古代史最大のナゾである邪馬台国所在地はデータサイエンスの手法を使えば、北部九州で決着する。畿内ではありえない、その理由を古代鏡や鉄の矢じりなどの発掘地の統計学的分析を駆使しながら、誰にも分かりやすく解説。その所在地はズバリここだと示す。

ビッグデータの時代だ。さまざまな分野の研究がデータ駆動型に変わってきている。ビジネスでのビッグデータ利用も人工知能の開発とあいまって盛んだ。データの処理・分析に必要な情報学（コンピュータ科学）と統計学の基本知識をおさえ、またデータから新たな価値を引き出すスキルの学び方を紹介する。待望の入門書。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 【データをどうやって見ていますか？】 データサイエンスや人工知能への関心の高まりとともに、データを読み取る能力の重要性が高まっています。データサイエンティストでなくても、「最近行った販促活動は売上につながっているのか」「広告や報道、SNSに出てくるグラフの読み取り」「ネットの情報の真偽を確かめる」など、私達は仕事や日常で多くのデータを扱っています。 本書は、数学が苦手な人にも馴染みやすい身近な例からデータに関する基本を学び、数字に強くなり、データを正しく読み取る事ができるようになるための書籍です。 ■こんな方におすすめ ・データの見方を理解したい人 ・数学は苦手だけど数字に強くなりたい人 ■目次 第1章 データとは　－データを基にして考える 第2章 データには種類がある　－種類でわかる数値の意味 第3章 正確な数字と大まかな数字　－オーダーと有効数字 第4章 デジタル化すれば便利になる？　－アナログとデジタル 第5章 平均値は真ん中の値？　－データの特徴を数値で表す 第6章 データどうしの結びつきを考えよう　－因果関係を疑う 第7章 ひっかけグラフにご用心　－グラフを読み解くポイント 第8章 データリテラシーを身につけるために　－データ社会の処世術 ■著者プロフィール 阿部 圭一（あべ けいいち）：名古屋大学大学院博士課程修了、工学博士、静岡大学、愛知工業大学を経て、現在はフリー。静岡大学名誉教授。専門は情報学、情報教育。著書に『よくわかるデジタル数学-離散数学へのアプローチ』（近代科学社、2020年）、『よくわかるデータリテラシー　データサイエンスの基本』（近代科学社、2021年）など。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 「数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム」準拠テキスト データ活用社会を生きる学生・社会人に必須の【データ分析・解析の基本的な考え方と手法】をわかりやすく解説！ データサイエンスは、さまざまなデータを分析・解析し、そこから新しい知見や価値を生み出していく技術・手法です。統計学などの数学を基礎とし、必要に応じコンピュータを活用して、さまざまな分野の専門知識と融合しながら、データから新しい価値を生み出していくデータサイエンスは、いまや大学生・社会人にとって必須の教養といえます。 本書は、政府の「AI戦略2019」での議論を経て策定・公表された「数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム」に準拠した内容です。具体的な事例と分析手法を扱いながら、社会のさまざまな場面で必要とされるデータサイエンスの考え方を、関連する数学とともに丁寧に解説します。また、大学におけるリテラシーレベルの授業に続く、半期の授業に対応した構成としました。 【著者一覧】 第1章 　小澤誠一　神戸大学数理・データサイエンスセンター 第2章 　大川剛直　神戸大学大学院システム情報学研究科情報科学専攻 第3章 　藤井信忠　神戸大学大学院システム情報学研究科システム科学専攻 第4章 　青木　敏　神戸大学大学院理学研究科数学専攻 第5章 　光明　新　神戸大学数理・データサイエンスセンター 第6章 　為井智也　神戸大学数理・データサイエンスセンター 第7章 　大森敏明　神戸大学大学院工学研究科電気電子工学専攻 第8章 　為井智也　神戸大学数理・データサイエンスセンター 第9章 　寺田　努　神戸大学大学院工学研究科電気電子工学専攻 第10章　熊本悦子　神戸大学情報基盤センター 第11章　高島遼一　神戸大学都市安全研究センター 第12章　村尾　元　神戸大学大学院国際文化学研究科 第13章　白石善明　神戸大学大学院工学研究科電気電子工学専攻 第14章　小澤誠一　神戸大学数理・データサイエンスセンター 第15章　羽森茂之　神戸大学大学院経済学研究科 第1章　データサイエンスの考え方 1.1　データサイエンスとは 1.2　データサイエンスを学ぶ理由 1.3　データから価値を生み出すプロセス 第2章　アルゴリズムとデータ構造 2.1　はじめに 2.2　データサイエンスにおけるアルゴリズムとデータ構造 2.3　アルゴリズムの基礎 2.4　基本的なデータ構造 2.5　探索 2.6　ソーティング 第3章　システム最適化 3.1　最適化問題とは 3.2　線形計画問題 3.3　非線形計画問題 3.4　整数計画問題 第4章　統計的データ解析の考え方 4.1　標本調査 4.2　信頼区間と仮説検定 4.3　分布の近似と標準誤差 4.4　線形回帰モデル 4.5　非線形回帰モデル 第5章　教師なし学習 5.1　クラスタリング 5.2　高次元データの次元削減と可視化 第6章　教師あり学習 6.1　教師あり学習とは 6.2　学習モデルとトレーニング（パラメータ最適化） 6.3　データのセットの分割とテスト（モデルの評価） 6.4　実データへの適用例（回帰） 第7章　確率モデル・確率推論 7.1　はじめに 7.2　確率モデルとベイズの定理 7.3　確率推論 7.4　確率推論の応用 第8章　強化学習 8.1　強化学習とは 8.2　強化学習の理論 8.3　強化学習アルゴリズム 8.4　探索と利用のトレードオフと意思決定モデル 第9章　情報センシング 9.1　情報センシングとは 9.2　センサデータ処理 9.3　センシング応用 第10章　画像解析・深層学習 10.1　画像解析 10.2　デジタル画像の特徴とフィルタ処理 10.3　深層学習 第11章　時系列データ解析・音声解析 11.1　時系列データ解析 11.2　音声解析 第12章　テキスト解析 12.1　はじめに 12.2　テキストデータの収集 12.3　テキストクレンジング 12.4　トークン化 12.5　ベクトル化 12.6　探索的データ分析 12.7　テキスト分析 第13章　情報セキュリティ 13.1　情報資産と情報セキュリティ 13.2　情報セキュリティの基本：アクセス制御 13.3　情報セキュリティのCIA 第14章　プライバシー保護技術 14.1　データが価値を生む仕組みと提供リスク 14.2　匿名化によるプライバシー保護 14.3　差分プライバシーによるプライバシー保護 14.4　準同型暗号によるプライバシー保護 14.5　協調学習によるプライバシー保護 第15章　意思決定論 15.1　意思決定の基本的枠組み 15.2　相関関係と因果関係 参考文献 索引

データサイエンスの門をたたく前に必要となる数学を、一冊にまとめたテキスト。微分積分・線形代数・確率論の中から、入門者が学んでおきたい基礎を厳選、平明簡潔に整理した。まずはこの本で、しっかり基礎固め！【データサイエンス入門シリーズ】第1期として、以下の3点を刊行!・『データサイエンスのための数学』椎名　洋・姫野哲人・保科架風（著）清水昌平（編）・『データサイエンスの基礎』浜田悦生（著）狩野　裕（編）・『最適化手法入門』寒野善博（著）駒木文保（編）【「巻頭言」より抜粋】データサイエンス分野の遅れを取り戻すべく、日本でも文系・理系を問わず多くの学生がデータサイエンスを学ぶことが望まれます。文部科学省も「数理及びデータサイエンスに係る教育強化拠点」6 大学（北海道大学、東京大学、滋賀大学、京都大学、大阪大学、九州大学）を選定し、拠点校は「数理・データサイエンス教育強化拠点コンソーシアム」を設立して、全国の大学に向けたデータサイエンス教育の指針や教育コンテンツの作成をおこなっています。本シリーズは、コンソーシアムのカリキュラム分科会が作成したデータサイエンスに関するスキルセットに準拠した標準的な教科書シリーズを目指して編集されました。またコンソーシアムの教材分科会委員の先生方には各巻の原稿を読んでいただき、貴重なコメントをいただきました。データサイエンスは、従来からの統計学とデータサイエンスに必要な情報学の二つの分野を基礎としますが、データサイエンスの教育のためには、データという共通点からこれらの二つの分野を融合的に扱うことが必要です。この点で本シリーズは、これまでの統計学やコンピュータ科学の個々の教科書とは性格を異にしており、ビッグデータの時代にふさわしい内容を提供します。本シリーズが全国の大学で活用されることを期待いたします。――編集委員長　竹村彰通（滋賀大学データサイエンス学部学部長、教授）　【推薦の言葉】データサイエンスの教育の場や実践の場で利用されることを強く意識して、動機付け、題材選び、説明の仕方、例題選びが工夫されており、従来の教科書とは異なりデータサイエンス向けの入門書となっている。――北川源四郎(東京大学特任教授、元統計数理研究所所長)国を挙げて先端IT人材の育成を迅速に進める必要があり、本シリーズはまさにこの目的に合致しています。本シリーズが、初学者にとって信頼できる案内人となることを期待します。――杉山将(理化学研究所革新知能統合研究センターセンター長、東京大学教授)

技術の無駄遣い!? 日常の些細な出来事を データサイエンスを駆使して 「まじめに」分析 【本書の概要】 ITmedia NEWS で大人気の連載記事 『データサイエンスな日常』をもとにした書籍です。 「飲み会での孤立」「LINEの既読スルー」「満員電車での立ち振る舞い」。 日常生活で気になるテーマを著者の持つ独特の視点で分析。 読み物としてもデータ分析の学習本としても楽しめます。 【本書の対象読者】 ・データやテクノロジー、デバイスを用いたテック系の読み物に興味のある方 ・データ分析、アプリケーション開発に興味のある方 【本書の目次】 PROLOGUE それはコミュニケーションの問題ではなくデータサイエンスの問題 PART 1　家の孤独に立ち向かう CHAPTER1　LINEの既読スルーにランダムフォレストで立ち向かう CHAPTER2　多面的な自分と向き合うためのチャットボット CHAPTER3　電子デバイスを駆使して強制的に感情移入できる漫画を作る CHAPTER4　在宅ワークの孤独に対抗してプロジェクションマッピングで“バーチャル職場”を作り出す PARTT 2　街の孤独に立ち向かう CHAPTER5　「休日に会社の同僚と遭遇しないための動き方」を物理シミュレーションとゲーマーの英知で解き明かす CHAPTER6　飲み会で孤立しないためのセル・オートマトン CHAPTER7　飲み会の帰り道での孤立に、ARシミュレーションで立ち向かう CHAPTER8　「満員電車で快適に過ごすための動き方」を物理シミュレーションで解き明かす CHAPTER9　すべての孤独に悟りとデータサイエンスで立ち向かう ※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。

　Kaggleとは、コンペティションを主催するほかに、機械学習エンジニアの育成から就職支援まで携わる、データサイエンティスト支援の一大ポータルです。本書では、Kaggleの概要から、コンペティションへの参加方法、コードの実行方法、活用方法など、幅広く解説しています。 【序文より抜粋】 　本書では、データ解析コンペティションを開催しているKaggleというサイトを紹介しますが、Kaggleのコンペティションは、単純にデータを受け取り、解析し、スコアが付けられるだけの流れ作業ではありません。 　Kaggle上で行われるコンペティションは、それぞれが1つのドラマです。 　データの特性に関する議論や有効なソリューションの公開が行われると思えば、仮順位の推移を巡る駆け引きもあり、そして時には主催者側の問題で右往左往する参加者の姿が見られたりと、コンペティションの開催から終了まで続くお祭り期間中には、さまざまな人間模様を見ることができます。 　Kaggleのコンペティションを通じて、そうしたデータサイエンティストたちの活動の実態を紹介し、また、実際にKaggleに参加して、人間味あふれるデータサイエンティストたちと交流するにはどうすればよいかを紹介するために、本書を執筆しました。 　そのため、本書では、単にKaggleの使い方を解説するだけではなく、実際のコンペティションで起こった事例を、できるだけ多く取り入れるようにしています。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ★誰でも無理なく学べるテキストの決定版！★ ・全学必修のデータサイエンス教育の「さきがけ」となった講義がついに書籍化。 ・文部科学省「数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベルプラス）」に採択された「信頼」と「実績」。 【主な内容】 第1部　社会におけるデータサイエンス 1章　社会におけるデータサイエンスの位置づけと活用事例 1.1　データサイエンス概論 1.2　言語教育にデータはどのように活用されるのか 1.3　データサイエンスと社会科学 1.4　ヒューマンコンピュータインタラクション 1.5　臨床医学・社会医学とデータサイエンス：ヘルスサービスリサーチの視点から 1.6　生物科学研究におけるデータサイエンス：発生生物学研究を例に 1.7　サッカーの上達にデータを活かす 1.8　データサイエンスとWeb 1.9　マテリアルズ・インフォマティクス 1.10　ロボティクスとAI 1.11　都市計画とデータサイエンス 1.12　ビジネスとデータサイエンス 第2部　データサイエンス入門 2章　データの種類と収集 3章　データの前処理 4章　データの管理 5章　高度なデータ活用とビッグデータ 6章　1つの質的データの解析 7章　2つ以上の質的データの解析 8章　1つの量的データの解析 9章　2つ以上の量的データの解析 10章　時系列データの解析 11章　データの可視化 12章　実際のデータ分析 13章　人工知能と機械学習 14章　データ倫理とAI倫理 【著者一覧】 名畑目 真吾／内藤 久裕／落合 陽一／田宮 菜奈子／ 堀江 健生／中山 雅雄／岡 瑞起／岩﨑 悠真／ 袖山 慶太郎／境野 翔／藤井 さやか／岡田 幸彦 川口 一画／滝沢 穂高／遠藤 結城／平田 祥人／ 三谷 純／天笠 俊之／五十嵐 康彦／今倉 暁／ 青砥 隆仁／福地 一斗／三末 和男／津川 翔／馬場 雪乃 ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 「データサイエンス100本ノック構造化データ加工編」はSQL、Python、Rの3言語で、ID-POSデータを使い、データサイエンスの基礎教養となる構造化データの加工に重点を置いた、さまざまな分野のスキルセットを身につけるための実践的なトレーニング環境です。トータル22の区分、100個の設問（ノック）に対して、3言語での実装例と解説を提供します。

