社会人のための最強データサイエンティスト養成セミナー

  • 全27回
  • オンライン教室

知識0から始めて実務分析が可能なデータサイエンティストを養成するカリキュラム

 データサイエンスがビジネスの世界でも広く使われるようになり数年経ちましたが、日本ではまだまだデータサイエンティストは不足している状況です。またこのようなデータサイエンスの知識は専門の分析者にとどまらず、どのような分野の方にもデータリテラシーとして身に着けるべきものと認識されています。
 そもそもデータサイエンスとは、数学や統計学、機械学習を活用して、データから有益な情報を導き出す学問のことを言います。これらをマスターするためには、統計学の知識、機械学習の知識、ツールの使い方など様々な内容を学ぶ必要がありますが、弊社では皆様がデータサイエンスをお仕事で使えるようになるという目標に向けて、必要なものを必要なだけ学んでいくカリキュラムを提供しています。たとえば、お仕事の中でデータ分析が出てくる場面は以下のようなものがあります。

顧客管理におけるデータ分析
 顧客データや販売データを集計することで顧客ごとの購入傾向を把握。見込みの高い顧客の判定を行い販売促進活動へ活用。

販売管理におけるデータ分析
 売上データ(POSデータ)よりパフォーマンスの良い商品を現状把握。過去の売上データや、天候などの外部要因から売り上げを予測するモデルを作成し、在庫管理に応用。

マーケティングにおけるデータ分析
 顧客データより顧客を属性ごとに複数のセグメントに分類。そのデータから将来の顧客行動を予測し販促活動につなげる。

効果測定におけるデータ分析
 ビジネスにおいて何らかの施策を行った際、その効果測定をデータに基づいて行う。例えばメールクーポンを送ることで購買率をどのくらい高めることができるのか、データに基づいて判断する。

人事におけるデータ分析
 社員データを分析することで、退職者を早期予測し早めに対策を行う。従業員アンケートなどのデータから、退職者予測モデルを作成する。

というように様々なお仕事の場面でデータは使われています。
こちらのカリキュラムではこういった分析ができるようになるために、分析の手法のみならず、分析プロジェクトの考え方までデータを触りながら練習していきます。

本カリキュラムの4つの特徴

1.Excelから始める
データサイエンスを行う際にプログラミング言語(Python, Rなど)を使うことありますが、初心者の方にいきなりプログラミング言語はハードルが高いものです。そこで本カリキュラムでは初めての方でも扱いやすいExcelで分析を行っていきます。直感的に操作できるExcelで分析の勘所を捉えて、分析の下地を作ることが上達への近道となります。
※データクレンジング、機械学習を行う際には弊社が開発したツールを使います。

2.数学を深追いしない
データサイエンスの分析は数学に裏付けられていますので、数学はとても大切なものとなりますが、数学に詳しくなっても、実務で分析を行うことができなければ本末転倒です。そこで本カリキュラムでは数学を深追いしすぎることはせず、豊富な分析演習問題を手を動かして解くことによって、分析ができるようになることを目標に進めていきます。もちろん全く数学を扱わないことはありませんが、必要なものは講義内で説明しますので数学が苦手な方でもご安心ください。
※算数ができれば問題なく受講可能です

3.実データを用いた練習
本カリキュラムでは多くの分析演習を行っていきます。その際に、講師が今までに経験した様々な分野の実ビジネスデータを用いたデータ分析をご紹介していきます。実データはいきなり分析ができないような汚い形で保存されていることも多いので、そのデータをきれいにする作業(データクレンジング)も練習に取り入れています。

4.丁寧な資料と復習動画提供
講義で配布する資料は、これだけを読んでも分析ができるように、デザイナー監修のもと丁寧に作りこんでいます。また、講義の動画は録画し1年間公開いたしますので、いつでも復習ができるシステムとなっております。

