日本語 English
| 開講年度/ Academic YearAcademic Year |
20262026 |
| 科目設置学部/ CollegeCollege |
ビジネスデザイン研究科/Graduate School of Business AdministrationGraduate School of Business Administration |
| 科目コード等/ Course CodeCourse Code |
VL797/VL797VL797 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 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) |
業務多忙や体調不良などの理由によって一部オンライン参加を認めますが、基本は対面での参加を必須とします。 |
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期2/Spring Semester2Spring Semester2 |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
火G5/Tue.G5 Tue.G5 , 火G6/Tue.G6, Tue.G6 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 |
BDS6400 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code Registration |
| 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 |
－（履修中止制度なし/ No system 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。 https://www.rikkyo.ac.jp/about/disclosure/educational_policy/bd.html |
| 備考/ NotesNotes |
寄附講座 （株）NTTデータ数理システム |
We live in a convenient age where we can ask a generative AI a question and it will give us a tentative answer.
However, in practical marketing, we need not only vague answers from generative AI, but also reliable, reproducible answers based on data.
The term "data-driven" has been around for a long time, but many companies have yet to actually use data to drive their business.
To achieve data-driven marketing that goes beyond vague ideas, we need to begin to grasp a concrete image of how data can be used, in what situations, and how to achieve this.
Data analysis theory is important, but to apply it to concrete practice, it is essential to learn many real-life examples and develop a clear thought process.
In this class, with the aim of applying it to practical marketing, we will use case studies to understand in what situations data science and AI are useful and applicable. We will also create a concrete image of marketing science using familiar tools and learn how to use it and the steps involved in its application through group work.
We will also introduce how to deal with generative AI that lies without hesitation (hallucination).
We will review the fundamentals of marketing and use real-life examples to explain where data science and AI are used in marketing, as well as the advantages and disadvantages of each.
Based on what has been introduced, students will discuss similar cases in each session in groups, allowing them to understand how they would apply these technologies themselves.
In addition to statistics and machine learning, we will also touch on a variety of technologies that are now included in the category of AI, such as generative AI, mathematical science, simulation, and text mining.
| 1 | マーケティングサイエンスとは |
| 2 | 知るためにデータを活用する |
| 3 | 何を売るか・誰に売るか・いくらで売るか のマーケティングサイエンス |
| 4 | どう売るか・どこで売るか の マーケティングサイエンス |
| 5 | マーケティングサイエンスの数理最適化 |
| 6 | マーケティングサイエンスのシミュレーション |
| 7 | マーケティングサイエンスの因果関係分析 |
| 8 | マーケティングサイエンスのテキストマイニング |
| 9 | 課題を解決するためのステップ |
| 10 | 課題を解決するためのステップ |
| 11 | マーケティングに使われる様々な手法のまとめ |
| 12 | マーケティングサイエンス実施のための設計・これまでの質疑応答 |
| 13 | マーケティングサイエンスの使い方と、マーケティングサイエンスの仕組化（システム化） |
| 14 | レポート発表とまとめ |
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
日頃から、身の回りでのデータの存在、マーケティングサイエンスの活用例を見つけ、どのような目的でどのような効果を得るために実施されているのかを意識していただきたくことで、より授業理解が深まります。
その他、授業内で適宜指示します。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
参加度(30%) 貢献度(30%) 最終レポート(Final Report)(40%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 庄司貴行・斎藤明・平井直樹［監修］立教大学ビジネスデザイン研究所(編集) | 『デジタル＆デザイン・トランスフォーメー ション― DX とデザイン志向の未来戦略』 | 有斐閣アルマ | 2023 | 4794426119 |
| 2 | マイケル・リューリック (著), オマール・ハタムレー (著), ＮＴＴデータ・コンサルティング・イニシアティブ (翻訳) | 『ＡＩ ＡＮＤ ＩＮＮＯＶＡＴＩＯＮ（ＡＩ・アンド・イノベーション）: ＡＩで未来を先取りし、ビジネスを変革する方法』 | 東洋経済新報社 | 2025 | 4492558578 |
| 3 | バーナード・マー (著), 株式会社クニエ デジタルトランスフォーメーション担当 (翻訳), ＮＴＴデータ・コンサルティング・イニシアティブ (翻訳) | 『生成ＡＩ活用の最前線―世界の企業はどのようにしてビジネスで成果を出しているのか』 | 東洋経済新報社 | 2025 | 4492558454 |
| 4 | 生田目崇 | 『マーケティングのための統計分析』 | オーム社 | 2017 | 9784274221019 |
| 5 | 横山 暁 (著), 花井 友美 (著) | 『POSデータで学ぶ はじめてのマーケティングデータ分析』 | オーム社 | 2024 | 4274232328 |
| 6 | 伊藤元治 (著), 富塚健志 (著), 藤井浩一 (著), 松岡勇気 (著) | 『実務で使える数理最適化の考え方 ―基礎から学ぶモデリング―』 | オーム社 | 2025 | 4274233901 |
回帰・相関が分かる程度の統計的知識
マーケティングフレームワークの基礎知識
Excelの基本操作
Excelが利用可能なPC（用意が難しい場合には教務で借りることもできます）
本科目は、5年以上の実務経験を有する実務家教員による授業であり、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営されます。
生成AIに問いかければ、とりあえず答えを返してくれる、便利な時代。
とはいえ、マーケティングに取り組むためには、生成AIが答える「なんとなく」の回答だけではなく、データを用いたシュアで再現性のある答えも必要です。
「データドリブン」という言葉が言われて久しい世の中ですが、実際にデータを活用して業務を推進するまで至っていない企業はまだまだ多いのが現状。
「なんとなく」だけではないデータドリブンマーケティングを実現するためには、データをどのように活用すればどのような場面でメリットが得られるのか、また、その実現方法について、具体的なイメージをつかむことが始める必要があります。
データ解析の理論は重要ですが、具体的な実務に適用するためには、その適用の実例を多く知り、考えられる思考回路を養うことが肝要。
本授業では、マーケティングの実践に向けて、データサイエンスやAI がマーケティングのどのような場面で活躍し有用なのかを事例を交えて理解するとともに、身近なツールを活用してのマーケティングサイエンスの具体的なイメージ作りを行い、その活用方法やステップについてグループワークを行いながら学びます。
平気で嘘をつく（ハルシネーション）生成AI との付き合い方も紹介します。
We live in a convenient age where we can ask a generative AI a question and it will give us a tentative answer.