“ビッグデータの分析官"として注目を浴びる、いま最もセクシーな職業、データサイエンティスト。 「21世紀で最も魅力的な職業」として注目を浴び、「データを分析して業務を変革し、社内にイノベーションを起こす人材」と定義されていますが、これだけではなかなか実体をつかみにくいかもしれません。そこで本書は、データサイエンティストの実態に迫ります。 　この新たな人材像とこれからのデータ活用を提示する本書は、データサイエンスのスキルに関心があるビジネスパーソンはもちろん、「経験・努力・勘・根性」に基づくオペレーションの品質を高めたい経営層や管理職に役立つ情報が満載です。 『データ・サイエンティストに学ぶ「分析力」』(日経BP社)の著者で、世界で最も 有名なデータサイエンティストでもあるディミトリ・マークス氏に単独インタビュー。さらにJALや楽天、花王、東芝、大阪ガスなど日本の著名企業で働くデータサイエンティスト10人の仕事ぶりを紹介。 また、データを経営強化にどう生かすかについては、スターバックスやプロクター・アンド・ギャンブル(P&G)、アメリカン・エキスプレス、キリンビール、日東電工、日清食品、ファンケルなど国内外約20社の実態に迫ります。 　日産自動車やホンダ、ファミリーマート、ニトリ、ホンダなど国内大手10社の経営トップ/経営幹部からは、データサイエンティスト/データ分析に期待する声を集めました。

“データサイエンティスト”のすそ野が広がる あらゆる社員がデータを仕事に生かせる「全員分析経営」の事例を総まくり！ 「IoT」や「インダストリー4.0」など、ITをベースにした事業変革に 取り組む企業が増えています。 変革の担い手となるのが、データから隠された事実を掘り起こし、 未来を予見する「データサイエンティスト」。 そのポテンシャルに期待は高まる一方です。 日経情報ストラテジーのデータサイエンティスト・ムック第3弾となる本号は、 「全員分析経営」がテーマです。 ITの進化で大量のデータに容易にアクセスできる環境が整い、 使いやすい分析ツールも登場。 こうした環境を追い風に、分析人材のすそ野が広がり、 誰もが日々の意思決定や業務遂行にデータを活用することが可能になりつつあります。 本誌の好評記事のなかからビジネスの最前線におけるデータ分析、 データ活用事例を厳選し編集しました。 ＜目次＞ 【Part1】 顧客が分かる！ニーズが読める！データ分析の威力を知る 【Part2】 「IoT」で競う製造業 ビッグデータ分析で不具合を撲滅 【Part3】 分析力が要の「お財布争奪戦」 魅了する売り場にデータ生かす流通業 【Part4】 データサイエンティスト、仕事を語る 「分析力+α」で会社を変える 【Part5】 複雑な分析結果を理解してもらうには？目指せ！「伝え方」の達人 【Part6】数字を恐れず、味方にする データの「読み書き」で強い組織に

データサイエンティストとはどんな仕事か。どういう資質が必要か。どう育てるのか。データサイエンティストという職業の全体像を知り、自らの業務との接点を理解する基本の一冊。

本書は、“既に手元にある魅力的なデータ(Sexy Little Numbers)”を、これまでとは違った角度から分析し、思い込みをこわして新しいビジネス戦略を描き成功させたデータ・サイエンティストの手法を、実例と多数の図表を交えて紹介する。 データを分析し、誰に、何を、どのメディアを通して、いくらの予算をかけて消費者にアプローチするか、マーケティング戦略を決めたらどう実行に移し、その結果を測定して最適化を図っていくか、という「データ・アナリティクス(分析)」の一連のプロセスがわかる。 「測定した結果が何の意味をもつのか」をシンプルな形で示すことに徹底的にこだわる。

AI時代の新職種、データサイエンティストの入門書。 データサイエンティストとは、ビッグデータと呼ばれる大量データを活用し、ビジネスを変革したり、社会問題を解決できる人のことで、近年最も注目されている職業の一つです。 本書は、データサイエンス関連業務の実態を整理し、データサイエンティストに要求される能力を(1)データサイエンス力、(2)データエンジニアリング力、(3)ビジネス力の３つの切り口で詳しく解説し、その能力を活かした仕事の内容を紹介しています。 また、実際の事例をもとにした６つのケースを収録。データサイエンティストは日々どのような仕事をしているのか、どういった事業インパクトを与えているのか、実務で苦労している点は何か、といったデータサイエンティストの「働き方」「人となり」がわかります。 データサイエンティストになりたいと考えている学生のみなさんはもちろん、興味を持っている社会人の方、データサイエンティストの採用を考えている企業の担当者の方にも役立つ内容になっています。

近年ビジネスにおいて、現状を分析し、意思決定を行ったり、説得力のある提案をするためのツールとして、膨大なデータを介したデータ分析の必要性がますます高まっています。膨大なデータを蓄積し続けてはいるものの、それらを有効活用している企業は非常に少なく、分析ニーズも高まるばかりです。本書は、データ分析の初心者や企業担当者を対象に、データ分析の実際を解説するものです。 「人は成功からは学べない、失敗からこそ多くを学ぶのだ」という認識から、SBTが手掛けた事例を元に、データ分析を行う際に起こりやすい失敗事例とその克服法を解説します。これにより、読者は、リアリティのある、真に役立つデータ分析の実例を学ぶことができます。 著者は、豊富なデータ分析の経験を持つSBT社データサイエンス部のスタッフであり、ダイナミックかつ具体的な事例を紹介します。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 注目を浴びる新しいサービスや製品を支えるデータ分析。その舞台裏を、40社の事例と図解で分かりやすくひもときます。 　例えば、2015年夏に長崎のハウステンボス内にオープンした「変なホテル」。ロボットによる接客を支えているのは顧客一人ひとりの顔を見分ける生体識別。カメラとコンピュータでいかに人の顔を認識しています。 　夏が来ると気がかりになるのが熱中症対策。大林組は、建設現場の作業員の不調の前兆を捉えようと、「肌着センサー」でキャッチした心拍や体温のデータ分析に取り組んでいます。バスやタクシーのドライバーの「眠気」を感知して、居眠り運転防止に役立てようとする動きもあります。 　「うちの子の成績が上がらない」――。こんな悩みもデータ分析で解決するのがリクルートマーケティングパートナーズ。オンライン学習教材を使う生徒の勉強法を分析し、より理解が進むやり方に迫りつつあります。 　2020年の東京五輪ではホテル不足が懸念されています。その解消に一役買うと期待を集めるのが、個人の家を貸し借りする「シェアリングエコノミー」。Airbnb（エアビーアンドビー）は、分析によって「借りたい」と「貸したい」を最適にマッチングし、急成長しています。 　IoT（モノのインターネット）やAI（人工知能）の活用が進み、データがビジネスと密接不可分になっていくのは確実です。データがビジネスや社会をどう変えていくのか。本ムックから読み取ってください。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 「データサイエンティスト」は世界的に注目されているが、実際にこの職種に就こう、育てよう、また組織としてこの職種を活用していこうと考えた時に、どのよう進めていけばよいのか、新しいがゆえに指標が少ない。本書は著者らの統計数理研究所・IBMコンサルタント部門で培った知見を元に、この仕事を目指す人、育成する人に必要な情報、組織としての活用を分かりやすい事例と整理された内容で理解しやすいよう解説する。

ビッグデータ分析をきっかけとして「機械学習」に注目が集まり，ビジネス利用への検討がはじまっています。しかし，実際に「機械学習」を理解しているエンジニアや分析担当者は少なく，うまく活用できていないのが現実です。「機械学習」を利用するにはアルゴリズムの理解，プログラミング技術，ビジネス知識などが必要になってきます。本書では，第1部で機械学習のアルゴリズムやビジネスへの応用方法，流行の深層学習などに触れ，第2部ではPythonを用いた機械学習，画像認識，推薦エンジンなど，サンプルコードをもとに手を動かして試すことができます。機械学習分野で先頭を走る著者陣が，面白く，わかりやすい解説でお届けします。

ビッグデータ、機械学習、人工知能など、データ分析に関連するキーワードを聞かない日はありません。データサイエンティストブームからはや数年、多くの日本の組織がデータ分析に取り組み、成功と失敗を繰り返してきました。いまや、データ分析からビジネス価値を見出した組織とデータ分析が根付かなかった組織との差が明らかに広がりはじめています。 本書は、データ分析がうまく機能している組織から執筆者を迎え、実務担当者の振る舞いからマネージャ／経営者層が持つべきデータ分析プロジェクトの進め方などのノウハウをお届けします。データ分析組織を本気で起ち上げたい方、データ分析が実現する幸せな未来を目指す方は必読の内容です。

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 本書で言う「データ視覚化」（ビジュアライゼーション）とは、単に手元にあるデータをグラフにすることではありません。いくらデータを視覚化しても、その中から人間が重要な情報を読み取れないのなら、データ視覚化をする意味がないからです。あくまで、そのデータが指し示す意味を明確にすること、そしてより多くの人たち（オーディエンス）に興味を持って見てももらえることがデータ視覚化の目的です。 本書では、日本人女性唯一のTableau ZEN MASTERである筆者が長年にわたって培ってきたデータ視覚化のノウハウ、ベストプラクティス、アンチパターン等を整理分類してエッセンスを抽出し、具体的な事例をあげながら、できるかぎり丁寧に解説しました。また、セミナーなどの現場でよくされる質問に対する答えをまとめたものでもあるので、ある意味、“FAQ”でもあります。

統計や数字に強くなる！ 現代人必修の「データを使いこなす力」を、GoogleやSmartNewsなどで教えるエキスパートが分かりやすく解説。 真実を見抜き、正確に伝えるための「データ思考」入門。 ◇◇◇◇◇◇◇◇ 「データ可視化」は現代人必修！ 「この本では、データ可視化を効果的に行うために必要な「データ思考」とでも呼ぶべき思考法を丁寧に解説していきます。この本を読むことで、データを正しく読めるようになるのはもちろん、実際に皆さんがデータを使いこなし、効果的に情報を伝えるための「データ可視化のための考え方」を身につけることができます。数字や統計に苦手意識がある方でも、ほんとうの意味で「データに強く」なれるでしょう。」（「はじめに」より） 【本書の内容】 ・人はデータを「読む」ことはできない ・コロナの感染状況を最も的確に表現したグラフ ・ナイチンゲールが作った「データ可視化」の名作 ・みんな騙される「詐欺グラフ」の見分け方 ・年収が上がるほど血圧が高くなる？ ・分かりやすいグラフに不可欠な「データの絞り方」 ・「データの軸」を見定めよ ・甲子園投手の「過剰投球」を一目で理解させるには ・「台風の進路予想図」の大いなる誤解　　　……ほか 【本書の構成】 第１章 データ可視化という強力な武器 第２章 データを読み解く 第３章 データを編集する（理論編） 第４章 データを編集する（実践編） 第５章 データをデザインする 第６章 多様なデータの見せ方 第７章 データ可視化をどのように改良するか 第８章 炎上や誤解を避ける 第９章 データ可視化と報道

システム構築の複雑さから開発者を解放する データ指向プログラミング実応用ストーリー 本書は Yehonathan Sharvit, "Data-Oriented Programming", Manning Publications 2022 の邦訳版です。 【本書の内容】 本書は、Java、C#、C++、Ruby、Pythonなどの高級プログラミング言語で2年以上の経験を持つ、フロントエンド、バックエンド、フルスタック開発者向けの本です。 本書で取り上げている業務システム開発におけるアイデアや手法は、オブジェクト指向プログラミングの開発者にとっては、慣れ親しんだ環境や世界観をいったん捨て去るように指示されるかもしれません。 一方、関数型プログラミングの開発者にとっては、本書は（多少ですが）学びやすく、ちょっとした発見とサプライズがあるはずです。 いずれにしても「情報システム開発の複雑さ」を軽減し、見通しが良く仕様変更にも柔軟に対応したい開発者に、新しい視座とパラダイムを提供します。 【目次】 Part1　柔軟性 　　第1章　オブジェクト指向プログラミングの複雑さ― 気まぐれな起業家 　　第2章　コードとデータの分離― まったく新しい世界 　　第3章　基本的なデータ操作― 瞑想とプログラミング 　　第4章　状態管理― タイムトラベル 　　第5章　基本的な並行性制御― 家庭内での対立 　　第6章　単体テスト― コーヒーショップでプログラミング Part2　スケーラビリティ 　　第7章　基本的なデータ検証― おごそかな贈り物 　　第8章　高度な並行性制御― さようなら、デッドロック 　　第9章　永続的なデータ構造― 巨人の肩の上に立つ 　　第10章　データベースの操作― 雲は雲 　　第11章　Webサービス― 忠実な配達人 Part3　保守性 　　第12章　高度なデータ検証― 手作りの贈り物 　　第13章　ポリモーフィズム― 田舎で動物とたわむれる 　　第14章　高度なデータ操作― 考え抜かれたものは明確に表現される 　　第15章　デバッグ― 博物館でイノベーション 付録A　データ指向プログラミングの原則 付録B　静的型付け言語での汎用的なデータアクセス 付録C　データ指向プログラミング:プログラミングパラダイムの一環をなす 付録D　Lodash リファレンス ※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。

