基本情報/Basic Information

開講科目名 ／Class	データマイニングⅡ／Data Mining Ⅱ
授業コード ／Class Code	B600322001
ナンバリングコード ／Numbering Code	DSCc612
開講キャンパス ／Campus	ﾎﾟｰﾄｱｲﾗﾝﾄﾞ
開講所属 ／Course	経営学部／Business Administration
年度 ／Year	2026年度／Academic Year
開講区分 ／Semester	後期／AUTUMN
曜日・時限 ／Day, Period	月2(後期)／MON2(AUT.)
単位数 ／Credits	2.0
主担当教員 ／Main Instructor	山田　耕／YAMADA KO
遠隔授業 ／Remote lecture	No

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
山田　耕／YAMADA KO	経営学部／Business Administration

授業の方法 ／Class Format	講義形式(対面)
授業の目的 ／Class Purpose	この講義はデータマイニングⅠを踏まえ、そこで学んだ知識をより実践で適用できる力へと高めることを目的としています。さらに、マーケティングにおけるデータ分析の方法論についても掘り下げていきます。ビッグデータ時代の到来により、多種多様なデータにうまく合わせてそれを利活用する能力が求められるようになっています。本講義では、データ分析において新たな見方を紹介して、より多様な分析の解釈ができる基礎的な知識を学んでいきます。これにより、ビジネス課題を把握・分析してそれを解決する具体的な方法を考えられるようになります。講義では、データ分析に関する多様な知識とスキルを提供することで、理論的知識だけでなく多種多様なデータに対応できるデータサイエンスの専門家になることを目指します。
到　達　目　標 ／Class Objectives	この授業の目標は、データマイニングⅠの内容を踏まえた上で以下となります： ・多様なデータ分析手法の習得と実践力：ビッグデータ分析、マーケティング分析（バスケット分析・価格弾力性）、マクロ経済分析（産業連関表）など多様な手法を習得し、Excelを用いて実データを分析・解釈し、ビジネス課題解決に応用できる実践力を身につけます。 ・データに基づく科学的意思決定力：データ可視化・記述統計・リスク評価を通じて、勘ではなくデータに基づく科学的意思決定ができます。顧客行動予測、価格戦略、商品配置最適化など、具体的なビジネス判断に分析結果を活用できる力を身につけます。 ・データ分析結果の批判的解釈力：データ品質や分析手法の前提条件を理解し、分析結果を批判的に読み解けます。その上で、経済効果などの数値を鵜呑みにせず、限界やバイアスを見抜き適切に判断できる力を養います。
授業のキーワード ／Keywords	データ分析思考、オープンデータの応用、マルコフ過程、産業連関分析
授業の進め方 ／Method of Instruction	座学を中心に進めていきます。何回か講義を行った後に小テストを行います。シラバスの内容は学生の皆さんの学修の状況に応じて、変更することもあります。
履修するにあたって ／Instruction to Students	全講義数の3分の1以上欠席した場合、単位を取得することはできません。また、大学が認めていない事由による遅刻は減点の対象とします。また、データマイニングⅠは履修している前提で進めていきます。
授業時間外に必要な学修内容・時間 ／Required Work and Hours outside of the Class	予習として、講義中に紹介した資料を読んできてください(少なくとも60分)。復習として授業中に配布した資料を熟読してください(少なくとも60分)。復習する際に、授業で学んだ概念について理解しているか自ら確認し、学んだ概念を第三者に説明できるのかを考えてみてください。また、必要に応じて文献・論文等をインターネットや図書館で探し、わからない部分について調べ、わからないことがあったら次回の授業で質問するようにしてください。本講義は状況に応じてExcelを使うのでノートPC(Excelの使える)の準備をお願いしたい。一応、数学やExcelの復習は状況に応じて行うが、本講義は数学やプログラムの講義ではないので詳しくは行いません。そのため、抜けている知識があれば、自分で調べて対応してください。特にマルコフ過程の分析や産業連関分析では数学の知識を使います。そのため必要に応じて、高校数学を復習してください。
提出課題など ／Quiz,Report,etc	宿題を出す場合は、講義内でその内容を指定します。
成績評価方法・基準 ／Grading Method・Criteria	小テストを何回か課します。課題を出す場合があります。 期末試験が30%、小テストや宿題が40%、講義態度が30%という割合で評価します。
テキスト ／Required Texts	適宜、資料を配布します。
参考図書 ／Reference Books	小川貴史・（株）社会情報サービス、Excelで学べるデータドリブン・マーケティング、マイナビ出版、2025/01/29、9784839987633 米沢雄介・岡本久仁子・西野和典、情報活用　Excel　データ分析の基礎発、実教出版、2025/11/10、9784407365986 Sebastian Raschka・Vahid Mirjalili・福島真太朗・株式会社クイープ、[第3版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践、インプレス、2020/10/22、9784295010074 藤川清史、: ExcelとVBAでらくらくIO分析、日本評論社、2005/6/1、9784535553347 清水隆史・淺田晃佑、実践 マーケティングデータサイエンス: ショッパー行動の探索的データ解析と機械学習モデル構築、学術図書出版社、2023/04/06、9784780610512

