明日からビジネス現場で使おう！

らくらくノーコード
ビジネスデータサイエンス入門
（2024年1月開始・土曜日コース）

【開催日時】　全5回（土）2024/1/27,2/10,2/24,3/9,3/23（13:30〜18:00）
【受講形式】　当日Zoom（ or 復習用に後日動画視聴）
【参加費用】　8万円(税込み)/人
【利用ツール】Excel・ノーコードR・ノーコード機械学習H2O

　※データを使った各演習にはステップByステップ分析手順書付き

当コースは、マーケティングや営業の現場で高度なプログラミング技術を使わずにデータを活用し成果をだす人財を養成するプログラムです

利用する分析ツール

みんな大好き Excel ※特にアドイン「データ分析」などを使います
ノーコード＆無料で使えるビジネスデータ分析環境 R Radiant（Rから起動し使います）
ノーコード＆無料で使える機械学習プラットフォーム H2O Flow
ノーコード＆無料で使える機械学習プラットフォーム H2O Flow

セミナー講師ではなく、現役のデータサイエンティストが教えます
小難しい理論よりも、ビジネスへの実践にこだわっています
単にデータ分析手法を学ぶだけでなく、いかに活用するのか、その勘所を学びます
個々の分析手法が、どのように関連しあっているのかを体系的に学びます
理論と演習を繰り返すため、理論の定着と実践力が促されます
ビジネスデータ分析で使う、機械学習モデルを手を動かして学びます
プログラミング不要のノーコードなデータ分析ツールを用います
自動で機械学習モデルを構築するAutoML（自動機械学習）もノーコードで実施します
セミナー講師ではなく、現役のデータサイエンティストが教えます

明日からビジネス現場で使える

ストーリー設計・データ分析・モデル構築
の考え方と具体的手順を習得！

ストーリー設計

ビジネスの現場でどのようにデータ活用し成果をだすのかを描くデータ活用ストーリーの考え方と具体的な手順を、習得していきます

データ分析

明日から実務で使える無料かつノーコード（プログラミング不要）なツールを使い、手を動かしながら具体的な事例を元にデータ分析を実施し、習得していきます

モデル構築

データ分析と同様に、明日から実務で使える無料かつノーコード（プログラミング不要）なツールを使い、手を動かしながら機械学習モデルの構築を実施し、習得していきます

ツールを使い学ぶこと

EDA（探索的データ分析）
実験計画法とコンジョイント分析
相関分析と因子分析
クラスター分析とプロファイリング
コレスポンデンス分析と選好回帰
既存顧客に対するチャーン分析（離反予測モデルと対策ルール作成）
リード（見込み顧客）に対する受注確率と受注金額の予測
離反確率とLTV（顧客生涯価値）の予測
統計学的なサンプルサイズの決め方

R Radiant

Radiantは、Vincent Nijs(University California San Diego)によって開発されたブラウザベースのビジネスデータ分析ツールで、フリーで利用できます。このアプリは、オープンソースのR＆Shinyをベースにしており、ローカルまたはサーバー上で実行することができます。

H2O Flow

H2Oは、H2O.ai社によって開発されたフリーで使えるインメモリ型の機械学習プラットフォームです。ノンコードで機械学習モデルを構築することのできるH2O FlowというGUI環境が用意され、AutoML(自動機械学習)機能で面倒なパラメータ調整などを全自動で実施してくれます。

カリキュラム

1 日目｜2024/1/27（土）13:30-18:00

■前半｜13:30-15:30　データを使った課題解決アプローチ

　1 はじめに
　　1-1 講座全体のお話し
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 データを活用して、何が嬉しいの？
　　2-1 なぜデータを使うと嬉しいのか？
　　2-2 データ活用ストーリー
　　2-3 もっともシンプルなデータ活用の3ステップ
　3 データ活用は「テーマ設定」が９割
　　3-1 なぜ、データ活用が上手くいかないのか？
　　3-2 データ分析・活用の進め方
　　3-3 テーマ活用ストーリーを作ろう！
　4 便利な分析ツールのご紹介
　　4-1 鉄板系（コーディング必須）
　　4-2 ノーコード＆プロンプト系
　　4-3 Excel と R Radiantの準備
　5 次回に向けて
　　5-1 今回の振り返りと宿題（提出義務はありません）
　　5-2 学びを実践に変える「やるやるシート」
　　5-3 次回予告
　　
■後半｜16:00-18:00　アナリティクスの基礎とExcelデータ分析

