【2025年】「ビッグデータ」のおすすめ 本 139選!人気ランキング
- Kaggleで勝つデータ分析の技術
- 実践的データ基盤への処方箋〜 ビジネス価値創出のためのデータ・システム・ヒトのノウハウ
- 実践Data Scienceシリーズ RとStanではじめる ベイズ統計モデリングによるデータ分析入門
- AI・データ分析プロジェクトのすべて[ビジネス力×技術力=価値創出]
- データ分析のための数理モデル入門 本質をとらえた分析のために
- 見て試してわかる機械学習アルゴリズムの仕組み機械学習図鑑
- 図解ポケット 今日から使える! データサイエンスがよくわかる本
- はじめてのパターン認識
- Rによるデータサイエンス(第2版):データ解析の基礎から最新手法まで
- 新版 統計学のセンス ―デザインする視点・データを見る目― (医学統計学シリーズ1)
本書は、データサイエンスにおけるコンペティション、特にKaggleに焦点を当て、実践的なデータ分析手法やテクニックを紹介しています。分析コンペに参加することで得られるスキルは、実務でも役立つため、特徴量の作成やモデルの評価、チューニングなどの具体的な内容が含まれています。著者たちは、データサイエンスの専門家であり、実績を持つKaggleの競技者です。この本は、コンペに挑戦したい人や実務でのモデル精度向上を目指す人にとって有益な情報源となるでしょう。
データ分析コンペKaggleに挑戦するならこれをまず読んでおけば大丈夫!Kaggleに参加しないにしてもデータ分析の本質やテクニックがギュッと詰まっているので実務に活かせる。高度な内容も登場するが分かりやすく解説してくれるので初心者でも読みやすい。それでいてベテランの人も多くの学びがある書籍。著者はKaggleの最上位グランドマスターの方々であり説得力がある。過去のコンペの事例も取り上げてくれるのでそんなアプローチあったのかぁと学びが深い。文句なしの星5つ!
本書は、データ活用に悩む企業向けに、データ基盤の構築やデータ分析組織の立ち上げに必要なノウハウを提供します。データを集めても活用できない理由や、データ基盤が機能しない原因を解説し、適切なデータ整備や組織の構築方法を提案。著者たちはデータ活用のプロフェッショナルであり、実践的な知識を惜しみなく披露します。データ基盤を効果的に機能させたい方にとって、必読の一冊です。
本書は「統計モデリングの世界」への入門書で、統計、確率、ベイズ推論、MCMCの基本をチュートリアル形式で学べる内容です。RやStanを用いたデータ分析の基礎から、一般化線形モデルや一般化線形混合モデル、状態空間モデルまでを体系的に解説しています。データサイエンスを学ぶ大学生やエンジニア向けの実践的なシリーズの一環として、すぐに実践できるスキルを身につけることができます。
本書は、AI・データ分析プロジェクトの成功には技術知識だけでなく「ビジネス力」が重要であることを強調しています。データサイエンティストのキャリアや業界の概要から始まり、プロジェクトの立ち上げ、実行、評価、収益化までのノウハウを網羅。具体的には、課題設定、案件獲得、データ分析手法の検討、レポーティングなどのプロセスを解説し、実務に役立つ情報を提供しています。著者は業界の専門家で、実践的な知識を基にした内容となっています。
本書は、数理モデルの多様な手法を解説し、データ分析における選択と理解を促進する入門書です。機械学習や統計モデルなど、自然科学と人文社会科学の手法を網羅し、初学者がデータ分析の全体像を把握できるように設計されています。特に、モデリング手法の選択や誤解しやすい点について丁寧に説明し、大学一年生でも理解できるレベルでありながら、より進んだ読者にも楽しめる内容となっています。著者は東京大学の特任講師で、幅広い分野での数理的解析に取り組んでいます。
データサイエンスを学ぶ上でこちらに一通り目を通しておくとベースが出来上がると思うのでオススメ。幅広く学べるがそこまで深く突っ込まないので気に入った領域は他の書籍で補完した方がよいかも!
本書は、機械学習アルゴリズムをオールカラーの図を用いてわかりやすく解説した入門書です。17種類のアルゴリズムを紹介し、各アルゴリズムの仕組みや使用方法、注意点を詳述しています。Pythonを用いたコードも掲載されており、実際に試しながら学ぶことができます。機械学習を学ぶ初心者や業務で利用している方にも役立つ内容となっています。
本書は、データサイエンスの基本概念から実際のビジネス活用事例までを豊富な図やイラストを用いて解説し、初心者でも理解しやすい内容になっています。データサイエンスの重要性が増す中、数学的な専門用語を避けながら、機械学習や先端テクノロジーとの関連も紹介。ビジネスパーソンや学生にとって、データサイエンスを学ぶための入門書として最適です。
この入門書は、パターン認識について基礎からわかりやすく解説しており、特にRを用いた実行例が含まれているため、実際の応用にも役立ちます。内容は識別規則や学習法、ベイズの識別規則、k最近傍法、サポートベクトルマシンなど多岐にわたり、最後には識別器の性能強化についても触れています。著者は筑波大学の名誉教授、平井有三氏です。
「はじめての」とついているが入門書ではなく結構難しい。ただ、機械学習の様々な手法が数式から学べるため中級者〜上級者には良いと思う。他の入門書で機械学習の概要を掴んだ後に読むべき本。
この書籍は、R言語を用いたデータ解析の入門書で、進化し続けるRの機能を活用する方法を紹介しています。初版以来、多くのRユーザーに支持されてきたロングセラーで、第2版では深層学習やネットワーク分析など新たな内容が追加されています。データマイニングの基礎から始まり、主成分分析やクラスター分析、ニューラルネットワークなど多岐にわたる分析手法を学ぶことができます。著者は金明哲で、統計科学の専門家です。
この書籍は、データ分析における視点を磨き、質の高い研究を行うためのガイドです。内容は、無作為性や統計的推測、研究デザイン、データ解析の基礎について解説しています。目次は基礎編とアラカルト編に分かれ、平均値や頻度、イベント発生時間の比較方法も取り上げています。著者は丹後俊郎氏で、医学統計学の専門家です。
本書『ビッグデータの正体』は、ビッグデータが私たちの生活や仕事、意識に与える影響を探る内容で、企業がどのように新たな価値を創造し、人々が物事の認知をどう変えるべきかを示しています。具体的には、グーグルやアマゾンのデータ活用法、電子書籍の進化、映画産業の予測能力などを例に挙げ、ビッグデータがもたらす変化を論じています。また、データの量が質を凌駕する時代や、因果関係から相関関係へのシフトについても触れています。著者はビッグデータの専門家であり、この分野の重要性を強調しています。
ビッグデータがどのように世界を変えるのかが学べる書籍。鳥インフルエンザが流行った時に、医療機関よりも早くGoogleが検索傾向から流行地を知り対策を取れたという話からはじまる様々なビッグデータの使い方・重要性が学べる。
この書籍は、時系列分析の基礎から応用までを詳しく解説しています。内容は、時系列分析の基礎概念、ARMA過程、予測手法、VARモデル、単位根過程、見せかけの回帰と共和分、GARCHモデル、状態変化を伴うモデルに分かれています。著者の沖本竜義は、経済学と統計学の専門家であり、実データへの応用に必要な知識を提供しています。
