詳細目次
第1章 実務に使うためのデータ分析とは？
1.1 ビジネスにおけるデータ分析の役割とは
1 分析の必要性を確認する
2 ビジネスデータ分析と行動経済学
3 顧客が合理的に動かない理由を説明する「プロスペクト理論」
4 数字の見せ方で印象が変わる「フレーミング効果」
5 顧客には安心するメニューがある「極端の回避性」
6 「カンと経験」と「データ分析」の関係
7 現場におけるデータ分析の使いどころ
1.2 現場におけるデータ分析時に意識すべきこと
1 最も優先的に意識すべきこと
2 分析の目的を見失わないために重要なこと
3 データを収集するときに意識しておきたいこと
4 データ分析を行う際に意識すべきことのおさらい
5 分析プロジェクトの2つのタイプ「探索型」と「予測型」
6 分析結果にどのように向き合うか
第2章 分析ロジックとビジネスをつなげる思考メソッド
2.1 ビジネスにおける「原因と結果・効果」
1 「表」を「ビジネスで使えるツール」として捉える
2 「原因と結果・効果の表」で商いを捉える（情報の取捨選択）
2.2 「原因と結果・効果の表」を深掘りする
1 現実のビジネスデータをどのように捉えるか
2 「原因と結果・効果の表」の中身は4パターン
3 4パターンの詳細解説
2.3 ビジネスの課題への適用メソッド
1 ビジネスデータ活用の構造
2 見える部分と見えない部分
3 時間の変化・期間設定について
4 介入できるデータと介入できないデータ
5 過去の解析と未来の予測
2.4 データと分析手法の関係
1 データが多数あることのメリット
2 データと分析手法の関係
第3章 ビジネス現場で使える分析手法
3.1 データ分析で最低限知っておきたいこと
1 集計できたら，まずチェック～基本統計量（平均値，標準偏差，最頻値，中央値）～
2 データ同士の「つながり」を見る～相関関係と因果関係～
3 データ間に「真の関係」はあるか？～因果推論～
3.2 ビジネスデータを扱ううえで知っておきたい「多変量解析」
1 「統計モデル」の基本～回帰分析～
2 データを上手にグループ分けする～クラスター分析～
3 データの特徴をシンプルに探る～主成分分析～
4 データに隠れる要因を推測～因子分析～
3.3 ビジネス現場の「予測」で使いやすい分析手法
1 「何が決め手になったのか？」を探る～決定木分析～
2 予測精度の高い手法～ランダムフォレスト～
3 予測精度の評価方法
3.4 ライバルに差を付ける「確率論」の視点
1 未来を見るために重要な視点～確率分布～
2 カンと経験をビジネスに使う～ベイズ確率～
3.5 いろいろな場面で使えるその他手法
1 「使えるペア」を探索～アソシエーション分析～
2 時系列データの読み取り方～時系列分析～
3 レコメンデーション（推薦システム）の仕組み
4 テキストデータの分析方法～テキストマイニング～
3.6 マーケティング理論への拡張
1 マーケティング理論への分析手法適用メソッド
2 STP分析にデータ分析手法を使う
3 イノベーター理論に確率のテクニックを使う
4 RFM分析に確率分布のテクニックを使う
第4章 実務への適用メソッド
4.1 「なぜ売れるのか・誰が買うのか」を探る
1 二項対立を図で考察
2 想像力や推理力を発揮するポイント
4.2 サブスクリプション商材をどのように考えるか
4.3 従業員に関するデータの活用法
1 従業員が分析対象となっているケース
2 従業員データを分析の材料とするケース
4.4 実務データで生じる各種問題への対処アイデア
1 欠損値への対処法
2 はずれ値の対処法
3 有意差検定における「P値」の解釈
4 何でも正規分布を仮定
参考文献
書籍検索
サイト内検索
