経済学ワークショップ2
第2回:データ分析の全体像
もくじ
データ分析の思考サイクル
(Q)なぜ, データによる分析が必要なのでしょうか?
(A)データに基づかない考えは, 思い付きになってしまいます. データを活用することで, 客観的な議論ができます.
⇒EBM (Evidence Based Medicine)
⇒EBPM (Evidence Based Policy Making)
3
データ分析の思考サイクル
教科書の例(P13~P14)
「営業部門の売上が下がっている. 飛び込み営業を増やそう!」
4
データ分析の思考サイクル
データ分析の思考のサイクル(教科書の例の場合)
5
課題
営業部門の売上の減少(結果)
仮説
新規開拓が不足(原因?)
検証
新規顧客への営業数の変化/どの地域の営業数が減っているか/新規顧客への営業数と売上の関係
データ分析の思考サイクル
仮説を検証する際のポイント(P15-P16)
6
データ分析の思考サイクル
(練習)次の質問に対する回答をWordにまとめ, デスクトップやドキュメントなど, わかりやすい場所に保存しよう. ファイル名は, 日付_名字.docxにしてください.
(問)なぜ, データ分析は必要なのか? データ分析をする際, どのように進めていけばよいか?
7
データ分析の思考サイクル(まとめ)
8
データに基づかない考えは, 思い付きになってしまう.
データ分析することで, 客観的に仮説を検証できる.
5W1Hを使って, 仮説をできるだけ具体的に設定する.
データ活用の5つのレベル
(Q)問いに答えるには, 難しいデータ分析が必要でしょうか?
(A)高度な手法が必要になる場合もありますが, 簡単な手法でも有益な結果が得られることも多いです.
9
データ活用の5つのレベル
データ活用の5つのレベル
例)新規顧客の営業訪問数はどのくらい減っているか?
例)新規顧客の営業訪問数と売上高はどの程度相関しているか?
例)新規顧客の営業訪問数を上げれば, 顧客の獲得数は上がるのか?
10
データ活用の5つのレベル
例)社員当たりの営業訪問数をいくら増やすと, 目標の新規顧客数を達成できるか?
例)売上高を最大化するためには, どの支店に, どの程度の新規顧客営業社員を割り当てればよいのか?
11
データ活用の5つのレベル
12
1. 過去や現状を定量的に把握する
2. 事象の関係を定量的に把握する
3. 因果関係を定量的に把握する
4. 将来を予測する
5. 最適解を知る
データ活用の5つのレベル
データ活用のレベルに対応する分析例
例)基本統計量の計算・データの集計・データの可視化
例)相関分析・散布図・線形回帰
13
データ活用の5つのレベル
例)ランダム化比較試験(RCT)
例)予測モデルの作成・機械学習
例)数理最適化・数値計算
14
データ活用の5つのレベル
(練習)次の質問に対する回答を, さきほど作成したWordのつづきにまとめ, 上書き保存しよう.
(問)データ分析は高度なものでないといけないか?データを活用した分析は, どのようにわけられるか?
15
データ活用の5つのレベル(まとめ)
16
データ活用の段階は, 5つのレベルに分けられる.
レベルに応じて必要な分析方法も変わる
目的を達成するできるだけ簡単な手法を利用する
レポートの提出方法
LMSからレポート課題を提出する
17
レポートの提出方法
LMSで提出状況を確認する
(※レポート採点後, 右側の得点の箇所に各自の成績が表示されます)
18
レポートの提出方法
(練習)本日作成したWordファイルを, LMSの授業のページから提出しましょう. 「レポート課題」欄に「レポート課題(デモ)」がありますので, そちらから提出してください. 提出後は, マイレポートから提出の有無を確認してください.
19
レポートの提出方法(まとめ)
20
ワークショップ2のレポートはLMSから提出する
課題欄の該当するレポートにアクセスし提出する
提出後はマイレポートから提出状況を確認する