※今後の開催日程については、順次公開いたします。詳細はお問い合わせください。

受講対象

・データサイエンスを学び、お仕事で活用したい方
→小売業販売管理にかかわる方
データに基づいた現状把握と将来の予測、今後の意思決定を行いたい
→製品開発にかかわる方
顧客アンケートデータを集計し、顧客のニーズを可視化したい
→マーケティングにかかわる方
データに基づいたマーケティング施策の評価、最適な施策の判定を行いたい
→人事にかかわる方
社員データより退職者を早期に予測しその対策を打ちたい

セミナー内容

データの読み取り・解釈編
データを正しく読み取るためのインプットスキルを身に着けます。

第1回 統計学の歴史と要約統計量

  • ・統計学の歴史
  • ・統計学と機械学習の利用場面
  • ・データの要約1(代表値の解釈)
  • ・データの要約2(散布度の解釈)

第2回 データの可視化とグラフの特徴

  • ・グラフの歴史
  • ・各種グラフの特徴
  • ・データを正しく読み取るために必要な視点
  • ・相関と因果について
  • ・比較して考える重要性について

Excel記述統計編
実データ(POSデータ)を用いて、集計・可視化による客観的なデータ解釈スキルを身に着けます。

第3回 データの集計とその解釈

  • ・分析目的の設定
  • ・分解と統合
  • ・代表値の計算
  • ・ヒストグラムによる数量データの解釈
  • ・平均値の弱点について

第4回 ピボットテーブル入門

  • ・ピボットテーブルの使い方
  • ・Excel関数を用いた変数加工について1(時間データの分解)
  • ・Excel関数を用いた変数加工について2(IF関数)
  • ・ピボットテーブルによる件数カウント基礎
  • ・ピボットテーブルによる件数カウント応用(ヒストグラム)

第5回 ピボットテーブル基礎

  • ・単純集計表とクロス集計表
  • ・分解による構造把握(理由の深堀)
  • ・感度分析による仮説検証
  • ・データを3変数で分解する方法
  • ・時系列データに含まれる周期性の確認法

第6回 ピボットテーブル応用

  • ・ダブルピボット方による重複データの削除(基礎)
  • ・ダブルピボット方による重複データの削除(応用)
  • ・2軸グラフの作り方
  • ・スライサー機能の紹介とその使い方
  • ・ダブルピボット練習

第7回 分析結果の解釈とその他の記述統計手法

  • ・ロジックツリーによる戦略選定
  • ・SmartArtの使い方
  • ・データの標準化
  • ・移動平均法
  • ・マトリックスデータ解析法

Excel記述統計演習1
Excelを用いてこれまでの演習を行います

第8回 どうすれば退職者は減る?人事データを用いた退職者早期発見

  • ・退職者データの基礎集計
  • ・退職者と非退職者の属性の違いをデータに基づき発見する
  • ・退職見込み者の早期発見とその可視化

Excelデータビジュアライゼーション編
可読性の良いグラフを作成するためのビジュアライゼーションスキルを身に着けます。

第9回 グラフの歴史とグラフの目的

  • ・情報の可視化の重要性について
  • ・グラフの歴史
  • ・各種グラフ1(円グラフ、棒グラフ、折れ線グラフ、面グラフ)
  • ・各種グラフ2(散布図、バブルチャート、箱ひげ図、ヒストグラム)
  • ・各種グラフ3(レーダーチャート、スパークラインなど)

第10回 データ別グラフ選択とその利用法

  • ・データの種類に合わせた可視化の方法
  • ・ABC分析
  • ・層別散布図
  • ・色の使い方について
  • ・誤解を与える作成してはいけないグラフ

Excel記述統計演習2
Excelを用いてこれまでの演習を行います。

第11回 なぜ売り上げは減った?アクセスログデータの解析

  • ・アクセスログデータの基礎集計
  • ・KPIの分解
  • ・データに基づく売り上げ減少の要因把握

Excel推測統計編
統計モデルを作成するのに必要となる、確率を用いたデータ分析スキルを身に着けます。

第12回 確率と確率分布

  • ・推測統計学とは
  • ・母集団と標本
  • ・全数調査と標本調査
  • ・確率と確率変数と確率分布
  • ・各種サンプリング法とサンプリングバイアス

