日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 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 |
DE208/DE208DE208 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
Pythonを用いたID-POS分析（基礎）/人工知能科学研究科とのコラボ科目 |
| 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4･6408/Wed.4･6408 Wed.4･6408 |
| 単位/ CreditCredit |
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/ Grade (Year) RequiredGrade (Year) Required |
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 |
他学部生抽選登録用．社会学部生抽選登録は DE206 |
| テキスト用コード/ Text CodeText Code |
DE208 |
With the advent of generative AI, Digital Transformation (DX) has been evolving at an accelerated pace. However, there are still few successful DX cases. In this class, we will learn the latest cases of retail DX. Also, based on big data such as purchase data of ID-POS, learn analytical know-how using Python. Furthermore, the goal is to discover issues from the analysis results and make recommendations for improvement.
This course is structured for Python intermediate to advanced learners.
In this class, in addition to overseas DX cases such as Amazon and Walmart, we will learn the latest cases of domestic retail DX. In addition, with the cooperation of a certain drug store, we will analyze the latest ID-POS data using Python. After learning the basics of analysis, students are divided into groups, each decides an analysis theme, cooperates in analyzing big data, and makes a final presentation. Python beginners are supported by instructors and TA. We will also hold a presentation to the president of the drugstore that provided the data. This course is structured for Python intermediate to advanced learners.
※Please refer to Japanese Page for details including evaluations, textbooks and others.
生成AIの登場により、DXも加速度的に進化してきている。しかし、実際に成功しているDX事例はまだまだ少ないのも実情である。この授業では、小売業という私たちの身近な業態におけるリテールDXの最新事例を学ぶ。また小売業の購買履歴データというビッグデータを、Pythonを用いた分析ノウハウを学ぶ。さらには、分析結果から課題を発見し改善につなげる提言を行うことを目標とする。
尚、この授業はPython中級者以上向けにカリキュラムを構成している。
With the advent of generative AI, Digital Transformation (DX) has been evolving at an accelerated pace. However, there are still few successful DX cases. In this class, we will learn the latest cases of retail DX. Also, based on big data such as purchase data of ID-POS, learn analytical know-how using Python. Furthermore, the goal is to discover issues from the analysis results and make recommendations for improvement.
This course is structured for Python intermediate to advanced learners.
ここの授業では、Amazon やWalmart など海外の事例に加えて、国内のリテールDX の最先端の事例を学ぶ。また、実際のドラッグストアのご協力のもと最新のID-POS データ（匿名化された数百万行の購買履歴データ）をPython というプログラミング言語を使って分析する。分析する上での基本的な定石を踏まえてグループごとに分かれ、それぞれ分析テーマを決めて、互いに協力しながらビッグデータ分析を行い最終発表する。また、データを提供頂いたドラッグストアの社長へ報告会も予定している。尚、この授業はPython中級者以上にカリキュラムを構成している。
In this class, in addition to overseas DX cases such as Amazon and Walmart, we will learn the latest cases of domestic retail DX. In addition, with the cooperation of a certain drug store, we will analyze the latest ID-POS data using Python. After learning the basics of analysis, students are divided into groups, each decides an analysis theme, cooperates in analyzing big data, and makes a final presentation. Python beginners are supported by instructors and TA. We will also hold a presentation to the president of the drugstore that provided the data. This course is structured for Python intermediate to advanced learners.
| 1 | 授業ガイダンス 講義①リテールDX |
| 2 | 講義②データ分析の方法・Pythonプログラミング |
| 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もらう。また、授業内の最終発表会とは別に、データをご提供頂いたドラッグストア企業の社長への報告会も開催する。
授業外の分析や準備も多く発生するため、「メディア調査実習入門５」「メディア調査実習入門６」の同時履修は推奨しない。
| 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