本書は、時系列データの分析方法を基礎から解説しています。探索的手法として移動平均、確率的手法として状態空間モデルを取り上げ、数式の意味やコードへの落とし込み方を丁寧に説明しています。初めて時系列分析を試みる人や、既に関わっている人にも興味深い内容となっており、応用的な話題もカバーしています。著者は牧山幸史、監修は石田基広です。
ビジネスや意思決定の場面で,データを活用したい方に手にとっていただきたいデータサイエンスの入門書。目的別の分析手法を幅広く… ビジネスや意思決定の場面で,データを活用したい方に向けたデータサイエンスの入門書。データの種類ごとの性質や収集時の注意点,目的別の分析手法からデータ可視化まで幅広く扱う。各章末には課題を設置し,最終章ではデータサイエンスの展望や限界についても言及。 第1章 データサイエンスとは 第2章 データ収集のための基礎知識 第3章 データ空間の構成法 第4章 データ生成のメカニズム 第5章 データの可視化手法 第6章 データ分析の手法 第7章 データ活用のフレームワーク 第8章 データの分析事例 第9章 データ分析上の注意点と応用知識
この書籍は、RとPythonの両方を学べるデータサイエンスの入門書です。プログラミング経験がなくても理解できるように、データサイエンスの基礎や環境構築について詳しく解説しています。内容は、データサイエンスの準備、機械学習の手法(回帰、分類、深層学習など)に分かれており、実践的なサンプルコードも提供されています。著者は東京大学と千葉工業大学の教授で、情報処理技術者試験委員を務めています。
本書は、統計学の基礎から応用までを扱った内容で、基礎編ではR言語を用いた記述統計や統計的仮説検定について解説し、応用編ではベクトルや行列、データフレーム、外れ値の影響などを取り上げています。著者は、教育心理学を専門とする学者たちで、各自が教育機関での実績を持っています。
この文章は、永田靖著の書籍の目次と著者情報を紹介しています。書籍は3部構成で、基礎と1変数関数の微積分、線形代数、多変数関数の微積分について解説しています。著者は1957年生まれで、早稲田大学で教授を務めています。
本書は、機械学習の有名なアルゴリズムをPythonを用いてゼロから実装することを目的としています。実用的なフレームワークを使用するのではなく、機械学習の仕組みを深く理解することで応用力や問題解決力を高めることを目指しています。内容は、Pythonの基本、機械学習に必要な数学、数値計算、そして具体的な機械学習アルゴリズムに関する解説を含んでおり、初心者や実務に携わるエンジニアに適しています。著者はシルバーエッグ・テクノロジーのチーフサイエンティストで、機械学習アルゴリズムの設計・実装に精通しています。
『A First Course in Bayesian Statistical Methods』の日本語訳で、ベイズ統計の基礎と計算手法を学ぶ書籍です。確率論の基本から始まり、正規モデルや階層モデル、線形回帰モデルなどのベイズ法を詳述し、潜在変数モデルなどの応用も紹介しています。Rによる実装方法やサンプルコードも提供され、社会科学や医学、生物学など多様な分野での応用例が取り上げられています。著者はピーター・D・ホフ教授で、他に翻訳者として入江薫、菅澤飯之助、橋本真太郎が関わっています。
この文章は、統計学に関する書籍の目次と著者情報を紹介しています。目次には、一変量データや多変量データの記述、確率分布、推定方法、仮説検定などのテーマが含まれています。著者は神永正博と木下勉で、それぞれの学歴と職歴が簡潔に記載されています。神永は数学の博士で、木下は工学の博士です。
本書はデータ視覚化の重要性と技術を解説しており、単なるグラフ作成にとどまらず、データの意味を明確にし、オーディエンスに興味を持たせることを目的としています。筆者は日本人女性唯一のTableau ZEN MASTERであり、実践的なノウハウや事例を通じて、データ視覚化の基礎からプロフェッショナルなテクニックまでを紹介しています。主要な章では、視覚化の基本概念、プロっぽく見せるコツ、適切なチャートの選択、実際のダッシュボード作成事例、組織内でのデータ視覚化の浸透方法について詳しく説明しています。
本書は、欠測データの解析における多重代入法の実用的な手法を解説しています。従来の書籍では理論中心でしたが、本書では具体的な応用事例や手順を示し、社会科学の分析手法(t検定、重回帰分析、ロジスティック回帰分析など)における欠測データ処理を詳述しています。Rコードと実データを用いて、読者が実際に手順を再現しながら学ぶことができるようになっています。著者は、統計科学や不完全データ処理法の専門家です。
本書は、機械学習の発展を背景にした統計的学習に関する教科書「The Elements of Statistical Learning」の全訳です。機械学習は人工知能の一分野から発展し、統計学と密接に関連しています。内容は、教師あり学習の基礎からニューラルネットワークやサポートベクトルマシン、ブースティングなどの高度な手法まで幅広くカバーしており、情報技術を学ぶ大学生や研究者に最適です。著者は各分野の専門家で構成されています。
本書は、深層学習に関する改訂版のベストセラーで、トランスフォーマーやグラフニューラルネットワーク、生成モデルなどの手法を詳しく解説しています。著者は、理論的な証明がなくても納得できる説明を重視し、実用性を考慮した内容を提供。全12章で、基本構造から各種学習方法、データが少ない場合の対策まで幅広く網羅しています。著者は東北大学の教授であり、実務家との共同研究の経験も反映されています。
本書は、ビジネスにおけるデータ分析の重要性とそのバイアスを取り除くための手法を解説しています。特に、意思決定に影響を与えるデータの生成過程におけるバイアスの存在を指摘し、単純な比較が誤った結論を導く可能性について警鐘を鳴らします。著者は、RCT(ランダム化比較試験)を理想的な分析手法として紹介し、RCTが実施できない場合でも因果推論を用いて効果的な分析が可能であることを説明します。目次には、セレクションバイアスや回帰分析、傾向スコア、差分の差分法などの具体的な手法が含まれています。著者は経済学の専門家で、データサイエンスの分野でも活躍しています。
この書籍は、マルコフ連鎖モンテカルロ法(MCMC)を理解しやすく解説しており、R言語のコードや練習問題が豊富に含まれています。初学者向けの内容ながら、エルゴード性などの高度なトピックにも触れています。データサイエンス教育の一環として、統計学と情報学を融合した新しい教科書シリーズの一部であり、実践的な教育を目指しています。著者は、数理科学と統計科学の分野で活躍する専門家です。
本書は、ネットワーク分析の理論と実践をRというフリーソフトを用いて学ぶためのガイドです。第2版では、統計的なネットワーク分析手法や社会ネットワーク、ソーシャルメディアの分析法に関する新しい章が追加され、複雑ネットワークやネットワーク描画の内容も改訂されています。著者は鈴木努で、社会学を専攻し、東北学院大学の准教授として勤務しています。
本書は、ビッグデータ時代におけるSQLの活用法を紹介するレシピ集です。目次には、分析力の重要性、使用するツールとデータ、データ加工、売上やユーザー行動のデータ抽出、分析技術の向上、行動を起こすための知識の活用方法が含まれています。著者は加嵜長門と田宮直人で、双方ともデータ解析およびビッグデータ活用の専門家です。