■データを制する者が世界を制するのか?ビッグデータを使う能力次第で価値が決まる。GAFAも決して安泰ではない――。まったく新たな科学的方法論に基づくビッグデータ主導の経済・社会の構図、問題点を明らかにします。 ■ビッグデータが動かす経済社会、「データ資本主義」が台頭してきました。ビッグデータは経済取引、経済構造を変革しつつあるが、新しい問題も引き起こしつつあります。ごく一握りの企業によって市場が支配され、監視社会がもたらされる可能性もあります。本書は、情報経済論の第一人者が、従来の歴史をまったく塗り替えつつあるビッグデータ経済の姿と、それを貫く論理、その問題点、可能性をわかりやすく解き明かします。 ■本書では、ビッグデータの概要、AIによるパタン認識、ビッグデータ・ビジネスを支えるプロファイリングとその応用、ビッグデータが提示する新しい科学的方法論、データサイエンスの役割、プラットフォーム企業の支配力、ビッグデータの将来、監視社会の可能性をテーマとして取り上げ、それぞれの背景、現状について平易に解説するとともに、データ資本主義が今後、どのような可能性を秘めているのかについて展望します。 ■著者はビッグデータ・ビジネスの本質を深く掘り下げます。ビッグデータの中でも最も注目されるのがプロファイリングとその技術にかかわるものであることを浮き彫りにします。この点でGAFAの中でもビッグデータを本当に収益源としているのはグーグル、フェイスブックの2社だけであり、今後、GAFA、BATといわれる巨大プラットフォーム企業の命運は分かれる可能性がある、巨大IT企業を従来の独禁法の概念でしばることはできない、情報銀行などで本当に意味のあるビッグデータを集められるのか、などと問題提起します。そして、プロファイリングをもとにした監視社会の出現という点で中国について最も警戒すべきだが、その可能性は中国に限らないことなど、注目に値する論点を明らかにします。

「１年間の売り上げが10億円の会社のひと月あたりの売り上げはいくらでしょうか」データセンスを身につけるとこの質問に１秒で答えられるようになります。実際に計算するには10億を12（ヵ月）で割らなければなりません。これに１秒で答えるには「83」というキー数字を知っておく必要があります。質問の答えは「約8300万円」です。「12で割る」ということは、「0.083をかける」ことと同じなのです。データセンスとは、ビジネスシーンや日常の中で目にする数字の意味をパッと把握する感覚のことをいいます。本書は具体的な演習も多く、社会人なら誰もが必要としているその感覚を身につけ、磨くことのできる一冊です。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ◆高品質なデータを設計・開発する技術◆ 　Data-centric AIとは、機械学習の権威でありGoogleのAI研究チームを率いたAndrew Ngが2021年に提唱した、モデルよりもデータに主眼を置くというAI開発のアプローチです。過去数十年にわたりAI開発においては、固定されたデータセットに対してニューラルネットワークをはじめとしたモデルを適用し、そのモデルを改善することに関心が寄せられていました。しかし、このモデルを中心としたアプローチでは、データセットへの過度な依存やデータセットが抱える課題への無意味な適合により、実用において期待ほどモデルの性能が改善しないといった問題が指摘されています。そのため近年はモデルを固定したうえで、データ拡張、アノテーションの効率化や一貫性の担保、能動学習といったデータに工夫を加えることによってモデルの性能を向上させるアプローチに注目が集まっています。本書では、Data-centric AIの概要を解説したあとに、画像認識、自然言語処理、ロボットといった分野におけるデータを改善するための具体的なアプローチを解説します。最終章では、企業における実践的な取り組みを紹介します。 ■こんな方におすすめ ・データセットの作成、データの学習方法に興味のある方 ・基盤モデルに興味がある方 ■目次 ●第1章 Data-centric AIの概要 ・1.1 Data-centric AIとは ・1.2 データセットのサイズとモデルの性能の関係 ・1.3 データの品質の重要性 ・1.4 おわりに ●第2章 画像データ ・2.1 画像認識におけるData-Centric AIとは ・2.2 画像認識モデルの基礎知識 ・2.3 データを拡張、生成する技術 ・2.4 不完全なアノテーションからの学習 ・2.5 画像と言語ペアの関係性を学習した基盤モデル ・2.6 能動学習 ・2.7 おわりに ●第3章 テキストデータの収集と構築 ・3.1 言語モデルの事前学習 ・3.2 事前学習データの収集 ・3.3 ノイズ除去のためのフィルタリング ・3.4 データからの重複除去 ・3.5 テキストデータ収集の限界 ・3.6 おわりに ●第4章 大規模言語モデルのファインチューニングデータ ・4.1 ファインチューニングとは ・4.2 Instruction Data ・4.3 Preference Data ・4.4 ファインチューニングモデルの評価 ・4.5 日本語における大規模言語モデルのファインチューニング ・4.6 おわりに ●第5章 ロボットデータ ・5.1 はじめに ・5.2 RTシリーズの概要 ・5.3 多様なロボット ・5.4 ロボットにおけるデータ収集 ・5.5 データセット ・5.6 データ拡張 ・5.7 おわりに ●第6章 Data-centric AIの実践例 ・6.1 テスラ ・6.2 メタ ・6.3 チューリング ・6.4 LINEヤフー ・6.5 GO ・6.6 コンペティションとベンチマーク ・6.7 Data-centric AI実践のためのサービス ・6.8 おわりに ■著者プロフィール 片岡裕雄（かたおかひろかつ）：2014年 慶應義塾大学大学院 博士（工学）。2024年現在、産業技術総合研究所 上級主任研究員、オックスフォード大学 Academic Visitor および cvpaper.challenge 主宰。時空間モデルのベースライン3D ResNetの研究開発，実データ不要の事前学習法 数式ドリブン教師あり学習（Formula-Driven Supervised Learning; FDSL）を提案。2019/2022年度AIST Best Paper、2020年 ACCV 2020 Best Paper Honorable Mention Award、2023年 BMVC 2023 Best Industry Paper Finalist。研究はMIT Technology Reviewや日経等メディアにて掲載。本書の監修を担当。

あらゆる企業や組織の中で価値あるデータが、新しい時代のために十分に活用されないまま大量に眠っている。さまざまな情報システムの中枢をなすRDBに保管されてきたデータはもちろん、日常使われるワープロやPDFの文書、ネットのWebページなどのデータもそれぞれの目的に応じて囲い込まれていると言っていい。これらを解放してAIやブロックチェーンで活用できた者は、第4次産業革命の勝者となる。そのためにはデータの生成から変換、管理、流通までのプロセス全体を円滑に回すことのできる、デジタル時代にふさわしい新しい「データサイクル」を実現することが欠かせない。その鍵は、AIなどの機械がそのまま理解することのできるデータの形式を採用することにある。そこで今、オープンな国際標準に基づくXMLデータ形式による低コストで柔軟なシステム作りが、あらためて注目されている。本書が提唱する革新的なXML自動変換技術によって、企業や組織は最強のデータ戦略を手に入れることができる。

【データに基づく議論・意思決定が生み出す競争戦略】 「データで話す組織」づくりを通じて、その先にあるDXを実現するための基礎を解説していきます。本書では、データを活用したいと考える組織が備えるべきケイパビリティを課題発見力、人材力、データ力、施策実行力の4つに整理して、それぞれ解説します。 また、一足飛びにAIやデータサイエンスに取り組んでも、基礎ができていない／用意ができていないために、うまくいかないことがあります。データ活用を考える組織はデジタル化、データ分析、AI・データサイエンスの3つのフェーズを一段ずつ越えていくことをおすすめします。 ■こんな方におすすめ - 事業会社のDX・データ活用プロジェクトの担当者 - 会社にデータドリブンな文化を持ち込みたい経営層・マネージャ層 ■目次 第1章 データで話す組織づくり 　　1-1 一歩ずつデータ活用力を上げる長期スパンでの文化醸成 　　1-2 「データで話す組織」を追求する戦略的意義 　　1-3 「データで話す組織」づくりのアプローチ 　　1-4 予算・リソースに応じたプロジェクトの進め方 　　1-5 データ活用による価値創出と継続の重要性 　　コラム タクシー業界でのデジタル化とデータ分析技術の活用 　　コラム ワークマンでのデータ活用の軌跡 第2章 現状把握とデジタル化 　　2-1 社内業務の把握 　　2-2 意思決定プロセスの把握 　　2-3 事業課題の把握 　　2-4 アクションのための情報収集 　　2-5 情報システム部門の把握 　　2-6 ステークホルダーの把握 　　2-7 外部人材の活用 　　2-8 情報セキュリティの把握 　　2-9 社内システムの把握 　　2-10 データの把握 　　2-11 システムによる課題解決の実践 　　2-12 いつでも振り返れるように現状を整理 第3章 データ分析チームの組成 　　3-1 分析テーマの選定 　　3-2 類似事例の調査と比較 　　3-3 ビジネスフレームワークの活用 　　3-4 データ分析チームを構成する人員 　　3-5 兼任担当者から専任へ 　　3-6 データ理解とデータ整備 　　3-7 定常モニタリングとBIツールの用途 　　3-8 データの伝え方 　　3-9 効果の計測 　　コラム データ分析組織の継続 　　コラム データ基盤の重要性 第4章 AI・データサイエンスの応用 　　4-1 統計・AIモデルでできること 　　4-2 統計・AIモデルにおける課題設定 　　4-3 データ分析人材のスキルセットと獲得戦略 　　4-4 育成のためのしくみづくり 　　4-5 評価体系の構築 　　4-6 AI・統計モデルのためのデータ選定 　　4-7 モデルの評価 　　4-8 MLOps 　　コラム 中央集権型かデータの民主化か ■著者プロフィール 大城 信晃：NOB DATA株式会社 代表取締役。データサイエンティスト協会九州支部 支部長。主に地方のインフラ企業にてDX推進という文脈で各社に自走できる分析チームの立ち上げに関する伴走支援を、東京エリアを中心とする企業にてChatGPT等のLLM技術を応用したサービス開発・業務活用支援を行っている。 油井 志郎：株式会社ししまろ CEO（代表取締役）。金融、医療、製薬、製造メーカー、IT、観光、運送、小売などの様々なデータ分析・AI関連などの分析全般を伴走型で支援を行っている。 小西 哲平：株式会社biomy 代表取締役社長。がん微小環境のAI解析を通して個別化医療の実現を目指す。秋田大学大学院医学系研究科博士課程(病理学)、理化学研究所に研究員としても在籍。 伊藤 徹郎：Classi株式会社 プロダクト本部 本部長。徳島大学 デザイン型AI教育研究センター 客員准教授。Classi株式会社にて、データ組織の立ち上げからエンジニア組織の統括。2023年8月よりプロダクト開発に関わるすべての職能を統括した部署の本部長に就任し、奮闘するかたわら、大学にも籍を置く。 落合 桂一：大手通信会社R&D部門　データサイエンティスト。東京大学大学院工学系研究科 特任助教。位置情報、端末ログなどのモバイル関連データに対する機械学習の応用に関する研究開発に従事。また、自らの経験を活かし大学で社会人ドクターの研究を指導。国際的なデータ分析コンペKDD Cupにおいて2019年の1位をはじめ複数回入賞。 宮田 和三郎：株式会社カホエンタープライズ CTO。業種業態を問わず、様々な組織におけるデータ利活用の支援を行なっている。経営や組織の観点でのデータ利活用に深い興味を持つ。

新型コロナウィルスの流行―― 政府の対応が国によって違う裏側には、 各国民の「ナッジへの反応度」が関係していた!? ・日本人の、政府の働きかけに対する反応は、やっぱり「特殊」!? ・アメリカ、イギリス、イタリア、フランス、ドイツ……各国民はどう考えているのか? ・中国と韓国がいつも「過剰に反応」しているように見える理由 各国民の深層心理が見える、全世界規模調査を大公開! --------------------- アメリカは活用に積極的。 デンマークは慎重派。 では、日本は……? 「ナッジ(Nudge)を用いることを検討している担当者、 そしてナッジに警戒心をもっている人々の必読書」 (大阪大学大学院経済学研究科 大竹文雄氏[解説]より) “使える経済学=ナッジ”を 大事なプレゼン、キャッチコピーづくり、 マーケティング、コンサルティングの現場で、 賢く役立てよう 「誰が、どのように働きかけたら、大勢の賛同を得られるか」がデータでわかる。 「ナッジ」の提唱者の一人が贈る、「ナッジ」活用の基本原則。 ---------------------

統計学の第一人者、西内啓が 企業のマーケター、経営層のために 初めて書き下ろしたデータ分析・活用の実践書 ビッグデータの活用やデータサイエンスの重要性が語られてきましたが、実際に企業の現場の実務者がどのような方針でデータを収集し、整理して活用するかについてはまだまだ難しいのが現状です。 一方、AIやデータ分析ツールの発達によりデータ分析の専門家ではなくても、基本的な理解があれば分析や活用が可能になる「市民データサイエンス」の時代とも言われます。 この本は、企業のマーケターをはじめとするビジネスリーダーの方々が、「何から始めるか」「どのようにデータを集めるか」という段階からはじめ、「リサーチデザイン」など、調査データの設計や方針の策定や、外部からのデータの調達について解説するとともに、著者の会社「データビークル」のツールを通じて、データの前処理、分析方法、効果測定やROIの最大化について紹介する内容です。 【対象読者】 企業のマーケター、プランナー、経営層 【目次】 序章：データを活かせる組織を作るために 1章：業務のためのデータを活用可能なデータへ 2章：価値ある分析のためのリサーチデザイン 3章：リソース配分の予測問題―統計学と機械学習の使い分け 4章：ターゲティングの因果推論 5章：データサイエンスを「プロダクト」にするために 終章：社内政治を乗り越えろ ※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。

「日本社会は既に多民族化しているんです」――。改正出入国管理法が2019年4月から施行され、外国人の受け入れ拡大が進む日本。だが、現実は私たちの想像をはるかに上回る。もはや企業も自治体も、そして日本社会全体も外国人なしでは成り立たなくなっているのだ。NHKの特設サイト「外国人“依存”ニッポン」取材班がオープンデータを独自に分析し、日本社会の外国人への“依存”を明らかにする。

