日本語 English
| 開講年度/ Academic YearAcademic Year |
20252025 |
| 科目設置学部/ CollegeCollege |
社会学部/College of SociologyCollege of Sociology |
| 科目コード等/ Course CodeCourse Code |
DE209/DE209DE209 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
Pythonを用いたID-POS分析（基礎） |
| 授業形態/ Class FormatClass Format |
対面（全回対面）/Face to face (all classes are face-to-face)Face to face (all classes are face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
演習・ゼミ/SeminarSeminar |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
水5/Wed.5 Wed.5 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
CMS2430 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
抽選登録/Lottery RegistrationLottery Registration（定員：5人/ Capacity：5） |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ Course CancellationCourse Cancellation |
〇（履修中止可/ Eligible for cancellation） |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
社会学部以外の学部生の抽選登録用．社会学部生の抽選登録は DE208 |
The rapid development of generative AI has significantly expanded the potential for digital transformation (DX) in business. At the same time, programming and data analysis have become increasingly accessible and easier to learn for beginners. In this class, students will explore the latest DX examples in the retail industry and develop practical data analysis and Python programming skills. By leveraging real-world data from actual companies, students will tackle tasks such as identifying challenges in familiar product categories and proposing solutions, with the goal of cultivating analytical skills that can make an immediate impact in the workplace.
This class examines a wide range of cutting-edge retail DX cases, from global companies like Amazon and Walmart to domestic retailers. On the practical side, students will learn fundamental data analysis methods using real-world ID-POS data (purchase history data) from a drugstore chain. In the first half of the course, students will acquire essential skills in ID-POS data analysis, Python programming, and data visualization. In the latter half, they will participate in a group-based data analysis project, identifying challenges and proposing solutions for products or categories based on actual data. Additionally, students will have the opportunity to present their findings directly to the management team of the drugstore chain. With comprehensive support from instructors and teaching assistants, even beginners in programming can confidently engage in the class.
| 1 | 授業ガイダンス 講義①小売業におけるデジタル・トランスフォーメーション(DX)事例 |
| 2 | 講義②ID-POSの基礎、データ分析の基礎 |
| 3 | 講義③Pythonプログラミング |
| 4 | 講義④Pythonプログラミング |
| 5 | グループごとのデータ分析① |
| 6 | グループごとのデータ分析② |
| 7 | グループごとのデータ分析③ |
| 8 | グループごとのデータ分析④ |
| 9 | 中間発表 |
| 10 | グループごとのデータ分析⑤ |
| 11 | グループごとのデータ分析⑥ |
| 12 | グループごとのデータ分析⑦ |
| 13 | 最終発表 |
| 14 | 講評・アドバイス |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
授業内・外でSlack を使い、Slack 上で各グループでディスカッション・進捗状況報告などを適宜進めていただきます。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
研究発表(30%) グループワークにおける取り組み(40%) 最終レポート(Final Report)(30%) |
| 備考 (Notes) | ||
なし/None
学内ネットワークに接続可能なPC
生成AIの急速な発展により、ビジネスにおけるデジタルトランスフォーメーション（DX）の可能性が大きく広がっています。同時に、初学者でもプログラミングやデータ分析が身近で学びやすい環境が整ってきました。本授業では、小売業における最新のDX事例を学び、実践的なデータ分析スキルとPythonプログラミングスキルを習得します。実在する企業の最新データを活用し、身近なカテゴリーや商品の課題発見から解決策の提案までを行うことで、社会人として即戦力となる分析力の養成を目指します。
The rapid development of generative AI has significantly expanded the potential for digital transformation (DX) in business. At the same time, programming and data analysis have become increasingly accessible and easier to learn for beginners. In this class, students will explore the latest DX examples in the retail industry and develop practical data analysis and Python programming skills. By leveraging real-world data from actual companies, students will tackle tasks such as identifying challenges in familiar product categories and proposing solutions, with the goal of cultivating analytical skills that can make an immediate impact in the workplace.
本授業では、AmazonやWalmartなどのグローバル企業から国内小売業に至るまで、最新のリテールDX事例を幅広く学習します。実践面では、実在するドラッグストアの最新のID-POSデータ（購買履歴データ）を用いて、基礎的なデータ分析手法を学びます。授業前半では、ID-POSデータ分析の定石、必要なPythonプログラミングスキル、データ可視化の技法を習得します。後半では、グループワークによる実践的なデータ分析プロジェクトに取り組み、実データから商品やカテゴリーの課題を発見し解決策を立案します。さらに、分析結果をドラッグストアの経営陣に直接プレゼンテーションする機会があります。教員とTAによる充実したサポート体制により、プログラミング初学者も安心して授業に参加できます。
This class examines a wide range of cutting-edge retail DX cases, from global companies like Amazon and Walmart to domestic retailers. On the practical side, students will learn fundamental data analysis methods using real-world ID-POS data (purchase history data) from a drugstore chain. In the first half of the course, students will acquire essential skills in ID-POS data analysis, Python programming, and data visualization. In the latter half, they will participate in a group-based data analysis project, identifying challenges and proposing solutions for products or categories based on actual data. Additionally, students will have the opportunity to present their findings directly to the management team of the drugstore chain. With comprehensive support from instructors and teaching assistants, even beginners in programming can confidently engage in the class.
| 1 | 授業ガイダンス 講義①小売業におけるデジタル・トランスフォーメーション(DX)事例 |
| 2 | 講義②ID-POSの基礎、データ分析の基礎 |
| 3 | 講義③Pythonプログラミング |
| 4 | 講義④Pythonプログラミング |
| 5 | グループごとのデータ分析① |
| 6 | グループごとのデータ分析② |
| 7 | グループごとのデータ分析③ |
| 8 | グループごとのデータ分析④ |
| 9 | 中間発表 |
| 10 | グループごとのデータ分析⑤ |
| 11 | グループごとのデータ分析⑥ |
| 12 | グループごとのデータ分析⑦ |
| 13 | 最終発表 |
| 14 | 講評・アドバイス |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
授業内・外でSlack を使い、Slack 上で各グループでディスカッション・進捗状況報告などを適宜進めていただきます。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
研究発表(30%) グループワークにおける取り組み(40%) 最終レポート(Final Report)(30%) |
| 備考 (Notes) | ||
なし/None
学内ネットワークに接続可能なPC