対面学習の学習目標データ分析のケーススタディの講義と演習を通じて以下の理解を深め実践できるようになることを目標とする分析の設計データから現状の把握現状から課題の抽出課題に対する解決のための分析設計 1

Size: px

Start display at page:

Download "対面学習の学習目標データ分析のケーススタディの講義と演習を通じて以下の理解を深め実践できるようになることを目標とする分析の設計データから現状の把握現状から課題の抽出課題に対する解決のための分析設計 1"

あけなおたみや
5 years ago
Views:

1 社会人のためのデータサイエンス演習対面学習 : 講義各週の振り返りと PPDAC サイクルの注意点

2 対面学習の学習目標データ分析のケーススタディの講義と演習を通じて以下の理解を深め実践できるようになることを目標とする分析の設計データから現状の把握現状から課題の抽出課題に対する解決のための分析設計 1

3 コンテンツ 1 第 1 週 ~ 第 4 週の振り返り 2 第 5 週の振り返り PPDAC サイクルに沿ったケーススタディ 3 演習課題説明 2

4 コンテンツ 1 第 1 週 ~ 第 4 週の振り返り 2 第 5 週の振り返り PPDAC サイクルに沿ったケーススタディ 3 演習課題説明 3

5 第 1 週のまとめビジネスのネット化 IoT ビッグデータ収集活用の考え方が変化データ活用が企業競争力になる時代へデータに基づく課題解決能力が求められているデータの利活用でビジネスにおける新たな価値を創出 4

6 第 2 週のまとめ Analysis の具体的手法分布 / 比較 / 傾向 KGI とそれに関連する要因の関係を分析する比較傾向名義 vs 名義名義 vs 連続連続 vs 連続来客数男女サイトA 18 3 サイトB 4 16 クロス集計来客数サイトA サイトB サイト閲覧時間ヒストグラムサイト閲覧時間文章量散布図来客数時間時系列 5

7 第 3 週のまとめ比較と傾向の分析クロス集計 / 散布図 / 相関 / 時系列可視化が重要変数の関係性の把握外れ値の除外収穫量 ( 千 t) 13,000 12,000 11,000 10,000 9,000 8,000 7,000 6,000 5,000 1,600 1,800 2,000 2,200 2,400 作付面積 ( 千 ha) 時系列は分解して考える解釈が容易に将来予測が可能 6

8 補足. 相関と因果の違い ( 息抜きクイズ ) 答え : c. 相関関係があるとはいいきれない解説 : 家庭のしつけなどの擬似相関が指摘されている他にもゲームをやる子はキレやすい凶悪少年事件の原因はジャンクファストフードなど類似例多数 7

9 第 4 週のまとめ Analysis 応用編予測 / 分析結果の報告 / 機械学習単回帰での将来予測概念とエクセルでの実施特製アイスの注文数 ( 杯 ) 45 y = x R² = 予測注文数は25 個明日の予想最高 15 気温は最高気温 ( ) 分析報告の落とし穴前提や指標を適切に提示機械学習の応用先は幅広い 8

10 コンテンツ 1 第 1 週 ~ 第 4 週の振り返り 2 第 5 週の振り返り PPDAC サイクルに沿ったケーススタディ 3 演習課題説明 9

11 第 5 週のまとめ PPDAC サイクルに沿ったケーススタディ問題の発見 / 計画 / データ / 分析 / 結論ロジックツリーによる分析設計抜けもれなく要素を把握課題の優先順位付け計画に基づいた分析現状把握分析対象のしぼりこみ分析結果と次のアクション 10

12 第 5 週のまとめ PPDAC サイクル C onclusion 結論 P roblem 問題の発見 A nalysis 分析 P lan 調査の計画 D ata データ収集加工 11

13 第 5 週のまとめ Plan( ロジックツリー ) 第 5 週のケーススタディのロジックツリーは下記のとおりロジックツリーが MECE( 抜けもれなく ) に分解できているかは要素間で掛け算足し算の式を入れることで確認できる店舗の売上拡大顧客数の拡大購入単価の向上新規顧客の獲得既存顧客の来店頻度の向上購入点数を増やす商品単価をあげる + 12

