ITコンサルティングにとって、重要なものは何ですか?

做IT咨询,最重要的是什么?

做IT咨询时,以下几个方面是最重要的:

1. 深入了解客户需求

  • 沟通能力: 能够有效地与客户沟通,明确他们的需求和期望。
  • 需求分析: 通过详细的需求分析,理解客户的业务流程、痛点和目标。

2. 专业知识和技术能力

  • 技术知识: 具备广泛而深入的IT技术知识,包括网络、安全、数据库、开发、云计算等。
  • 行业知识: 了解客户所在行业的特定需求和趋势,以便提供更有针对性的解决方案。

3. 问题解决能力

  • 分析能力: 能够快速识别问题的根本原因,并提出可行的解决方案。
  • 创新思维: 在面临复杂问题时,能提出创新的、切实可行的解决方案。

4. 项目管理技能

  • 时间管理: 有效管理时间,确保项目按时完成。
  • 资源管理: 有效利用和分配资源,包括团队成员、技术和预算。

5. 持续学习和适应能力

  • 更新技术: IT领域变化迅速,必须不断学习新技术和新方法。
  • 适应变化: 能够迅速适应技术和业务环境的变化。

6. 商业意识

  • 成本效益: 理解客户的预算限制,并在预算范围内提供最优解决方案。
  • ROI分析: 能够帮助客户分析和理解IT投资的回报和效益。

7. 客户关系管理

  • 建立信任: 与客户建立长期的信任关系,赢得他们的信任和忠诚。
  • 客户服务: 提供优质的售后服务,确保客户在项目完成后也能获得支持。

8. 法规和合规意识

  • 数据隐私: 确保解决方案符合数据隐私和保护法规,如GDPR、HIPAA等。
  • 合规性: 确保IT系统和流程符合行业和法律法规的要求。

9. 文档和报告能力

  • 清晰文档: 能够编写清晰、详细的技术文档和报告,便于客户理解和参考。
  • 透明报告: 定期向客户报告项目进展和成果,保持信息透明。

10. 协作能力

  • 团队合作: 能够与客户团队和内部团队紧密合作,共同实现项目目标。
  • 跨部门协作: 能够与客户的不同部门合作,理解并整合各部门的需求。

总结来说,成功的IT咨询需要综合技术、业务、管理、沟通等多方面的能力。通过不断学习和适应变化,保持对客户需求的敏感和响应能力,是确保成功的关键。

4o

ITコンサルティングにとって、重要なものは何ですか?

ITコンサルティングにとって重要な要素は多岐にわたりますが、以下のポイントが特に重要です:

1. 顧客理解とニーズ把握

  • コミュニケーション能力: 顧客との効果的なコミュニケーションを通じて、ニーズと期待を正確に把握する。
  • ニーズ分析: 顧客のビジネスプロセス、課題、目標を詳細に理解し、それに基づいて適切な解決策を提案する。

2. 専門知識と技術力

  • 技術的知識: 広範囲で深いIT技術知識(ネットワーク、セキュリティ、データベース、クラウドコンピューティングなど)を持つ。
  • 業界知識: 顧客の業界特有のニーズやトレンドを理解し、特定の業界に最適化されたソリューションを提供する。

3. 問題解決能力

  • 分析能力: 問題の根本原因を迅速に特定し、実行可能な解決策を提示する能力。
  • 創造的思考: 複雑な問題に対して革新的かつ実現可能な解決策を考案する能力。

4. プロジェクト管理スキル

  • 時間管理: プロジェクトを期限内に完了するための時間管理能力。
  • リソース管理: チームメンバー、技術、予算などのリソースを効果的に管理し、最大限に活用する能力。

5. 継続的な学習と適応力

  • 技術更新: IT分野は急速に変化するため、新しい技術や方法を常に学び続ける姿勢。
  • 変化への適応力: 技術やビジネス環境の変化に迅速に適応する能力。

6. ビジネス意識

  • コスト効果: 顧客の予算制約を理解し、その範囲内で最適な解決策を提供する能力。
  • ROI分析: IT投資のリターンと効果を顧客に理解してもらうための分析能力。

7. 顧客関係管理

  • 信頼構築: 顧客との長期的な信頼関係を築き、信頼と忠誠を得る。
  • 顧客サービス: プロジェクト完了後も顧客をサポートする高品質なアフターサービスを提供する。

