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
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
|
| 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
|
<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
2．データ加工の基本
3．教師あり学習：数値予測
4．教師あり学習：クラス分類
5．教師なし学習：クラスタリング
6．教師なし学習：アソシエーション分析
7．自然言語処理とテキストマイニング
|
| 実践力の養成 | Ⅰ デジタルマーケティングとは
Ⅱ 顧客分類 と 成約要因の分析
Ⅲ 売上と広告効果の分析
Ⅳ アソシエーション分析による併売分析
Ⅴ レコメンデーションモデルの構築
Ⅵ ECサイトレビュー分析
Ⅶ アンケート調査法
Ⅷ 販売予測・需要予測
Ⅸ 意思決定法
Ⅹ 社内データの分析方法
|
| 修了認定 | 総合テスト・課題解決プレゼンテーション |