sho kawasaki

営業活動データ（アポ数・商談数・成約数）と顧客属性（業界・企業規模・地域）を統合し、 「なぜ成約率に差が出るのか」を説明できる状態を作るための分析プロジェクトに取り組みました。 CSV形式の生データを前提に、 ・ETL処理（データクレンジング／結合／KPI算出） ・分析用データマートの作成 ・Streamlitによるダッシュボード可視化 までを一貫して個人で設計・実装しています。 営業担当別・属性別にKPIを比較できる構成とし、 営業マネージャーが意思決定に使えることを意識したアウトプットを目指しました。 現在はETLとダッシュボードの完成に向けて改善を進めています。

技術ポートフォリオの整備に取り組み、GitHubとQiitaを活用して開発記録を発信中です。 - GitHub：コード＋README＋Mermaid図を用いて、処理の流れや全体像を丁寧に記載 - Qiita：プロジェクトの背景や設計意図、使用ライブラリ・可視化手法などを詳しく解説 - 読む人にとって「わかりやすい」資料作成を心がけ、自学自習スキルと発信力を磨いています

業務外でPythonを独学し、pandasやmatplotlibを用いたデータ分析・可視化に取り組みました。 StreamlitでWebアプリを構築し、メジャーリーグの打撃成績を可視化するアプリを作成。GitHubおよびQiitaに公開しています。 - CSVやAPIからデータを取得・加工 - LightGBMによるホームラン予測モデルを作成 - グラフ、ヒートマップ、平均線などで可視化 GitHub: https://github.com/flopsy212/dodgers-war-analysis Qiita: https://qiita.com/flopsy_tech/items/76eeaff297c819e66e28