原文


MARKETING

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・効率的に取得

マーケター必須のデータサイエンスを実践的・効率的に取得

マーケティング・ビジネス分野に必須の
データサイエンスを実践的・効率的に習得

マーケティング・ビジネス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、
分野の特性に合わせた事例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。

統計検定2級取得無料サポート

統計検定2級取得
無料サポート

検定2級対応講座無料受講可能

検定2級対応講座
無料受講可能

料金・研修時間・修了認定要件

料金50万円(税込)
受講方法

1)対面受講(研修室) 2)オンラインLive受講

  • *講義は同時収録されますので、アーカイブによる復習は、受講終了後1年間、何回でも可能です。
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。

講義スケジュール

 

年3回(2月・6月・10月)開講されます。

講義スケジュール
 

講座説明

(再生時間:9分03秒)

講師メッセージ

(再生時間:3分55秒)

事例演習(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。
営業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。英語の研修前後の成績についてZ値(偏差値)により比較する。
製品の有効成分含有量が製品パケージの表示どおりか調べる。新製品における好感度における男女の違いの有無について調べる。
商品説明前後の理解度調査によって説明方法の効果について調べる。曜日別売上高データから、曜日による売上高の違いについて調べる。
主力製品について年齢階層による選択の違いについて検討する。広告費と売上高の関係について支店別データから分析する。
支店別広告費と売上高の関係について人口の影響を除いて分析する。中古車における価格と走行距離の関係について調べる。
駅前コンビニの売上高に影響を与える諸要因の影響力を分析する。携帯電話の顧客満足度と機能、デザインについて男女別に検討する。
訪問回数と成約件数の関係について分析する。入社試験における数科目の成績データから新入社員の成績を主成分分析によって縮約する。
アンケート調査から携帯電話を階層クラスター分析により分類する。マンション価格と駅からの距離、築年数、面積等との回帰関係について調べる。
マンション価格、駅からの距離、築年数、面積等データを用いニューラルネットワークを構築する。タイタニックの生存データから決定木により生存について最も関係した要因を調べる。
タイタニックの生存データからカーネルSVMにより生存について最も関係した要因を調べる。自動車メーカーのイメージ調査結果についてK-meansによりメーカーを分類する。
POSデータのアソシエーション分析から同時購入について調べる。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。
HP問い合わせ顧客データをk-means法によりグループに分類する。HP問い合わせ顧客データから成約条件に影響を与える要因を探索し予測モデルを構築する。
飲料売上高と広告出稿量から売上予測モデルの構築、影響因子の探索を行う。売上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。
寿司ネタ評価データについて、類似ユーザーの抽出、評価予測モデルを構築する。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。
ヘアアイロンの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。
イベント開催時におけ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。車の購入について評価基準を設定し、階層化意思決定法(AHP)により選定する。

カリキュラム

科目内容
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)

マーケティングにおける
データ分析の実践

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. 重回帰分析(ダミー回帰)

9.ロジスティック回帰分析(予測値、オッズ比)

10.主成分分析(主成分負荷量、主成分スコア)

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
実践力の養成

Ⅰ デジタルマーケティングとは

  • デジタル時代の購買行動
  • データドリブンとオムニチャネル

Ⅱ 顧客分類 と 成約要因の分析

  • ロジスティック回帰、決定木による成約要因の分析
  • 不均衡データへの対応
  • クラスタリングによる顧客分類
  • クラスタリング x 決定木によるグループ間の差異分析

Ⅲ 売上と広告効果の分析

  • 時系列データの可視化
  • マーケティングミックスモデリング
  • 説明変数の追加、加工によるモデルチューニング
  • 残存効果と非線形性の考慮考慮したマーケティングミックスモデリング
  • 過学習への対応
  • ニューラルネットワークによる精度向上

Ⅳ アソシエーション分析による併売分析

  • One Hotベクトルへのデータ加工
  • アソシエーション分析の評価指標
  • アソシエーション分析による併売ルール抽出

Ⅴ レコメンデーションモデルの構築

  • ユーザーベース協調フィルタリングによるレコメンデーション

Ⅵ ECサイトレビュー分析

  • 形態素解析による単語分割
  • 頻出単語の集計頻度集計
  • ワードクラウドによる特徴語の可視化
  • 利用可能なテキストデータソース

Ⅶ アンケート調査法

  • 調査の分類、バイアス、質問項目の作成法
  • 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)
  • 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)
  • 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)
  • クロス集計表による検討(カイ2 乗検定、有意確率、効果量)
  • 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)
  • 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)

Ⅷ 販売予測・需要予測

  • 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)
  • 指数平滑法
  • 時系列分析析(移動平均法、季節指数、TCSI 分離法による予測)
  • 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

Ⅸ 意思決定法

  • 統計的意思決定法
  • 階層化意思決定法(AHP)

Ⅹ 社内データの分析方法

  • 得意先別データの分析
  • 人事データの分析
修了認定

総合テスト・課題解決プレゼンテーション