中国は「失われた２０年」へ突入した！ 評論家やジャーナリストによる、印象に基づいた中国脅威論は間違っている。数字やデータに立脚しないで中国について書かれた本をいくら読んでも、中国の全体像を理解することはできない。しかし中国の発表する統計データは信頼性に欠け、肝心なデータが伏せられていることも多く、実証的な研究をすることが難しい。 本書では、不確実な情報やデータに基づいて的確な判断を行うことができる「システム分析」の手法を用いて中国経済に迫る。そこで明らかになったのは、過去２０年間にわたり謳歌してきたバブルが崩壊し、低成長を余儀なくされる「失われた２０年」が始まった中国経済の実像であり、貧富の格差が拡大し汚職がはびこるという奇跡の成長の「からくり」である。 普通の開発途上国にすぎない中国の実像を描き出すとともに、日本がとるべき長期的視点に立った対中戦略を示した一冊。

【水野和夫氏・推薦】 中国の未来は、アジアの覇権国家か、普通の開発途上国か？ 高い評価を得た『データで読み解く中国経済』の続刊・未来分析編、遂に刊行！ 　米国が覇権を確立して以降、中国はもっとも手ごわい相手である。だから、対峙することに躊躇している。日本の保守系メディアが言うように、オバマ政権が弱腰だからではない。共和党政権でも中国と真正面から対決することはないだろう。 　中国は太平洋を二分して、西側を中国のテリトリーとする案を米国に提案している。そこに「中華帝国」を作る。10年のスケールで考えれば、米国はその提案を飲む可能性が高い。米国と中国の妥協が成立すれば、日本はアジアで孤立する。日本は20世紀に米国と安保条約を結んだことによって大きなメリットを受けた。だが、21世紀にあまりに米国を頼っていると、米国と中国が話をつけた場合に、大きなデメリットを被ることになる。この辺りのことは、もっと真剣に議論しておいたほうがよい。（本文より）

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 「人口減を脱した87市区町村の取り組み」「SNS発信力が高い長野の秘密」 「ふるさと納税『勝者』の取り組みは？」「愛媛の地銀はなぜ強いか」……　 出生率や人口増減率に始まり、女性登用、農業生産性、災害対応力、道の駅の数、アニメの聖地まで、 日経記者がデータ分析により、47都道府県をランキングしたうえで、　 社会課題解決に成功した県・市町村の成功事例を紹介。 人が集まる街、魅力ある地域はどんな取り組みをしているのか？ 「強い自治体」づくりの秘密に迫ります。

平成の２５年間で、日本人の「家族」のあり方はどう変わったか？詳細な統計データ、身の上相談、家裁事例などから、生活水準、世帯構成、親子関係、介護、児童虐待、結婚・離婚・再婚、出産、葬儀…家族をめぐるあらゆる変化を欧米とも比較しながら読み解き、平成の家族像を描き出す。

相次ぐ豪雨・台風による被害。 一気に世界中に拡大する感染症。 魚や水など、急速に身近になってきた食糧問題。 「うさんくさい」「きれいごと」だと思われてきた「地球全体の問題」について、 一般の人々も切実なテーマとして関心を寄せるようになりつつある。 企業も「規制があるから仕方なく対応」「環境問題に配慮しすぎると成長が止まる」 といった旧来型の発想からの転換を求められている。 本書は、いま世界でなにが問題視されているのか、 このままの状態が続くと近い将来世界がどうなるのかを、 一般層に向けてわかりやすく説明する。 取り上げるのは気候変動にともなう天災、食糧危機。 フードロスや、乱獲による水産資源の減少、そして「水リスク」。 コロナ問題で一気に他人ごとではなくなった感染症問題。 さらに途上国の工場をめぐる人権問題など、我々をとりまく課題について、 ひととおり理解ができるようにする。 一般ビジネスパーソンに向けて、先行する欧米企業がどのような動きをし、 投資家がどう見ているのかといった内容を紹介する。

◆チームや組織を変えたい「現場マネジャー」「人事担当者」必読！　◇「データと対話」で職場を変える、これからの組織開発の教科書！　◆鍵は「サーベイによる見える化」と「対話によるフィードバック」にあった！　◇本書を読めば、チームの雰囲気も成果も劇的に変わる！　近年、働き方改革の中で注目を浴びている「HRテック」「エンゲージメント調査」といった最新技術の数々。しかし、実際の現場ではこんな悩みを抱えていませんか？　・ただでさえ忙しいのに、アンケートばかりやらされてうんざり！　・データを見ても内容が難しくてわからない。これ、どう使えばいいんだ？　・最新のHRテックを導入したけど、現場に活かされていない……。そんな「コケてしまっているデータ活用」に翻弄されずに、職場のデータを活かして今いるチームや組織を変える技術、その名も「サーベイ・フィードバック」の手法を本書では解説する。「サーベイ・フィードバック」とは、（1）サーベイ（組織調査）によってチームや組織の状態を「見える化」し、（2）データが示す結果について対話を通じてフィードバックする技術のこと。ポイントは、データの扱い方はもちろんのこと、「どのようにデータを現場にフィードバックするか」を解説している点にある。図版とイラストを多用し、わかりやすい語り口なので、専門知識がなくてもスラスラ読める！　さらに「現場マネジャー向けのポイント」をまとめた項目や、「サーベイ・フィードバックの企業事例」も掲載。「勘と経験によるマネジメント」から抜け出し、「データを活かして組織を変える方法」がここにある！

データから価値を生み出すには、データをヒューマナイズせよ。 グッドデザイン賞金賞を受賞した経済産業省の地域経済分析システム「RESAS」のプロトタイピングなど、デザインイノベーションファームTakramで数々のデータ活用プロジェクトを主導する気鋭のデザインエンジニアが打ち立てる、人とデータをつなぐデザインアプローチ〈データデザイン〉の思想と手法。 データ利活用サービス／プロダクトづくりに携わるUX/UIデザイナー・エンジニア、自社のデータを用いた製品やサービスづくりに取り組む事業担当者、必読。データサービス構築における要諦と、全体設計プロセスが掴める一冊。

物的資産やアナログプロセスからデータを集める動きが活発化し、データ・ドリブン・エコノミーが到来しつつある。リアルデータが生産性を高めることで、ビジネスや社会はどう変わっていくのか。これからの時代に新たな価値を生み出す視点とは何か。東京大学教授の森川博之氏が事例を交えながら詳しく解説する。

高い金を払って新しい分析ソフトを入れたのに・・・ AIも導入したのに・・・・・ せっかくデータサイエンティストを雇ったのに・・・ ＤＸ推進部まで作ったのに・・・・ なぜ、組織が変わらず、ビジネスにも生かせないのか？ あなたの会社、勘違いしていませんか？ いまやどの企業でも、データドリブンで仕事を進める、組織を変えていくというのは大きな課題といっても過言ではない。データ基盤にも多くの投資。しかしそれで組織が変わり、ビジネスに役立っている企業はどれくらいあるだろう？　 社内外に何重にもそびえる壁をどのように乗り越え、あるいは壊して進んでいくのか？　 実際に変革を進めるキーパーソンたちに話を聞くことで見えてきたデータドリブン・カンパニーへの道。 著者は、かつて大阪ガス（株）ビジネスアナリシスセンターを率い、同センターを日本一有名なデータ分析組織につくりあげ「データサイエンティスト・オブ・ザ・イヤー」を受賞。現在は滋賀大学データサイエンス学部教授として、ビジネス・データサイエンティストを養成。 企業との連携も深い著者だからこそ生まれた日本企業の明日を照らすヒント満載の一冊。

「可視化」と「AI予測」が勝ち筋へ導く! アクセンチュアAI部門責任者による 実例ベースの組織変革方法 グローバル企業の経営幹部の84%が「AIの幅広い活用はビジネス戦略に不可欠である」と考えています。一方で「AI機能を本格的に備えた組織の構築を実現している」企業はわずか16%。この16%の企業は、その他の企業と比べてAI投資から3倍近い投資対効果を得ていることが明らかになりました。 AIを活用できる企業とそうでない企業との格差は広がる一方です。企業は適切な人材を集め、分野横断型のチームを組成し、組織全体で戦略的にデータとAIの活用に取り組まなければなりません。 データやAIの活用において日本は遅れているという声が聞こえてきます。遅れている所は遅れていると認識した上で、その弱点を補いつつ、他国と比べて優れている部分、潜在的に勝てる可能性がある領域をどう伸ばしていくべきかを解説します。

SAP導入企業のデータ活用基盤構築を永年専門に行っているコンサルティング企業が、データドリブン経営のあるべきについて語る。昨今、DXの進展とともに企業のデータ活用が急務とされるなか、システムを導入しても効果的な活用に至らず、その恩恵にあずかれていないケースがほとんどである。これらの多くは「システム導入ありき」の考えで始まり、そもそものビジョンがないがしろにされていることが原因であると考えられる。本来、データドリブン経営は企業変革であり、人や組織、ITシステム、資金などリソースを総合的に投下しないと実現できないものである。企業が目指すべきデータドリブン経営とはいかなるものか。その本質を探るべく、過去に手がけた管理会計システムや経営管理システムの案件を考察し「真のデータドリブン経営の方法論」を提示する１冊。

「もっとデータを活用して業績アップ」 「データドリブンで事業をもっと大きく」 このようにデータが重要といわれる現代では，一人一人がデータとの向き合い方を会得し，自分自身の意思と判断力を持つために「データリテラシー」を身に付けることが必要です。 データリテラシーとは，データ活用の意味から理解し，人間がデータとどう向き合うのかという視点で，どのような役割を担う人にとっても今必要なデータにまつわる知識です。データベースやSQL，難しいシステム，あるいはデータを可視化するデザインの話だけではありません。 本書は，著者が創設した「Tableauブートキャンプ」における師と弟子の対話を元に，8年間かけて会得したノウハウ・考え方をまとめあげた本です。 「データとはなにか」 「データを使ってどのように改善するのか」 「データを可視化して人々を動かすにはどうすればよいか」 これらの観点から，技術的な専門知識だけではない，データ活用の本質を考えます。

ジェフ・ベゾスも愛読！世界最強のマーケティング企業アマゾンも学ぶデータに基づくマーケティングの教科書。本書の提案する１５の指標を理解すれば、データに基づくマーケティングの意思決定が効果的に行える。データを活用して業績を伸ばしたい経営者・マーケティング幹部必読。

導入しようとする企業は多いものの、実現するのが難しいデータドリブンマーケティング。 なぜ、うまくいかないのか？ 社内の膨大なデータを扱いながら、複数の部署と連携する難しさはありますが、一番の原因は「つなげたデータを、どう活用するか」という目的意識があいまいだからです。 この課題をクリアできれば、データ連携の次の段階へと進み、データを活用したマーケティング施策の立案・改善、そして新規客／既存客の獲得へと自走できる、真のデータドリブンマーケティングの実現に近づくことができます。 著者は、B2C やB2B の高額商材を扱う、数々の大手企業をサポートしてきました。本書は、その経験をもとに、今まで明らかにされていなかったデータドリブンマーケティングのプロセスを仕組み化するノウハウをまとめたものです。それぞれのフェーズでなにをするべきか、７０以上の図版をまじえつつわかりやすくお伝えしていきます。本書を読み進めていただくことで、企業がデータドリブンマーケティングを成功するためのポイントが、自ずと明らかになる構成を意識しました。 本書のノウハウの中でも鍵となるのが、 ・顧客とコミュニケーションを行うためのツールである「コンテンツブリーフ」 ・各部署とのやりとりを円滑に行うためのツールである「バウンダリーオブジェクト」 の２つ。こういった実務的なフレームワークも多数掲載し「どうすればいいのかわからない」という悩みを解決する一冊です。

転換期にある日本の農業は、ポスト・コロナ時代にどう変わるのか？　作って農協に卸すだけの従前のシステムが崩壊し、生産・収穫の現場から流通・販売に至るまで、徹底的にデータを取り、活用する「データ農業」の時代が到来しつつある。日本の５～６倍のトマト収量(単位面積あたり)を誇るオランダは、ハウス内のセンサーで温度、湿度、日射量など、作物の成長に関わるデータを収集・分析し、施設内の環境をコンピューターで一括制御する。AI、ロボットなど最先端の技術を用いつつ、生産だけでなく、加工や流通、販売を含めたサプライチェーンまでデータを徹底的に活用する先鋭的な農業の現場を取材する。北海道をはじめ、日本各地でデータを活用したシステム構築に挑む農家、法人、研究機関を訪ね、ポスト・コロナの日本を牽引する「データ農業」の未来を探る。

2019年度、新聞協会賞受賞。 石油の世紀だった20世紀から、21世紀はデータの世紀になった。 ヒト・モノ・カネが生み出すデータ資源はかけ算の原理で増え続け、企業や国、そして世界の秩序を変え始めた。 膨大なデータは成長の原動力になる反面、人の行動を支配するリスクも抱えている。 かつての産業革命に匹敵するイノベーションが、我々にも変革を迫る。 歴史は繰り返す。データの世紀が問いかけるのは、産業構造の転換や企業間の攻防にとどまらない。 データが主導する新たな経済「データエコノミー」の最前線を追う日本経済新聞の大型連載「データの世紀」の新聞協会賞受賞を機に、同連載の取材班が加筆、再構成して緊急出版!

