目次

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