8. 法規制とコンプライアンス意識

  • データプライバシー: GDPRやHIPAAなどのデータプライバシーと保護規制に準拠した解決策を提供する。
  • コンプライアンス: 業界および法的規制に準拠したITシステムとプロセスを確立する。

9. 文書作成と報告能力

  • 明確な文書作成: 顧客が理解しやすい詳細な技術文書や報告書を作成する能力。
  • 透明な報告: プロジェクトの進捗と成果を定期的に顧客に報告し、情報を透明に保つ。

10. 協力とチームワーク

  • チームコラボレーション: 顧客チームおよび内部チームと密接に協力し、共通の目標を達成する。
  • 部門横断的な協力: 顧客の異なる部門と連携し、それぞれのニーズを理解し統合する能力。

まとめ

ITコンサルティングで成功するためには、技術、ビジネス、管理、コミュニケーションなど多方面の能力が求められます。継続的に学び、変化に適応し、顧客のニーズに敏感で迅速に対応する姿勢が、成功の鍵となります。

4o

ChatGPTはさすがに賢い。回答も正確でした。

質問:

ChatGPTの競合製品、それぞれの価格、メリット、デメリットを表形式で教えてください。 ChatGPT

回答:

以下は、ChatGPTとその競合製品の価格、メリット、デメリットを示す表です。価格や特徴は2024年時点のものです。

製品名価格 (月額)メリットデメリット
ChatGPT無料プラン / Plus: $20無料プランあり。Plusプランは手頃な価格で、安定したアクセスと高速応答。高度なカスタマイズや専門的な応答が必要な場合、機能が制限されることがある。
Google Bard無料完全無料で、Googleのエコシステムとの統合が強み。現時点では他の高度な特化機能が不足している場合がある。
Microsoft CopilotOffice 365加入者向けに提供Office 365の加入者には追加費用なしで提供される。Office 365のサブスクリプションが必要。
Claude基本無料 / Pro: $15無料プランが利用可能で、ProプランはChatGPT Plusよりも安価。市場シェアが他の競合に比べて小さいため、サポートやコミュニティが限られる可能性がある。
JasperStarter: $29 / Boss: $59コンテンツ生成に特化しており、ビジネス向けに最適化。価格が他の競合製品に比べて高め。
Perplexity AI無料 / Pro: $15無料プランがあり、Proプランも比較的安価。高精度な検索と応答を提供。知名度が低く、機能が他の大手製品に比べて限られる可能性がある。
Character AI無料完全無料で、キャラクターとのインタラクションを重視したユニークな体験。特化型のため、一般的な用途には向かないことがある。
Replika無料 / Pro: $7.99無料プランがあり、Proプランは非常に手頃な価格で個人的なAIコンパニオンを提供。主に個人向けで、ビジネスや専門的な用途には向かない。

この表は、各製品の価格、メリット、デメリットを簡潔に示しています。これにより、各製品の特徴とそれぞれのニーズに最適な選択をするための参考にできるでしょう。

4o

前の質問の続きとして、以下だけを追加質問したら、人間の会話と同じように理解してくれます。

追加質問:

それぞれのURLも表に追加してください。ChatGPT

回答:

以下は、ChatGPTとその競合製品の価格、メリット、デメリット、および公式URLを示す表です。価格や特徴は2024年時点のものです。

製品名価格 (月額)メリットデメリットURL
ChatGPT無料プラン / Plus: $20無料プランあり。Plusプランは手頃な価格で、安定したアクセスと高速応答。高度なカスタマイズや専門的な応答が必要な場合、機能が制限されることがある。OpenAI ChatGPT
Google Bard無料完全無料で、Googleのエコシステムとの統合が強み。現時点では他の高度な特化機能が不足している場合がある。Google Bard
Microsoft CopilotOffice 365加入者向けに提供Office 365の加入者には追加費用なしで提供される。Office 365のサブスクリプションが必要。Microsoft Copilot
Claude基本無料 / Pro: $15無料プランが利用可能で、ProプランはChatGPT Plusよりも安価。市場シェアが他の競合に比べて小さいため、サポートやコミュニティが限られる可能性がある。Claude
JasperStarter: $29 / Boss: $59コンテンツ生成に特化しており、ビジネス向けに最適化。価格が他の競合製品に比べて高め。Jasper
Perplexity AI無料 / Pro: $15無料プランがあり、Proプランも比較的安価。高精度な検索と応答を提供。知名度が低く、機能が他の大手製品に比べて限られる可能性がある。Perplexity AI
Character AI無料完全無料で、キャラクターとのインタラクションを重視したユニークな体験。特化型のため、一般的な用途には向かないことがある。Character AI
Replika無料 / Pro: $7.99無料プランがあり、Proプランは非常に手頃な価格で個人的なAIコンパニオンを提供。主に個人向けで、ビジネスや専門的な用途には向かない。Replika