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ◆誰でもはじめられる「関係性」活用の第一歩◆ 　ネットワークデータは、点と点の「つながり」によって表現されるデータです。決して特別なデータではなく、私たちの日常生活のさまざまな場面に存在しています。たとえば、SNSのフォロー関係やWebページ間のリンクのような明らかにネットワーク構造を持つデータだけでなく、ECサイトの購買履歴や株式市場の取引といった、一見ネットワークとは無関係に思えるデータにも、つながりの構造を見出すことができます。この「つながり」を活用することで、これまで見えなかったデータの新しい特徴を引き出すことが可能になります。 　近年では、計算機リソースの向上や新しいアルゴリズムの登場により、ネットワークデータの実用化が急速に進んでいます。本書では、各手法について平易な言葉で解説することを目指すだけでなく、Pythonを用いたコード例を通じて、データの取り扱いから特徴抽出、さらにNode EmbeddingやGNNといった機械学習手法への応用までを実践的に紹介します。 　また、単なる技術の羅列ではなく、身近なデータからネットワーク構造をどのように見出し、意味付けし、課題解決に結びつけるかという思考プロセスや応用事例にも重点を置いています。具体例としては、SNSのフォロー関係やWebページのリンクといった典型的なネットワークデータはもちろん、ECサイトの購買履歴やビジネス文書、さらにはレシートといった、通常「表形式」で扱われるデータに隠れた「つながり」を抽出・活用する手法を丁寧に解説します。 ■こんな方におすすめ ・ネットワーク分析を学びたい方、データから新しい知見を見つけたい方 ■目次 ●1章 ネットワークデータの基礎 ・1.1 ネットワークとは ・1.2 さまざまなネットワーク ・1.3 ネットワークデータの表現方法 ●2章 ネットワークデータの発見・観測・構築 ・2.1 分析前の確認事項 ・2.2 ネットワークを発見する ・2.3 ネットワークデータを観測・入手する ・2.4 ネットワークのデータ形式 ・2.5 ネットワークデータのハンドリング ●3章 ネットワークの性質を知る ・3.1 どのようなノードか ・3.2 2つのノードはどのような関係にあるか ・3.3 どのようなネットワークか ・3.4 NetworkXを用いてネットワークの特徴を知る ●4章 ネットワークの機械学習タスク ・4.1 ネットワークを対象とした機械学習タスクの整理 ・4.2 ノードを対象とした機械学習タスク ・4.3 エッジを対象にした教師あり学習 ・4.4 ネットワーク構造を対象とした機械学習タスク ●5章 ノード埋め込み ・5.1 表データを対象とした機械学習の復習 ・5.2 単語埋め込み ・5.3 ノード埋め込み ・5.4 ノード埋め込みの実装 ●6章 グラフニューラルネットワーク ・6.1 深層学習の発展と構造データの扱い ・6.2 GNNのフレームワーク ・6.3 グラフ畳み込みネットワーク ・6.4 GraphSAGE ・6.5 GATフィルタ ・6.6 Relational GCN ・6.7 GNNの実装 ●7章 さまざまな分野における実例 ・7.1 自然言語処理におけるネットワーク分析 ・7.2 金融分野におけるネットワーク分析 ・7.3 労働市場におけるネットワーク分析 ・7.4 情報推薦におけるネットワーク分析 ・7.5 ネットワーク科学とソーシャルネットワークの分析 ・7.6 生物学におけるネットワーク分析 ■著者プロフィール ●黒木 裕鷹（くろき ゆたか）：2020年東京理科大学大学院工学研究科修士課程修了。同年よりSansan株式会社に入社し、現在は企業データのドメイン横断での分析・利用や、実験的な機能の開発に従事。2018年度統計関連学会連合大会 優秀報告賞、2022年度人工知能学会金融情報学研究会 (SIG-FIN) 優秀論文賞 などを受賞。大阪公立大学 客員研究員。 ●保坂 大樹（ほさか たいじゅ）：2020年に早稲田大学で工学修士号を取得し、Sansan株式会社に入社。入社後は帳票の解析技術の研究開発および運用に取り組む。現在は同社のSaaS事業においてプロダクトマネジメントを行う一方で、帳票解析チームのリーダーとしてプロジェクトマネジメントも担当する。単語の意味や主体の持つ特性が単語埋め込みやノード埋め込みで得られる数値表現にどのように反映されるかに強い関心をもつ。

巷にはデータが溢れている。「視聴率」「内閣支持率」「経済波及効果」「都道府県ランキング」等々…新聞、テレビ、雑誌に何らかのデータが掲載されていないことはまず無い。そして私たちは、これらのデータからさまざまな影響を受けている。しかし、肝心のそのデータにどれほどの客観性があるのだろうか。実は、かなり危ういデータが跋扈しているのである。本書は、さまざまなデータを検証することで、データの罠を見抜き、それらに振り回されない“正しい”情報の読み取り方―データリテラシーを提案する。【目次】序章　巷に氾濫する危ういデータ/第一章　世論調査はセロンの鏡か？/第二章　調査をチョーサする/第三章　偽装されたデータ？/第四章　「官から民へ」を検証する/終章　データの罠を見抜くためには/あとがき

アメリカの失業率は実質ゼロ％？　毎朝１ポットのコーヒーを飲めば長生きするが、一日２杯のコーヒーは発がん率を高める？　様々な事例をもとに、各種データから巧妙に導き出されるトリックを明かし、騙されないための極意を伝授。ビッグデータ時代の必須教養

★数値化スキルはデータ活用への第一歩 ★数字に強くなりたい人、必読の超入門書 本書は、以下のような方々に向けて書いています。 ・数字の必要性は理解しているし、気になっている。 ・データ分析はやらなきゃいけないとわかっているが、苦手意識・アレルギー反応がある。 ・何度かデータ分析の関連書籍を手に取ったが、小難しくて挫折した。 データ分析をテーマした本はなかなか読む気にはなれませんよね。でも、この本なら大丈夫です。読者が苦手意識をもっていることを想定し、「わからない」を生まないように配慮しています。それでいて、ビジネス経験者にとってすぐに役立つ内容になっていますので、必ずや最後まで読めると思います。 データ分析は奥が深く、複雑な手法を使えば劇的な成果を出すことも可能ですが、ビジネスの日常ではそんな手法を使わずとも十分に効果を得ることは可能です。嫌いにさえならなければ、いろいろな場面で数値化技術が使え、使えば使うほど苦にならなくなっていきます。 本書が目指すのは、「これでいいんだ」「使える。効果が実感できる」という成功体験を積み重ねることです。ここさえクリアできれば、数値化・データ分析は、気が付けばあなたのスキルになっているはずです。「データ分析は苦手」と感じている人にこそ、手に取ってもらいたい、数値化スキル基本中の基本の書です。

いまさら？　いまだからこそ、DFDが求められている！ 本書は、システムや課題をデータフローダイアグラム（DFD）でモデル化する手法を学ぶ書籍です。DFDは、システムの設計やドキュメント化の際に使われるモデル化の技法の一つです。システム内のデータの流れを視覚的に表現することで、以下のようなメリットがあります。 ・システム全体の構造や機能を把握しやすい ・データの流れや入出力の内容が一目でわかる ・システム内の潜在的な脆弱性やセキュリティリスクを見つけやすい 忘れさられつつある技術と言えますが、複雑化する現代のシステムやデータベースを誰にとってもわかりやすくする色褪せない力がDFDにはあります。システム要件・設計の表記手法として歴史あるものに、再度光を当てることを試みるものです。 ■本書の特徴 ・豊富なモデル化のサンプル システム構築にとどまらないDFDの活用方法を豊富な事例で紹介します。 ・発展的なモデル化手法を紹介 SQLやセキュリティ分野でのDFDの活用方法も紹介しています。また、オブジェクト指向設計への展開方法も解説します。 ・普遍的な知識を解説 DFDは1970年代に生まれた古典的な技法ですが、今なお色褪せずに利用できます。10年使える知識として身につくように、本質的な解説を心がけました。 ■章立て 第1章　データフローダイアグラム（DFD）とは 第2章　DFDの描き進め方の基本 第3章　ユーザーの要望を理解し、モデルを作成する 第4章　DFDでの表現事例 第5章　特定テーマにDFDを活用する ※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。

未来予測プログラム「フューチャー・アジェンダ」の創設者が、世界39都市で開催したワークショップの成果を公開！　高齢化、雇用格差、AIの普及、シェアリングエコノミー、「アジアの世紀」の始まり……地球規模で起きている／これから起きることのすべて

いくらデータ収集のシステムや優秀なＡＩの専門家を入れても、それだけではビジネスには勝てない。国内のデータサイエンティストとして草分け的存在であり、大阪ガスのデータ分析専門組織を率いた筆者。現在は滋賀大学データサイエンス学部で教鞭をとり、約２５年かけてたどり着いたデータドリブン思考の重要性を示す

「サービスのデザインはログのデザインから。」良いサービスを作り上げるには，ログデータを収集し，改善を続けるシステムの構築が必要です。本書は，ログデータを効率的に収集するFluentdをはじめ，データストアとして注目を集めているElasticsearch，可視化ツールのKibanaを解説します。本書を通して，ログ収集，データストア，可視化の役割を理解しながらデータ分析基盤を構築できます。2014年に刊行した「サーバ／インフラエンジニア養成読本ログ収集　可視化編」の記事をもとに最新の内容に加筆しています。

【その分析、もう失敗しているかも……　失敗を回避し、成功に近づくためのガイド】 本書は、第一線で活躍するデータサイエンティストたちが経験した、データ分析プロジェクトの「失敗」をもとに再構成された25の事例が収録されている。これらの臨場感あふれる事例から、データの活用に関わる人たちが、失敗を避けるために何をしてはならないのか、について学びとることができる。プロジェクトの失敗の予兆となる致命的な要因を察知し、失敗に至る「毒薬」を飲まないように注意するための知見が本書には随所に含まれている。 データの活用に関わる分析者、そして、分析を依頼する立場となる経営者や企画部、マーケティング部に所属する方々に送る、失敗から学び、成功への道筋を描くための必読書――失敗は成功の母である！

「データ分析」はビジネスの基本スキル 文系・理系は関係ない 　「データ分析はデータサイエンティストの仕事」というのは、もはや古い考え方です。最近では「ビジネストランスレーター」という役割も重要視されています。「データサイエンティスト」でなければできない高度な分析はありますが、ビジネスで役立てるには、必ずしも高度な分析は必要ありません。しかも、最近ではGUIを備えた「データ分析ツール」が充実し、プログラミングなどできなくてもデータ分析は可能です。 　だからといって、「ツールさえあれば、誰もがビジネスで役立つデータ分析ができる」というわけではありません。AI技術を活用し、データさえあれば自動で高度な分析をしてくれるツールもありますが、やみくもに使うとトラブルを起こしかねません。 　データ分析を“うまく”進めるには、身に付けないといけない方法論があります。本書では、著者らが成功と失敗を繰り返して見つけ出した独自の「５Ｄフレームワーク」という方法論を解説しています。いくら高度なデータ分析手法をマスターしたとしても、本書で説明しているような方法論を知らなければ、ビジネスで役立たせることはできません。 　本書を読むのに、データ分析の前知識は必要ありません。文系も理系も関係ありません。「データ分析はビジネスパーソンの基本スキル」となるのはもうすぐそこまで来ていると思います。「データ分析人材になる。」との決意を持って本書を読めば、ビジネスで役立つデータ分析の進め方が分かります。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 モダン・データサイエンスを用いて売上を伸ばしたり業務の効率化を行いコスト削減を実現するAIドリブン企業こそ、今後の企業経営を支えます。本書は、シリコンバレーでデータ解析の現場とチーム運営のベストプラクティスを体験した著者が、組織がデータ解析に取り組む際の注意点やデータ分析チームの作り方をわかりやすく解説します。大企業だけでなく、中小企業やスタートアップでも活用可能です。リブセンスなど日米の成功事例も掲載！

統計学がわからなくても大丈夫！　安価に大量のデータにアクセスできるビッグデータ時代を味方につけ、文系ビジネスパーソンがビジネスで使えるデータの整理・分析プロセスを全公開。身近な事例を使ってビジネスヒントを掘り起こす手法を伝授します！

会社で利用するデータは、売上、在庫、顧客など様々ありますが、残念ながらほとんどの場合、活用されているのは表面的な部分だけです。業績を伸ばすための糸口としてデータ分析を活用するのであれば、データを見る目を養う必要があります。それは「データが示す過去の事実を把握し、そこから正しい仮説を導き出す」ということです。 正しい仮説を導くことができれば、個人、会社として正しい戦略を選択できるようになります。 この本では、業績アップにつながる仮説の精度を上げるために、「売上を増やす」「コストを減らす」「在庫を最適化する」「利益を管理する」という４つの視点で、どのデータを、どういう視点で見るべきかを解説しています。また巻末に付録として、誰でも簡単にこの本に掲載しているデータ分析を活用できるようにExcelの使い方を掲載しました。

「データ分析ブーム」がもたらしたのは、怪しい“分析らしきもの”と、それに基づいた誤解や偏見……。本書では、「問題」「解説」を通して、データ分析の失敗例を紹介しながら、データを正しく読み解くための実践的な視点や方法、また、思考に役立つ基礎的な知識やコツを紹介していく。誤った分析をしないため、騙されないための、基本的・実践的な読解と思考の方法とは――。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 データ分析のための手法は、統計学の考え方に基づいています。だから、本格的なデータ分析に取り組むためには、統計学の知識と考え方を身に着けることが不可欠。にも関わらず、既存の統計学の本は「数学的な記述ばかりの難解な専門書」もしくは「広く浅くの超入門書」ばかりで、「データ分析の前提となる統計学」を本格的に学ぶには厳しい状況だと言わざるを得ません。対して本書は、データ分析には必須な仮説検定から統計モデリング、さらに因果推論、ベイズ統計、機械学習、数理モデルまで幅広いトピックを網羅的に扱っています。 記述については最大限にわかりやすく、数学的な説明をできるだけ減らし、図を多用することで、数学に自信のない読者の方でも読み通せるように工夫しました。統計学に苦手意識・不安のある方、文系の方やこれからデータサイエンスを本格的に始めてみたい方、生物学・医学・心理学などの研究分野でデータ分析が必須の学生の方など、統計学をきちんと学びたい全ての方に向けた一冊です。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 本書では「認知バイアス」「社会的バイアス」「統計的バイアス」といった概念についての基本知識、および対処法についての知識こそ分析者に必須であると考え、この中でも最も根源的なバイアスといえる認知バイアスを軸に解説します。 ところが、既存の認知バイアスに関する書籍は「社会人全般向け」の視点で書かれているものばかりで、分析者のバイブルになるようなものは見当たりません。なぜ分析者にとってのバイブルになり得ないのかというと、200種類近く存在すると言われる認知バイアスの中の何が原因で、分析にどんな不都合な結果を生じさせるかの具体的な説明が提示されていないからです。 本書では「分析者のためのバイアス」としての知識を、新たな教養として「分析バイアス学」と名づけました。データ分析者必読の全く新しい教科書です。ついつい、偏った分析的判断に向かってしまう。そんな悩みを抱えている方は、是非とも本書をお読みください！

