経営学部Faculty of Business Administration
MAN300FA(経営学 / Management 300)演習4Seminar 4
長谷川 翔平Shohei HASEGAWA
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 経営学部Faculty of Business Administration |
添付ファイル名Attached documents | |
年度Year | 2022 |
授業コードClass code | A4888 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 秋学期授業/Fall |
曜日・時限Day/Period | 火4/Tue.4,火5/Tue.5 |
科目種別Class Type | |
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 | 3 |
単位数Credit(s) | 3 |
備考(履修条件等)Notes | ※ 原則春学期、秋学期連続で受講してください。 |
他学部公開科目Open Program | |
他学部公開(履修条件等)Open Program (Notes) | |
グローバル・オープン科目Global Open Program | |
成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
成績優秀者の他学部科目履修(履修条件等)Interdepartmental class taking system for Academic Achievers (Notes) | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
SDGsCPSDGs CP | |
アーバンデザインCPUrban Design CP | |
ダイバーシティCPDiversity CP | |
未来教室CPLearning for the Future CP | |
カーボンニュートラルCPCarbon Neutral CP | |
千代田コンソ単位互換提供(他大学向け)Chiyoda Campus Consortium | |
入学年度Admission year | |
カテゴリー(2019年度以降)Category (2019~) | 演習 |
カテゴリー(2018年度以前)Category (~2018) |
選択 演習 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
The purpose of this course is to learn methods of analyzing marketing data. At the end of the course, students are expected to acquire skills to collect and analyze marketing data. Before/after each class meeting, students will be expected to spend four hours to understand the course content. Grading will be decided based on presentation and in-class contribution (100%).
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
本授業のテーマは「統計モデルによるマーケティング・データの分析」である。 企業はマーケティング活動を行う際に,様々なデータを収集し,活用している。例えば,新製品開発では消費者ニーズの調査データ,テレビ広告配信では年齢層別テレビ視聴率データなどが使われる。TSUTAYAのTカードに代表されるFSP(Frequent Shoppers Program)と呼ばれるポイントカードによるマーケティング手法を用いれば,個人の長期間にわたる購買履歴データを収集することができる。また,Amazonや楽天などのインターネットショッピングサイトでは,「購入に至る前にどんなサイトを何分見ていたか」まで収集している。これらのデータは多数の消費者から収集されるため,その中で商品Aを買った人は次に商品Bを買う傾向が多いと分かれば,商品Aを買った人に商品Bを推薦する,などしてプロモーションの最適化に用いられている。近年,ビッグデータという単語に注目が集まっているが,マーケティングにおいても企業が持つ大規模なマーケティング・データの活用が求められている。また,統計学や機械学習のモデルを応用して様々なデータの分析を行うデータサイエンティストという専門的な職業にも注目が集まっている。データを分析することで企業経営上の有用な知見を取り出す能力は,今後の社会で重要なスキルとなる。
本授業では,様々なマーケティング・データから経営意思決定に必要な知見を取り出すための分析モデルを学び,実際にデータを収集・分析することで応用力を身につけることを目的とする。
到達目標Goal
・マーケティング・サイエンスの基礎的知識を身につける。
・課題を発見し,解決のため必要となるデータの収集方法が説明できる。
・データ分析モデルの説明と実行ができる。
・分析結果を分かりやすく報告できる。
・課題解決能力を身につける。
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?
ディプロマポリシーのうち、「DP1-1」、「DP1-2」、「DP1-3」、「DP1-4」、「教養」、「DP2-1」、「DP3」、「DP4」に関連がかなりある
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. )
前半①:データ分析に関して発展的な内容を含むテキストの輪読
報告グループは,教科書内容,関連する学術論文,データ分析例の報告を行う。
前半②:外部のデータ分析コンテストに参加
昨年度は株式会社野村総合研究所の「マーケティング分析コンテスト」に参加した。
後半:4年生を中心とした卒業研究
4年生と2・3年生のグループを作り,設定した研究テーマについてデータを収集・分析し,その結果を報告する。テーマ例として昨年度のゼミ生が分析を行ったものを記載する。
・サウナツーリズムの活性化
・特定保健用食品・機能性表示食品の商品ラベル表示が購買に与える影響
・クラフトコーラの市場開拓とマーケティング
・学習塾の利用にあたって魅力的に感じる要素
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[対面/face to face]:データ分析コンテスト:研究計画発表
分析テーマ,研究計画の発表
2[対面/face to face]:データ分析コンテスト:中間報告①
利用データや分析手法の報告
3[対面/face to face]:データ分析コンテスト:中間報告②
利用データや分析手法の報告
4[対面/face to face]:データ分析コンテスト:中間報告③
データ分析の途中報告
5[対面/face to face]:データ分析コンテスト:中間報告④
データ分析の途中報告
6[対面/face to face]:データ分析コンテスト:最終報告①
分析結果の最終報告
7[対面/face to face]:データ分析コンテスト:最終報告②
分析結果の最終報告
8[対面/face to face]:卒業研究:研究計画発表
卒業研究テーマの研究背景や目的,研究計画の発表
9[対面/face to face]:卒業研究:中間報告①
データ収集方法や利用データの報告
10[対面/face to face]:卒業研究:中間報告②
データ収集方法や利用データの報告
11[対面/face to face]:卒業研究:中間報告③
データ分析の途中報告
12[対面/face to face]:卒業研究:中間報告④
データ分析の途中報告
13[対面/face to face]:卒業研究:最終報告①
分析結果の最終報告
14[対面/face to face]:卒業研究:最終報告②
分析結果の最終報告
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.)
各自でデータ収集から分析,結果考察を行い,発表資料を作成する。
本授業の準備学習・復習時間は、各2時間を標準とします。
テキスト(教科書)Textbooks
受講者の関心に応じて,以下の中から決定
・石田ほか『Rによるスクレイピング入門』C&R研究所(2017)
・加藤・加藤『はじめてのオペレーションズ・リサーチ』森北出版(2018)
・馬場『時系列分析と状態空間モデルの基礎』プレアデス出版(2018)
・石田『Rによるテキストマイニング入門(第2版)』森北出版(2017)
参考書References
・古川・守口・阿部『マーケティング・サイエンス入門(新版)』有斐閣(2011)
・星野・上田『マーケティング・リサーチ入門』有斐閣(2018)
・平岡・堀『プログラミングのための確率統計』オーム社(2009)
・村松ほか『RユーザーのためのRStudio「実践」入門(改訂2版)』技術評論社(2021)
その他必要に応じて紹介
成績評価の方法と基準Grading criteria
報告・議論への参加(100%)
4年生は卒業論文の執筆が必須
学生の意見等からの気づきChanges following student comments
・基礎だけでなく発展的な内容も取り入れる
・統計解析ソフトRの利用方法を詳しく学ぶ
学生が準備すべき機器他Equipment student needs to prepare
データ分析と報告資料作成にパソコンが必要である。
その他の重要事項Others
・テキストは数式によるモデルの説明が多いため,初歩的な数学と統計学の知識があることが望ましい。
・統計解析ソフトRで簡単なプログラミングを組んでデータ分析を行うため,ある程度のパソコンスキル(エクセルの関数が利用できる等)があることが望ましい。
・受講希望者は,事前に必ず図書館等で上記テキストを一読し,内容が理解できそうか判断してからゼミへ応募して欲しい。
・SA帰国生および転編入学生の募集は4月に行う。
・積極性を持った学生の参加を希望する。
関連科目
・統計学入門
・基礎統計学
・計量経営分析
・マーケティング・リサーチ論