However, in practical marketing, we need not only vague answers from generative AI, but also reliable, reproducible answers based on data.
The term "data-driven" has been around for a long time, but many companies have yet to actually use data to drive their business.
To achieve data-driven marketing that goes beyond vague ideas, we need to begin to grasp a concrete image of how data can be used, in what situations, and how to achieve this.
Data analysis theory is important, but to apply it to concrete practice, it is essential to learn many real-life examples and develop a clear thought process.
In this class, with the aim of applying it to practical marketing, we will use case studies to understand in what situations data science and AI are useful and applicable. We will also create a concrete image of marketing science using familiar tools and learn how to use it and the steps involved in its application through group work.
We will also introduce how to deal with generative AI that lies without hesitation (hallucination).
マーケティングの基本を振り返りながら、マーケティングの中でデータサイエンスやAI をどこに用いるのか、それによるメリットやデメリットは何かを、実例を交えながら紹介します。
紹介した内容をもとに、毎回グループワークで類似したケースについて議論し、自身であればどのように活用するか、を理解していただきます。
活用技術は、統計・機械学習の他、生成AI はもちろんのこと、数理科学やシミュレーション、テキストマイニングといった今やAI 技術という中に含まれる様々な技術についても、触れます。
We will review the fundamentals of marketing and use real-life examples to explain where data science and AI are used in marketing, as well as the advantages and disadvantages of each.
Based on what has been introduced, students will discuss similar cases in each session in groups, allowing them to understand how they would apply these technologies themselves.
In addition to statistics and machine learning, we will also touch on a variety of technologies that are now included in the category of AI, such as generative AI, mathematical science, simulation, and text mining.
| 1 | マーケティングサイエンスとは |
| 2 | 知るためにデータを活用する |
| 3 | 何を売るか・誰に売るか・いくらで売るか のマーケティングサイエンス |
| 4 | どう売るか・どこで売るか の マーケティングサイエンス |
| 5 | マーケティングサイエンスの数理最適化 |
| 6 | マーケティングサイエンスのシミュレーション |
| 7 | マーケティングサイエンスの因果関係分析 |
| 8 | マーケティングサイエンスのテキストマイニング |
| 9 | 課題を解決するためのステップ |
| 10 | 課題を解決するためのステップ |
| 11 | マーケティングに使われる様々な手法のまとめ |
| 12 | マーケティングサイエンス実施のための設計・これまでの質疑応答 |
| 13 | マーケティングサイエンスの使い方と、マーケティングサイエンスの仕組化（システム化） |
| 14 | レポート発表とまとめ |
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
日頃から、身の回りでのデータの存在、マーケティングサイエンスの活用例を見つけ、どのような目的でどのような効果を得るために実施されているのかを意識していただきたくことで、より授業理解が深まります。
その他、授業内で適宜指示します。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
参加度(30%) 貢献度(30%) 最終レポート(Final Report)(40%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 庄司貴行・斎藤明・平井直樹［監修］立教大学ビジネスデザイン研究所(編集) | 『デジタル＆デザイン・トランスフォーメー ション― DX とデザイン志向の未来戦略』 | 有斐閣アルマ | 2023 | 4794426119 |
| 2 | マイケル・リューリック (著), オマール・ハタムレー (著), ＮＴＴデータ・コンサルティング・イニシアティブ (翻訳) | 『ＡＩ ＡＮＤ ＩＮＮＯＶＡＴＩＯＮ（ＡＩ・アンド・イノベーション）: ＡＩで未来を先取りし、ビジネスを変革する方法』 | 東洋経済新報社 | 2025 | 4492558578 |
| 3 | バーナード・マー (著), 株式会社クニエ デジタルトランスフォーメーション担当 (翻訳), ＮＴＴデータ・コンサルティング・イニシアティブ (翻訳) | 『生成ＡＩ活用の最前線―世界の企業はどのようにしてビジネスで成果を出しているのか』 | 東洋経済新報社 | 2025 | 4492558454 |
| 4 | 生田目崇 | 『マーケティングのための統計分析』 | オーム社 | 2017 | 9784274221019 |
| 5 | 横山 暁 (著), 花井 友美 (著) | 『POSデータで学ぶ はじめてのマーケティングデータ分析』 | オーム社 | 2024 | 4274232328 |
| 6 | 伊藤元治 (著), 富塚健志 (著), 藤井浩一 (著), 松岡勇気 (著) | 『実務で使える数理最適化の考え方 ―基礎から学ぶモデリング―』 | オーム社 | 2025 | 4274233901 |
回帰・相関が分かる程度の統計的知識
マーケティングフレームワークの基礎知識
Excelの基本操作
Excelが利用可能なPC（用意が難しい場合には教務で借りることもできます）
本科目は、5年以上の実務経験を有する実務家教員による授業であり、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営されます。