最適なデータを駆使し、ビジネスで成果を上げるための実用書。 顧客別DMや見込み客の見極めなど「顧客との関係性の視点」、高付加価値商品リストやセットメニューなど「製品からの視点」、利益最大化を実現するセールスミックスなど「財務の視点」といった具体的事例で、制度の高い、アクション(意思決定)につながる分析法を解説。

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。

【注目!「文系人間」は心して読んでください。】 チンプンカンプンだった統計学の 「文系のための翻訳書」ついに発刊。 ビッグデータだ、データサイエンスだと騒がれる昨今。 数字やデータを使いこなすためにまずは統計学とやらを 学んでみよう!と入門書を手にとってみるも、 数学的な難しさから門前払いされてしまう……。 本書はそんな方々のために書かれた 言わば「統計学の翻訳書」です。 ・統計学ってそもそも何? ・便利そうというのはわかるけど、どう役立つの? ・世の中にあるデータってどのくらい信用できるの? といったことから始まり、母集団の割合の推定や重回帰分析まで、 わかりやすくていねいに解説。 数字が苦手な「文系人間」を自負する方々はもちろん、 統計学の初学者や独学で挫折してしまった方、 過去に学んだものの実は理解に不安が残る方にもおすすめです。 ・・・ 下記URLにて、書籍内で使用したデータのエクセルファイルを ダウンロードできます。エクセルでの重回帰分析の体験などに ご活用ください。 https://kanki-pub.co.jp/pages/bunkeitoukei/

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ディープラーニング、TensorFlow、scikit-learn、Hadoop、リアルタイム集計……。 いま、エンジニアに欠かせない、最新技術のエッセンス。 いまの人工知能を支えているものは、データ、計算環境、アルゴリズム、プログラムです。膨大なデータが手に入らなければ、人工知能は作り出せません。そして、膨大なデータを処理する計算環境、アルゴリズム、プログラムがなければ、人工知能は作り出せません。 本書では、具体的なデータ分析事例を交えながら、機械学習理論から実行環境の紹介、Pythonプログラミング、ディープラーニングまでを解説します。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 本書では、さまざまなモデリング手法の基礎的な部分を解説するだけでなく、それらをどのように選択して使用すればよいか、そしてモデリングによって得られる結論について初学者が勘違いしやすい事項について丁寧に解説しています。 主な読者層は、「これからデータ分析を始める」、或いは「ある種の分析で結果を出すことはできるが、それが何をやっていることになるのかがモヤモヤする」といった初学者・初級者です。 通常データ分析の文脈では言及されない（しかし重要な）種々の数理手法についても解説することで、ある程度モデリングに慣れた読者が読んでも楽しめる内容を目指しました。

〈電子書籍版に関する注意事項〉 本書は固定レイアウト型の電子書籍です。 【データを使いこなせない人は、もう生き残れない！】 データ分析に初めて触れる“フツーの”ビジネスパーソンに向けた入門書。 すべてのビジネスパーソンがITリテラシーを向上させ、データを利活用する術を身につけなければ、生き残れない時代が到来します。 本書は、著者ならではのユーモラスな語り口でデータ分析の必要性を説きながら、Excelを使った初歩的な実践を通して、不変的なデータ分析の基本や考え方、ビジネスで生かせるノウハウを伝えるものです。4章構成で、データ分析を取り巻く現状にはじまり、データ分析を身につける上でおすすめの学習方法、実際にExcelのサンプルデータを分析しながら会社で活用する方法まで幅広く解説しました。解説内容は、数学、統計、プログラミングを使わずに、ビギナーの方が挫折しないよう、わかりやすいものになっています。 本書では、これからの時代に目指すべき理想像として、ビジネススキルとデータ分析スキルを兼ね備えた「勇者型データ分析人材」を提唱しています。新たな理想を実現する勇者型データ分析人材への第一歩として、本書が入り口となるはずです！ 〈こんな方にオススメ〉 ○専門的ではないデータ分析の入門書をお探しの方 ○仕事でデータを活用したいが、何から始めればいいかわからない方 ○プログラミングや数学はわからないがデータ分析に興味がある方 〈本書の内容〉 ■PART1　GUIDANCE［導入］：なぜ、データ分析は重要か? ■PART2　STUDY［学習］：データ分析を学ぶ ■PART3　PRACTICE［実践］：データ分析を実践する ■PART4　ACTION［実行］：データ分析で会社が変わる 〈本書の特長〉 ○基本知識に加え、Excelを使った基本的な実践が解説されている ○データ分析を会社に浸透させるための具体策を伝える ○様々な学習法やステップアップの道程も示されている

本書では「広告が売り上げに影響したのか？」「ある政策を行ったことが本当に良い影響をもたらしたのか？」といった、因果関係分析に焦点を当てたデータ分析の入門を展開していきます。なぜ因果関係に焦点を当てるかというと、因果関係を見極めることは、ビジネスや政策における様々な現場で非常に重要となるためです。また、この「因果関係の考え方」について、数式を使わず、具体例とビジュアルな描写を用いて解説していきます。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 データ分析プロジェクトの最前線で大手から中小までの現場を知る執筆陣だからこそ書ける問題解決の思考方法のエッセンスが凝縮。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 「実践」という観点から、Pythonを用いて様々なテーマの問題解決を行うための手法を解説するシリーズ。 　第一弾である本書は、Pythonのデータ分析ライブラリーと最適化ライブラリーを組み合わせることで、シンプルでわかりやすい最適化モデルの作成方法を学ぶことを目的とする。サンプルプログラムをダウンロードし、実際に手を動かしながら学べる。Pythonで最適化モデルを構築する読者には必読の書。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ------------------------ 特典付きキャンペーン実施中! ! 本書(紙版、電子版とも)をご購入いただいた方に、特典PDFをプレゼントするキャンペーン実施中です! ●特典PDF内容 シェアOK！　図解・イラスト集 ●キャンペーンの申し込み方法についてはこちら。 book.mynavi.jp/pcbook/blog/detail/id=130870 ------------------------ ●著者「はじめに」より この本は、数式もプログラミング言語も一切出てこないデータ分析の書籍です。どうすればデータ分析を通じて価値ある意思決定を下せるかに焦点を当て、仮説の作り方、問題の解き方を授業のように解説し、書籍を読み終えた後に「自分もできそう！」と感じていただくことを目指しています。 データサイエンティストとして何度と失敗してきたわたしの経験から、このようなプロセスでデータ分析に取り組めば大きく失敗することは無い、データ分析は仮説が重要で観察力と洞察力が欠かせないといった話を盛り込んでいます。 「分析力」を身に付けてもらうことに主眼を置いているので、本書を読んでもコーディングが上手くなるわけではありません。しかし、問題との向き合い方は少なからず変わるはずです。 また、本書を1回読んだだけで劇的に「データ分析」が上手くなるとも言い切れません。何事も理論と実践のバランスが重要です。本書は理論がメインであり、ぜひ実践を通じて「書籍に書かれていたあの話は、こういうことだったのか！」と新たな気付きを得て欲しいと思います。気付きを通じて、より上手くなるはずです。 本書で語られるのは、解決すべき課題を問題として解像度高くとらえ、仮説を構築し、データを収集し、仮説を証明して結論を出し、意思決定につなげる、という一連のプロセスの解説です。 データ分析力を育てる教室の開講です！

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 本書は『Software Design』のデータベースに関連する特集記事を再収録した書籍です。 プロダクトに依存しないデータモデリングの基本をはじめ，基本命令文はもちろん，複雑な集計を行うSQLの書き方，MySQLを扱う際に必須となるデータ型／インデックス／トランザクション／デッドロック／レプリケーションの5大基本機能を解説しています。 さらに，AWSの人気データサービスであるAmazon RDSとAmazon DynamoDBの使い分けポイントも紹介。 現場ですぐに役立つデータベースの知識が身に付きます。

データベースの基礎知識と、設計・操作するための使い方を１冊でわかりやすく解説します。本書のテーマは、コンピュータ・システムで重要な役割を果たしている「データベース」です。その基礎知識をイチから説明したうえで、データベースの設計で使われるE-R図と、データベースの実装で使われるSQLを詳しく説明します。Pythonを使って、データベースを利用するプログラムの作り方も示します。これらを知れば、データベースの仕組みが具体的にわかるだけでなく、その作り方も具体的にわかります。

今やプロ野球の現場では、あらゆることがデータで分析されている。選手の評価軸も変わり、打率や打点、投手の勝利数といった従来型の指標は、ＭＬＢではもはや重視されていない。野球は、従来とは違うスポーツに進化したのだ。こうした「データ・ボール革命」の担い手となったのがアナリストたちだ。プロ野球の現場の隅々にまで入り込んだ彼らによって、野球はどう変わってきたのか。その深層をレポートする。

本書は生成AIの活用を視野に入れたデータマネジメントの仕組みをつくるための教科書です。データ活用は経営者の号令、IT部門のデータ基盤整備、現場の業務担当者のデータ入力だけでは不十分です。データ活用とは、立場も役割も異なる人々が、同じ目標に向かって協力し合う「One Team」で実現する総力戦に他なりません。本書は、この三者の溝を埋めOne Teamとして機能するための「仕組みづくり」を解説します。データ活用の主役である三者がそれぞれの立場からなぜデータマネジメントに取り組むべきなのか、データマネジメントを仕組み化する「データ活用プロセス管理」「データアーキテクチャー管理」「マスターデータ管理」「データセキュリティー管理」「データ品質管理」「メタデータ管理」「データガバナンス」で何を実践すればいいのか、AI時代を見据えてこれからのデータマネジメントがどう進化していくのか――。具体的に示します。

■「データマネタイゼーション」（Data Monetization）とは、「データで稼ぐ」こと。企業や組織がデータを単にためこむのではなく、社外に販売して収入を得たり、自社の経営改善に活用したりすることで、新たな価値の創造につながる取り組みを指す。多様な企業規模や業態で広がるビジネスチャンスの最新潮流と事例を紹介。 ■あなたの会社や組織には、存在があまり知られないまま保管・蓄積され続けているデータがないだろうか。顧客との取引記録や従業員に関する情報、製造設備の検査結果、マーケティングの効果測定――あらゆるモノがネットにつながるIoT機器が生み出す大量のデータなども加わり、企業が蓄積するデータは今この瞬間も増え続けている。これら「埋もれたデータ」を掘り起こして新たな加工や分析を加えることで、新たな企業の「資産」として課題解決や成長に結びつけることはできないか。基本的な考え方から最新動向まで解説する。

【欠けているピースは「データモデリング」だった。】 本書のテーマは「データモデリング」と「基幹系システム」です。 Web上で台頭しつつある新たなビジネスは、新たな基幹系システムを必要としています。一方、既成ビジネスでは、モノリシックで硬直的な基幹系システムをしなやかな姿に変えていく必要があります。 基幹系システムの中核には「構造化されたビジネス記録」＝「帳簿」があります。そのデザイン、つまりデータモデリングがいずれの取り組みにおいてもカギですが、データモデリングが真価を発揮するには、その知識体系を現代的に仕立て直す必要があります。 本書では、「活動のシステム」と「経営管理のシステム」という線引きを導入し、2つの領域で異なる帳簿特性を踏まえて、分散／非同期／疎結合な基幹系システムのための実践的データモデルを詳説します。さらには、データモデル理論の基礎にも新たな光をあてて、論理削除、テーブル分割、履歴管理といった共通論点に解決の糸口を提供し、支持を得ているドメイン駆動設計との関係性を探究します。 ■こんな方におすすめ ・業務システム・基幹系システムのエンジニア、プログラマー ・業務寄りの専門知識はなくとも2～3年程度の実務経験をもち、より幅広いシステム開発に関わりたいと考えている方 ・ドメイン駆動設計やマイクロサービスなどに取り組んでいるが、既存の情報だけでは不十分と感じている方 ■目次 ●第1部 基幹系システムとデータモデルの現在的意義 第1章 基幹系システムとデータモデリング──新たなビジネス、新たな帳簿デザイン 第2章 基幹系システムの構造──活動のシステムと経営管理のシステム 第3章 基幹系システム設計のアプローチ──帳簿のデザインとデータモデリング ●第2部 データモデリングの実践 第4章 活動のシステム（SoA）──残概念に基づく業務・帳簿の分割 第5章 経営管理のシステム（SoM）──多次元、バージョン、ビジネス・ルール 第6章 会計から生まれ、会計に回帰する──SoAとSoMの分離、帳簿の純化と進化 第7章 ソフトウェア設計とデータモデル──用途から道具への転換 ●第3部 分散／非同期／疎結合の基幹系システムへ 第8章 帳簿の分割と結果整合性──分散／疎結合な基幹系システム 第9章 マスターの共有──エンティティとロール方式 第10章 SoMとSoAの疎結合化──変わるものと、変わらぬもの ●第4部 モデリングのファウンデーション 第11章 データモデリングの基礎理論──図的記法とメタモデル 第12章 偶有的複雑性に対処する──論理削除、テーブル分割、時系列データほか 第13章 概念／論理／物理データモデル──ただひとつのデータモデル 第14章 データモデルとドメインモデル──ドメイン駆動設計への共感と批判 終章 ドメインを駆動する設計 付録 主キー値集合を用いたリレーショナルモデル ■著者プロフィール 杉本啓：株式会社フュージョンズ代表取締役 CEO。プログラマー。コンサルティング会社アーサー・アンダーセン（現アクセンチュア/PwC）にて、生産管理、会計およびそれらの周辺領域で、システム開発／業務改革プロジェクト多数を推進。連結会計パッケージソフトウェアの開発責任者を務める。独立して経営管理クラウドfusion_placeを開発。事業展開のためフュージョンズを創業。フュージョンズ：https://fusions.co.jp/　X（旧Twitter）：@sugimoto_kei