第13回 推定

  • ・点推定と区間推定
  • ・1標本母平均の区間推定
  • ・2標本母平均の差の区間推定
  • ・1標本母比率の区間推定
  • ・2標本母比率の差の区間推定

第14回 統計的仮設検定

  • ・差があるとはどういうことか
  • ・1標本母平均の検定(t検定)
  • ・2標本母平均の差の検定(t検定)
  • ・2標本割合の差の検定(カイ2乗検定)

第15回 相関係数と回帰分析

  • ・データ間の関連性と相関係数
  • ・相関と因果の違い
  • ・回帰分析による予測モデルの作成
  • ・ダミー変数による質的データの利用
  • ・予測モデル構築法

Excel推測統計演習
Excelを用いてこれまでの演習を行います。

第16回 顧客が好む商品は何?顧客アンケート分析による新商品販売量予測

  • ・アンケートデータの基礎集計
  • ・推測統計手法に基づいた顧客意識分析
  • ・新商品予測モデルの作成

Excel因果推論編
データから原因と結果の関係性を把握するデータリテラシースキルを身に着けます。

第17回 因果推論とRCT

  • ・因果推論とは
  • ・因果と相関の違い
  • ・因果が無くても相関がみられる4つのパターン
  • ・ランダム化比較試験
  • ・p値の限界

第18回 層別解析による分析

  • ・交絡因子とバイアス
  • ・シンプソンのパラドックス
  • ・層別解析について
  • ・質的データでの層別解析法
  • ・量的データでの層別解析法

第19回 重回帰モデルによる分析

  • ・予測モデルと因果モデルの違い
  • ・重回帰モデルによる交絡調整
  • ・因果モデルの構築法
  • ・パス図を用いた交絡判定法
  • ・因果分析モデルの解釈法

第20回 ロジスティック回帰による分析

  • ・質的変数を扱う統計モデル
  • ・ロジスティック回帰の概要
  • ・ロジスティック回帰モデルの構築法
  • ・ロジスティック回帰モデルの解釈
  • ・合流点バイアス

Excel因果推論演習
Excelを用いてこれまでの演習を行います。

第21回 メールクーポンの効果はいかほど?顧客データによる施策効果測定

  • ・顧客データの基礎集計
  • ・購買率に影響を与える因子をロジスティック回帰により解析
  • ・購買額に影響を与える因子を重回帰モデルにより解析

データクレンジング編
DataWash(弊社開発のクレンジングツール)を用いたデータクレンジングのスキルを身に着けます。

第22回 セル単位のクレンジング

  • ・データクレンジングの概要
  • ・通し番号の追加
  • ・表記ゆれの処理
  • ・異常値の処理
  • ・欠損地の処理(統計量補完法)

第23回 データ構造のクレンジング1

  • ・データのレコードの解釈
  • ・トランザクションデータとマスタデータ
  • ・トランザクションデータからLTV(顧客生涯価値)計算
  • ・セルの縦、横方向分割
  • ・データの各種結合法

第24回 データ構造のクレンジング2

  • ・ワイド型データの意味とその利点
  • ・ロング型データの意味とその利点
  • ・ワイド型データとロング型データの変換
  • ・データ入力を行う際の考え方
  • ・利便性が高くなるデータの構造

機械学習編
弊社開発の機械学習ソフトを用いて、機械学習モデルによるデータ分析スキルを身に着けます。

第25回 ツリーモデルによる予測モデル作成

  • ・機械学習によるデータマイニング
  • ・構造把握のための決定木分析
  • ・ランダムフォレストによる予測
  • ・変数重要度

第26回 クラスタリング

  • ・階層別クラスタリング法
  • ・k-means法
  • ・クラスタリングによる顧客分析
  • ・クラスター変数を含めた統計モデル作成

機械学習演習
Excelや弊社開発の機械学習ソフトを用いて、これまでの演習を行います。

第27回 在庫をいくら用意すればよい?機械学習による需要予測モデルの作成

  • ・POSデータの基礎集計
  • ・記述統計による販売量の特徴把握
  • ・機械学習モデルによる需要予測モデルの作成

※講義で使う弊社開発のソフトは、講義が終わってからもご自由にお使いいただけます。

※カリキュラム内容は進捗等によって変更されることがあります。

セミナーの様子

セミナー監修

川原 祐哉(かわはら ゆうや)

