1章　なぜ、いま、Pythonによるデータ分析を学ぶのか？
1.1　なぜ、いま、データ活用の重要性が高まっているのか？
1.2　現代ビジネスにおけるデータ活用の重要性の高まり
1.3　データ分析プロジェクトの全体像を理解する
　1.3.1　よくあるデータ活用の誤解～とりあえずデータがあれば何かわかる？～
　1.3.2　ビジネスにおけるデータ活用のゴールとは？
　1.3.3　データ分析プロジェクト全体の流れを掴む
1.4　なぜデータ分析の現場では、Pythonが利用されるのだろう
　1.4.1　そもそもPythonとは・プログラミング言語とは何か？
　1.4.2　Pythonが人気な理由
1.5　ExcelとPythonの比較・図で理解するExcelとPythonの役割と使いどころ

2章　分析目的を明確にしよう
2.1　KPIを設計して、課題を具体化しよう
　2.1.1　「分析目的の明確化」で必要なステップを理解する
　2.1.2　「KPIツリー」による要因分解を理解する
2.2　課題となりそうなKPIを特定しよう
2.3　具体例で学ぶKPIツリーの作り方

3章　データ分析の流れを把握しよう
3.1　図で理解する「データ分析の流れ」
3.2　データの収集
　3.2.1　より良い分析のために全体像を把握してデータ収集しよう
　3.2.2　データソースの例示
3.3　データの活用・分析
　3.3.1　探索的データ分析（EDA）
　3.3.2　データの前処理
　3.3.3　構造化データでよくある処理を覚えよう
　3.3.4　非構造化データでよくある処理を覚えよう
　3.3.5　こんな時、どんな前処理が必要？

4章　Pythonの基本を押さえよう
4.1　Pythonの実行環境について理解しよう
　4.1.1　Colabとは何だろう？
　4.1.2　Colabの利用方法
4.2　Pythonの基本文法を押さえよう
　4.2.1　変数とはなんだろう？
　4.2.2　条件毎に処理を分けよう～if文～
　4.2.3　面倒な繰り返し処理はパソコンに任せよう～forループ～
　4.2.4　独自の処理を実行しよう～関数～

5章　データを集計しグラフ化しよう
5.1　データ処理で必須のpandasに慣れよう
　5.1.1　データ分析でよく利用するPythonライブラリの概要を知ろう
　5.1.2　テーブルデータの行と列を自在に操作しよう
　5.1.3　要約統計量を計算してみよう
　5.1.4　よくある欠損の取扱いパターンを覚えよう
5.2　データ可視化で必須のseabornでグラフを描こう
　5.2.1　ヒストグラム
　5.2.2　箱ひげ図
　5.2.3　棒グラフ
　5.2.4　散布図
　5.2.5　折れ線グラフ
5.3　探索的データ分析に利用できる便利なツールSweetviz

6章　【事例1】会員制ジムの退会者の状況を、退会の要因分析に役立てよう
6.1　《課題発見》KPIを整理して、ビジネス課題を明確化しよう
6.2　《分析》データを使って退会者の特徴と閾値を理解しよう
　6.2.1　データの収集
　6.2.2　データの理解
　6.2.3　データの前処理
　6.2.4　モデリング～決定木による要因把握～
　6.2.5　決定木のアウトプットを解釈・評価しよう

7章　【事例2】クレジットカードの顧客セグメントを分析して、自社顧客に合った施策立案に繋げよう
7.1　《課題発見》KPIを整理して、ビジネス課題を明確化しよう
7.2　《分析》データを使って退会者の特徴と閾値を理解しよう
　7.2.1　データの収集
　7.2.2　データの理解
　7.2.3　データの前処理
　7.2.4　モデリング～K-meansによるクラスタリング～
　7.2.5　クラスタリングのアウトプットを解釈・評価しよう

8章　【事例3】モバイルアプリのアンケートを分析して、売上向上を実現しよう
8.1　《課題発見》KPIを整理して、ビジネス課題を明確化しよう
8.2　《分析》データを使って退会者の特徴と閾値を理解しよう
　8.2.1　データの収集
　8.2.2　データの理解
　8.2.3　データの前処理
　8.2.4　数値化（集計）

付録　生成AIを利用したデータ分析
data analysis with ChatGPT
　Data Analystを利用するための準備
　Data Analystを利用したデータの理解
　Data Analystを利用したデータの前処理
　Data Analystを利用したモデリング