●今こそデータの力で、日本の「停滞と分断」を乗り越えよ！　●新しい民主主義の形をつくる「データ共鳴社会」のグランドデザイン　昨今データを活用した社会の在り方が各所で議論されているが、中央集権的なディストピアの到来を危惧するなど、不安の声も根強い。しかし、LINE×厚生労働省「新型コロナ対策のための全国調査」などに携わり、データサイエンティストとして科学を駆使した社会変革に挑む著者は、データは「価値＝貨幣」というこれまでの大前提を覆し、多様な価値が交換可能になる「産業革命以来の大変化」をもたらすと言う。したがってむしろデータは、人々を経済合理性至上主義から解放し、多種多様な価値観が共存する「新たな民主主義の礎」を築くと語る。そこで本書では、この「データ共鳴社会」の未来図について、様々な事例をもとに解説。読めば、ポスト資本主義における、データ社会のグランドデザインが見えてくる！

地球環境やエネルギー問題，男女賃金格差，少子高齢化，外国人受け入れ，子育てや女性の社会進出，金融リテラシーなど，社会の様々な課題を考えるための資料やデータを読み解くスキルをテーマごとにわかりやすく解説します．誤った情報に踊らされず自ら考えて判断するため基礎的な情報活用能力を身に付けよう．

内閣支持率の世論調査 「朝日新聞」調査）支持率38％、不支持率42％ 「産経新聞」調査）支持率34.7％、不支持率56.1％ どうしてこうなる！？ 調査１）回答者1万人　死刑制度廃止に賛成70％　 調査２）回答者600人　死刑制度廃止に反対70％ どっちを信じる！？ 市場調査、過剰広告、動員アンケート、世界大学ランキング……巷にあふれる情報に騙されるな！ 「内閣支持率○○%」「顧客満足度No.1」「○○人に○人が利用」「○○ランキング第一位」……。現代人は膨大な情報に囲まれ、日々アンケート結果やランキングの数字を目にしている。しかし、そこには統計や調査手法の罠があり、真に受けると誤解するものだらけなうえ、ネット社会ではウソの言説が独り歩きしがちだ。ニュースや広告、キャンペーンなど、世の中に流布する「データに基づく話」には、どんな誤りがあるのか。実例を挙げてデータの裏にある問題点を解説し、騙されない方法を伝える。無意識にデータを過信し、「思い込み」で社会を見ないようにするための処方箋。 【目次】 まえがき 第一章　「ネット・アンケート」に潜むウソ 第二章　すべての「ランキング」は参考値 第三章　「うまい話」には裏がある 第四章　データ・リテラシーを鍛える あとがき 参考文献

「IoT（インターネット・オブ・シングズ）を導入してみたが、見るべき成果が出ない」「AI（人工知能）を活用したいが、何に使ってよいのか見当がつかない」。そんな悩みを抱える経営者やIT担当者が増えています。 　本書は悩みにDX（デジタルトランスフォーメーション）の第一人者がずばり答える待望の一冊。AIやIoTといった手段に惑わされず、経営上の目的の実現に向けデータを活用する「データレバレッジ」の発想を学びましょう。 　データレバレッジは、経営意志の達成や経営課題の解決に向けた取り組みをデータ収集・分析により加速させる方法論。経営視点で何のために、どんなデータを、どこで活用するのかを整理し、そのうえでAIやIoTなどの適切なツールを活用する。これにより従来の場当たり的な施策と違い大きな成果が得られるはずです。 　本書では、ビジネスで必要となるデータの本質や、データレバレッジの方法論の体系に加えて、すぐに実践できる具体的なアクションも詳しく解説しました。さらに基幹系などレガシーシステムからデータを解放して活用するための施策などにも言及しています。 　膨大なデータの活用により猛威を振るうGAFA（グーグル、アップル、フェイスブック、アマゾン）の強みや事業戦略を分析し、日本企業の戦い方についても豊富な事例を基に解説しました。 　データレバレッジはDXを推進するためにも、強力な武器となります。前著の『デジタルトランスフォーメーション』『デジタルトランスフォーメーションの実際』と併せてお読みになれば、DXとデータ活用への知見をさらに深めることができるでしょう。

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ExcelやGoogleスプレッドーシート、APIなどを使ってクローラーをプログラミングし、簡単な操作で効率的にデータを集める手法を解説していきます。 企業情報、株価情報、Amazonの新刊情報、商品の口コミデータ、Google検索、Twitterのエゴサーチ、iTunes/Google Playのアプリランキングなど、さまざまな役立つデータを収集する方法を、実例と手順でしっかり、優しく解説していきます。

営業から属人性を排除する―― セールスDXをベースにした 組織の成果直結型の営業スタイルに生まれ変わるための方法 先進国（G7）の中でも、過去50年間 最も低いとされている日本企業の営業生産性。 従来の、個々人の成果が可視化できない旧体制の営業スタイルから データをフルに利活用し、ひとつの戦略の下で有機的にチームが動くことで、 成果を最大化し、持続させる。 近年注目される「セールス・イネーブルメント」とは何か。 これから導入したいと考えている皆さまへ、 企業の大小を問わず、セールス・イネーブルメント推進の 具体的な方法を、用語解説を含め平易に解説した決定版・教科書。 現在、セールス・イネーブルメント推進の第一線で活躍する 株式会社ナレッジワーク　麻野耕司氏 株式会社R-Square&Company　山下貴宏氏 TORiX 株式会社　高橋浩一氏 EY ストラテジー・アンド・コンサルティング株式会社　千葉友範氏 への特別インタビューも掲載！ 【目次】 【目次】 はじめに 第1部　セールス・イネーブルメントとは何か CHAPTER1 セールス・イネーブルメントとは？ CHAPTER2 セールス・イネーブルメントはなぜ注目されている？ CHAPTER3 NTT コミュニケーションズにおける導入と運用 CHAPTER4 セールス・イネーブルメントの基本エッセンス 第2部　セールス・イネーブルメント導入の壁と処方箋 CHAPTER1 セールス・イネーブルメントが浸透しない理由 CHAPTER2 セールスDX 実現のための３段階 CHAPTER3 日本におけるセールス・イネーブルメントの４つの壁 第3部　セールス・イネーブルメントの実装手段 CHAPTER1 セールス・イネーブルメントのリソース配置 CHAPTER2 エッセンス１：データ収集 CHAPTER3 エッセンス２：ナレッジ化と戦略策定 CHAPTER4 エッセンス３：ナレッジマネジメント CHAPTER5 エッセンス４：トレーニング CHAPTER6 エッセンス５：インサイト CHAPTER7 エッセンス＋１：カルチャー 第4部　目指すべき営業スタイル EXPERT INTERVIEW1　株式会社ナレッジワーク　麻野耕司 EXPERT INTERVIEW2　株式会社R-Square&Company　山下貴宏 EXPERT INTERVIEW3　TORiX 株式会社　高橋浩一 EXPERT INTERVIEW4　EY ストラテジー・アンド・コンサルティング株式会社　千葉友範 おわりに 謝辞

間違わないデータ分析に必要とされる、統計の数学的知識を、数式を使わずに、グラフ図と日常的な例などで概説した読み物。例に挙げられている題材は、米国大統領選挙、肥満の定義、ＮＢＡのシュートランキング、失業率、くじの当選確率など。 解説は、統計の処理に使われる数学の知識を、「なぜそういう概念が必要なのか」、「どのように使い、どういう結果を得るのか」、「その知識を持っていないと、どういう間違いを引き起こすか」というレベルに落とし込んで、丁寧に説明します。 意思決定を狂わす、世の中にはびこるデータの間違った解釈を数学的に正します。

社内のデータは宝の山！ 月間残業時間マイナス１０時間！ 社内の問い合わせ対応が年間１５６時間減！ １０年間赤字部門が営業利益６１００万円！ コロナ禍、少子高齢化、増税、円安、物価高、人手不足…… 売上を簡単には伸ばしにくい時代でも、 利益を最大化する方法があります。 それが 「データドリブン経営」。 社内データをリアルタイムで活用。 業務を効率化して、生産性を高める 「超効率経営」 です。 ＩＴ、ＤＸは難しそうという 社長さんも大丈夫です。 集めるべきデータは5つだけ。 ＩＴ、ＤＸで大切なのは 操作技術より利用技術、 どう活用するかです。 データを蓄積できていない会社でも 社内でデータの活用を展開し、 定着させるポイントも解説。 データを活用して、 御社の利益を最大化する方法、教えます。 社長は「勘」「なんとなく」「思い」ではなく 「データ」で決定する！ ■目次 ●第１章　会社のデータは、宝の山 ・データドブリン経営の４つのプロセス ・社内で眠っていたデータを業務改善に役立てる ・生産性を上げるには、「定量データ」と「定性データ」の両方を分析する ほか ●第２章　データを可視化して生産性を高め、利益を上げる ●第３章　データを分析して売上を伸ばし、利益を上げる ●第４章　データの活用を社内で展開する ●第５章　データを集め、整理整頓する ●第６章【事例編】データを活用した超効率経営 ■著者　小山　昇（こやま・のぼる） 株式会社武蔵野　代表取締役社長 1948年山梨県生まれ。東京経済大学卒。 1976年日本サービスマーチャンダイザー（現・武蔵野）に入社。 一時期、独立して自身の会社を経営していたが、1987年に株式会社武蔵野に復帰。 1989年より社長に就任。赤字続きだった武蔵野を増収増益、売上75億円（社長就任時の10倍）を超える優良企業に育てる。 2001年から同社の経営のしくみを紹介する「経営サポート事業」を展開。 現在、750社超の会員企業を指導。450社が過去最高益、倒産企業ゼロとなっているほか、 全国の経営者向けに年間240回以上の講演・セミナーを開催している。 1999年「電子メッセージング協議会会長賞」、2001年度「経済産業省・大臣表彰」、 2004年度、経済産業省が推進する「I T経営百選・最優秀賞」をそれぞれ受賞。 2000年度、2010年度には日本で初めて「日本経営品質賞」 を2回受賞。 本書は、コロナ禍にもかかわらず過去最高益を実現した武蔵野の超効率経営の全貌を公開。 データに基づく生産性最大化のしくみを紹介する。 『4万人の社長・幹部がベンチマークしたすごい会社の裏側（バックヤード）！』 『小山昇の“実践”ランチェスター戦略』 『99 %の社長が知らない銀行とお金の話』 『無担保で16億円借りる小山昇の“実践”銀行交渉術』（以上、あさ出版）、 『門外不出の経営ノート』（ダイヤモンド社）、 『新版 経営計画は１冊の手帳にまとめなさい』（KADOKAWA）、 『改訂3版 仕事ができる人の心得』（CCCメディアハウス）などベスト＆ロングセラー多数。

著者・渡邉英徳氏は、「ナガサキ・アーカイブ」「ヒロシマ・アーカイブ」「沖縄平和学習アーカイブ」「東日本大震災アーカイブ」等、グーグルアースに証言や写真、動画等を載せたデジタルアーカイブを地元の人々との協働により制作、注目されています。肩書は情報アーキテクト。データを見やすくデザイン、貴重な記録を時空を超えて伝え「記憶のコミュニティ」をつくる―そんな仕事を通して現代におけるデータのあり方を語ります。（講談社現代新書）

【「カンブリア宮殿」出演で話題沸騰！】 本書は、21世紀の「所得倍増計画」の提言です。 少子化が経済の足を引っ張る日本。 出生率は、すぐには上がりません。 移民政策は、なかなか受け入れられません。 ならば、外国人観光客をたくさん呼んで、 お金を落としてもらえばいいのです。 この国には、【世界有数の観光大国】になれる、潜在力があるのですから。 ですが、2014年の訪日客数は1300万人程度です。 日本ほどのポテンシャルをもつ国としては、驚くほど少ない数と言わざるをえません。 日本の潜在力と世界の観光産業の隆盛を考えれば、 2030年までに8200万人を招致することも、決して不可能ではありません。 それを成し遂げることで、日本経済には「第2の高度成長期」が訪れるのです。 本書では、そのための方策を、詳しく解説しましょう。

ベストセラー『新・観光立国論』の著者、30年間の集大成がついに刊行。 日本はいま、潜在能力をまったく活かせない「日本病」に陥っている。 その原因を特定し、「あたりまえの政策」を実行するだけで、 【平均年収2倍】【GDP1.5倍（770兆円）】が可能になる！ データに基づく客観的な分析で解説する、日本に輝かしい未来をもたらす方法。 ■潜在能力を活かせば、日本はこうなる ・平均給与は男性が1.6倍、女性が2.7倍に。全体では約2倍に拡大 ・GDPは1.5倍の770兆円に ・貧困問題、国の借金の問題、社会保障費問題も解決する ■筆者のコメント 皆さんが学校でこんなに熱心に勉強して、塾にも通って、就職してからも毎日長い時間を会社で過ごし、 有給休暇もほとんど消化せず、一所懸命働いているのに、「生産性は世界第27位」と言われて、悔しくないですか。 先進国最下位の生産性と言われて、悔しくないですか。 こんなにも教育水準が高い国で、世界の科学技術を牽引するだけの潜在能力がありながら、 1人あたりのノーベル賞受賞数が世界で第39位というのは、悔しくないですか。 「ものづくり大国」を名乗りながら、1人あたり輸出額は世界第44位と言われて、悔しくないですか。 私は、悔しいです。日本は、この程度の国ではありません。 日本の実績を「この程度」に押しとどめている原因を特定し、改革を実行すれば、日本は必ずや、劇的な復活を果たせるはずです。 本書がその一助となれば、筆者としてこれほど嬉しいことはありません。