本書は、オウンドメディアの需要が高まる中、小中企業やNPOなどの担当者に向けて、オウンドメディアの制作と運用手法を解説しています。設計から具体的なメディア作成、記事作成、運用方法までを詳しく説明し、ランディングページやイベント告知ページの作成方法も紹介しています。オウンドメディアを立ち上げる担当者にとって必携の一冊です。著者は、コンテンツマーケティングの専門家である深谷歩氏です。
『達人に学ぶSQL徹底指南書』の第2版は、SQLを扱うエンジニア必携の書で、10年ぶりの改訂を経て、最新のSQL機能や実践的なコーディング事例を多数紹介しています。ウィンドウ関数やCASE式、外部結合などの重要なトピックを詳しく解説し、標準SQLに基づいて多様なデータベースに対応しています。また、リレーショナルデータベースの歴史や原理についても触れています。SQLを深く理解したいエンジニアやプログラマにおすすめの一冊です。
個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を… 個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を学ぶ
本書『Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition』は、機械学習の理論とPythonによる実践を解説するベストセラーの第3版です。分類、回帰、深層学習、強化学習など幅広いトピックをカバーし、最新のPythonライブラリに対応しています。特に、敵対的生成ネットワークと強化学習の新章を追加し、従来の内容を刷新しました。機械学習の理解を深めるための実用的な一冊です。
好評既刊「一変量統計編」「多変量統計編」を再編集.数学的説明を大幅に簡略化し,Rの操作,可視化の記述を拡充した.【目次】1章 R入門Rのダウンロード/Rの起動と終了/Rの拡張パッケージ/Rを電卓的に使う/データの種類と可視化の基礎/一変量データの扱い方/階級数の決め方/Rのグラフ書き出し/分位点と箱ひげ図/モード(最頻値)/欠損値の扱いなど2章 多変量データの記述散布図/相関係数/ピアソンの積率相関係数の大きさの解釈/順位相関係数/多変量における欠損値の扱い/相関関係は因果関係ではない/切断効果/外れ値の影響/三変量以上のデータの可視化3章 確率分布図鑑事象/確率と確率変数/確率変数の期待値と分散/二項分布/ポアソン分布/幾何分布/負の二項分布/正規分布/対数正規分布/指数分布/ワイブル分布4章 大数の法則と中心極限定理サイコロを1000回振る/チェビシェフの不等式/独立な確率変数と大数の法則/モンテカルロ法/大数の法則の暗号解読への応用(頻度解析)/チェビシェフの不等式の精度/中心極限定理/期待値・分散が存在しない場合5章 点推定点推定とは/最尤推定法/不偏推定量6章 区間推定と統計的仮説検定大標本における区間推定/小標本に対するt 分布の応用/正規分布とt 分布のずれ/区間推定と母平均のt検定/検定の帰結/両側検定・片側検定/対標本の平均値の比較/対応のない2 標本の母平均の差の検定/効果量について7章 分割表の検定(1)統計で用いられるデータの種類/適合度検定/適合度検定をやってみる/カイ二乗統計量/尤度比検定/カイ二乗検定の数学的仕組み8章 分割表の検定(2)分割表の独立性の検定/2×2分割表/母比率の差の検定/フィッシャーの正確検定/独立性の検定が役に立つ場合/残差分析9章 単回帰分析散布図を近似する直線を求める/Rにおける決定係数/説明変数と被説明変数のとり方で回帰直線が変わること/外れ値の影響10章 赤池情報量基準(AIC)によるモデル選択cars再考/赤池情報量基準(AIC)/AIC について/AIC の導出の考え方/KL 情報量の性質についての補足11章 重回帰分析(1) ワインの価格を予想する/重回帰分析の原理/分析例/Excelファイルのデータを読み込む12章 重回帰分析(2)多重共線性とは何か/多重共線性の数学的仕組み/多重共線性のシミュレーション例/正しく推定できる場合/交互作用/ダミー変数13章 一般化線形モデルの基礎一般化線形モデルの定義/二項選択モデルの考え方/ロジスティックモデルとプロビットモデル/ロジスティックおよびプロビット回帰分析の例/より複雑なモデルへの適用14 章 計数データへの一般化線形モデルの適用ポアソンモデル/ポアソンモデルの適用例/負の二項分布モデル15章 問題解答 1章 R入門 Rのダウンロード/Rの起動と終了/Rの拡張パッケージ/Rを電卓的に使う/データの種類と可視化の基礎/一変量データの扱い方/階級数の決め方/Rのグラフ書き出し/分位点と箱ひげ図/モード(最頻値)/欠損値の扱いなど/章末問題 2章 多変量データの記述 散布図/相関係数/ピアソンの積率相関係数の大きさの解釈/順位相関係数/多変量における欠損値の扱い/相関関係は因果関係ではない/切断効果/外れ値の影響/三変量以上のデータの可視化/章末問題 3章 確率分布図鑑 事象/確率と確率変数/確率変数の期待値と分散/二項分布/ポアソン分布/幾何分布/負の二項分布/正規分布/対数正規分布/指数分布/ワイブル分布/章末問題 4章 大数の法則と中心極限定理 サイコロを1000回振る/チェビシェフの不等式/独立な確率変数と大数の法則/モンテカルロ法/大数の法則の暗号解読への応用(頻度解析)/チェビシェフの不等式の精度/中心極限定理/期待値・分散が存在しない場合/章末問題 5章 点推定 点推定とは/最尤推定法/不偏推定量/章末問題 6章 区間推定と統計的仮説検定 大標本における区間推定/小標本に対するt 分布の応用/正規分布とt 分布のずれ/区間推定と母平均のt検定/検定の帰結/両側検定・片側検定/対標本の平均値の比較/対応のない2 標本の母平均の差の検定/効果量について/章末問題 7章 分割表の検定(1) 統計で用いられるデータの種類/適合度検定/適合度検定をやってみる/カイ二乗統計量/尤度比検定/カイ二乗検定の数学的仕組み/章末問題 8章 分割表の検定(2) 分割表の独立性の検定/2×2分割表/母比率の差の検定/フィッシャーの正確検定/独立性の検定が役に立つ場合/残差分析/章末問題 9章 単回帰分析 散布図を近似する直線を求める/Rにおける決定係数/説明変数と被説明変数のとり方で回帰直線が変わること/外れ値の影響/章末問題 10章 赤池情報量基準(AIC)によるモデル選択 cars再考/赤池情報量基準(AIC)/AIC について/AIC の導出の考え方/KL 情報量の性質についての補足/章末問題 11章 重回帰分析(1) ワインの価格を予想する/重回帰分析の原理/分析例/Excelファイルのデータを読み込む/章末問題 12章 重回帰分析(2) 多重共線性とは何か/多重共線性の数学的仕組み/多重共線性のシミュレーション例/正しく推定できる場合/交互作用/ダミー変数/章末問題 13章 一般化線形モデルの基礎 一般化線形モデルの定義/二項選択モデルの考え方/ロジスティックモデルとプロビットモデル/ロジスティックおよびプロビット回帰分析の例/より複雑なモデルへの適用/章末問題 14 章 計数データへの一般化線形モデルの適用 ポアソンモデル/ポアソンモデルの適用例/負の二項分布モデル/章末問題 15章 問題解答
