シラバス参照

開講年度(Academic Year) 2021 
科目コード/科目名
(Course Code / Course Title)
その他/2年次演習2
(Seminar2(2nd year)) 
テーマ/サブタイトル等
(Theme / Subtitle)
データ分析の基礎(Introduction to Data Analysis) 
担当者 (Instructor) 山口 和範(YAMAGUCHI KAZUNORI) 
時間割 (Class Schedule) 秋学期 (Fall Semester) 金曜日(Fri) 4時限(Period 4) 7202(Room)
単位 (Credit) 2単位(2 Credits) 
科目ナンバリング
(Course Number)
BUS2010 
使用言語
(Language)
日本語
(Japanese) 
備考 (Notes) コンセントレーション:マーケティング領域 
テキスト用コード (Text Code) BT364 



授業の
目標
Course
Objectives
この演習では,意思決定プロセスにおけるデータの活用方法を学び,その実践能力を身に付けることを目標とする。特に,客観的なデータから正しく結論を得る技術,さらに,その結果を正しく伝えられる技術の習得を目指す。 
The goal of this seminar is to acquire practical skills in the use of data within the decision-making process. In particular, we aim to teach techniques to correctly draw conclusions from empirical data, in addition to techniques to effectively communicate your findings. 
授業の
内容
Course
Contents
演習では,データ分析論の基礎としての,統計学や調査法などの復習を行いながら,種々の実データを用いた分析の実践を行い,データ分析力の向上を目指す。具体的には,問題の洗い出し,仮説の設定,仮説検証のためのデータ収集の計画と実践,データ分析の実行とまとめ,プレゼンテーションという流れ全体や一部の実践を繰り返し体験する。この実践は,グループとしての作業と個人作業として行われる。演習で分析法を学ぶために当面用いる予定のデータや事例は下記の通りである:
・コンビニエンスストアのPOSデータの分析
・スポーツデータからの戦略評価分析
・広告効果評価のための調査データ
演習の時間は,主に分析結果のプレゼンテーションやディスカッションのために用いるので,演習の時間外での分析の実践などにかなりの時間が必要となることに留意して参加すること。 
In this seminar, while reviewing basic tools for data analysis such as statistics and research methods, students will improve their ability to analyze data by performing analysis on real-world data. Specifically, students will get comfortable through repetition with the overall presentation workflow of identifying problems, setting hypotheses, planning and carrying out data collection for hypothesis testing, and executing/summarizing data analyses. Students will also gain some practical experience. This seminar will contain group work and work to be done individually. Here are some types of data and examples that will be used to learn analytical methods in the seminar:
・ Analysis of POS data from convenience stores
・ Analysis of strategy evaluations using sports data
・ Survey data used for evaluating the effectiveness of advertising
Please keep in mind that class time will mainly be used for presentations and discussion of the analysis results. Research, analysis, etc. will require a significant amount of time outside of the scheduled class hours. 
授業計画
Course
Schedule
1. ガイダンス 
2. 多変量解析とは 
3. 回帰分析の基礎 
4. 回帰分析の活用1 
5. 回帰分析の活用2 
6. 主成分分析・因子分析の基礎 
7. 主成分分析・因子分析の活用 
8. 潜在クラス分析・クラスター分析の基礎 
9. 潜在クラス分析・クラスター分析の活用 
10. データ分析プロジェクト1 
11. プレゼンテーション1 
12. データ分析プロジェクト2 
13. プレゼンテーション2 
14. まとめ 
授業時間外
(予習・復習
等)の学習
Study
Required
Outside
of Class
指定された資料や書籍について,事前学習をしておくこと。 
成績評価
方法・基準
Evaluation
種類(Kind) 割合(%) 基準(Criteria)
平常点(In-class Points) 100  %
演習時間内でのプレゼンテーション(40%) 、授業期間内レポート(3回の予定)(30%) 、最終レポート(30%)
テキスト
Textbooks
とくに指定しない
参考文献
Readings
随時紹介する
その他
(HP等)
Others
(e.g. HP)
グローバル教養副専攻のデータサイエンス副専攻の修了ができるような科目履修を勧める 
注意事項
Notice
 


PAGE TOP