猫も杓子も生産性、でもほとんどの議論は間違いだ！ 『新・観光立国論』（山本七平賞）で日本の観光政策に多大な影響を与えた筆者が、 今度は34年間の集大成として「日本経済改革の本丸＝生産性」に切り込みます。 読めば納得、目からウロコ、歯に衣着せぬ「アトキンソン節」、全開！ 【本書の内容】 ・「良いものをより安く」が国を滅ぼす ・日本企業の数は「いまの半分」でいい ・最低賃金を上げて「経営者」を追い込むべし ・かつて「人口が半減した国」に学べ ・「女性優遇」では生産性は上がらない ・生産性を高めないのは「親を見殺しにする国」になる道　他 ：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：： 日本人は「生産性」と「効率性」を混同しています。 たとえば、誰も求めていない商品を「効率よく」つくることは可能です。 しかし、売れない以上、「生産性」はゼロです。 生産性のないもののことを、無駄と呼ぶのです。 ――デービッド・アトキンソン ：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：

日本経済の「伸びしろ」は、生産性大改革にある。 この非効率を直せば、GDP1・5倍=600兆円突破など楽勝だ! 先進国最下位に落ちぶれた日本の生産性。昭和の常識に縛られた結果、国際競争力がどんどん失われています。 とりわけ融通がきかない日本の観光サービス。顧客の要望に柔軟に対応できず「上から目線」が目立つ。著者は数々の政府委員や 顧問を務める中で、問題の所在を見定め、働きかけていきました。すると、少しずつではあるが、業界は変わり始めたのです。 観光業の進化を起爆剤に、サービス産業改革を成し遂げれば、「失われた25年」の遅れの9割は取り戻せる。 そう確信した著者が、日本経済再建の新たな処方せんを書きました。 「日本型経営」や日本人の特殊性をいくら言挙げしようと、まったく成長できていないことは、平成の経済低迷で実証済みです。 決めたことを実行できない、他人の時間を盗む、ことなかれ主義、論理的思考が苦手、クレームに弱い…企業経営と政策提案の 現場で見た、「日本病」克服の道を語ります。 <目次より> 第一章 非効率大国ニッポン 第二章 観光をサービス産業改革の起爆剤に 第三章 危険な「海外で人気の日本文化」幻想 第四章 論理的思考と変化が大の苦手 第五章 形式主義と事なかれで「失われた二十年」が長引く 第六章 感情論を止めて今すぐ実行を 結論 変化を受け入れられる国へ

※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 本書はデーン手術を主要なテーマとして3次元トポロジーを展開する初の本格的な教科書である。デーン手術誕生から最新の話題まで、デーン手術に関する研究テーマがほぼ網羅されており、3次元トポロジーで重要なザイフェルト多様体と双曲多様体、さらにトーラス分解をデーン手術と関連させることでより明確に理解できるよう構成されている。三角形分割問題、基本予想、平滑化問題などTOP圏、PL圏、DIFF圏における多様体の間の関係については独立した章を設け、通常あまり触れられることのない話題についても解説を試みた。 読者対象は学部上級生から研究者までを想定しており、基本的な内容から最先端の内容まで学ぶことができる。証明や細かな議論を飛ばして読めば、デーン手術を中心とした3次元トポロジーの大まかな流れをつかむこともできる。 なお、カラー図版を豊富に用いることで、より理解しやすくなるよう心掛けた。本書で3次元トポロジーの世界を楽しんでほしい。 ※本文フルカラー

◆森島明子さん推薦！ ――「同性婚」という新しい選択肢と 　　「結婚」という名の古い価値観に苦しむリアル―― ◆カリフォルニア州ロサンゼルスに住む女性同士のカップル、ドイツ系アメリカ人のアンナと、日本人の早紀。 同性婚を禁じる“提案8号”の違憲判決を機に、アンナは早紀に求婚する。 翻訳の仕事も軌道に乗り始めて幸せいっぱいの早紀だが、結婚を知った上司の反応は……。 父との関係に悩むアンナ。周囲の無理解に直面する早紀。 結婚し、養子を得て幸せな家庭を築いていたが、パートナーを亡くした隣人のショーン。 ロサンゼルス在住の著者が描く、とある結婚の物語。

“とある弁当屋”を舞台に、いま話題のデータサイエンティストが活躍するユニークな統計の入門書! 本書では、物語風に統計解析の目的と方法を解説します。具体的には、最近注目を浴びている「データサイエンティスト」を主人公にみたて、顧客であるお弁当屋さんの売上向上を目指して活躍するという筋立てです。主人公が、お店の看板娘に解説するという形式で、統計の基礎概念、方法論、また応用について懇切丁寧に解き明かします。通勤通学の電車の中でも通読できるよう、できるだけ単純化した説明を試みました。そこで、机に向かってじっくり本書の内容を復習したいという読者には、サポートサイトを用意する予定です。統計学なんかまるで縁がなかった、習ったかもしれないけどもう忘れたという社会人や大学生、数学Iの「データの分析」がわけ分からんという高校生に贈ります。

「質問力」が人材と組織の能力を引き出す！ 人と組織が成長するために、何がいちばん必要だろうか 私がそう問われたなら、迷うことなくそれは、「問いかける力」だと答える。 これは、長年、プロ野球の監督として人材育成の現場に携わり、 自分もプレーヤーとして能力開発に懸命に取り組んできた私の確信だ。 人の成長、組織力の向上は、なぜ」と問いかけることが原点となって始動する。 「なぜ」と自問することで人は成長し、 「なぜ」とリーダーが問うことで人材も組織も潜在能力を開花させる。 人生とは、「なぜ」の積み重ねで発展していくものなのだ。 たった一つの「なぜ」が人生を大きく変える 日々、どのような問題意識、疑問をもつものが伸びていくのか。 どのようなリーダーの問いかけが、人材と組織の能力を伸ばすのか。 また、人を成長へと駆り立てる「なぜ」を、日々の生活の中で察知する「感性」の鍛え方とは。 ノムラ流「問いかけ」の技術を明かす。 2020年2月11日に逝去された著者の、亡くなられる6日前のラストインタビューを書籍化。 第１章　伸びる人は「問いかける力」をもっている ・うまくいった理由を追究する ・うまい人に遭遇したときこそ自分自身に問う ・その技術の核心が何かを探究する ・伸びる人の問いかけ方 ・「深い質問」と「浅い質問」の違い など 第２章　「問いかけ」で潜在能力が開花する ・育成に必要なのは「指導」ではなく「問いかけ」だ ・「根拠」を常に問うことで人は成長する ・潜在能力を発揮させる問いかけ ・やる気を失いかけたものへの問いかけ ・目標を問えば人は伸びていく ・原理原則を問うて、問題意識を喚起する ・「ぼやき」とは考えるきっかけをつくる問いかけだ ・「人生とは何か」の問いから自分の仕事を考える など 第３章　「問いかけ」で組織を伸ばす ・仕事への取り組み方が変わる問いかけ ・自分の処遇に不満をもつものへの問いかけ ・「〇〇だったらどう考えるか」という問い ・「あの人に話を聞いたらどうか」という問いかけの効果 ・「相手の嫌がることは何か」という問い など 第４章　「感性」を鍛えると人は成長する ・「感じる力」を磨くことが、問いかける力を向上させる ・無難型人間をやめてみないか ・伸びていく人のデータの見方 ・模倣することで問題意識は高まる ・感性を鋭くする読書法 ・「計画・実行・確認」が伸びる人の基本 など

ロジカルな「正解探し」には限界があり、AIに勝ることもできない。 いま必要なのは、０→１の発想を生み出す「問いかけ」の力だ。これからのビジネスにおいて必須の「問いを立て、磨くこと」の具体的な方法を解説する。 たとえば、「なぜヒット商品を生み出せないのか」ではなく、 「どうすれば私たちは日本でストレスを抱えているビジネスパーソンに新しい通勤体験を提供する商品をつくれるか」 と、問いに「人（私たち）」が入れるだけでも、ポジティブになり、生まれるアイデアの質と量は変わってくる。 「新しいアイデアを生む」「考える力をつける」「解決策を導く」「イノベーションを起こす」「未来の可能性を模索する」―― 生成ＡＩ時代にこそ必要な「思考」と「創造力」は、すべて“問い”から始まる。 ※本書は、2018年9月に小社より刊行された『０→１の発想を生み出す 「問いかけ」の力』を加筆・再編集し、改題したものです。 【目次】 第１章　「これからの時代に求められる力とはなんだろうか」 第２章　「０→１の発想に役立つのはどんな問いか」 第３章　「“問いかけ”は組織をどう変えるか」 第４章　「問いかける力を磨くためにできること?」 第５章　「仕事を、人生を楽しくするために、今日から何ができるだろうか」 第６章　「生成ＡＩが台頭する時代の問いかけとは?」

チームの主体性と創造性を発揮したい、すべてのマネージャー必携! ベストセラー『問いのデザイン:創造的対話のファシリテーション』の著者による最新作 仲間と力を合わせ、チームで成果を出すためには、周囲に投げかける「問いかけ」の質を変えることが重要です。 著者の長年の研究と実績をもとにノウハウ化された、チームの眠っているポテンシャルを最大限に発揮させるための「問いかけ」の実践的指南書! 「さあ、この企画に何か意見はありませんか?」 「どんどんアイデアを提案してください! 」 と呼びかけても、プロジェクトメンバーたちは、互いに発言権を譲り合うように、一向に口を開いてくれない 「遠慮なく意見していただいて構いませんよ」 「どなたか、いかがでしょうか?」 といった呼びかけも虚しく、期待していた「画期的な提案」はおろか、誰も「自分の意見」さえ述べてくれない ――こんな状況に遭遇した経験、ないでしょうか? これは、多くのチームで発生している「孤軍奮闘の悪循環」と呼ばれる状況です。 一度このサイクルに陥ると、チームの主体性と創造性はどんどん下がっていきます。 そして皮肉なことに、優秀でモチベーションの高い人ほど、このサイクルによってチームのポテンシャルを抑制し、そしてチームから孤立していくのです。 しかし、本書に興味を持ったあなたが思い描く理想は、仲間と力を合わせて「チームで成果を出す」世界であるはずです。 では、この悪循環に陥らずに、チームと職場を魅力的な場に変えるためには、どうすればいいのか? それは、周囲に投げかける「問いかけ」の質を変えることなのです。 これからの時代、仕事は「自力」ではなく、「他力」を引き出せなくては、うまくいきません。 問いかけの技術を駆使することによって、周囲の人々の魅力と才能を引き出し、一人では生み出せないパフォーマンスを生み出す。 これが、現代の最も必要なスキルの一つなのです。 あなたひとりの実績を磨くよりも、「問いかけ」によるチームの力を高めていったほうが、結果として 「あの人と一緒に働くと、気持ちよく仕事ができる」 「あの人のチームだと、良い成果が出せる」 「あの人のもとでは、次々に良い人材が育っている」 といった「あなた自身の評価」へとつながり、活躍の場も広がっていくのです。 そして何より、一人で孤独に努力を重ねるよりも、他者の才能を活かしながら働くほうが、圧倒的に仕事が楽しくなることでしょう。 【停滞した場を打破する！ とっさの質問リスト】 ■素人質問 「すみません、これどういう意味ですか？」 「初歩的な質問なのですが、これはどういうことですか？」 「理解不足で申し訳ないのですが、このプロジェクトの目的はなんですか？」 ■ルーツ発掘 「どこにこだわりがありますか？」 「なぜそこにこだわるのですか？」 「いつ頃からこだわるようになったのですか？」 「○○○とは何が違うのですか？」 ■真善美 「『正しい○○○』とはなんでしょうか？」 「本当の意味での『良い○○○』とはなんでしょうか？」 「今こそ考えたい『美しい○○○』とはなんでしょうか？」 ■パラフレイズ 「その言葉を、別の言葉に言い換えるとどうなりますか？」 「その言葉を、別のものに喩えるとどうなりますか？」 「その言葉を、このミーティングでは禁止しませんか？」 「その言葉を、数字で表現すると、100点満点で何点ですか？」 「その言葉を、改めて定義するとしたら、どのような言葉になりますか？」 ■仮定法 「もし～だとしたら、どうでしょうか？」 「仮に～だとすると、どうなりますか？」 「もしあなたが～の立場だったら、どう考えますか？」 「もし制約がなかったら、どうしたいですか？」 「もし世界が～だったら、どうなっているでしょうか？」 ■バイアス破壊 「本当にＸは必要ですか？」 「Ｘを除外してみると、どうなるでしょうか？」 「Ｘでない～は、考えられないでしょうか？」 「ＸにあえてＹを入れると、どうなるでしょうか？」

100の言葉よりも1つの問いかけが、人を動かす。 人間関係のカギは、「話す」ことより「問いかける」こと。思いが伝わらないとき、対立したとき、仕事をお願いしたいとき、相手が落ち込んでいるとき……日常のあらゆる場面で、ささやかな一言で空気を変え、視点を変え、関係を変える「問いかけ」の技法を、組織心理学の第一人者がやさしく語る。 飲食店で、父が店員さんに丁寧に接していたのを見て、誇らしくなったことがありました。謙虚にコミュニケーションを取ることは、決して「敗北」ではない。より豊かな人間関係を築くため、読み返したいと思います。 ――三省堂書店有楽町店　岡崎史子様 問いかけることはコミュニケーションの一つの過程であるが、いかにそこに気づき、立ち止まり、その一言を言えるかは、思っているほど簡単ではない。「問いかける」ということに、これだけの効力があったとは。 ――TSUTAYA TOKYO ROPPONGI　遠山洵様

2600年にわたる哲学の語りあい。「存在」とはなにか。「私が私である」とはどういうことか。そもそも「問い」とは何なのか、などなど。そこでは様々な問いが投げかけられ、答えが紡がれてきた。その内容は時に難解で、日常を生きる私たちには無関係なものに見えるかもしれない。しかし、哲学の言葉は私たちにこそ向けられている――。「探究」の歴史と「問うこと」の意味を知る、不確かな世界を生き抜くための哲学入門。

バンクシー、バスキア、真鍋大度、落合陽一、脇田玲、長谷川愛、福原志保、杉本博司……。古来、アーティストは見えないものを見えるようにするような役割を社会の中で担ってきた。アーティストたちに共通しているのは、未来についての「問い」を私たちに投げかけ、常識を打ち破ること――。今、アートに触れる意味とは？「見えないものを見る」には？　稀代のアートディレクターとともに考えるアイデア＆イノベーションの育み方。