図解即戦力 データ分析の基本と進め方がこれ1冊でしっかりわかる教科書（技術評論社） [電子書籍]

図解即戦力 データ分析の基本と進め方がこれ1冊でしっかりわかる教科書（技術評論社） の 商品概要

• 現代のビジネスではあらゆる場面でデータが蓄積され，データから価値ある洞察を引き出すデータ分析は必須の取り組みとなりつつあります。しかしデータ分析は，多くのビジネスパーソンにとって具体的なイメージを持ちにくい領域です。
  本書は，データ分析の初学者であるビジネスパーソンを主な読者層として，「データ分析とは何か」「ビジネスにデータ分析をどう活用できるか」という基本的な疑問から始まり，実際のプロジェクト遂行，そして分析結果の評価まで，段階的に学べるよう構成されています。データ分析の基礎を理解し，自信を持ってデータ分析プロジェクトに取り組むための第一歩となる1冊です。
  

• 目次

  ■1章 データ分析とは何か
  01 データとは何か
  データとは
  質的データと量的データ
  構造化データと非構造化データ
  一次データと二次データ
  02 データから価値を引き出す4ステップ～DIKWモデル
  DIKWモデルとは
  DIKWモデルの具体例
  03 情報をもとに知識を引き出すデータ分析
  重要な役割を果たすデータ分析
  04 ゴールはあくまでデータを価値に変えること
  データ分析により得られる成果
  
  ■2章 データ分析の目的と取り組む前の注意点
  05 データ分析の目的①現状の正確な把握
  現状把握はデータ分析の第一歩
  06 データ分析の目的②新しい出来事の結果の予測
  予測結果を活用した的確な意思決定
  07 データ分析の目的③物事の関係性の説明
  未知の課題や関係性を見つけ出し，新しく価値を創出
  08 混同を避けるため注意したい関連分野
  データ分析と混同しやすい関連分野
  09 データ分析に取り組む前の注意点
  データ分析において注意するケース
  
  ■3章 データ分析の代表的な手法
  10 データの関係性を明らかにする分析手法
  データを構成する特徴量
  回帰分析
  AI・機械学習による回帰分析
  主成分分析
  因子分析
  11 データをいくつかのグループに分ける分析手法
  グループ分けは重要な分析手法の1つ
  分類
  クラスタリング
  12 データ間の差を比較する分析手法
  施策の効果を考える際に役立つ分析
  統計的仮説検定の注意点
  13 データ間の因果関係を明らかにする分析手法
  相関関係と因果関係
  統計的因果推論
  
  ■4章 データ分析を支える周辺技術とツール
  14 ETLツール
  ETLツールとは
  ETLツールを利用するメリット
  主要なETLツール
  15 BIツール
  BIツールとは
  BIツールの役割
  主要なBIツール
  16 AutoML
  AutoMLとは
  AutoMLツールの主な機能
  主要なAutoMLツール
  17 データ分析プラットフォーム
  データ分析プラットフォームとは
  データ分析プラットフォームを利用するメリット
  オンプレミス型とクラウド型
  主要なクラウド型データ分析プラットフォーム
  
  ■5章 データ分析プロジェクトの企画から準備まで
  18 データ分析プロジェクトとは
  データ分析プロジェクトの重要な要素
  データ分析プロジェクトとシステム開発プロジェクトとの違い
  19 データ分析プロジェクトの全体像
  企画→分析→評価の3ステップ
  分析の企画
  分析の実施
  分析結果の評価
  20 データ分析プロジェクトチーム体制と役割
  データ分析プロジェクトで必要な役割
  チーム編成時のポイント
  21 プロジェクトのゴールと目標の設定
  似ているようで異なる「ゴール」と「目標」
  ゴール設定のポイント～KGI
  「目標」設定のポイント～KPI
  密接に関連するKGIとKPI
  22 解決したいビジネス課題と仮説の設定
  課題と仮説の設定がプロジェクト成功の鍵
  ビジネスの目標達成を阻害している課題の明確化
  データ分析を用いた解決が適しているか確認
  仮説の設定
  23 プロジェクトのスコープ設定
  曖昧にすべきでないスコープ設定
  スコープ設定のアプローチ
  スコープの変更管理，ステークホルダーとの合意
  24 費用の見積もりと費用対効果の評価
  プロジェクトにかかる費用，ビジネス効果の事前確認
  費用対効果の評価
  25 分析方針の検討
  プロジェクト開始時に検討しておくべき要素
  分析に必要なデータの特定と収集方法などの確認
  データを加工する方針の決定
  使用する分析手法や可視化手法の選択
  分析結果の評価指標の決定
  分析結果のアウトプットイメージの検討
  26 データを収集する準備
  分析に必要なデータと入手手段の確認
  セキュリティ対策と法令遵守
  
