カートを見る

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高度なプログラミング技術を使わず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

習得スキル

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
考え方具体的手順を習得!

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。

講師紹介

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

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
  • 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
  • とりあえず、自分でデータ分析をできるようになりたい
  • 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
  • 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