この表は、各製品の価格、メリット、デメリット、および公式URLを簡潔に示しています。これにより、各製品の特徴とそれぞれのニーズに最適な選択をするための参考にできるでしょう。

4o

同じ質問で、今度Copilotに質問してみました。答えを見てみましょう。どうですか?意図した回答とはちょっとはずれでしたね。

You

Copilotの競合製品、それぞれの価格、メリット、デメリットを表形式で教えてください。

Copilot

もちろんです!以下に、Copilotの競合製品とそれぞれの価格、メリット、デメリットを表形式でまとめてみましょう。

Table

メーカーモデル価格メリットデメリット
MicrosoftSurface Pro(第11世代)20万円台AIアシスタント搭載、高性能NPU価格がやや高め
MicrosoftSurface Laptop(第7世代)20万円台AIアシスタント搭載、軽量価格がやや高め
ASUS未公表未公表未公表未公表
Dell未公表未公表未公表未公表
HP未公表未公表未公表未公表
Lenovo未公表未公表未公表未公表

価格は日本国内向けの予定価格であり、具体的なモデルごとの詳細は各メーカーの公式サイトでご確認いただけます 。また、各モデルにはAI機能も搭載されており、新しい体験を提供しています。

2of30

次は、Google Geminiに聞いてみました。表形式で教えてくれますし、URLもちゃんと追加してくれます。URLはそのまま表示されてしまうが、ちょっと表の見た目はいまいちでした。

Copilotを競合相手に入れてないですね。それは正解かもしれません。

Geminiの競合製品、それぞれの価格、メリット、デメリットを表形式で教えてください。

volume_up

🚀

Geminiの競合製品比較表

製品名価格メリットデメリット
ChatGPT無料プランあり、有料プランは月額$19~– 創造的なテキスト生成 – 多様なタスクに対応 – ユーザーコミュニティが活発– 無料プランでは機能制限あり – 日本語での情報が少ない
Bard無料プランあり、有料プランは月額$25~– 高度な質問への回答 – 論理的な文章生成 – 事実誤認が少ない– 日本語での情報が少ない – クリエイティブなテキスト生成は苦手
Jurassic-1 Jumbo無料プランあり、有料プランは月額$50~– 大規模な言語モデル – 豊富な知識量 – 高度な質問への回答– 処理速度が遅い – 日本語での情報が少ない
Megatron-Turing NLG無料プランなし、月額$3,000~– 高度な自然言語処理能力 – 多様なタスクに対応 – 高度なカスタマイズ性– 価格が高い – 利用ハードルが高い

drive_spreadsheetGoogle スプレッドシートにエクスポート

注記:

  • 価格は2024年6月時点のもの。
  • メリットとデメリットは一般的な評価に基づいており、個々のユーザーのニーズによって異なる場合があります。

Geminiの強みは、以下の点です。

  • Google Workspaceとの連携: Googleマップ、Gmail、カレンダーなどのGoogleサービスと連携して、より効率的な作業を実現できます。
  • 日本語での情報量: 日本語の情報量が多く、日本語ユーザーにとって使いやすいです。
  • 処理速度: 他の競合製品と比べて処理速度が速いため、ストレスなく利用できます。

Geminiの弱みは、以下の点です。

  • 機能: 他の競合製品と比べて機能が限定的です。
  • クリエイティブ性: クリエイティブなテキスト生成は、他の競合製品と比べて苦手です。

どの製品が最適かは、ユーザーのニーズによって異なります。

  • 無料プランで試せる製品もあるので、まずはいくつか試してみて、自分に合った製品を見つけることをおすすめします。

以下は、Geminiと比較されることが多いその他の製品です。

  • GPT-3: OpenAIが開発した大規模言語モデル。
  • WuDao 2.0: 北京言語情報技術研究院が開発した大規模言語モデル。
  • ELECTRA: Google AIが開発した大規模言語モデル。

