[DevDojo] Getting Started with BI: Looker Essentials - 2025
このDevDojoのプレゼンテーションでは、Lookerを使用したビジネスインテリジェンス(BI)の基礎を紹介しています。 大量のデータから、より速く、よりスマートに洞察を得ることを企業に求めています。 従来のBIを「ビジネスレポート」ではなく、より良いデータに基づいた意思決定のためのデータインテリジェンスと再定義しています。
株式会社メルカリ
めるかり
法人代表者名: 代表執行役 CEO(社長) 山田 進太郎
法人番号: 6010701027558
証券コード: 4385
事業概要: -
郵便番号: 1060032
本社所在地: 東京都港区六本木6丁目10番1号
従業員数: 2101
従業員数(男性): -
従業員数(女性): -
創業: -
このDevDojoのプレゼンテーションでは、Lookerを使用したビジネスインテリジェンス(BI)の基礎を紹介しています。 大量のデータから、より速く、よりスマートに洞察を得ることを企業に求めています。 従来のBIを「ビジネスレポート」ではなく、より良いデータに基づいた意思決定のためのデータインテリジェンスと再定義しています。
このDevDojoのプレゼンテーションでは、Lookerを使用したビジネスインテリジェンス(BI)の基礎を紹介しています。 大量のデータから、より速く、よりスマートに洞察を得ることを企業に求めています。 従来のBIを「ビジネスレポート」ではなく、より良いデータに基づいた意思決定のためのデータインテリジェンスと再定義しています。
このDevDojoのプレゼンテーションでは、Lookerを使用したビジネスインテリジェンス(BI)の基礎を紹介しています。 大量のデータから、より速く、よりスマートに洞察を得ることを企業に求めています。 従来のBIを「ビジネスレポート」ではなく、より良いデータに基づいた意思決定のためのデータインテリジェンスと再定義しています。
この記事では、大規模言語モデル(LLM)とAIエージェントの基本原理を紹介しています。 LLMが外部環境と対話するためのさまざまなツールと、自律的なタスク実行を可能にするAIエージェントについて解説しています。 Model Context Protocol (MCP)についても言及し、AIアプリケーションと外部システムを接続する方法を示しています。
この記事では、大規模言語モデル(LLM)とAIエージェントの基本原理を紹介しています。 LLMが外部環境と対話するためのさまざまなツールと、自律的なタスク実行を可能にするAIエージェントについて解説しています。 Model Context Protocol (MCP)についても言及し、AIアプリケーションと外部システムを接続する方法を示しています。
この記事では、大規模言語モデル(LLM)とAIエージェントの基本原理を紹介しています。 LLMが外部環境と対話するためのさまざまなツールと、自律的なタスク実行を可能にするAIエージェントについて解説しています。 Model Context Protocol (MCP)についても言及し、AIアプリケーションと外部システムを接続する方法を示しています。
この記事は、Google Customer Engagement Suiteを活用して顧客エンゲージメントを変革することに焦点を当てています。 マーケティング戦略や顧客体験の向上に興味のある方、Google Cloudプラットフォームに関心のある方におすすめです。 詳細な技術情報は含まれていません。
この記事は、[mercari GEARS 2025]におけるPJ Auroraのビジョンと、UI品質評価エージェントの自動化について紹介します。 QAエンジニアやテストエンジニア、テックリード、プロジェクトマネージャーに役立つ内容です。 具体的な技術や手法、今後の展望について解説します。
この記事は、メルカリが社内問い合わせ工数を60%削減したLLM活用事例を紹介しています。 ノーコードを選ばなかった理由や、その裏側にある技術的な取り組みを解説しています。 社内システム開発や効率化に関心のある方におすすめです。
AIネイティブへの道のり、データと実践を通じて会社全体での採用を推進することについて記述されています。 プラットフォームエンジニアやデータサイエンティストなど、幅広い職種の方々にとって、AIを活用するための示唆が得られる記事です。 AI技術の導入と組織への浸透を目指す企業やチームに役立つ内容です。
この記事は、メルカリが現在使用しているAIコーディングツールに焦点を当てています。 AIコーディングツールの活用事例や、今後の展望について解説します。 テックリードやエンジニアリングマネージャーなど、技術系のリーダー層向けのコンテンツです。
この記事は、[mercari GEARS 2025]で発表された、開発者のデータベース運用に関する課題を調査とリポジトリ分析を通して明らかにする内容です。 データベースエンジニアや、データベースに興味のあるエンジニアが主な対象読者です。 具体的な問題点や改善策について知ることができます。
この記事は、メルカリGEARS 2025でのセッション「Specs to Code with Coding Agents: Where Do Engineers Come In?」に関するものです。 コーディングエージェントが登場する中で、エンジニアの役割がどのように変化していくのかを探求します。 エンジニアが今後どのようなスキルを磨くべきか、示唆に富む内容です。
この記事は、メルカリGEARS 2025でのセッション「Specs to Code with Coding Agents: Where Do Engineers Come In?」に関するものです。 コーディングエージェントが登場する中で、エンジニアの役割がどのように変化していくのかを探求します。 エンジニアが今後どのようなスキルを磨くべきか、示唆に富む内容です。
この記事は、メルカリの広告最適化戦略に焦点を当てたものです。 収益性の高い収益ストリームを構築するための、メルカリ広告の改善点について解説します。 マーケターやプロダクトマネージャーを対象としています。
この記事は、メルカリの広告最適化戦略に焦点を当てたものです。 収益性の高い収益ストリームを構築するための、メルカリ広告の改善点について解説します。 マーケターやプロダクトマネージャーを対象としています。
この記事は、LLMを活用したサービスの継続的インテグレーションにおける堅牢な形式検証について解説しています。 メルカリGEARS 2025での発表内容です。 SRE、バックエンドエンジニア、セキュリティエンジニア、プラットフォームエンジニア向けの技術情報です。
この記事は、LLMを活用したサービスの継続的インテグレーションにおける堅牢な形式検証について解説しています。 メルカリGEARS 2025での発表内容です。 SRE、バックエンドエンジニア、セキュリティエンジニア、プラットフォームエンジニア向けの技術情報です。
この記事は、LLMを活用したサービスの継続的インテグレーションにおける堅牢な形式検証について解説しています。 メルカリGEARS 2025での発表内容です。 SRE、バックエンドエンジニア、セキュリティエンジニア、プラットフォームエンジニア向けの技術情報です。
LLMApps/AgentsのEvalsに関する記事です。 詳細な内容は不明ですが、LLM(大規模言語モデル)を活用したアプリケーションやエージェントの評価について取り上げていると考えられます。 主に研究者や機械学習エンジニア向けの技術情報が含まれている可能性があります。