<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>yokohamadaisuki</author_name>
  <author_url>https://blog.hatena.ne.jp/yokohamadaisuki/</author_url>
  <blog_title>Sony Music | Tech Blog</blog_title>
  <blog_url>https://tech.sme.co.jp/</blog_url>
  <categories>
    <anon>大規模言語モデル</anon>
    <anon>技術解説</anon>
  </categories>
  <description>皆さんこんにちは。SMEアナリティクス部でデータ分析を行っているみみずくです。 ChatGPTやGeminiなどのLLM（大規模言語モデル）は、アナリティクス領域でも着実に存在感を増しています。 特に「自然言語の指示でSQLクエリを出力する」「分析レポートを要約する」といった用途では、すでに実用の域に入っていると言ってよいでしょう。 ただし、その使いこなしにはコツがあります。例えば、LLMを実業務で使えるようにするには、プロンプト（入力）とデータ整形（前処理）の工夫が8割と言われるほど、事前の準備が大切です。 本記事では、SMEでのアナリティクス業務で得られた知見をもとに、データを扱う現場で使…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Ftech.sme.co.jp%2Fentry%2F2025%2F10%2F27%2F200000&quot; title=&quot;LLM時代のアナリティクス実務：データ整形とプロンプト設計の最適化術 - Sony Music | Tech Blog&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/s/sme_tech/20251023/20251023121537.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2025-10-27 20:00:00</published>
  <title>LLM時代のアナリティクス実務：データ整形とプロンプト設計の最適化術</title>
  <type>rich</type>
  <url>https://tech.sme.co.jp/entry/2025/10/27/200000</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
