原文

翻訳を改善する
マーケティングデータサイエンティスト養成講座
　

マーケター必須のデータサイエンスを実践的・効率的に習得

本講座はマーケティング分野におけるデータサイエンティスト養成講座です。
マーケティング分野において用いられる解析手法のしくみ・活用方法の理解と共に、マーケティング分野の特性に合わせたデータを用いた具体的演習により、実践的解析力、問題解決力の習得を目指します。
修了認定者には、統計検定２級取得を無料サポートします。検定２級対応講座を無料にて受講可能です。
料金 50万円（税込）
研修時間 54時間（4 ヶ月）
修了認定要件 下記3 要件を満たした場合、修了認定証を交付
・全科目受講（各科目90％以上出席）
・総合テスト70 点以上
・課題解決プレゼンテーションに合格
　

＜不合格の場合＞
1．受講不足の場合は、アーカイブ受講をして頂きます。
2．総合テスト不合格の場合は、再受講をお勧めし、再試験を受けて頂きます。
3．課題解決プレゼンテーションに不合格の場合は、課題レポートを提出して頂きます。
4．総合的に審査し、合格と認められた場合は、修了認定証を交付します。


演習事例

  • 販促活動に必要な景品の数を求める。
  • 売上高を支店別に前年度実績と比較し問題点を明らかにする。
  • 新製品の好感度について男女による違いについて比較する。
  • 地域による売上高の違いについて検討する。
  • DMの送付前後による売上高の違いについて検討する。
  • 地域・年代による企業好感度の違いの有無について検討する。
  • 新製品のテレビCM前後による評価の違いについて調べる。
  • 主力製品の知名度を、競合他社と比較する。
  • メルマガの配信前後による商品好感度の違いについて判断する。
  • 売上高に対する広告費の効果について地域別、男女別に検討する。
  • 売上高と、広告費、人口、DM発送数の関係について検討する。
  • 売上実績、営業員数、広告費、人口データから、売上高を予測するモデルを構築する。
  • 駅前コンビニと売上に影響を与える諸要因について検討する。
  • 物件情報から中古マンションの価格を予測する。
  • 販促活動に基づき来店客数を予測する。
  • 製品評価に与える因子について分析する。
  • 顧客情報から顧客離反要因について分析する。
  • 小売店における同時購入アイテムについて分析する。
  • ソーシャルメディアの口コミについて分析する。
  • 顧客属性からメールの開封率を予測する。
  • 年度別市場規模推移から次年度以降を予測する。
  • 消費支出額とトレンドから売上高を予測する。
  • 得意先別に、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。
  • コンサート会場アンケートから、満足度と様々な要因との関係を明らかにする。

カリキュラム

科目 内容
1 マーケティングのための実践統計学 1. データの視覚化（箱ひげ図、ヒストグラム、散布図）
2. 基本統計（平均、分散、標準偏差、Z値、中央値、中央絶対偏差）
3. 分布（正規分布、ｔ分布）
4. 母集団と標本（検定のしくみ、2種類の過誤）
5. t検定（有意確率、区間推定、効果量、検出力）
6. カイ2乗検定（カイ2乗分布、効果量)
7. 相関分析（散布図、積率相関係数、交絡要因と偏相関係数）
8. 重回帰分析（標準化偏回帰係数、決定係数、交互作用のある場合）
2 Ｒによるデータ解析 1. Rとは（R、Rstudioのインストール）
2. Rの基本的な使用方法（Rstudio の使用方法、ライブラリー、データの読込み方法）
3. 基本統計量、グラフ（平均、分散、標準偏差、Ｚ値（偏差値））
4. グラフと外れ値（箱ひげ図、ヒストグラム、散布図、外れ値の検出方法）
5. t検定（有意確率、区間推定、効果量、検定力、対応の有無）
6. 2種類の過誤とサンプルサイズ（効果量・検定力・有意水準によるサンプルサイズの設定方法）
7. ノンパラメトリック検定（ウイルコクソン順位和検定、符号付順位和検定）
8. 分散分析（Ｆ値、多重比較（テューキー、ボンフェローニ）、対応の有無）
9. 重回帰分析（ダミー回帰）
10.ロジスティック回帰分析（予測値、オッズ比）
11.主成分分析（主成分負荷量、主成分スコア）
12.因子分析（主因子法、最尤法、直交回転、斜交回転、因子スコア）
3 Pythonによるビッグデータ解析 1. Pythonの基礎
　・Python の導入、Jupyter Notebook の使い方、
　　各種ライブラリの紹介:Matplotlib/Pandas/Numpy/scikit-learn
2．データ加工の基本
　・データベースの基礎、複数データの結合、ダミー変数化、カテゴリー値化
3．教師あり学習：数値予測
　・重回帰分析、ニューラルネットワーク、データの標準化
　・オーバーフィッティング（過学習）と多重共線性、モデルの評価（決定係数）
4．教師あり学習：クラス分類
　・ロジスティック回帰、決定木、ランダムフォレスト (アンサンブル学習)
　・サポートベクターマシン、モデルの評価（Accurary, Precision, Recall, F値）
5．教師なし学習：クラスタリング
　・非階層的クラスタリング（k-means 法）、階層的クラスタリング
　・モデルの評価（Elbow 法、シルエット係数）
6．教師なし学習：アソシエーション分析
　・Aprioriによるアソシエーション分析、モデルの評価 （支持度、確信度、リフト値）
7．自然言語処理とテキストマイニング
　・形態素解析、頻出語分析とジップの法則、単語のベクトル化
4 実践力の養成 Ⅰ アンケート調査法
　　1. 調査の分類、バイアス、質問項目の作成法
　　2. 回答形式（単一回答、複数回答、自由記述）、
　　　尺度化の方法（順位尺度、段階尺度、ＳＤ法、ＶＡＳ法等）
　　3. 調査結果の集計方法
　　　（箱ひげ図、ヒストグラムによる外れ値の検討、散布図による把握）
　　4. 平均値の違いについての検討
　　　（ｔ検定、対応の有無、有意確率、効果量、検定力）
　　5. クロス集計表による検討（カイ2 乗検定、有意確率、効果量）
　　6. 2群以上の因果関係の検討（相関分析、重回帰分析、交絡要因、ダミー変数）
　　7. サンプルサイズの設定方法（効果量、検定力、有意水準の設定）
Ⅱ 販売予測・需要予測
　　1．対数グラフによる観察法（差と比率の違い、グラフから予測する方法）
　　2. 指数平滑法
　　3. 時系列分析析（移動平均法、季節指数、TCSI 分離法による予測）
　　4. 回帰モデルによる予測（トレンド、季節指数を用いた予測、ダミー変数を用いた予測
Ⅲ 社内データの分析方法
　　1．得意先別データの分析
　　2．人事データの分析
5 修了認定 総合テスト・課題解決プレゼンテーション
アイコン
【マーケティングデータサイエンティスト養成講座】パンフレット | 1.63 MB
ダウンロード
Copyright © データサイエンス研究所 All Rights Reserved.
S