これらの製品もそれぞれ異なる強みと弱みを持っていますので、情報収集をしておくと良いでしょう。sharemore_vertプロフィール写真edit

それぞれのURLも表に追加してください。

edit回答案を表示 volume_up

🚀

1

2

static.fsf.org/nosvn/copilot/Interpreting-Docstrings-Without-Common-Sense.pdf

www.megatrend.com/en/transformers-pay-attention/

Geminiの競合製品比較表(URL追加)

製品名価格メリットデメリットURL
ChatGPT無料プランあり、有料プランは月額$19~– 創造的なテキスト生成 – 多様なタスクに対応 – ユーザーコミュニティが活発– 無料プランでは機能制限あり – 日本語での情報が少ないhttps://openai.com/blog/chatgpt/
Bard無料プランあり、有料プランは月額$25~– 高度な質問への回答 – 論理的な文章生成 – 事実誤認が少ない– 日本語での情報が少ない – クリエイティブなテキスト生成は苦手https://blog.google/technology/ai/bard-google-ai-search-updates/
Jurassic-1 Jumbo無料プランあり、有料プランは月額$50~– 大規模な言語モデル – 豊富な知識量 – 高度な質問への回答– 処理速度が遅い – 日本語での情報が少ないhttps://www.ai21.com/blog/announcing-ai21-studio-and-jurassic-1
Megatron-Turing NLG無料プランなし、月額$3,000~– 高度な自然言語処理能力 – 多様なタスクに対応 – 高度なカスタマイズ性– 価格が高い – 利用ハードルが高いhttps://developer.nvidia.com/blog/using-deepspeed-and-megatron-to-train-megatron-turing-nlg-530b-the-worlds-largest-and-most-powerful-generative-language-model/

drive_spreadsheetGoogle スプレッドシートにエクスポート

注記:

  • 価格は2024年6月時点のもの。
  • メリットとデメリットは一般的な評価に基づいており、個々のユーザーのニーズによって異なる場合があります。

Geminiの強みは、以下の点です。

  • Google Workspaceとの連携: Googleマップ、Gmail、カレンダーなどのGoogleサービスと連携して、より効率的な作業を実現できます。
  • 日本語での情報量: 日本語の情報量が多く、日本語ユーザーにとって使いやすいです。
  • 処理速度: 他の競合製品と比べて処理速度が速いため、ストレスなく利用できます。

Geminiの弱みは、以下の点です。

  • 機能: 他の競合製品と比べて機能が限定的です。
  • クリエイティブ性: クリエイティブなテキスト生成は、他の競合製品と比べて苦手です。

どの製品が最適かは、ユーザーのニーズによって異なります。

  • 無料プランで試せる製品もあるので、まずはいくつか試してみて、自分に合った製品を見つけることをおすすめします。

以下は、Geminiと比較されることが多いその他の製品です。

これらの製品もそれぞれ異なる強みと弱みを持っていますので、情報収集をしておくと良いでしょう。

iPhoneアプリ開発:画像の装飾

//
//  ContentView.swift
//  Dice
//
//  Created by jeff on 2024/04/09.
//

import SwiftUI

struct ContentView: View {
    var body: some View {
        VStack {
            Image(systemName: "die.face.1")

            Button {
                print("ボタンが押されたよ")
            } label:{
                Text("サイコロを振る")
            }
        }
        .padding()
    }
}

#Preview {
    ContentView()
}
画像の装飾のために、モディファイアをつけると画像が直感的に変化していきます。
                .resizable()
                .scaledToFit()
              .frame(width:UIScreen.main.bounds.width/2)
                .padding()

Xcodeに登録されている画像の一覧を表示するためには、「Command+Shift+L」のショットカットキーを押せば以下のように表示されます。検索も可能で、スクロールして確認も可能です。

[Xcode]シミュレーターのソフトキーボードが表示されない「解決策」

Xcode Version:15.3, Simulator Version: 15.3

//
//  ContentView.swift
//  TaxCalculator
//
//  Created by jeff on 2024/04/07.
//

import SwiftUI

struct ContentView: View {
    @State var inputText = ""
    @State var Tax8 = 0.0
    @State var Tax10 = 0.0

    var body: some View {
        VStack (spacing:20){
            TextField("ここに文字を入力", text: $inputText)
                .keyboardType(.numberPad)
            Button("計算"){
                Tax8 = (Double(inputText) ?? 0) * 0.08
                Tax10 = (Double(inputText) ?? 0) * 0.10
            }
            Text("価格:\(inputText)")
            Text("消費税8%:\(Tax8) "  )
            Text("消費税10%:\(Tax10)")
        }
        .padding()
    }
}