No.	回 ／Time	主題と位置付け ／Subjects and position in the whole class	学習方法と内容 ／Methods and contents	備考 ／Notes
1	1	ガイダンス	本講義の進め方について説明します。
2	2	データ分析思考とは何か	データ分析時の考え方や着目点について再度確認していきます。
3	3	意思決定のための分析思考	顧客の潜在的な欲求を見抜く「ビジネスインサイト」と、それが競争優位性を生む理由を学びます。
4	4	ビッグデータ分析の視点1	量的指標から境界線を見つけるボーダーライン分析法と、時系列データから周期性を発見するウェーブ分析法を学び、ビッグデータから新たなビジネス機会を見出す視点を養います。
5	5	ビッグデータ分析の視点2	最も活発な中心点や激しい変化点を浮かび上がらせるホットスポット分析法を学びます。
6	6	データ品質管理の基礎	データ分析の成否を左右する事前チェックとクレンジングを学びます。データの信頼性確認、欠損値・外れ値の適切な処理方法を習得し、正確な分析の基盤を構築します。
7	7	ビジネスデータの可視化実践	練習データを題材に、各種グラフやヒートマップの作成を通じて、複雑なデータを直感的に理解できる形に変換する技術を学び、迅速な意思決定を支援する可視化力を身につけます。
8	8	データのばらつき分析と意思決定	多様性、リスク、品質管理など、ビジネスにおけるデータのばらつきの実践的解釈法を演習を通じて身につけます。
9	9	顧客行動の未来を予想する方法	顧客の購買行動やサービス利用の移行確率(マルコフ過程)を分析し、将来の市場シェアを予測する方法を学びます。
10	10	商品関連性の発見：バスケット分析	購買履歴データから商品間の関連性を発見する相関ルール分析を学びます。支持度・確信度・リフト値などの指標を用いて、効果的な売場づくりやクロスセル戦略を導く分析手法を習得します。
11	11	価格戦略のデータ分析	価格変更が売上に与える影響を定量化する価格弾力性と、商品間の影響を測る交差弾力性を学びます。
12	12	商品・顧客の実践的分析	データに基づいた科学的な価格設定と、代替品・補完品関係の分析手法を習得します。
13	13	主観的評価のデータ化について	「このデザインとあのデザイン、どちらが良いか」といった主観的判断を科学的に分析する方法を学びます。感覚的な好みを統計的に処理可能なデータに変換し、商品評価やランキング作成に活用する技術を習得します。
14	14	産業連関分析入門：経済波及効果の計算原理	産業間の相互依存関係を表す産業連関表の3つの基本表（取引基本表・投入係数表・逆行列係数表）を学び、ある産業への投資が他産業に波及する連鎖的メカニズムを理論的に理解します。
15	15	地域経済分析の実践と批判的解釈	都道府県の産業連関表を用いて実際に経済波及効果を計算し、投資が各産業に及ぼす連鎖的影響を定量化します。同時に理論的前提の限界やマイナス効果を理解し、数値を批判的に読み解く力を養います。