『Python実践データ分析100本ノック 第2版』は、実際のデータ分析現場で遭遇する「汚いデータ」を扱うためのノウハウを提供する実践的な問題集です。データ加工から機械学習、最適化問題まで幅広くカバーし、ビジネスで即戦力となる応用力を養成します。内容は基礎編、実践編、発展編に分かれ、各章で具体的な課題を解決する形式で学びます。著者はデータ分析や機械学習の専門家であり、最新技術を取り入れた内容になっています。
例題を試しながら地理空間データ分析の基本を学べる!数字だけの分析ではなく、地理空間を組み合わせることで、より立体的で精度の高い予測、分析ができるため、注目を集める地理空間データ分析をPythonで行うための入門書です。既存の公開データ、Jupyter Notebookで提供されているサンプルコード、QGISというオープンソースのGISソフトを使い、手軽に試して結果を出力してみることができます。空間データ分析において重要ながらも見過ごされがちな、正確なマップをデザインするコツ、非定型データ型の処理のテクニックなどもフォローしています。
Web 上で公開されているデータを分析し,有益な知見を得るための基本技術を解説する。 ・Web 上で公開されているデータを分析・活用するための基礎知識を解説。・Pythonのサンプルコードを触りながら学習できる。・サンプルコードはサポートサイトからダウンロード可能。【主な目次】1. はじめに2. サンプルコードの実行環境3. テキスト分析1:テキストのベクトル化4. テキスト分析2:ベクトルを用いた分析5. ネットワーク分析6. 評価データ分析7. Web からのデータの収集
本書は、データ分析に必要な知識を包括的に解説した教科書で、分析手法だけでなく、データの質や解釈方法にも焦点を当てています。実践的なデータの扱いや心理学的バイアス、サンプリング方法、数理モデリングのポイントなどを幅広くカバーし、数学に自信のない読者でも理解できるよう工夫されています。データサイエンティストや研究者、ビジネスマンにとって有益な内容で、興味深い事例も豊富に紹介されています。著者は東京大学の特任講師で、さまざまな分野の問題に取り組んでいます。
データドリブンな意思決定をしたい企業や個人に、おすすめの1冊! 韓国のベストセラー初上陸! データ分析で進める Webサイトの UXの高め方を学べる。ユーザーの行動動向を可視化する「ヒートマップ」をベースとしたUXデータ分析の実務者向けの実践的ガイドブック!! 韓国のベストセラー書 日本初上陸! データ分析で進める Webサイトの UXの高め方を学べる。ユーザーの行動動向を可視化する「ヒートマップ」をベースとしたUXデータ分析の実務者向けの実践的ガイドブック!! 第 0 章 Introduction 第 1 章 データ分析を始めるための基礎知識 第 2 章 データ分析のプロセスを理解する 第 3 章 基本的な UX データ分析に関する用語を理解する 第 4 章 ヒートマップのデータでユーザー行動を分析する 第 5 章 より深い分析を始める 第 6 章 実践! データ分析を応用する 第 7 章 改善結果を検証する 第 8 章 組織に情報共有する ●主要指標および用語集
全Tableauユーザーの必携書!チャートも分析もドラッグアンドドロップとクリックでOK! 全Tableauユーザーのための必携書、大好評の「入門・基礎編」に第3版が登場!今や、全てのビジネスパーソンにとってBIツールのスキルは必須のものとなりました。本書では、初めての方からより分析力をつけたい方までを対象に、Tableauでチャートやダッシュボードを作成し、ビジュアル分析を行うための基本を紹介しています。Tableauを一通りかつ効率的に学びたい方は、ぜひ、本書でマスターしましょう。第3版では前版までの内容を見直し、主に次の加筆修正を行っています。・ステップを丁寧に追いつつ、Tableauの機能追加や変更に合わせて、より生産性が上がる方法を紹介・基本チャートとして、ニーズが増えてきたワードクラウドとパックバブルを追加・Tableau Server・Tableau Cloudでデータを定期的に自動更新、共有する方法をよりわかりやすく紹介著者は、Tableau Softwareで長年にわたり技術支援をしていた松島七衣さん。2018年、経済産業省主催「Big Data Analysis Contest」の初の可視化部門にて、Tableauを使って金賞を受賞された実力者です。〈対応製品〉Tableau DesktopTableau ServerTableau CloudTableau Prep Builder〈目次〉Chapter1 Tableauの概要Chapter2 チャートの作成Chapter3 データの整備Chapter4 フィールドの整備Chapter5 ビジュアライゼーションの周辺効果Chapter6 ダッシュボードとストーリーの作成Chapter7 ワークブックの共有とエクスポートChapter8 Tableau Prepによるデータ準備Chapter9 Tableau Server・Tableau Cloudでの共有 Chapter1 Tableauの概要 Chapter2 チャートの作成 Chapter3 データの整備 Chapter4 フィールドの整備 Chapter5 ビジュアライゼーションの周辺効果 Chapter6 ダッシュボードとストーリーの作成 Chapter7 ワークブックの共有とエクスポート Chapter8 Tableau Prepによるデータ準備 Chapter9 Tableau Server・Tableau Cloudでの共有
本書は、データサイエンティストの思考過程を紙と鉛筆を使って学ぶことを目的としています。PythonやRなどのプログラミング言語を使わず、40問のクイズを通じてデータの読み解き方や説明の仕方を体験できます。デジタル時代に必要なデータリテラシーを身につけたい人や、データを使って論理的に考えたい人におすすめです。各章では、データを読む、説明する、分類する、法則を見つける、予測する力を育む内容が展開されています。
あふれるデータや情報に、まどわされずに生きていく! 誰もが身につけたい・身につけられる強力な味方"データリテラシー"! あふれるデータや情報に、まどわされずに生きていく! 誰もが身につけたい・身につけられる強力な味方"データリテラシー"! “データリテラシー”とは、データや情報を正しく読みとる力——。データや情報の量もアクセス方法も増えていく、これからの時代を受け身にならずに生きていくための超重要スキルです!なんだかむずかしそう? 自分には関係なさそう?そんなことはありません! データリテラシーは、小学校レベル(主に算数)の学習内容をおさえておけば日常生活の多くの場面で役立つ強力な味方です。データの専門家を目指すためには高度な統計学やデータサイエンスの知識が必要になりますが、データリテラシーはそのだいじな基礎・基本にもなるでしょう。まさに、いま誰もが身につけたい・身につけられる力なのです。本書はタイトル通り、小学生にもわかりやすくデータリテラシーを学んでもらえる一冊です。算数で学習する「グラフ」や「代表値」から、「データの尺度」「相関関係と因果関係」「フェイクニュース」など大人も知っておきたい内容まで、キャラクターたちの会話形式で楽しく読み進めることができます。関連するクイズや読みごたえのあるコラムも、データリテラシーの理解をいっそう深めてくれるでしょう。これからのAI時代を生きていく子どもたちとすべての人へ、データや情報にまどわされずに“考え”続ける大切さと楽しさを味わっていただける一冊です!
