出版書誌データベース

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し、模擬試験１回分を収録。プロジェクトマネジメント・統計・機械学習などの考え方、さらにはExcel・SQL・Python・Rの基本技術を解説しています。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」を測るための検定です。試験問題は実際に想定できるケースに基づいており、実践力を判定できるという特徴があります。試験の内容を学習することで、データ分析における基礎的な力が自然と身につくようにデザインされています。

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