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