　1 はじめに
　　1-1 前回の振り返り
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 アナリティクスの基礎のキソ
　　3-1 振返り分析と近未来分析
　　3-2 アナリティクス（データ分析）の進め方
　　3-3 基本的なデータ分析手法
　3 営業データ分析ケーススタディ
　　3-1 事例説明
　　3-2 Excelで演習
　　3-3 R Radiantで演習
　4 開発データ分析ケーススタディ
　　4-1 事例説明
　　4-2 Excelで演習
　　4-3 R Radiantで演習
　5 次回に向けて
　　5-1 今回の振り返りと宿題（提出義務はありません）
　　5-2 学びを実践に変える「やるやるシート」
　　5-3 次回予告

2 日目｜2024/2/10（土）13:30-18:00

■前半｜13:30-15:30　実験計画法とコンジョイント分析

　1 はじめに
　　1-1 前回の振り返り
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 実験計画法とコンジョイント分析
　　2-1 手法の概要説明
　　　2-1-1 実験計画法とは？
　　　2-1-2 実験計画表の作成方法
　　　2-1-3 コンジョイント分析とは？
　　2-2 Let's 実験計画表の作成
　　　2-2-1 事例概要
　　　2-2-2 使用するデータ
　　　2-2-3 実験計画表の作成
　　2-3 Let's コンジョイント分析の実施
　　　2-3-1 事例概要
　　　2-3-2 使用するデータ
　　　2-3-3 コンジョイント分析の実施
　3 次回に向けて
　　3-1 今回の振り返りと宿題（提出義務はありません）
　　3-2 学びを実践に変える「やるやるシート」
　　3-3 次回予告

■後半｜16:00-18:00　相関分析と因子分析

　1 はじめに
　　1-1 前回の振り返り
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 相関分析と因子分析
　　2-1 手法の概要説明
　　　2-1-1 相関係数の復習と相関係数マトリックス
　　　2-1-2 主成分分析と因子分析
　　　2-1-3 因子分析の流れ
　　2-2 Let's 相関分析の実施
　　　2-2-1 事例概要
　　　2-2-2 使用するデータ
　　　2-2-3 相関分析の実施
　　2-3 Let's 因子分析の実施
　　　2-3-1 事例概要
　　　2-3-2 使用するデータ
　　　2-3-3 因子分析の作成
　3 次回に向けて
　　3-1 今回の振り返りと宿題（提出義務はありません）
　　3-2 学びを実践に変える「やるやるシート」
　　3-3 次回予告

3 日目｜2024/2/24（土）13:30-18:00

■前半｜13:30-15:30　クラスター分析とプロファイリング

　1 はじめに
　　1-1 前回の振り返り
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 クラスター分析とプロファイリング
　　2-1 手法の概要説明
　　　2-1-1 クラスター分析とは？
　　　2-1-2 クラスター分析の流れ
　　　2-1-3 プロファイリングモデル（特徴把握とクラスター予測）
　　2-2 演習の概要
　　　2-2-1 事例概要
　　　2-2-2 使用するデータ
　　　2-2-3 演習の流れ
　　2-3 Let's クラスター分析
　　　2-3-1 因子分析の実施
　　　2-3-2 クラスター分析（非階層型）の実施
　　　2-3-3 プロファイリングモデルの構築
　3 次回に向けて
　　3-1 今回の振り返りと宿題（提出義務はありません）
　　3-2 学びを実践に変える「やるやるシート」
　　3-3 次回予告