Amazonの例などをもとにデジタルとリアルを融合した新進気鋭のマーケティングについて語られた書籍。コロナの影響で一時リアル空間は壊滅的になったがそれでもデジタル×リアルの流れは進んでいく。
この書籍は、いい加減な人ほど生産性を向上させるための実用的なテクニックを紹介しています。時間、段取り、コミュニケーション、資料作成、会議、学び、思考、発想の8つのカテゴリにわたり、57の具体的な方法を提案しています。著者は羽田康祐で、広告業界とコンサルティングの経験を活かし、マーケティングやビジネス思考に関する知識を提供しています。
「直感」だけでは伝わらない。「データ」だけではイノベーションは生まれない。AI時代の人間が主役の考え方 ●直感をビジネスに生かせない●仮説とデータが一致しない●いくらデータ分析しても、成果が出ない●結局、データより直感で判断している……。「その根拠は?」「なぜ、そう思うの?」「裏付けはあるの?」こういう指摘を受けるのは、あなたが、正しいデータの見方・使い方をしていないから。文系コンサルタントによる、文系ビジネス人材のためのデータとの向き合い方 はじめに――あなたは本当にデータを「見て」いますか? 1章 爆発的に加速するデータ時代のなかで ――文系"ビジネス人材”のデータとのつき合い方 2章 データ活用、DX推進における誤解 ――あなたのデータ分析、データ活用がうまくいかないのはなぜか 3章 人間が主役のデータ活用 ――"ビジネス人材”だからこそ可能なデータインフォームドな思考法 4章 仮説思考でデータと向き合う技術 ――データ分析だけでは出てこない、自分なりの「仮の解」の導き方 5章 データインフォームド思考 実践編 ――「報告」「企画」「営業」……。 具体的シーンで"仮説とデータをつなぐ”技術 おわりに――「成功の再現性」に寄与するビジネス人材を目指そう
本書は最適化手法についての入門書であり、経営学やオペレーションズリサーチだけでなく、統計的最適化や機械学習の話題も扱っています。計算機技術の進歩により、複雑な最適化問題が解決可能になった背景を踏まえ、各手法の原理や数学的背景を詳しく解説しています。内容は例題を多く用いて分かりやすく、関連する話題や注意点も随所に挿入されています。目次には数学的準備、関数の極値、最適化手法、最小二乗法、統計的最適化、線形・非線形計画法、動的計画法が含まれています。著者は岡山大学の金谷健一教授です。
内容は少々難解だが、統計学や機械学習・データサイエンス分野のエッセンスが詰まっていて何度も読み返したい書籍。大学院生時代の授業の輪読して使用し、目からウロコの連続だった。ある程度基礎固めをした後に読んでほしい1冊
本書は、デジタル時代におけるマーケティングの基本を解説し、企業の「売りたい気持ち」を消費者の「買いたい気持ち」に変える方法を提案します。新規顧客と継続顧客の育成、デジタルコミュニケーションの重要性を強調し、顧客の状態に応じたアプローチを紹介。著者は、実践的なデジタルマーケティングのメソッドを10項目にまとめ、売上成長のための基本的な考え方を提供します。
アルゴリズムの基本的な考え方と種類、さまざまなデータ分析の手法のほか、機械学習やニューラルネットワークについて学びます。 高校で学ぶ「情報」科目をカバーした読みやすい入門書。シリーズ第4巻は、アルゴリズムの基本的な考え方と種類、データ構造やさまざまなデータ分析の手法のほか、機械学習やニューラルネットワークについて学びます。 「AI人材」や「高度IT人材」を目指す人のみならず、今やコンピュータサイエンスやデジタル技術に関する知識は〈これから〉の時代を生きていくすべての人に必要なものになりました。学校教育の現場では「GIGAスクール構想」のもと1人1台タブレット端末が配布され、小学生のときからデジタル教材やプログラミングに触れる機会が増え、この動きは中学校にも拡大しています。高校では「情報Ⅰ」の新科目が必修となり、2025年から大学入学共通テストへの導入が決まりました。新しい時代へのパスポートとなるこの全5巻のシリーズは、日常生活の中で見聞きする話題から始まり、まるで紙面上で実際に授業を受けているような感覚が味わえる、読みやすくて楽しい入門書です。シリーズ第4巻は、アルゴリズムの基本的な考え方と種類、データ構造やさまざまなデータ分析の手法のほか、機械学習やニューラルネットワークについて学びます。【シリーズの特長】◆親しみやすい話題から始まる各章のテーマに関する〈身近なモノやサービス〉の事例やエピソードを紹介。◆高校で学ぶ「情報」の学習範囲に準拠2022年度開始の新科目「情報Ⅰ」、2023年度開始の「情報Ⅱ」をフォロー。◆理解を助ける豊富な写真や図表イメージしにくい概念や考え方をビジュアル面から補足。◆学生から社会人まで役立つ中高生からの独習~社会人の学びなおし(リスキリング)ニーズに対応。「ITパスポート」「基本情報技術者」試験の受験者や「情報」教科担当職員の事前学習用に最適。 Chapter 1 アルゴリズム 1-1 アルゴリズムとは 1-2 よいアルゴリズムの指標 1-3 フローチャート Chapter 2 代表的なアルゴリズム 2-1 探索問題 2-2 ソーティング 2-3 最短経路問題 Chapter 3 アルゴリズムとデータ構造 3-1 配列 3-2 リスト 3-3 木構造 3-4 スタックとキュー Chapter 4 さまざまな現象のシミュレーション 4-1 数式に従う現象のシミュレーション 4-2 確率的シミュレーション 4-3 検定 Chapter 5 データの分布形状の考慮 5-1 分布形状の考慮 5-2 距離尺度 5-3 主成分分析 Chapter 6 クラスタリング 6-1 クラスタリングとは 6-2 k-means アルゴリズム 6-3 階層型クラスタリング Chapter 7 重回帰分析による予測 7-1 重回帰分析とは 7-2 重回帰分析の方法 7-3 変数の種類 7-4 モデルのよさと変数選択 Chapter 8 購買データの分析と推薦 8-1 同時購入商品に注目した分析 8-2 購入者に注目した分析 Chapter 9 機械学習による認識 9-1 人工知能と機械学習 9-2 データの準備 9-3 古典的な機械学習アルゴリズム 9-4 認識結果の評価 Chapter 10 深層学習 10-1 ニューラルネットワーク 10-2 ニューラルネットワークによる物体認識 10-3 ニューラルネットワークの学習方法 10-4 代表的なニューラルネットワークの形状
本書は、Pythonのデータ処理ライブラリ「pandas」の実践的な使用法を約100のレシピ形式で紹介するもので、データ分析や科学計算に役立つ内容が含まれています。各レシピは手順や解説が整然とまとめられており、データ構造の基本から可視化技術まで幅広くカバーしています。著者はデータサイエンティストのTheo Petrouで、教育やデータ分析に関する豊富な経験を持っています。読者はデータサイエンスに興味のあるすべての人を対象としています。
ビッグデータ時代のレコメンデーション コミュニティ・リサーチによるビジネス共創 リサーチという経験のデザイン タブレット端末を用いた新たなシングルソースデータの構築 消費者発生型自由回答〈口コミ〉の解析 地域振興戦略のための旅行者ビッグデータの活用 ビジネス・エスノグラフィーによるインサイト オンラインデータと調査データの融合 店頭プロモーションのマイクロ・マーケティング マルチ・エージェント・ベースのシミュレーション
