原文


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
Copyright © データサイエンス研究所 All Rights Reserved.
S