■後半｜16:00-18:00　コレスポンデンス分析と選好回帰

　1 はじめに
　　1-1 前回の振り返り
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 コレスポンデンス分析と選好回帰
　　2-1 手法の概要説明
　　　2-1-1 コレスポンデンス分析とは？
　　　2-1-2 コレスポンデンスマップの付置を利用したクラスター分析
　　　2-1-3 コレスポンデンスマップの付置予測とシミュレーション
　　2-2 演習の概要
　　　2-2-1 事例概要
　　　2-2-2 使用するデータ
　　　2-2-3 演習の流れ
　　2-3 Let's コレスポンデンス分析
　　　2-3-1 コレスポンデンス＋選好回帰の実施
　　　2-3-2 クラスター分析とプロファイリングの実施
　　　2-3-3 付置予測モデルの構築
　3 次回に向けて
　　3-1 今回の振り返りと宿題（提出義務はありません）
　　3-2 学びを実践に変える「やるやるシート」
　　3-3 次回予告

4 日目｜2024/3/9（土）13:30-18:00

■前半｜13:30-15:30　統計解析と機械学習の違いとは？

　1 はじめに
　　1-1 前回の振り返り
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 統計解析と機械学習の違いとは？
　　2-1 統計解析と機械学習の違い
　　　2-1-1 コンピュータ以前からある統計解析とコンピュータ前提の機械学習
　　　2-1-2 傾向分析⇒近未来分析⇒アクション
　　　2-1-3 いくつかの数理モデルのご紹介
　　2-2 予測モデルによる「近未来分析」
　　　2-2-1 予測モデル構築の手順
　　　2-2-2 最近の話題のAutoML（自動機械学習）とXAI（説明可能AI）
　　　2-2-3 複数のシナリオを想定しておこう
　　2-3 事例で掴む傾向分析と近未来分析の違い
　　　2-3-1 事例概要
　　　2-3-2 使用するデータ
　　　2-3-3 デモ
　3 次回に向けて
　　3-1 今回の振り返りと宿題（提出義務はありません）
　　3-2 学びを実践に変える「やるやるシート」
　　3-3 次回予告

■後半｜16:00-18:00　既存顧客に対するチャーン分析（離反予測と対策ルール作成）

　1 はじめに
　　1-1 前回の振り返り
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 既存顧客に対するチャーン分析（離反予測モデルと対策ルール作成）
　　2-1 手法の概要説明
　　　2-1-1 カテゴリーを予測する分類問題とは？
　　　2-1-2 分類問題のための数理モデル
　　　2-1-3 離反シナリオとシミュレーション
　　2-2 演習の概要
　　　2-2-1 事例概要
　　　2-2-2 使用するデータ
　　　2-2-3 演習の流れ
　　2-3 Let's チャーン分析
　　　2-3-1 離反予測モデルの構築
　　　2-3-2 対策ルール作成の作成
　　　2-3-3 離反シミュレーション
　3 次回に向けて
　　3-1 今回の振り返りと宿題（提出義務はありません）
　　3-2 学びを実践に変える「やるやるシート」
　　3-3 次回予告

5 日目｜2024/3/23（土）13:30-18:00

■前半｜13:30-15:30　リード（見込み顧客）に対する受注確率と受注金額の予測

　1 はじめに
　　1-1 前回の振り返り
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 リード（見込み顧客）に対する受注確率と受注金額の予測
　　2-1 手法の概要説明
　　　2-1-1 量を予測する回帰問題とは？
　　　2-1-2 回帰問題のための数理モデル
　　　2-1-3 受注シナリオとシミュレーション
　　2-2 演習の概要
　　　2-2-1 事例概要
　　　2-2-2 使用するデータ
　　　2-2-3 演習の流れ
　　2-3 Let's チャーン分析
　　　2-3-1 受注予測モデルの構築
　　　2-3-2 受注金額予測モデルの構築
　　　2-3-3 受注シミュレーション
　3 次回に向けて
　　3-1 今回の振り返りと宿題（提出義務はありません）
　　3-2 学びを実践に変える「やるやるシート」
　　3-3 次回予告
　　
■後半｜16:00-18:00　離反確率とLTV（顧客生涯価値）の予測