〈経歴〉
大学卒業後教育業界に従事しデータを用いた教育指導、経営判断に関わる。

自社のデータ分析・データ管理を行いつつ、実務で使える統計を社会人に教える講座を実施中。ビジネスマンの統計リテラシーの向上を目指し行う授業は、統計初心者にもわかりやすいと好評。またRやpythonを用いた統計解析の個別指導も実施。

〈研修・外部提携講座〉
・東京理科大学オープンカレッジ 講師(https://web.my-class.jp/manabi-tus/)
・年間約30社にて法人向け研修を実施
・総務省統計局データ利活用センター様「第2回ビジネスパーソン向け統計データ利活用セミナー」担当講師

〈インタビュー掲載〉
週刊ダイヤモンド2019年2/9号

担当講師

※日程により一部講師が変わる事があります。

セミナー基本構成

全27回
講義60分 / 演習30分 / 質疑応答30分

※開催回ごとに多少構成が変わることがあります。

お持ち物と注意事項

・ノートPC(Microsoft Excel)、筆記用具
※必要環境
 Windows:Microsoft Excel 2016以降
 Mac  :Microsoft Excel 2016 for Mac
※Office 365(サブスクリプション)版も対応可能です。

料金

全27回

◎分割支払い:19,000円/月 (総額228,000円)
※分割支払いはクレジットのみ対応可能
◎一括支払い:220,000円
※一括支払いはクレジットもしくは銀行振込で対応可能

・会社名義や旧姓など、振り込み名が本人名義でない場合は事前にご一報下さい
◎開催2日前までに振込確認が取れない場合、会場URLをお送りできませんので特にご注意下さい

定員

10名(先着順)

特定商取引法に基づく表示

特定商取引法に基づく表示についてはこちらを参照ください。
1.支払方法:銀行振込又はクレジットカード払いが利用できます。
2.支払い時期:土日を除く開催日4日前

会場とスケジュール

オンライン教室
地図を見る

第1クール

第01回 2022年10月15日(土) 13:00~15:00

第02回 2022年10月29日(土) 13:00~15:00

第03回 2022年11月12日(土) 13:00~15:00

第04回 2022年11月26日(土) 13:00~15:00

第05回 2022年12月10日(土) 13:00~15:00

第06回 2022年12月24日(土) 13:00~15:00

第07回 2023年01月07日(土) 13:00~15:00

第08回 2023年01月21日(土) 13:00~15:00

第09回 2023年01月28日(土) 13:00~15:00

第10回 2023年02月11日(土) 13:00~15:00

第11回 2023年02月25日(土) 13:00~15:00

第12回 2023年03月11日(土) 13:00~15:00

第13回 2023年03月25日(土) 13:00~15:00

第14回 2023年04月08日(土) 13:00~15:00

第15回 2023年04月22日(土) 13:00~15:00

第16回 2023年04月29日(土) 13:00~15:00

第17回 2023年05月13日(土) 13:00~15:00

第18回 2023年05月27日(土) 13:00~15:00

第19回 2023年06月10日(土) 13:00~15:00

第20回 2023年06月17日(土) 13:00~15:00

第21回 2023年06月24日(土) 13:00~15:00

第22回 2023年07月08日(土) 13:00~15:00

第23回 2023年07月22日(土) 13:00~15:00

第24回 2023年08月05日(土) 13:00~15:00

第25回 2023年08月19日(土) 13:00~15:00

第26回 2023年09月02日(土) 13:00~15:00

第27回 2023年09月16日(土) 13:00~15:00

※当日のお申し込みはできかねます。別日程でお申し込み下さい。

今後の開催日程については、順次公開いたします。