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

ネットワーク分析

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

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

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

データを利益に変える知恵とデザイン

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

2019年の変化を先取り!マーケティングの基本をキーワードで読み解く

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！

「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

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

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

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