14 第 5 週のまとめ Data( データチェック ) データを収集したら内容を確認し外れ値や欠損値が含まれていないかを確認する次のような場合どのような原因が考えられるでしょうか気温で売上を予測するモデルを作成気温データの一部が欠損していたので平均値で補完したところ期待したほどの精度が上がらなかった月 1 月 2 月 3 月 4 月 5 月 6 月 7 月 8 月 9 月 10 月 11 月 12 月売上気温全体の平均ではなく前後の値の平均など適切な値で埋める欠損値が無いことを確認し回帰分析のモデルを作成したが精度が悪い外れ値全体的な傾向から大きく離れている外れ値外れ値を含んだままモデルを作成してしまった可能性がある回帰分析に限らず外れ値があると分析の精度が落ちるのであらかじめ除くよう注意する 13

15 第 5 週のまとめ Analysis( 分布と代表値 ) 問題 : 日本人の平均貯蓄額はいくらでしょうか? 答え :1,798 万円そんなに貯金はしてないよと思った人が多いはずそういうときは分布を確認してみることが必要割合 (%) 貯蓄現在高階級別世帯分布 ( 二人以上の世帯 ) ( 平成 26 年 ) 平均値 = 1,798 万円貯蓄額 ( 円 ) 出典 : 家計調査結果 ( 総務省 ) /kakei/family/05.htm 14

16 第 5 週のまとめ Analysis ( 分布と代表値 ) 分布から少数の高額貯蓄者が平均値を引き上げていることが判明平均値では分布の特徴を捉えられないと考え中央値を確認中央値は1,052 万円それでもやはりそんなに貯金はしてないよという人が多いはず割合 (%) 貯蓄現在高階級別世帯分布 ( 二人以上の世帯 ) ( 平成 26 年 ) 中央値 = 1,052 万円平均値 = 1,798 万円貯蓄額 ( 円 ) 出典 : 家計調査結果 ( 総務省 ) /kakei/family/05.htm 15

17 第 5 週のまとめ Analysis ( 分布と代表値 ) 最後に最頻値を確認最頻値は 200 万円未満ぐっと現実感が出てきたのではないでしょうか分布の形状の確認と適切な代表値の選択が重要割合 (%) 貯蓄現在高階級別世帯分布 ( 二人以上の世帯 ) ( 平成 26 年 ) 最頻値 = 200 万円未満中央値 = 1,052 万円平均値 = 1,798 万円貯蓄額 ( 円 ) 出典 : 家計調査結果 ( 総務省 ) /kakei/family/05.htm 16

18 第 5 週のまとめ Analysis( 比較 ) さてここでひとつあらたな疑問が貯蓄額は年代や地域によっても違うのでは? どうやって調べるのがよいでしょうか年代ごとに分布と代表値を比較平均値円中央値円最頻値円平均値円中央値円最頻値円 30 代の貯蓄額分布 60 代の貯蓄額分布年代地域で集計可視化 30 代 60 代 A 県円円 B 県円円 30 代 60 代 30 代 60 代 A 県 B 県 17

ビジネスでの活用に向けてオンライン講座で皆様は様々なことを学んできました第 1 週 :

:PPDACサイクルに沿ったケーススタディ後はビジネスでの活用に向けて実践あるのみです

19 ビジネスでの活用に向けてオンライン講座で皆様は様々なことを学んできました第 1 週 : ビジネスのネット化 IOT 第 2 週 :Analysisの具体的手法( 分布 / 比較 / 傾向 ) 第 3 週 : 比較と傾向の分析 ( クロス集計 / 散布図 / 相関 / 時系列 ) 第 4 週 :Analysis 応用編 ( 予測 / 分析結果の報告 / 機械学習 ) 第 5 週 :PPDACサイクルに沿ったケーススタディ後はビジネスでの活用に向けて実践あるのみですそれでは次からの課題で第 5 週のケーススタディのようにデータサイエンスによる問題解決を一緒に実践してみましょう 18

20 コンテンツ 1 第 1 週 ~ 第 4 週の振り返り 2 第 5 週の振り返り PPDAC サイクルに沿ったケーススタディ 3 演習課題説明 19

21 課題の状況設定あなたは大手コンビニチェーン A 社の既存顧客向けのマーケティング担当ですマーケティング部の部長から来年度の販売促進施策立案の基礎資料として自社の販売状況を分析し現状と課題点をまとめて報告するように指示を受けました上記課題についてコンビニ A( 自社 ) とコンビニ B( 競合 ) の販売データを提供しますまず分析の設計次に設計に従い分析を行い報告用資料を作成してください 20