#Preview {
    ContentView()
}

上記Swiftコードの下線部に数字しか入力できないように、iPhoneのソフトキーボードを定義しているにもかかわらず、Xcodeでシミュレーションしたところ、下記のように、Macbook Airのキーボードで数字以外の入力ができます。しかも、ソフトキーボードが表示されません。

Simulator → I/O → Keyboard → Connect Hardware Keyboardが選択されていることは原因です。これを使用していると、パソコンのキーボードと連携しているため、ソフトキーボードが表示されません。

このチェックを外したところ、無事にソフトキーボードが表示され、数字しか入力できないように制限されています。

iPhoneアプリ開発講座(問題③)

//
//  ContentView.swift
//  HelloSwiftUI
//
//  Created by jeff on 2024/04/06.
//

import SwiftUI

struct ContentView: View {
    @State var str = "Hello, SwiftUI"
    var body: some View {
        VStack {
            ZStack{
                Rectangle()
                    .foregroundColor(.yellow)
                    .frame(width:300, height: 300)
                VStack{
                    HStack{
                        Rectangle()
                            .foregroundColor(.black)
                            .frame(width:60, height: 20)
                        ZStack{
                            Rectangle()
                                .foregroundColor(.gray)
                                .frame(width:90, height: 90)
                            Rectangle()
                                .foregroundColor(.white)
                                .frame(width:70, height: 70)
                            Rectangle()
                                .foregroundColor(.black)
                                .frame(width:20, height: 20)
                        }
                        ZStack{
                            Rectangle()
                                .foregroundColor(.gray)
                                .frame(width:90, height: 90)
                            Rectangle()
                                .foregroundColor(.white)
                                .frame(width:70, height: 70)
                            Rectangle()
                                .foregroundColor(.black)
                                .frame(width:20, height: 20)
                        }
                        Rectangle()
                            .foregroundColor(.black)
                            .frame(width:60, height: 20)
                    }
                    ZStack{
                        Rectangle()
                            .foregroundColor(.black)
                            .frame(width:70, height: 40)
                        VStack{
                            Rectangle()
                                .foregroundColor(.white)
                                .frame(width:60, height: 10)
                            Rectangle()
                                .foregroundColor(.red)
                                .frame(width:60, height: 10)
                        }
                    }
                }
            }
            Rectangle()
                .foregroundColor(.blue)
                .frame(width:300, height: 100)
            HStack{
                Rectangle()
                    .foregroundColor(.black)
                    .frame(width:70, height: 30)
                Rectangle()
                    .foregroundColor(.black)
                    .frame(width:70, height: 30)
            }
        }
    }
}

#Preview {
    ContentView()
}

iPhoneアプリ開発講座 by Rikuto Sato

iPhoneアプリ開発勉強SwiftUI (問題①、問題②)

//
//  ContentView.swift
//  HelloSwiftUI
//
//  Created by jeff on 2024/04/06.
//

import SwiftUI

struct ContentView: View {
    @State var str = "Hello, SwiftUI"
    var body: some View {
        VStack {
            Rectangle()
                .foregroundColor(.orange)
                .frame(width:200, height: 50)
            Rectangle()
                .foregroundColor(.red)
                .frame(width:180, height: 20)
            Rectangle()
                .foregroundColor(.yellow)
                .frame(width:180, height: 20)
            Rectangle()
                .foregroundColor(.brown)
                .frame(width:180, height: 20)
            Rectangle()
                .foregroundColor(.green)
                .frame(width:180, height: 20)
            Rectangle()
                .foregroundColor(.orange)
                .frame(width:200, height: 50)
        }
        ZStack {
            Rectangle()
                .foregroundColor(.green)
                .frame(width:300, height: 300)
            VStack {
                HStack{
                    Rectangle()
                        .foregroundColor(.black)
                        .frame(width:70, height: 70)
                    Rectangle()
                        .foregroundColor(.black)
                        .frame(width:70, height: 70)
                }
                Rectangle()
                    .foregroundColor(.black)
                    .frame(width:50, height: 20)
                Rectangle()
                    .foregroundColor(.black)
                    .frame(width:100, height: 80)
            }
        }

        .padding()
    }
}

#Preview {
    ContentView()
}

SwiftUIアプリ開発講座 by RikutoSato

生成AIを使ってのプロジェウト立ち上げをしたい。個人でもやれるプロジェクトは10例をください

AIを使用した個人プロジェクトのアイデアは以下の通りです:

1. **個人化された学習アシスタント**: 個々の学習パターンに基づいて、カスタマイズされた学習経験を提供するアプリケーションを開発します。ユーザーの進捗を追跡し、最適な学習計画や資料を提案します。

2. **アート生成アプリ**: GAN(Generative Adversarial Network)などの技術を使用して、ユーザーが指定したパラメータに基づいて新しいアート作品を生成するアプリケーションを開発します。

3. **自動コーディングアシスタント**: プログラミングの問題解決において、コードの一部を自動生成するツールを作成します。特定のタスクや言語に特化したバージョンを提供できます。

4. **音楽生成アプリ**: ニューラルネットワークを使用して、ユーザーの指示に従って新しい音楽を生成するアプリケーションを開発します。音楽のジャンルや雰囲気を指定できるようにします。

5. **自動テキスト要約ツール**: 文章や記事を入力すると、その要約を生成するツールを開発します。要約は重要な情報を抽出し、原文の要点を簡潔にまとめます。

6. **健康管理アプリ**: ユーザーの健康データを収集し、AIを使用して健康状態を分析し、健康的な生活スタイルや改善点を提案するアプリケーションを作成します。

7. **自動運転シミュレーター**: 自動運転アルゴリズムの開発やテストのためのシミュレーターを構築します。リアルな交通シナリオを提供し、さまざまな状況での自動運転の挙動をテストできます。

8. **言語翻訳アプリ**: 様々な言語間でテキストを自動的に翻訳するアプリケーションを作成します。特に、低リソース言語間の翻訳をサポートすることで、より包括的なアプリを提供できます。

9. **ユーザー行動予測ツール**: ユーザーの過去の行動データを分析し、将来の行動やニーズを予測するツールを開発します。これは、個人に合わせた製品やサービスの提案に役立ちます。

10. **感情分析ツール**: テキストや音声などのデータから感情を抽出するツールを作成します。これにより、ソーシャルメディアの投稿や顧客フィードバックなどから意見や感情の傾向を把握できます。

Here are the translated project ideas into English:

  1. Personalized Learning Assistant: Develop an application that provides customized learning experiences based on individual learning patterns. It tracks user progress and suggests optimal learning plans and resources.
  2. Art Generation App: Develop an application that generates new artworks based on parameters specified by the user using techniques like Generative Adversarial Networks (GANs).
  3. Automatic Coding Assistant: Create a tool that automatically generates parts of code for problem-solving in programming. Versions specialized for specific tasks or languages could be provided.
  4. Music Generation App: Develop an application that uses neural networks to generate new music based on user input, allowing users to specify genres and moods.
  5. Automatic Text Summarization Tool: Create a tool that generates summaries of inputted texts or articles. The summaries extract important information and condense the main points of the original text.
  6. Health Management App: Build an application that collects user health data, analyzes health status using AI, and suggests healthy lifestyle choices and improvements.
  7. Autonomous Driving Simulator: Construct a simulator for the development and testing of autonomous driving algorithms. It provides realistic traffic scenarios for testing autonomous driving behavior in various situations.
  8. Language Translation App: Create an application that automatically translates text between various languages. Particularly, support for translation between low-resource languages could make the app more inclusive.
  9. User Behavior Prediction Tool: Develop a tool that analyzes users’ past behavior data to predict future actions and needs. This aids in providing personalized product or service recommendations.
  10. Sentiment Analysis Tool: Build a tool that extracts emotions from data such as text or speech. This allows understanding opinions and sentiment trends from sources like social media posts or customer feedback.

顧客に優しくないY!mobile(ワイモバイル)

 

 Y!mobileのeSIMを使用しているが、気づいたら電波がなくて、電話もかけれなくなりました。iPhoneのモバイル通信を確認すると、どうもeSIMが消えているようです。

状況確認と修復のために、Y!mobileショップに行きました。着いた時間は19:15でした。状況説明と店員さんの以下になっています。

店員さん:どうされましたか?

私:電波がなく、電話もかけれないです。eSIMが消えているようです。ただし、ちょうどいま電源がなくなり、パワーオフになりました。充電したうえ修復をお願いできますか?

店員さん:店では充電対応できません。スマホをお預かりしません。身分証明書を持ってきましたか?

私:身分証明書を撮った写真を持っていますが、使えますか?

店員さん:写真は使えません。物理的な身分証明書がないと受付できません。今はもう19:15なので、今日は受付できないので、明日また来てください。

私:受付終了時間は19:30と書いてあるが、今すぐに取りに行っても良いですか?

