データ分析実務スキル検定公式テキスト

• Material Type: 図書
• ISBN: 978-4-295-01084-5
• Title: データ分析実務スキル検定公式テキスト
• Title Transcription: データ ブンセキ ジツム スキル ケンテイ コウシキ テキスト
• Author/Editor: データミックス 著
• Publication, Distribution, etc.: 東京 : インプレス (出版)
• Publication Date: 2021.9
• Publication Date (W3CDTF): 2021
• Extent: 500p
• Size: 21cm
• Place of Publication (Country Code): JP
• Text Language Code: jpn
• Content Type: テキスト
• Media Type: 機器不用
• Carrier Type: 冊子
• Subject Heading: 経営統計 データ処理
• NDC 10th ed.: 336.1 : Business management
• NDLC: Y57
• Target Audience: 一般
• Price: 3200円
• Holding library: 国立国会図書館
• Call No.: Y57-M2602
• Data Provider (Database): 国立国会図書館 : 国立国会図書館蔵書; https://ndlsearch.ndl.go.jp
• Bibliographic ID (NDL): 031667931; http://id.ndl.go.jp/bib/031667931
• National Bibliography No. (JPNO): 23585577
• TOHAN MARC No.: 34251419
• Cataloging Rule: Nippon Cataloging Rules 2018 Edition
• Bibliographic Record Category (NDL): 117

• Summary, etc.: 本書は「データ分析実務スキル検定（CBAS）」唯一の公式テキスト。試験範囲をすべてカバー。模擬試験１回分を収録。プロジェクトマネジメント、統計・機械学習の考え方、さらにはExcel・SQL・Python・Rの基本技術を解説。CBASは「データ分析を実務に活用するための最低限の知識と技能」を測るための...

Table of Contents

表紙
サンプルデータ・解答・正誤表などについて
「データ分析実務スキル検定（CBAS）」について
本書について
目次
Part1 検定の概要
第1章 CBASへようこそ
1-1 CBASについて
1-2 CBAS試験の概要／1-2-1 試験範囲
1-2-2 試験方式／1-2-3 受験申し込みの流れ／1-2-4 試験の難易度について
1-2-5 試験内容と難易度の補足
1-3 本書の内容
1-4 シラバス詳細
Part2 プロジェクトマネジメント
第2章 ビジネス課題とKPIツリー
2-1 ビジネス課題の明確化
2-2 KPIツリーとは
2-2-1 KPIツリーの深さと要素の定義
2-3 KPIツリー作成の発想法／2-3-1 顧客行動に注目した分解
2-3-2 顧客属性に注目した分解
2-3-3 その他、さまざまな視点からの分解／2-3-4 掛け算と足し算
2-4 KPIツリーとデータ
2-5 KPIツリーの利用／2-5-1 分割要素と非分割要素
2-5-2 施策効果の検討
2-6 データ分析課題とデータ分析プロジェクト
2-6-1 データ分析課題
第3章 データ分析の活用とプロジェクト
3-1 既存の業務にデータ分析を活用する場合／3-1-1 非専門家によるデータ分析実務
3-1-2 データ分析の知識が必要となるとき
3-1-3 データ分析の専門知識が武器になるとき
3-2 データ分析プロジェクト／3-2-1 データ分析のプロセスモデル
3-2-2 データ分析プロジェクトのよくある失敗例：「データがあるからとりあえず分析」
3-2-3 データ分析プロジェクトのよくある失敗例：「手元のデータで十分」
3-2-4 データ分析プロジェクトの不確実性と「手戻り」／3-2-5 データ分析の不確実性
3-2-6 手戻りやループを含むプロセスモデル：CRISP
3-2-7 データ分析のプロセスモデルの例
3-2-8 PoCと不確実性
3-2-9 PoC止まりはなぜ起こるのか／3-2-10 KPIとリンクしていないPoCは失敗する
3-2-11 PoCを複数行う／3-3 データ分析プロジェクト・チームのマネジメント／3-3-1 データ分析プロジェクト・チームの典型的な構成
3-3-2 データ分析プロジェクトのステークホルダー
3-4 データ分析プロジェクトにおけるリスク
3-4-1 個人情報保護法
3-4-2 「個人情報取扱事業者」の義務
3-4-3 第三者へデータ分析業務を委託する場合の規律
第4章 データの準備
4-1 データ品質とは
4-1-1 データ品質を確認しよう／4-2 探索的データ分析（EDA）によってデータを理解する／4-2-1 EDAとは
4-2-2 EDA の実作業プロセス
4-2-3 EDAとデータの確認／4-2-4 EDAとデータ品質／4-2-5 EDAと可視化
4-3 データの前処理
4-3-1 データの前処理の種類／4-3-2 データクレンジング
4-3-3 データ補完
4-3-4 外れ値の処理
第5章 リサーチとレポーティング
5-1 リサーチデータのデータ分析
5-2 リサーチの流れ／5-2-1 定量調査と定性調査
5-2-2 リサーチデザイン／5-3 リサーチ結果のスクリーニング
5-3-1 基礎集計
5-3-2 クロス集計
5-3-3 仮説の検証
5-3-4 課題発見
5-3-5 施策の評価
第6章 予測モデルを使ったデータ分析
6-1 予測モデルの使い方
6-2 データ分析における「予測」とは何／6-3 予測モデルの基本的な作成手順／6-3-1 予測モデルを記述するための用語
6-3-2 予測モデル作成のプロセス
6-3-3 予測モデル作成プロセスの各ステップ
Part3 押さえておくべき理論
第7章 データ可視化の基本
7-1 可視化とデータの種類／7-1-1 データ可視化の目的
7-1-2 データのボリュームによって規定される可視化
7-2 1変数データの可視化
7-2-1 少数の1変数・量的データ
7-2-2 多数の1変数・量的データ
ほか