近年、教育分野でも活用が期待されるビッグデータ。しかし、実際にどう使いこなせばよいのか? 具体的なノウハウを基礎から解説! 近年、教育分野でも活用が期待されるビッグデータ。しかし、実際にどう使いこなせばよいのか? 具体的なノウハウを基礎から解説! 近年、教育分野でも活用が期待されるビッグデータ。しかし、実際にどう使いこなせばよいのか? 具体的なノウハウを基礎から解説! 序 章――読者の皆さんへ ________________________ 第Ⅰ部 教育効果の測定はなぜ必要か ________________________ 第1章 教育効果の測定から何がわかるのか 第2章 教育効果を「測定する」とはどういうことか 第3章 どのように教育効果の測定・分析を政策に活かすのか ________________________ 第Ⅱ部 教育効果の測定方法 ________________________ 第4章 どのような測定結果が必要なのか 第5章 プロである教師が使える測定結果であるために 第6章 学力・非認知能力などの測定 ________________________ 第Ⅲ部 教育効果の測定結果の分析と活用 ________________________ 第7章 因果推論の基礎 第8章 研究者と測定結果を分析する 第9章 学校・教育委員会における分析、 分析のためにやるべきこと 第10章 分析結果の活用の仕方、活用にあたっての留意点 ________________________ 第Ⅳ部 教育効果の測定の限界と可能性 ________________________ 第11章 教育効果の測定結果の活用の限界を認識しつつ、 それを乗り越えて 終 章――教育効果測定至上主義、測定不要論の二項対立をこえて
好評書『現代数理統計学の基礎』の著者が、統計検定準一級レベルの、データ解析のための数理統計の基礎をわかりやすく解説。 本書は、好評書『現代数理統計学の基礎』の著者による、データ解析のための数理統計の基礎をわかりやすく解説する書籍である。難易度は前著よりもやや下がり、統計検定でいうと準1級レベルとなる。前半では、確率、確率変数、確率分布、期待値と共分散、大数の法則と中心極限定理などの基礎知識と必要な道具を学習した上で、パラメータの推定や信頼区間、仮説検定などの推測統計の方法を説明する。後半では、線形回帰、ロジスティック回帰、分散分析、ベイズ統計とMCMC法、ブートストラップ法、ノンパラメトリック検定、生存時間解析、多変量解析などの様々なトピックを扱い、統計分析の幅広い知識と手法を述べる。ウィルス検査などの具体的な数値も要所要所に交え、また各章末に基礎的な問題を豊富に用意して、知識を定着しやすくしている。 第1章 確率モデル 1.1 標本空間 1.2 確率 1.3 初等的な確率計算 1.4 条件付き確率とベイズの公式 1.5 事象の独立性 第2章 確率変数と確率分布 2.1 離散確率分布 2.2 連続確率分布 2.3 確率変数の関数の分布と変数変換 第3章 2変数の同時確率分布 3.1 離散確率変数 3.2 連続確率変数 3.3 確率変数の独立性 3.4 条件付き分布 3.5 2変数関数の変数変換 第4章 期待値と積率母関数 4.1 期待値の性質 4.2 共分散と相関係数 4.3 条件付き期待値 4.4 積率母関数,確率母関数とその利用法 第5章 統計モデルとデータの縮約 5.1 統計モデルの考え方 5.2 標本平均,標本分散,不偏分散 5.3 順序統計量 5.4 十分統計量とデータの縮約 5.5 階層的な確率モデル 5.6 ポアソン過程 第6章 大数の法則と中心極限定理 6.1 大数の法則 6.2 中心極限定理 6.3 収束関連の事項 第7章 正規分布から導かれる分布 7.1 カイ2乗分布,t-分布,F-分布 7.2 標本平均と不偏分散の確率分布 第8章 パラメータの推定 8.1 パラメトリックモデルの例 8.2 推定方法 8.3 最尤推定量の漸近正規性 8.4 クラメール・ラオ不等式と有効性 8.5 十分統計量とラオ・ブラックウェルの定理 第9章 仮説検定と信頼区間 9.1 仮説検定とは 9.2 統計的仮説検定の考え方 9.3 尤度比検定 9.4 2標本の正規母集団に関する検定 9.5 ワルド型検定 9.6 信頼区間 9.7 相関係数の検定とフィッシャーのz変換 第10章 カイ2乗適合度検定と応用例 10.1 多項分布による適合度検定 10.2 分布系の検定 第11章 回帰分析―単回帰モデル― 11.1 最小2乗法 11.2 単回帰モデル 11.3 回帰診断 第12章 重回帰モデル 12.1 重回帰モデルの行列表現と最小2乗法 12.2 最小2乗推定量の性質 12.3 回帰係数の仮説検定 12.4 変数選択の方法 12.5 応用例 第13章 ロジスティック回帰とポアソン回帰 13.1 ロジスティック回帰モデル 13.2 2値データ解析のモデル 13.3 ポアソン回帰 第14章 ベイズ統計とMCMC法 14.1 事前分布と事後分布 14.2 代表例 14.3 ベイズ流仮説検定とベイズファクター 14.4 事前分布の選択 14.5 マルコフ連鎖モンテカルロ法 第15章 分散分析と多重比較 15.1 フィッシャーの3原則 15.2 1元配置分散分析 15.3 多重比較の問題 15.4 2元配置分散分析 第16章 分布によらない推測法 16.1 データの要約 16.2 順位相関係数 16.3 ノンパラメトリック回帰とナダラヤ・ワトソン推定 16.4 ブートストラップ法 16.5 ノンパラメトリック検定 16.6 生存時間解析とカプラン・マイヤー推定 第17章 多変量解析手法 17.1 相関行列と偏相関 17.2 主成分分析 17.3 判別分析 17.4 因子分析 17.5 クラスター分析
人的資本経営に不可欠な情報開示の資料作り…“見える化”のテクニックを駆使して作業効率&説得力をアップさせる!2022年8月、内閣官房より、人材に関する情報開示を企業に求める「人的資本可視化指針」が公表されました。また、「女性版骨太の指針2023」では、プライム市場上場企業に女性役員比率の数値目標の設定と行動計画の策定に努めるよう求めています。「人的資本の情報開示」は、企業にとって重要な経営課題だといえるでしょう。この課題に取り組むなかで、人事関係者は、労務構成や賃金などの様々なデータを分析、可視化した資料を作成し、社内外に自社の状況を説明していくことが求められます。そこで本書は、言いたいことを一目でわからせるためのグラフ・図表の選び方や、それらをエクセルで作成する際の操作手順、説明文の書き方といったポイントを、わかりやすくかつ具体的に解説します。 