金融機関向けデータサイエンス実践力養成講座

演習事例

過去10年間の年度別売上高平均を幾何平均によって求める。 試験成績結果についてヒストグラムによって分布を調べる。
報酬一覧データについて箱ひげ図を作成し外れ値を検出する。 研修前後の成績についてZ値(偏差値)により比較する。
ATM利用回数について昨年度の利用回数との違いについて調べる。 ATM利用回数と無担保ローン残高の関係について調べる。
給与振込みの有無による定期預金残高の違いについて検討する。 過去の販売促進費と住宅ローン成約件数への効果について検討する。
金融商品の好感度について男女による違いについて比較する。 新規金融商品における商品説明の有無による理解度の違いを調べる。
年間ATM 利用回数と流動性預金残高について分析する。 地域・年代による顧客対応満足度の違いについて検討する。
ソーシャルメディアの口コミについて分析する。 給振、投信口座の有無による預金残高及びローン残高の違いについて調べる。
新規金融商品の知名度を、既存主力商品と比較する。 定期性預金と、流動性預金、ローン残高、給振の有無、投信の有無等で説明する。
投資信託について、説明前後による理解度の違いについて判断する。 ネットバンキンキングの利用回数と普通預金残高について検討する。
売上高と、広告費、人口、DM 発送数の関係について検討する。 年齢階層と預金種別及びローン種別残高の関連性を明らかにする。
定期預金残高と住宅ローン残高の関連についてについて調べる。 商品別に、売上高の構造について年度別に比較し問題点を明らかにする。
価格と、諸要因の関係についてニューラルネットワークを構築する。 イメージ調査結果についてK-meansにより分類する。
形態素エンジンを用いて文章について形態要素解析を行う。 問い合わせデータをk-means法によりグループに分類する。
予測モデルについてニューラルネットワークを用いて精度を向上させる。 レビューコメントデータからワードクラウドを作成する。
モニターアンケートについて諸観点から分析する。 支店別売上高を対数グラフにより比較する。
新製品の売上高を主力製品の売上高と関連付けて予測する。 短期的な将来について指数平滑法により予測する。
時系列データからトレンド、季節指数を分離し求める。 過去3年間の百貨店売上高実績から次年度の月別売上高を予測する。
市場規模を、トレンド、季節指数を用いた回帰分析により予測する。 外れ値を含むデータについて売上高を予測する。
保険加入の是非について統計的意思決定法により検討する。 評価基準を設定し、階層化意思決定法(AHP)により決定する。