　1 はじめに
　　1-1 前回の振り返り
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 離反確率とLTV（顧客生涯価値）の予測
　　2-1 手法の概要説明
　　　2-1-1 LTV（顧客生涯価値）とは？
　　　2-1-2 離反確率で計算するLTV
　　　2-1-3 リード（見込み顧客）のLTVを見積もろう
　　2-2 演習の概要
　　　2-2-1 事例概要
　　　2-2-2 使用するデータ
　　　2-2-3 演習の流れ
　　2-3 Let's LTV（顧客生涯価値）分析
　　　2-3-1 離反確率予測モデルの構築
　　　2-3-2 既存顧客のLTV見積もり
　　　2-3-3 リード（見込み顧客）のLTV見積もり
　3 次回に向けて
　　3-1 講義全体の振り返り
　　3-2 学びを実践に変える「やるやるシート」
　　3-3 ネクストステップ

1 日目｜2023/1/14（土）13:30-18:00

■前半｜13:30-15:30　データを使った課題解決アプローチ

　1 はじめに
　　1-1 講座全体のお話し
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 データでビジネス課題を解決する
　　2-1 なぜデータを使うと嬉しいのか？
　　　2-1-1 データ活用は戦略的怠惰である
　　　2-1-2 1,000万円投資するなら、どの銘柄？
　　　2-1-3 データを用いた継続的改善
　　2-3 データ活用ストーリー
　　　2-3-1 データ活用ストーリーとは？
　　　2-3-2 2つの分析「傾向分析」と「近未来分析」
　　　2-3-3 事例で理解する2つの分析の使い分け
　　2-2 もっともシンプルなデータ活用の3ステップ
　　　2-2-1 3ステップの概要
　　　2-2-2 キャスティングボートを握るテーマ設計
　　　2-2-3 テーマの構造化
　3 次回に向けて
　　3-1 今回の振り返りと宿題（提出義務はありません）
　　3-2 学びを実践に変える「やるやるシート」
　　3-3 次回予告
　　
■後半｜16:00-18:00　分析の基本は「比較」と「関係性」の検討にある

　1 はじめに
　　1-1 前回の振り返り
　　1-2 今回、持ち帰って頂きたいこと
　　1-3 今回の概要
　2 分析の基本は「比較」と「関係性」の検討にある
　　2-1 データの種類とデータセット
　　　2-1-1 データの種類
　　　2-1-2 データセット
　　　2-1-3 目的変数と説明変数
　　2-2 最低限知っておくべき統計学の基礎のキソ
　　　2-2-1 「比較」と「関係性」
　　　2-2-2 「統計的仮説検定」の簡単なお話し
　　　2-2-3 「回帰分析」の簡単なお話し
　　2-3 分析ツールの発展が目覚ましい
　　　2-3-1 Excelだけでもこれだけのことができる
　　　2-3-2 無料で使える分析ツールと有料ツール
　　　2-3-3 Excel と R Radiantの準備
　3 次回に向けて
　　3-1 今回の振り返りと宿題（提出義務はありません）
　　3-2 学びを実践に変える「やるやるシート」
　　3-3 次回予告

ステップByステップ分析手順書

データを使った各演習には、ステップByステップ分析手順書を配布します。セミナー内で追いつけなくなった場合や、セミナー後の復習などで重宝します。振り返り用にアーカイブ動画も期間限定で提供予定です。

高橋威知郎

ビジネスデータ分析コンサルタント

Marketing & Sales Data Scientist

大学卒業後、約20年間一貫して「実践」にこだわり「データ分析」に関与してきました

官公庁時代、米国国防総省の高官からデータ分析のパワーと要諦について力説され衝撃を受けました

このとき、データ分析に魅了され、データ分析の世界でに生きていくことを決意しました
私が身に着けたデータ分析は、学問的なものではなく、実践的なものです

安全保障の世界のデータ分析は、生きるか死ぬかの世界です

例えば、統計学的に正しいかどうかよりも、生きるか死ぬかを重視するということです

学問的に正しい分析をしても、国が滅んでしまっては意味はありません
この培ったデータ分析のスキルをもっと広い世界で活かしたいと思い、30歳のころ民間のコンサルティング会社に転職、