店員さん:19:30に戻れますか?

私:頑張って取ってきます。10分程度で戻ってくるので、先に修復対応をお願いできますか?

店員さん:身分証明書を持ってきてからでないと受付できません。

(走って自宅に戻って身分証明書を取って、店に戻った時、19:32でした。)

私:どうですか?受付してもらえますか?

店員さん:いいえ、いまは19:33なので、本日の受付はすでに終了しました。明日9時以降また来てください。システムがクローズされたので、我々は何もできません。

私:なんで身分証明書をいま取ってくると伝えたにもかかわらず、先に受付してもらえないですか?

店員さん:身分証明書がないと受付できないと法律で決まっています?個人情報保護法で身分証明書がないと、我々があなたの情報にアクセスできないです。

結局、スマホの修復は本日できないままでした。

が、Y!mobileは本当に今日中に修復対応しようと思うなら、対応できないでしょうか?顧客のために真剣に考えてくれているでしょうか?

ーーーーーーーーーーーーーー

今回のY!mobileの対応から、以下のようにいくつか疑問に思っています。

1.なんで営業時間中(受付終了19:30だが、営業時間は21:00)には、システムがクローズを理由に、顧客対応できないでしょうか?何のシステムでしょうか?

2.システムを先にクローズするのは妥当でしょうか?

 受付済みの顧客を営業終了時刻までの1時間30分で対応する想定なら、店舗がガラガラで、顧客がいないとき、皆さんは何をされているでしょうか?

3.そもそもなんで店舗で身分証明書の提出を求められるでしょうか?

 電話をかけて対応してもらうときに、生年月日と電話番号などの情報を伝えれば本人確認できたというが、店舗で電話を掛けるときと同じように、情報を伝えるだけでなんでダメでしょうか?

4.法律的に身分証明書を提出しないと受付できないとの決まりは本当にあるでしょうか?どのように規定されているでしょうか?

5.仮に法律で決められていることは本当にあるとしでしたら、Y!mobileは本当に今回のような状況で、柔軟に対応してもらって、顧客が遭遇する問題の解決を先に優先できないでしょうか?

いろいろと法律規定を分かってない部分もありますが、Y!mobileは顧客に優しくない、真剣に顧客のために考えてくれてないと思っています。

同じようなことに遭遇した方はいらっしゃいますでしょうか?どのように考えられているでしょうか?

ロト7(loto7)予測

機械学習を勉強し始めたばかりで、勉強がてらロト7(loto7)の数字予測プログラム(Python)を作成してみました。もちろん、当たるよという保証もないです。

最初習ったのは、ランダムフォレストモデル(RandomForestRegressor)と決定木モデル(DecisionTreeRegressor)なので、この二つモデルをそのまま適用して、過去の当たり数字を学習したうえ、指定された日付の予測数字を出すというプログラムです。

ここに前提としての考えは、宝くじの出現数字はランダムと言いながら、もしかして日付に関連するじゃないか?という考えが入っています。なので、日付を入力すると、日付をもとに数字を予測した数字を7個出力してくれます。

これのソースをloto7.pyの名前で保存したうえ、「python loto7.py」で実行すれば動きます。(中で使用するデータセットloto7_train.csvは以下の場所からダウンロードしてください。https://loto7.thekyo.jp/download/index)

import pandas as pd
import numpy as np
from sklearn.metrics import mean_absolute_error
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeRegressor
from sklearn.ensemble import RandomForestRegressor

# Path of the file to read
loto7_file_path = './input/loto7_train.csv'
loto_data = pd.read_csv(loto7_file_path)

# Create 7th targets object and call it y1 to y7
train_y1 = loto_data.Num1
train_y2 = loto_data.Num2
train_y3 = loto_data.Num3
train_y4 = loto_data.Num4
train_y5 = loto_data.Num5
train_y6 = loto_data.Num6
train_y7 = loto_data.Num7

# Create X
loto_data['Date'] = pd.to_datetime(loto_data['Date'])
loto_data['LotoYear']=loto_data['Date'].dt.year
loto_data['LotoMonth']=loto_data['Date'].dt.month
loto_data['LotoDay']=loto_data['Date'].dt.day

features = ['LotoYear', 'LotoMonth', 'LotoDay']
X = loto_data[features]

