッグ」計画　AI活用、生態系への影響は：日本経済新聞 https://t.co/p2fUoY4BEe

[ヒザ @__hiza__]

フォンティア→フロンティア

[ヒザ @__hiza__]

おおー / Microsoft版「Cowork」、DeepSeekのAI採用へ　利用料安く：日本経済新聞 https://t.co/MmCQocTJXQ

[ヒザ @__hiza__]

コーディング以外の用途だと特にフォンティアモデルとオープンウェイト系の差が感じにくいかも。

だとするとコストが安いモデルを加えるのは納得感ある。

[ヒザ @__hiza__]

しかし、エンタープライズでもフロンティアモデルの高いコストを正当化できるシーンは限定的だとなると、いよいよどうやって投資回収するんだ感が