その後、事業会社にて社内データ活用を推進するとともに、事業部のデータビジネス構築支援（既存ビジネスにデータで付加価値をつける、など）

主な対象領域は、ビジセス系（営業やマーケティングなど）と生産系など
今までの経験をもとに、使えるデータのみで効率よく収益を拡大する仕組みである「DELTA法」を考案

売上数兆円の大企業から社員数人程度のベンチャー企業のコンサルティングまで実施し、企業の大小問わず収益拡大を実現してきました
この培ったデータ分析のスキルをもっと広い世界で活かしたいと思い、30歳のころ民間のコンサルティング会社に転職、

その後、事業会社にて社内データ活用を推進するとともに、事業部のデータビジネス構築支援（既存ビジネスにデータで付加価値をつける、など）

主な対象領域は、ビジセス系（営業やマーケティングなど）と生産系など

主な著書

営業生産性を高める! 「データ分析」の技術 (同文館)

14のフレームワークで考えるデータ分析の教科書（かんき出版）

受講をお勧めする方

マーケティングや営業でこれからデータ分析することを、考えている方
個々の分析手法を学んだが、実務でデータ分析を活用できていない方
マーケティングや営業の分析担当者で、今あるデータで何かしら分析したい方
どの企業にもあるExcelを使った、実務的なデータ分析を覚えたい方
とりあえず、自分でデータ分析をできるようになりたい方
できるだけ短期間で、分析スキルを身に着けたい方
マーケティングや営業の分析担当者になってしまい、困っている方
さらにデータ分析スキルを、補強したい方
マーケティング・営業系のデータサイエンティストのスキルを身に着けたい方
機械学習モデルのビジネス活用方法を、身に着けたい方
ノーコードでフリーで使える、分析ツールR Radiantや機械学習プラットフォームH2O Flowを、実務で使ってみたい方
マーケティングや営業でこれからデータ分析することを、考えている方

講師	高橋威知郎　Marketing & Sales Data Scientist
開催日	全5回（土）2024/1/27,2/10,2/24,3/9,3/23
開催時間	13:30〜18:00
受講形式	当日Zoom（ or 復習用に後日動画視聴） ※動画は上手く録画できていない場合もございますので、ご了承ください
参加費用	8万円(税込み)/人
参加定員	最大10名
主催	株式会社セールスアナリティクス
開催時間	13:30〜18:00

参加特典

【1】同講座のテキスト一式
　・詳細テキスト
　・演習で利用したデータ（CSV形式）
　・各種テンプレート
　・各種手順書
　など
　
【2】講師の書籍　※希望者のみ
　・好きなの1冊
　　データサイエンティスト養成読本（ビジネス活用編）、
　　文系のためのデータサイエンスがわかる本、
　　営業生産性を高める! 「データ分析」の技術、など

【3】データ分析・活用の相談　※希望者のみ
　・オンライン45分／月（開催期間中）

【4】同講座の再受講（無料）※希望者のみ

当社主催セミナーは100%返金保証
内容にご不満の場合、初回開催後2日以内にお申し出くだされば、理由を問わず全額返金いたします

主催企業概要

会社名	株式会社セールスアナリティクス
代表者	高橋威知郎
営業所	東京都渋谷区円山町5番5号 Navi渋谷V 3階
HP	https://www.salesanalytics.co.jp/
問合せ先	📩 info@salesanalytics.co.jp
営業所	東京都渋谷区円山町5番5号 Navi渋谷V 3階

明日からビジネス現場で使おう！

らくらくノーコード
ビジネスデータサイエンス入門
（2024年1月開始・土曜日コース）

当コースは、マーケティングや営業の現場で高度なプログラミング技術を使わずにデータを活用し成果をだす人財を養成するプログラムです

利用する分析ツール