第1章 「人的資本の情報開示」と資料作りのポイント 1⃣ 「人的資本の情報開示」の動きと企業の対応 1 「人的資本」とは 2 「人的資本の情報開示」が求められる背景 3 「人的資本の情報開示」に関する基準やガイドライン 4 雇用状況等の情報公表を定めた労働法令 5 有価証券報告書への人的資本情報の記載の義務化 6 「人的資本の情報開示」の動きのまとめ 2⃣ 「人的資本の情報開示」のポイント 3⃣ 人的資本に関する資料作りのポイント 1 A4・横版のスライド形式の資料を作成するポイント 2 A4・縦版の報告書形式の資料を作成するポイント 4⃣ 資料作りの進め方 第2章 グラフによるデータの「見える化」 1⃣ 人的資本情報の「見える化」のポイント 1 人的資本情報の数値化 2 数値化した情報の「見える化」 2⃣ エクセルを使ったグラフの作り方 1 グラフ作成の手順 2 グラフの種類と特徴 3 グラフ化における一般的な注意点 3⃣ 棒グラフ(縦棒/横棒)の特徴と作り方 1 棒グラフの特徴 2 人的資本情報における使用例 3 グラフの作成方法 4 棒グラフを作成するときのポイント 4⃣ 積み上げ棒グラフ(縦棒/横棒)の特徴と作り方 1 積み上げ棒グラフの特徴 2 人的資本情報における使用例 3 グラフの作成方法 4 積み上げ棒グラフを作成するときのポイント 5⃣ ヒストグラムの特徴と作り方 1 ヒストグラムの特徴 2 人的資本情報における使用例 3 グラフの作成方法 4 ヒストグラムを作成するときのポイント 6⃣ 折れ線グラフの特徴と作り方 1 折れ線グラフの特徴 2 人的資本情報における使用例 3 グラフの作成方法 4 折れ線グラフを作成するときのポイント 7⃣ 円グラフの特徴と作り方 1 円グラフの特徴 2 人的資本情報における使用例 3 グラフの作成方法 4 円グラフを作成するときのポイント 8⃣ 散布図の特徴と作り方 1 散布図の特徴 2 人的資本情報における使用例 3 グラフの作成方法 4 散布図を作成するときのポイント 9⃣ 箱ひげ図の特徴と作り方 1 箱ひげ図の特徴 2 人的資本情報における使用例 3 グラフの作成方法 4 箱ひげ図等を作成するときのポイント 🔟 レーダーチャートの特徴と作り方 1 レーダーチャートの特徴 2 人的資本情報における使用例 3 グラフの作成方法 4 レーダーチャートを作成するときのポイント 11 この章のまとめ~グラフは何を「見える化」しているのか~ 第3章 数値や表によるデータの「見える化」 1⃣ 数値による「見える化」 1 数値による「データの変化」と「データの構造」の見える化 2 「データ分布の特徴」を示す数値 3 代表値の種類 ~平均値、中央値、最頻値~ 4 散らばりを示す数値① ~分散、標準偏差~ 5 散らばりを示す数値② ~最大値・最小値、分位数~ 6 「基本統計量」の使い方 2⃣ 表による「見える化」 1 データ分布の特徴を示す表の具体例 2 データの変化を示す表の具体例 3 データの構造を示す表の具体例 3⃣ ピボットテーブルを使った「見える化」とデータ分析 1 男女の賃金差異の集計と分析 2 男女の賃金差異を説明するときの注意点 3 人材マップ(年齢・等級別人員構成図)の集計と分析 4 人材マップを作成するときの注意点 4⃣ ピボットグラフの活用 5⃣ この章のまとめ~数値や表による「見える化」のポイント~ 第4章 人的資本指標の算出と統計データ等の収集 1⃣ 人的資本に関する指標と算出方法 1 人員構成に関する指標 2 賃金水準・格差構造に関する指標 3 働き方(労働時間、休日、休暇等)に関する指標 4 人材育成に関する指標 5 ダイバーシティに関する指標 6 職場環境等に関する指標 7 生産性、人件費に関する指標 2⃣ 人的資本指標に関する統計データ等の収集 1 統計データ等を収集・活用するときの注意点 2 官公庁の統計データの入手方法(e-Statの使い方) 3 人員構成に関するデータが入手できる統計調査 4 賃金水準・格差構造に関するデータが入手できる統計調査 5 働き方(労働時間等)に関するデータが入手できる統計調査 6 人材育成に関するデータが入手できる統計調査 7 ダイバーシティに関するデータが入手できる統計調査 8 職場環境等に関するデータが入手できる統計調査 9 生産性、人件費に関するデータが入手できる統計調査 10 人的資本に関するその他のデータの入手方法 第5章 人的資本に関する資料作りの事例 1⃣ 「人的資本の情報開示」の基本的な考え方の整理 2⃣ 開示情報、モニタリング情報の設定 3⃣ 人的資本の資料作り・報告の年間スケジュール 4⃣ 「人的資本に関する報告書」(社内資料)の事例 5⃣ 人的資本に関する資料作りを進めるにあたって
本書は、ビッグデータ時代におけるデータ収集と分析の重要性を解説し、ビジネス戦略に役立てるための基本的な考え方やデータマイニング、モデリングの概念を体系的に紹介しています。著者たちはデータサイエンスの専門家であり、実践的な技法や分析思考を通じて、ビジネスにおけるデータの活用方法を学ぶことができる内容となっています。
ビジネスパーソンが簡単にデータの収集、変換、可視化、リアルタイム分析を行うことができるのがMicrosoft Power BIです。Excel初心者でもすぐできる手軽さで、本格的なBI(Business Intelligence)ツールとして利用できることから、非常に高い人気を誇っています。本書では、Power BI初心者でも現場ですぐに利用できるように、「基本編」「リファレンス編」「ハンズオン編」の3 部構成で解説します。<Part 1:基本編>Power BI の基礎知識、インストール・設定と使い方、データ分析に必要なデータモデリング、データクレンジング、視覚化について、基礎からわかりやすく解説します。<Part 2:リファレンス編>データ分析・可視化の実現の仕方が目的別にわかる「ビジュアルリファレンス」、Power BI 上のデータ集計に役立つDAXの基本と使い方を解説した「DAXリファレンス」、Power BIで作成したレポートの活用、運用がわかる「レポート管理・運用リファレンス」で、実践的な利用方法を解説します。<Part 3:ハンズオン編>前章までで学んだ知識を活用して、「契約分析レポート」の作成を行うハンズオンです。データの取得、加工、リレーションシップの構築、可視化、Power BI Service への発行、共有までの一連の流れを学ぶことができます。本書の内容は、ライセンスがない方でも試用版ライセンスで一定期間、無料で試すことができます。 この本の読者の方々へ 監修者の言葉 本書の活用の仕方 #Part 1 基本編 ##Chapter1 Power BI入門 ###1-1 Power BIでできること ###1-2 Power BIで利用できるサービス ###1-3 Power BIで分析できるさまざまなデータ ####Column Microsoft Fabricとは ##Chapter2 セルフサービスBI開発環境の準備 ###2-1 Power BIのセルフサービスBI開発の始め方 ###2-2 サインアップが必要なサービス ####Microsoft 365開発者プログラム ####Power BIライセンス ###2-3 Microsoft 365開発者プログラムのサインアップ ###2-4 二段階認証の使用を無効化する ###2-5 Power BI Desktopをセットアップする ####ダウンロード ####サインイン ###2-6 Power BI Serviceをセットアップする ####ワークスペースの作成 ###2-7 Dataverseをセットアップする ##Chapter3 Power BIの基本 ###3-1 セルフサービスBI開発の基本的な流れ ###3-2 データモデリング ####データモデリングとは ####スタースキーマとは ####ファクトテーブルとディメンションテーブル ####データのインポート ####リレーションシップ ####DAX ####Power Queryを使ったデータモデリング ###3-3 Power BI Desktopの画面構成 ###3-4 視覚化 ####ビジュアルの追加とデータの割り当て ####フィルターの追加 ####プロパティ設定 ###3-5 レポートの発行 ###3-6 Power BI Serviceの画面構成 #Part 2 リファレンス編 ##Chapter4 ビジュアルリファレンス ####目的別ビジュアルの早見表 ####Column カスタムビジュアルでビジュアルを拡張する ####サンプルデータを読み込む ###4-1 データの時系列変化を表示する ####折れ線グラフ ####Column 折れ線グラフのビジュアル設定 ####折れ線グラフおよび積み上げ縦棒グラフ ####集合横棒グラフ、集合縦棒グラフ ####ウォーターフォール図 ###4-2 データの構成比を表示する ####円グラフ ####ドーナツグラフ ####Column ビジュアルのテーマを変更してみよう ####ツリーマップ ####ファネル ####100%積み上げ横棒グラフ、100%積み上げ縦棒グラフ ###4-3 データの構成推移を表示する ####面グラフ ####積み上げ面グラフ ####リボングラフ ###4-4 データを地域別に表示する ####Column Power BIでマップと塗り分け地図ビジュアルを使用できるようにする ####マップ ####塗り分け地図 ###4-5 データの相関関係を表示する ####散布図 ####分解ツリー ####主要なインフルエンサー ###4-6 データを一覧する/カードで表示する ####カード ####複数の行カード ####KPI ####テーブル ####マトリックス ####Column ドリルダウン、ドリルアップを使ってデータ分析を強化する ###4-7 データの絞り込み、要約、問い合わせを行う ####スライサー ####スマート説明 ####Q&A ##Chapter5 DAXリファレンス ###5-1 計算列とメジャー ####サンプルデータを読み込む ###5-2 計算列の基本 ####2列を使用して乗算する計算列の作成 ####Column DAXで使用できる演算子 ####関数を使った計算列の作成 ####Column DAXでよく使用される関数 ####条件式を使った条件付きの計算列の作成 ###5-3 メジャーの基本 ####合計を計算するメジャーの作成 ####関数を使ったメジャーの作成 ####フィルターを使ったメジャーの作成 ###5-4 データ分析に使用する標準期間(日付テーブル)を作成する ####Column 日付テーブルとしてマークする ##Chapter6 レポートの管理、運用 ###6-1 レポートの保管場所(ワークスペース)を作成する ####ワークスペースの作成と管理 ###6-2 ワークスペースのアクセスを管理する ###6-3 Power BI Serviceへレポートを発行する ###6-4 レポートをさまざまな方法で共有する ####リンクのコピー ####PowerPointへの共有 ###6-5 レポートのデータ取得スケジュールを管理する ####Power BI Serviceのデータセットでデータ取得のスケジュールを設定し、データの自動更新を行う ####Power BI Serviceのデータセットでデータの手動更新を行う ###6-6 レポート運用状況を通知する ####レポートを購読し、更新があった場合に通知する ####データセットの更新失敗時に通知する ####指標とする数値が一定の範囲を超過した場合にアラートを通知する ####メール通知機能の動作をテストする #Part 3 ハンズオン編 ##Chapter7 契約分析BIレポートを作成してみよう ####Power BIレポート開発ハンズオンの流れ ###7-1 Power BI Desktopでデータソースからデータを取得する ####正しいデータ型で読み込まれているかPower Queryで確認する ####Column Power Queryでデータを加工する ####データ分類を指定する ###7-2 Power BI Desktopでスタースキーマを構成する(リレーションシップの設定) ####日付テーブルを作成する ###7-3 Power BI Desktopでデータを可視化し、レポートを発行する ####1. レポートのページの名称設定と背景画像を設定する ####2. 概要レポートの作成 ####3. 影響分析レポートの作成 ####4. 分解分析レポートの作成 ####各ビジュアルの動きを確認する ####Column クロスフィルターの調整方法 #Appendix付録 ##Appendix1 Dataverseを活用しよう ###A1-1 Dataverseとは ####Dataverseの始め方 ###A1-2 データソースの準備(Dataverseテーブル作成) ###A1-3 リレーションシップを構成する ###A1-4 Power BI DesktopでDataverseに接続する ###A1-5 まとめ ##Appendix2 Microsoft Fabric──AI時代のデータ分析ソリューション ###A2-1 Microsoft Fabric ####Microsoft Fabricの登場 ####Microsoft Fabricの特徴 索引
文科と理科両方の学生のために,統計的なものの考え方の基礎をやさしく解説するとともに,統計学の体系的な知識を与えるように,編集・執筆された.豊富な実際例を用いつつ,図表を多くとり入れ,視覚的にもわかりやすく親しみながら学べるよう配慮した. 第1章 統計学の基礎(中井検裕,縄田和満,松原 望) 第2章 1次元のデータ(中井検裕) 第3章 2次元のデータ(中井研裕,松原 望) 第4章 確率(縄田和満,松原 望) 第5章 確率変数(松原 望) 第6章 確率分布(松原 望) 第7章 多次元の確率分布(松原 望) 第8章 大数の法則と中心極限定理(中井検裕) 第9章 標本分布(縄田和満) 第10章 正規分布からの標本(縄田和満) 第11章 推定(縄田和満) 第12章 仮説検定(縄田和満,松原 望) 第13章 回帰分析(縄田和満) 統計数値表 練習問題の解答
本書は、データに基づくマーケティングの重要性を説く教科書で、アマゾンのような企業が実践している手法を紹介しています。著者は15の指標を通じて、データを活用した効果的な意思決定の方法を解説し、マーケティングの成果を向上させるための具体的なアプローチを提案しています。経営者やマーケティング幹部にとって必読の内容です。著者は、ノースウェスタン大学の教授やコンサルタントとしての豊富な経験を持つ専門家たちです。
ジェフ・ベゾスが全社員にまず読ませる書籍ということで読んでみたが、内容はありきたりのものでそれほど目新しさがなかった。とりあえず適切なKPIを設定してそれをトラッキングできるようにせよ!ということ。