22 データ説明 1 家計簿スマホアプリ ReceReco の概要 ReceRecoとは家計簿をリデザインするをコンセプトにレシートのデータ化から分析外部連携までを無料で提供する家計簿 / 支出管理アプリ (ios/android 対応 ) であり料理レシピや電子チラシの閲覧などのお得で便利な機能も充実している分析における応用例サービスの特長 21

23 データ説明 2ReceReco のデータ取得の流れアプリから取得可能なユーザ情報レシート情報レシートアイテム情報のデータを利用今回は研修用にユーザ別にレシート情報を集約し 1つのデータセットに加工 ( 個人が特定されない形にデータ加工本講義内で用いているデータは登録されたレシートデータを個人が特定されない範囲で二次利用することは全ユーザ承諾済 ) 1 ダウンロード 3 レシート登録 1 3 レシート登録 2 2 ユーザ登録 22

24 データの説明 3 データ定義データ期間 :2014 年 7 月 1 日 ~2015 年 6 月 30 日までの1 年間抽出条件 : コンビニA( 自社 ) B( 競合 ) のレシート登録者データ件数 : コンビニA( 自社 ) 14,602 件コンビニB( 競合 ) 16,100 件ファイル名 : 対面学習課題データ.xlsx ( コンビニA( 自社 ) コンビニB( 競合 )) 大項目中項目項目名 ( 変数名 ) 尺度データの種類コメントユーザー属性 user_id 名義文字列ユーザを特定するためのID 性別名義文字列男性女性年代名義文字列 10 代 20 代 30 代 40 代 50 代 60 代以上購買行動費目合計費目別アイテム点数都道府県名義文字列 47 都道府県不明の場合は空欄合計レシート枚数連続数値ユーザーごとの合計レシート枚数合計金額連続数値ユーザーごとの合計支払金額合計アイテム点数連続数値ユーザーごとの購入した商品点数の合計日用品費 _ アイテム点数連続数値費目で日用品費に分類される商品の購入点数 : 被服費食費美容健康費交際費教養娯楽養育費その他ギフト等商品費も同様費目別合計金額日用品費 _ 合計金額連続数値費目で日用品費に分類される商品の購入金額 : 被服費食費美容健康費交際費教養娯楽養育費その他ギフト等商品費も同様 23

25 課題 1: 分析の設計コンビニチェーンの既存顧客の売上拡大のロジックツリーを作成してください上記課題について今回のデータセットにあわせて作成してくださいロジックツリーが MECE( 抜けなくもれなく ) にできているか作成後に検証してみましょう 24

26 課題 2: 現状把握と課題抽出分析設計に従い自社 / 競合の現状を把握し自社の課題を抽出してください上記課題について課題 1 で作成した売上拡大のロジックツリーに基づき代表値や分布を確認し現状を把握していきましょう次に自社と競合を比較し自社の課題を抽出しましょう ( 時間に余裕がある方は ) 自社課題の解決に向け分析を行い課題解決に繋がる施策の方向性を提案してください 25

講座内容第 1 週データサイエンスとは第 2 週分析の概念と事例ビジネス課題解決のためのデータ分析基礎 ( 事例と手法 )1 第 3 週分析の具体的手法ビジネス課題解決のためのデータ分析基礎 ( 事例と手法 )2 第 4 週ビジネスにおける予測と分析結果の報告ビジネス課題解決のためのデー

講座内容第 1 週データサイエンスとは第 2 週分析の概念と事例ビジネス課題解決のためのデータ分析基礎 ( 事例と手法 )1 第 3 週分析の具体的手法ビジネス課題解決のためのデータ分析基礎 ( 事例と手法 )2 第 4 週ビジネスにおける予測と分析結果の報告ビジネス課題解決のためのデー社会人のためのデータサイエンス演習第 2 週 : 分析の概念と事例第 1 回 :Analysis( 分析 ) とは講師名 : 今津義充 1 講座内容第 1 週データサイエンスとは第 2 週分析の概念と事例ビジネス課題解決のためのデータ分析基礎 ( 事例と手法 )1 第 3 週分析の具体的手法ビジネス課題解決のためのデータ分析基礎 ( 事例と手法 )2 第 4 週ビジネスにおける予測と分析結果の報告ビジネス課題解決のためのデータ分析基礎