日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 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) |
「対面（一部オンラインでも参加可能ですが、可能な限り対面で）」 |
| 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･7202/Tue.G5･7202 Tue.G5･7202, 火G6･7202/Tue.G6･7202, Tue.G6･7202 |
| 単位/ CreditCredit |
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/ 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 |
－（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。 |
| 備考/ NotesNotes |
寄附講座 （株）ＮＴＴデータ数理システム |
| テキスト用コード/ Text CodeText Code |
VL797 |
In today's business, it has become natural to apply and utilize various mathematical science methods to the data.
However, if you do not have a correct understanding of what kind of data to use, how to use it, and what benefits can be obtained in what situations, you will end up making incorrect decisions.
In this class, we will use case studies to understand in what situations data science and AI are active and useful in marketing, and we will also learn how to utilize them and the steps through group work, in order to put marketing into practice.
It is also necessary to understand the content of the various methods.
However, more than that, our main focus is on acquiring the knowledge and skills necessary to solve problems when faced with business, and on developing the mindset to think about things as one's own business.
On the final day we give presentations on the assignment each other.
We learn where to use data science and AI in marketing, and what are the advantages and disadvantages of doing so. While looking back at the basics of marketing using actual examples.
Based on what you have learned, discuss similar cases in group work and understand how you would use it yourself each time.
※Please refer to Japanese Page for details including evaluations, textbooks and others.
昨今のビジネス領域においては、集められたデータに様々な数理科学の手法を適用して活用することは、
当然となっている。
しかし、どのようなデータをどのように活用すればどのような場面でどのようなメリットが得られるのかについて、正しく理解していないと、判断を誤ってしまう。
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、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ぶ。
様々な手法の中身を理解することも必要だが、それよりも、ビジネスの現場において、課題に直面した際に
解決するために必要な知識とスキルを身に付けること、そして自分事として考えられる意識を持てるように
なることを主眼とする。
データサイエンスやAIそのものの作りを学ぶのではなく、マーケティングで活用する際に必要なデータサイエンスやAIの知識を身に着ける。
最終回では、与えられた課題・または自身が想定した課題に対して、どのように筋道を立てて解決していくかをレポートにまとめる。
In today's business, it has become natural to apply and utilize various mathematical science methods to the data.
However, if you do not have a correct understanding of what kind of data to use, how to use it, and what benefits can be obtained in what situations, you will end up making incorrect decisions.
In this class, we will use case studies to understand in what situations data science and AI are active and useful in marketing, and we will also learn how to utilize them and the steps through group work, in order to put marketing into practice.
It is also necessary to understand the content of the various methods.
However, more than that, our main focus is on acquiring the knowledge and skills necessary to solve problems when faced with business, and on developing the mindset to think about things as one's own business.
On the final day we give presentations on the assignment each other.
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する。
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、を理解する。
We learn where to use data science and AI in marketing, and what are the advantages and disadvantages of doing so. While looking back at the basics of marketing using actual examples.
Based on what you have learned, discuss similar cases in group work and understand how you would use it yourself each time.
| 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 | 演習 データ分析 |
| 8 | 演習 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する。
その他、授業内で適宜指示する。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
最終レポート(Final Report)(40%) 参加度(30%) 貢献度(30%) |
| 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 | 生田目 崇 | マーケティングのための統計分析 | オーム社 | 2017 | 9784274221016 |
| 3 | 朝野 熙彦 (著, 編集) | マーケティング・サイエンスのトップランナーたち | 東京図書 | 2016 | 9784489022344 |
| 4 | 森下 光之助 | 機械学習を解釈する技術〜予測力と説明力を両立する実践テクニック | 技術評論社 | 2021 | 9784297122263 |
| 5 | 大坪 直樹 (著), 中江 俊博 (著), 深沢 祐太 (著), 豊岡 祥 (著), 坂元 哲平 (著), 佐藤 誠 (著), 五十嵐 健太 (著), & 2 その他 | XAI(説明可能なAI)--そのとき人工知能はどう考えたのか? | リックテレコム | 2021 | 9784865942927 |
| 6 | 足立光 他 | ハーバードビジネスレビュー 2023年1月号「これからのマーケティング」 | ダイヤモンド社 | 2023 | 24323578 |
| 7 | 清水 隆史, 淺田 晃佑 | 実践 マーケティングデータサイエンス: ショッパー行動の探索的データ解析と機械学習モデル構築 | 学術図書出版社 | 2023 | 4780610516 |
・回帰・相関が分かる程度の統計的知識
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。