データでもっと儲ける方法 経営とマーケティングのためのアナリティクスデザイン
西内 啓 著
- 形式：
- 書籍
- 発売日：
- 2019年02月28日
- ISBN：
- 9784798160511
- 定価：
- 1,760円（本体1,600円＋税10%）
- 仕様：
- A5・200ページ
- カテゴリ：
- 経営・マーケティング
- キーワード：
- #経営,#起業・開業,#人材・組織,#ビジネス教養
翔泳社通販SEshop
Kindle
honto
ヨドバシ
BookLive!
Google
統計学の第一人者、西内啓が
企業のマーケターやマネジメント、データに関わるすべてビジネスパーソンのために
初めて書き下ろしたデータ分析・活用の実践書
ビッグデータの活用やデータサイエンスの重要性が語られてきましたが、実際に企業の現場の実務者がどのような方針でデータを収集し、整理して活用するかについてはまだまだ難しいのが現状です。
一方、AIやデータ分析ツールの発達によりデータ分析の専門家ではなくても、基本的な理解があれば分析や活用が可能になる「市民データサイエンス」の時代とも言われます。
この本は、企業のマーケターをはじめとするビジネスリーダーの方々が、「何から始めるか」「どのようにデータを集めるか」という段階からはじめ、「リサーチデザイン」など、調査データの設計や方針の策定や、外部からのデータの調達について解説するとともに、著者の会社「データビークル」のツールを通じて、データの前処理、分析方法、効果測定やROIの最大化について紹介する内容です。
【対象読者】
企業のマーケター、プランナー、経営層
【目次】
序章：データを活かせる組織を作るために
1章：業務のためのデータを活用可能なデータへ
2章：価値ある分析のためのリサーチデザイン
3章：リソース配分の予測問題―統計学と機械学習の使い分け
4章：ターゲティングの因果推論
5章：データサイエンスを「プロダクト」にするために
終章：社内政治を乗り越えろ
はじめに なぜあなたはデータを活かせないのか
第1章 業務のためのデータを活用可能なデータへ
1 「活用できる状態のデータ」とは
2 データ活用のための結合と集計
3 数値化と再分類でデータをもっとリッチに
4 抜け漏れ・異常値・表記の揺れにどう対処するか
5 継続的なデータ活用プロセスにおけるデータ整備の位置づけ
コラム（1）data Ferryを使ったデータプレパレーション
第2章 データ活用のための「リサーチデザイン」の考え方
6 リサーチデザインの2つの要素
7 アウトカムを設定するコツ
8 解析単位を決めるための4つのルール
9 何がその違いと関係しているのか～基本的なデータ分析の読み方
コラム（2）data Diverを使った洞察を探す分析
第3章 機械学習による予測と最適化
10 洞察・予測・最適化～AI開発で同様のところと違うところ
11 予測モデルとAIの使い分け
12 何をデータで予測させるべきか
13 AI開発における適切な課題設定とは
14 ズルのできない予測精度の検証方法
コラム（3）data Diverを使った予測とその精度検証
終章 社内政治を乗り越えろ
コラム（4）data Sniperを使ったターゲティングと施策の評価
お問い合わせ
内容についてのお問い合わせは、正誤表、追加情報をご確認後に、お送りいただくようお願いいたします。
正誤表、追加情報に掲載されていない書籍内容へのお問い合わせや
その他書籍に関するお問い合わせは、書籍のお問い合わせフォームからお送りください。
利用許諾に関するお問い合わせ
本書の書影（表紙画像）をご利用になりたい場合は書影許諾申請フォームから申請をお願いいたします。
書影（表紙画像）以外のご利用については、こちらからお問い合わせください。
ご購入いただいた書籍の種類を選択してください。
書籍の刷数を選択してください。
刷数は奥付（書籍の最終ページ）に記載されています。
現在表示されている正誤表の対象書籍
書籍の種類:
書籍の刷数:
本書に誤りまたは不十分な記述がありました。下記のとおり訂正し、お詫び申し上げます。
対象の書籍は正誤表がありません。
| 発生刷 | ページ数 | 書籍改訂刷 | 電子書籍訂正 | 内容 | 登録日 | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1刷 | 090 3行目 |
未 | 未 |
|
2019.03.25 |
感想・レビュー 
やまと さん
2019-04-15
「統計学が最強の学問である」シリーズの著者の西内啓さんの本。アマゾンのレコメンデーション機能が自著の購入を執拗に薦めたエピソードを紹介していましたが、最近の日経新聞でも、ニセブランドのバッグをアマゾンが誤って推奨したことが記事になっていました。ビッグデータとかAIの時代といっても、最先端の会社ですら問題が多いのが現状のようです。本著では実務の現場の話をとりあげ、データの準備作業に８～９割の時間がとられ、デクノロジーはなんとかなっても課題設定が下手で期待した答えがでないことが多々あるなど参考になりました。
KOBAYASHI さん
2019-12-17
○。データビークルさん、儲かってまっか？
