あらすじ

データ分析のインプットとアウトプットが1冊で学べる！

本書は、データ利活用のために必要なデータ分析の基礎知識をわかりやすく解説し、自社のビジネスに活かす知識と実践方法を習得することを目的としています。

多くの企業でデータ利活用が急務となった今、新たな問題が発生しています。人材不足により、データサイエンティストやデータアナリストに代表される専門家に頼ることが難しくなりました。各企業は内製化に向けて動き出し、社内にプロジェクトを立ち上げ、IT部門と業務部門双方から人材を登用して組織を作り、組織横断型の体制でデータ利活用に取り組むようになってきています。

しかし、ここでまた問題が発生しています。数々のコンテンツにより分析手法を習得したエンジニアでも自社のビジネス視点での分析知識が足りず、業務担当者は自社のビジネスの知識はあってもデータ分析についての知識が十分ではありません。さらに、課題設定～分析設計～データ分析を体系的・実践的に整理した書籍・外部研修が少なく、データ活用人材の内製化が思うように進まない状況です。

そこで本書では、データ利活用プロジェクトに関わるIT部門、業務部門の双方のメンバーが「共通知識」「共通言語」として身につけておくべき「データ分析の基礎知識」を、「データとビジネスをどうつなぐか」という視点を踏まえて解説しています。特定のツールやプログラミング言語によらない、これからずっと通用する内容です。

筆者は、年間3000社超の企業のマーケティング支援を行うマクロミルに長年在籍し、現在はそのグループ会社のエイトハンドレッドで企業のデータ利活用の推進、人材育成支援などに従事している渋谷智之氏。

この1冊でビジネスに活用できるデータ分析の知識と実践方法を習得できます。

【こんな方におススメします! 】
・業務でデータ分析の知識が必要になった、データ利活用の担当者
・IT部門、業務部門を問わずデータ利活用プロジェクトのメンバー
・データ利活用プロジェクトを統括する立場にある管理職クラス

【本書の構成】
第1章 DX時代のデータ利活用
第2章「データ分析」ステップの全体像
第3章【STEP1&2】解くべき問いの明確化・分析ストーリー作成
第4章データ分析に必要なビジネス知識（前半）
第5章データ分析に必要なビジネス知識（後半）
第6章【STEP3】データ収集・前処理
第7章【STEP4】データの比較を通じた解釈・考察
第8章【STEP4】データ分析の幅を広げる「統計解析」
第9章【STEP5】レポーティング＆プレゼン
第10章 AI・機械学習の基礎理解

※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

＼レビュー投稿でポイントプレゼント／ ※購入済みの作品が対象となります

レビューを書く

感情タグBEST3

＃タメになる

並び替え

Posted by ブクログ

これからの時代、分析できるだけであればAIが代替してくれる。ビジネスとしてデータ分析を活かしていくには、意味ある問いを自ら立て、それをどうやってデータ分析という手段で解決していくか。
この本はその最初から最後までを網羅的に捉えた一冊。

0

2025年10月26日

Posted by ブクログ

データの見方、活用の仕方をマーケティング等のアウトプットでどのように活用するのか体系立てて学べる。
データ分析というよりマーケティング、ロジカルシンキングに関する書籍。

0

2025年11月16日

Posted by ブクログ

データ分析の教科書最前線のコンサルタントがマクロミルで培った知識と実践方法
著：エイトハンドレッド
著：渋谷智之
出版社：翔泳社
DATA UTILIZATION

本書は、データ分析を問うのではない、データ分析は手段と冒頭で言う
では、どうするのがいいのか、問いの設定、データの考察から、思考法とその型を身に着けることとある

データ分析とあるが、メタ的な視野で、大きな範囲をみています

コンサルなどの手法が含まれているが、本書を貫くのが、データ分析のための５つのステップである

STEP1　解くべき問いを明確にする
STEP2　問いを分解し、分析ストーリーを描く
STEP3　データ収集、前処理を行う
STEP4　データの比較を通じて解釈する
STEP5　分析結果＆結論を分かりやすく伝える

問いの設定も、分析結果をわかりやすく伝えることも、他の書で論じられているのであるからデータの処理を中心に読むのであれば、STEP3,4がキモであり、STEP5については、分析結果をだすまでがデータ分析で、伝える部分は、本書でなくてもいいかと感じました。

ETL,DWH,BIの流れからビッグデータを処理することは、IT書に任せて、データの処理・分析そのものを論じていると感じる

必須なビジネス知識もそうだが、ここで、データを処理するためのコア技術とは、ずばり統計学である

ビッグデータとは、
①データ量が大きい、②データが計測・記録されるスピードが速い、③データの種類が多様
が、その定義である

データへのアプローチ、分析ストーリーを事前に用意する

　①報告書：なぜ自社の売上が低下しているのか
　②目次
　③エグゼクティブサマリ
　④第１章　市場規模
　⑤市場規模の時系列推移
　⑥自社のシェア推移
　⑦第２章　顧客から見た要因分析
　⑧自社の市場浸透度
　⑨自社のイメージ
　⑩自社の特徴認知度
　⑪第３章　競合との比較分析
　⑫各商品購入者の満足度比較　……

データの種類
①カスタマデータ、②オペレーショナルデータ、③Ｗｅｂサイトデータ、④ソーシャルメディアデータ、
⑤ログデータ、⑥センサーデータ、⑦調査データ

１次データと、２次データ
構造化データと、非構造化データ

データ加工
　①データ品質の確認　信頼できるデータかどうか
　②複数データの結合　
　③探索的データ分析（ＥＤＡ）
　④データの前処理（クレンジング）
　⑤データ加工

データは加工される前の前処理で８０％の工数が使われる

分析　パラメタ１つ　単純集計、パラメタ２つ、クラス集計、パラメタ３つ以上、多変量解析

データを比較するときの５つの視点
　①大きさ　パレート
　②差がある　ギャップ、ポートフォリオ、レート・シェア
　③変化がある　時系列、トレンド、
　④バラツキがある　分布、グループ分け
　⑤パターンがある　相関、パターン、外れ値、

目次

第1章　DX時代のデータ利活用
第2章　「データ分析」ステップの全体像
第3章　【STEP1&2】解くべき問いの明確化・分析ストーリー作成
第4章　データ分析に必要なビジネス知識（前半）
第5章　データ分析に必要なビジネス知識（後半）
第6章　【STEP3】データ収集・前処理
第7章　【STEP4】データの比較を通じた解釈・考察
第8章　【STEP4】データ分析の幅を広げる「統計解析」
第9章　【STEP5】レポーティング＆プレゼン
第10章　AI・機械学習の基礎理解

ISBN：9784798182162
判型：A5
ページ数：380ページ
定価：2600円（本体）
2024年03月19日初版第１刷発行
2024年11月15日初版第３刷発行