イノベーション・マネジメント研究科Business School of Innovation Management
MAN510F2（経営学 / Management 500）ビジネスデータ分析（アドバンス）Business Data Analysis: Advance
豊田 裕貴Yuki TOYODA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | イノベーション・マネジメント研究科Business School of Innovation Management |
| 添付ファイル名Attached documents | |
| 年度Year | 2023 |
| 授業コードClass code | W0111 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 夏期集中/Intensive(Summer) |
| 曜日・時限Day/Period | 火6/Tue.6,火7/Tue.7,木6/Thu.6,木7/Thu.7,土6/Sat.6,土7/Sat.7 |
| 科目種別Class Type | 専門講義 |
| キャンパスCampus | 市ヶ谷 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | 1・2 |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | 専門科目 |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| カテゴリーCategory | 専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
In addition to the abstract and model analysis learned in Business Data Analysis (Basic), we also learn about the reduction method and classification method required for business data analysis. This aims to master methods that can be used for business such as scale development and customer segmentation.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
本講義は、ビジネスデータ分析（ベーシック）で学んだ要約とモデル分析に加え、高度なビジネスデータ分析で必要となる機械学習手法や縮約手法と分類手法について学習する。このことによって、尺度開発や顧客セグメンテーションなどビジネスに活用できる手法をマスターすることを目的とする。
ビジネスデータ分析（アドバンス）で学ぶ手法のうちのいくつかは、Excelのみでは十分な分析が出来ない場合がある。そこで、データ分析に特化したプログラミング言語の「Ｒ」というフリーのソフトを活用し、より高度なデータ活用方法を学ぶ。
到達目標Goal
ビジネステーマにデータを活用するための基本的な考え方を理解し、各自のテーマについてその考え方を応用したデータ活用ができるようになることを目標とする。
また、データ分析ソフトのRを積極的に活用し、Excelではできない高度な手法についても学習し、自身のテーマへどのように分析すれば良いか、そして、結果をどうビジネスに活かせば良いかを考えられるようになることも目標とする。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
イノベーション・マネジメント研究科のディプロマポリシーのうち、「DP2」「DP3」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
実際にビジネスデータを加工・分析しながら、各種手法がどのような手法で、何が出来るかを考え、理論ではなく道具としての統計学／データ分析を学ぶ。また、単に分析するのではなく、その結果をビジネス上どう読み解くか、うまく行かない場合にはどうすれば（考えれば）よいかについても、演習形式で学習していく。
なお、本科目は夏期集中科目として開講するが、事前にe-learning（動画講義）を配信し、この動画講義のみ（課題提出は必須）でも単位取得ができる形式で開講する。講義（ハイフレックス形式）は、反転授業として行い、事前に動画講義を視聴の上、質問や議論を行う場として講義を活用する。ハイフレックス形式の実施回などについての詳細はHoppiから告知するので、確認すること。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
1-2講[オンライン/online]：ビジネスデータ分析と多変量解析
ビジネスでは、複数の変数を組み合わせて分析し、知見を得る必要がある場合が多い。その際、多変量解析という手法を用いるが、Excelでは出来ない手法が多い。そこで、フリーのRという統計ソフトを利用する。初回は、Rのインストールから基本的な使い方までを学習する。
3-4講[オンライン/online]：回帰分析と決定木
ビジネスデータ分析（ベーシック）で学習した「回帰分析」についてRで行う方法と、機械学習手法の決について学習し、予測手法の比較を行うと使い分けについて学習する。
5-6講[オンライン/online]：顧客セグメンテーション１
ビジネスデータの分析では分類手法を活用したセグメンテーションを利用することが多い。1週目はID-POSデータを用いた分析敏江、RFM分析とクラスター分析を学習する。
7-8講[オンライン/online]：顧客セグメンテーション２
セグメンテーションをクラスター分析から行う方法について、さらに学習し、手法の使いわけと、得られたセグメントからどのセグメントをターゲットとするかについて検討する方法についても学習する。
9-10講[オンライン/online]：尺度開発ならびに次元縮約①
尺度づくりの基礎と変数の縮約の仕方について、その主たる手法である因子分析について学習する。
11-12講[オンライン/online]：尺度開発ならびに次元縮約②
尺度を構成する項目の選定と調査票の作成、そしてその実査データから実際に尺度を作成するまでを学習する。
13-14講[オンライン/online]：手法の組み合わせによる分析の高度化
ここまで学習した手法の組みあわせにより、ビジネスデータの分析レシピの検討ならびに議論を行う。
反転講義[対面/face to face]：ハイフレックス形式による反転講義（質問ならびに議論）1～４回
この講義は、1から14講の講義動画を受講の上、必要に応じて、反転講義（4回を予定）によって理解を深める形式を取る。実施日については、Hoppiにて確認すること。
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
本授業の準備学習・復習時間は、各2時間を標準とします。
①学んだ手法が各自のテーマにどのように活用できるかについて復習する。
②個人レポートの準備とその作成などが必要となる。
③各単元の復習を行う。
テキスト（教科書）Textbooks
特に指定なし
参考書References
・豊田裕貴（2014）『すぐやってみたくなる! データ分析がぐるっとわかる本』すばる舎
・豊田裕貴（2017）『データ駆動マーケティング』オーム舎
※その他、適宜紹介する。
成績評価の方法と基準Grading criteria
・講義内課題ならびに普段の取り組み（20点）、期末レポート（80点）
学生の意見等からの気づきChanges following student comments
・受講に際し、前提となる高度な数学やデータ分析の知識は設定せず基礎から解説するが、ビジネスデータ分析（ベーシック）で解説される要約とモデル分析の基礎についてはある程度理解していることを前提として講義をする。したがって、ビジネスデータ分析（ベーシック）を合わせて受講することを強く推奨する。
学生が準備すべき機器他Equipment student needs to prepare
・動画講義を視聴できる環境と、分析演習ができるPCを用意すること（分析には、Rstudio Cloudを利用するため、インターネットにつながる環境であれば、OSは問わない）。
その他の重要事項Others
＜講義について＞
・夏期集中期間に配置されるが、動画講義＋ハイフレックスによる反転講義（質問と議論）という形式を取る。e-learningとして動画講義の受講のみでも単位取得が可能である（課題提出は必須）。反転講義実施回などについては、Hoppiにて告知するので確認の上、受講すること。
・本講義では、Rというデータ分析ソフトを利用する。受講者の環境依存の問題を回避するため、Rstudio Cloudにて演習を行う。Rstudio Cloudの設定方法や基本的な使い方についても、動画配信するので、確認の上、各自IDを取得すること。
・ＰＣ演習（ExcelおよびR）を行うので、最低限のＰＣ利用スキルは前提とする。
・学習支援システムを活用するので、操作方法を事前に確認しておくこと。
＜教員について＞
・「実務経験のある教員」か否かについて：担当する教員は、データ分析に関連した実務経験（シンクタンクでのリサーチやデータ分析、コンサルティングなど）があり、単に知識としてのデータ分析ではなく、実際に使える知識としてのデータ分析を解説する。