chevron_left

実践的データ活用

PREMIUM
第2回

文字起こし

実践的データ活用 - ビジネス現場で活きる仮説設計・データ収集と分析

2015年10月27日 60min

スライド資料

会員登録して、全てのスライドを見よう

1 / 119

授業の概要

この授業は、分析のプロフェッショナルではないビジネスパーソンのための実務的なデータ活用の一連の流れを解説する全6回のシリーズ授業です。

データ分析をビジネスにおいて活用していくための流れ、およびデータ分析手法の概観を整理した上で、 データを武器に事業を推進してきたゲスト登壇者達の“実体験”をお伝えしていきます。

■第2回:仮説とデータ

第2回では、6つの切り口のうち「仮説」と「データ」、「分析」について学びます。
“データ分析のプロに的確な分析依頼が行える状態”を目標に、「仮説設計・データ収集のポイント」、そして、「データ分析の概観と、各種手法のアウトプットイメージ」を説明していきます。

こんな人にオススメ

日常的に仕事でデータを使う機会が多いが、専門的に学んだことのない方

チャプター

play_arrow
自己紹介、授業概要
06:09
play_arrow
アジェンダ
00:18
play_arrow
前回の振り返りビジネスにおけるデータ分析の価値
03:14
play_arrow
前回の振り返り:データ分析の種類
01:14
play_arrow
前回の振り返り:データ分析のフローと実践のポイント
02:59
play_arrow
前回の振り返り:データ収集のステップとポイント
01:38
play_arrow
仮説設計のステップとポイント
04:11
play_arrow
データ収集のステップとポイント
04:28
play_arrow
データ分析とは
05:28
play_arrow
データを解く分類と代表的な手法
09:46
play_arrow
分析のポイント
02:04
play_arrow
まとめ
05:01
play_arrow
Q:どの分析が最適か、慣れてないうちは間違った方向にずんずん進んでから「あっ…なんか違う…」ってなりそうで怖いなぁ。
01:27
play_arrow
Q:林先生が紹介した分析手法は、現場で働くビジネスマン(分析技術に熟練していない人)でも学習することで扱えるようになるレベルのものなのだろうか?それが難しいのであれば、「この状況において、この分析手法を使うべき」というところまで分かっても、それを現場で実践するのは難しそうだなぁ、と少し不安になりました。
02:07
play_arrow
Q:目的の設定と問題の抽出は、一人の人間が行うべきでしょうか。チームで行うべきでしょうか。データ活用の中心人物が意思決定を行う行程はどこでしょうか。
01:05
play_arrow
Q:pythonは機械学習に強いと聞きますが、林先生が使っているpythonのライブラリは何でしょうか?
02:13
play_arrow
お知らせ
02:29
play_arrow
Q:数値にならない分析はまた別物で考えたほうがいいですか?