# Define the model. Set random_state to 1
rf_model1 = RandomForestRegressor(random_state=1)
rf_model2 = RandomForestRegressor(random_state=1)
rf_model3 = RandomForestRegressor(random_state=1)
rf_model4 = RandomForestRegressor(random_state=1)
rf_model5 = RandomForestRegressor(random_state=1)
rf_model6 = RandomForestRegressor(random_state=1)
rf_model7 = RandomForestRegressor(random_state=1)

# fit the model for 7 targets number
rf_model1.fit(X, train_y1)
rf_model2.fit(X, train_y2)
rf_model3.fit(X, train_y3)
rf_model4.fit(X, train_y4)
rf_model5.fit(X, train_y5)
rf_model6.fit(X, train_y6)
rf_model7.fit(X, train_y7)


# path to file you will use for predictions
test_data_path = './loto7_test.csv'

# read test data file using pandas
test_data = pd.read_csv(test_data_path)

# create test_X which comes from test_data but includes only the columns you used for prediction.
# The list of columns is stored in a variable called features
test_data['Date'] = pd.to_datetime(test_data['Date'])
test_data['LotoYear']=test_data['Date'].dt.year
test_data['LotoMonth']=test_data['Date'].dt.month
test_data['LotoDay']=test_data['Date'].dt.day
features = ['LotoYear', 'LotoMonth', 'LotoDay']
test_X = test_data[features]

# make predictions which we will submit. 
num1_preds = rf_model1.predict(test_X)
num2_preds = rf_model2.predict(test_X)
num3_preds = rf_model3.predict(test_X)
num4_preds = rf_model4.predict(test_X)
num5_preds = rf_model5.predict(test_X)
num6_preds = rf_model6.predict(test_X)
num7_preds = rf_model7.predict(test_X)

# print(num1_preds,num2_preds,num3_preds,num4_preds,num5_preds,num6_preds,num7_preds)
print('---------Random Forest Model----------')

print('---------小数点以下切り上げ----------')
# 小数点以下切り上げ
print(np.ceil(num1_preds))
print(np.ceil(num2_preds))
print(np.ceil(num3_preds))
print(np.ceil(num4_preds))
print(np.ceil(num5_preds))
print(np.ceil(num6_preds))
print(np.ceil(num7_preds))

print('---------Decision Tree Model----------')

# Define the model. Set random_state to 1
dt_model1 = DecisionTreeRegressor(random_state=1)
dt_model2 = DecisionTreeRegressor(random_state=1)
dt_model3 = DecisionTreeRegressor(random_state=1)
dt_model4 = DecisionTreeRegressor(random_state=1)
dt_model5 = DecisionTreeRegressor(random_state=1)
dt_model6 = DecisionTreeRegressor(random_state=1)
dt_model7 = DecisionTreeRegressor(random_state=1)

# fit the model for 7 targets number
dt_model1.fit(X, train_y1)
dt_model2.fit(X, train_y2)
dt_model3.fit(X, train_y3)
dt_model4.fit(X, train_y4)
dt_model5.fit(X, train_y5)
dt_model6.fit(X, train_y6)
dt_model7.fit(X, train_y7)


# path to file you will use for predictions
test_data_path = './loto7_test.csv'

# read test data file using pandas
test_data = pd.read_csv(test_data_path)

# create test_X which comes from test_data but includes only the columns you used for prediction.
# The list of columns is stored in a variable called features
test_data['Date'] = pd.to_datetime(test_data['Date'])
test_data['LotoYear']=test_data['Date'].dt.year
test_data['LotoMonth']=test_data['Date'].dt.month
test_data['LotoDay']=test_data['Date'].dt.day
features = ['LotoYear', 'LotoMonth', 'LotoDay']
test_X = test_data[features]

# make predictions which we will submit. 
num1_preds = dt_model1.predict(test_X)
num2_preds = dt_model2.predict(test_X)
num3_preds = dt_model3.predict(test_X)
num4_preds = dt_model4.predict(test_X)
num5_preds = dt_model5.predict(test_X)
num6_preds = dt_model6.predict(test_X)
num7_preds = dt_model7.predict(test_X)

print('---------小数点以下切り上げ----------')
# 小数点以下切り上げ
print(np.ceil(num1_preds))
print(np.ceil(num2_preds))
print(np.ceil(num3_preds))
print(np.ceil(num4_preds))
print(np.ceil(num5_preds))
print(np.ceil(num6_preds))
print(np.ceil(num7_preds))

いろいろと意見やアドバイスがあるなら、コメントしてください。