  ■6章 データ分析の実施
  27 データの確認
  生データの確認
  データの全体像の確認
  データの可視化
  統計量を算出する
  データの全体像を確認した上で，分析に適したデータかどうかを確認
  28 データの加工①データの形式を揃える
  データの加工を行う3ステップ
  データの形式を揃える
  数値データ
  日時データ
  カテゴリデータ
  名寄せ
  29 データの加工②データクレンジング
  データクレンジング
  外れ値の処置の方針
  外れ値の処置
  欠損値の処置の方針
  欠損値の処置
  30 データの加工③データ構造の加工
  データ構造の加工
  データの統合
  データの抽出と集計
  データの正規化と標準化
  31 データ分析①現状把握，将来予測，未知の関係性探索
  現状把握
  将来予測
  未知の関係性探索
  32 データ分析②数理最適化
  数理最適化とは
  
  ■7章 データ分析の結果の評価
  33 分析結果の正確性の評価①回帰分析の評価指標
  回帰分析の評価指標
  34 分析結果の正確性の評価②分類問題の評価指標
  分類問題の評価指標
  35 分析結果の正確性の評価③モデルの汎化性能の評価
  モデルの汎化性能の評価
  AICとBIC
  交差検証（クロスバリデーション）
  36 分析結果の信頼性の評価
  分析結果の評価には「信頼性」も重要
  統計的有意性の評価
  データの品質評価
  37 分析結果の洞察
  洞察に有効な特異点，相違点，傾向性，関連性
  可視化による特性の発見
  38 分析結果のビジネス上の意味を捉える
  重要な2つのポイント
  相関関係と因果関係の区別
  ドメイン知識の活用
  39 分析の改善・見直し①データの改善
  分析は必ず改善や見直しを検討
  データの改善
  40 分析の改善・見直し②手法の改善
  データの特性に適した手法への切り替え
  より高度なアルゴリズムへの変更
  モデルの性能向上テクニック
  41 分析の改善・見直し③評価指標の見直し
  評価指標の見直しは重要
  42 分析結果の報告①報告に記載すべき事項
  報告は重要なプロセス
  報告のサマリー
  データ分析の背景と目的
  分析に使用したデータの概要
  分析方法とプロセス
  分析結果
  考察と推奨アクションの提言
  43 分析結果の報告②報告書作成のポイントと注意点
  報告は受け手の印象を大きく左右する
  ストーリーの考案
  表現上の注意点
  報告内容をわかりやすくする工夫
  見栄えや表記ルールなどの基本を徹底する
  表やグラフの活用
  最後に見直しとリハーサル
  
  ■付録 組織でデータを活用するために
  01 効率的にデータを活用するための組織づくり
  組織におけるデータ活用でよくある課題
  データガバナンスとデータマネジメント
  データパイプラインの整理
  データマネジメントを始めるための知識体系「DMBOK」
  02 データ分析人材の確保
  データ分析人材に求められるスキル
  データ分析に必要な基礎知識
  どのようにして育成を行うか
  

図解即戦力 データ分析の基本と進め方がこれ1冊でしっかりわかる教科書（技術評論社） の商品スペック