| 授業名 | データ分析の基礎 |
|---|---|
| Course Title | Fundamentals of Data Analysis |
| 担当教員 Instructor Name | 納田 泰成（Taisei Noda） |
| コード Couse Code | NUC123_N25B |
| 授業形態 Class Type | 講義 Regular course |
| 授業形式 Class Format | On Campus |
| 単位 Credits | 2 |
| 言語 Language | JP |
| 科目区分 Course Category | 共通専門教育科目200系 / Specialized Subject 200 |
| 学位 Degree | BSc |
| 開講情報 Terms / Location | 2025 UG Nisshin Fall Intensive |
授業の概要 Course Overview
Misson Statementとの関係性 / Connection to our Mission Statement
未踏の地を切り拓き、ビジネスや社会の発展に貢献するには、不確実な状況での意思決定が欠かせません。本講義では、受講者が直感や自身の経験だけに頼るのではなく、データを有効に活用して意思決定できるスキルを身につけることを目指します。
Expanding the frontier of business and society requires making decisions in uncertain situations. This course is designed to help participants develop the skills to make data-driven decisions, rather than relying solely on intuition or personal experience.
授業の目的（意義） / Importance of this course
自分のデータ分析をする目的を明確にし、それに基づいてデータを収集・分析し、得られた結果をもとに意思決定できるようになること。
To clearly define the purpose of data analysis, collect and analyze data accordingly, and make informed decisions based on the results.
到達目標 / Achievement Goal
受講者が自ら問いを立て、データを収集し、Excelを活用して自分の仮説を検証するための統計分析ができるようになること。
For participants to formulate their own questions, collect data, and conduct statistical analysis using Excel to test their hypotheses.
本授業の該当ラーニングゴール Learning Goals
*本学の教育ミッションを具現化する形で設定されています。
LG1 Critical Thinking
LG4 Effective Communication
LG5 Business Perspectives (BSc)
LG4 Effective Communication
LG5 Business Perspectives (BSc)
受講後得られる具体的スキルや知識 Learning Outcomes
・データ分析の設計するスキル
・Excelを活用したデータの可視化スキル
・統計的仮説検定に基づく意思決定スキル
・機械学習の基礎知識と独学を始めるための準備
・Excelを活用したデータの可視化スキル
・統計的仮説検定に基づく意思決定スキル
・機械学習の基礎知識と独学を始めるための準備
- Ability to design data analysis frameworks
- Skills to visualize data using Excel
- Decision-making based on statistical hypothesis testing
- Fundamental knowledge of machine learning and preparation for self-study
- Skills to visualize data using Excel
- Decision-making based on statistical hypothesis testing
- Fundamental knowledge of machine learning and preparation for self-study
SDGsとの関連性 Relevance to Sustainable Development Goals
Goal 4 質の高い教育をみんなに（Quality Education）
教育手法 Teaching Method
| 教育手法 Teaching Method | % of Course Time | |
|---|---|---|
| インプット型 Traditional | 50 % | |
| 参加者中心型 Participant-Centered Learning | ケースメソッド Case Method | 50 % |
| フィールドメソッド Field Method | 0 % | 合計 Total | 100 % |
事前学修と事後学修の内容、レポート、課題に対するフィードバック方法 Pre- and Post-Course Learning, Report, Feedback methods
事前学修：
講義前にその日の講義内容に対応する課題を提出して頂きます。約２時間の学修を想定しています。
事後学修：
講義の最後にその日の講義内容に対応する小テストとエクセル演習を行います。講義後に小テストやエクセル演習のフィードバックをもとに各自約１－２時間の復習を想定しています。
レポート・課題に対するフィードバック：
講義後に個別にGoogle Classroomでフィードバックします。
中央情報センター（図書館）の活用について：
授業内容を深く理解するために積極的に活用してください。
講義前にその日の講義内容に対応する課題を提出して頂きます。約２時間の学修を想定しています。
事後学修：
講義の最後にその日の講義内容に対応する小テストとエクセル演習を行います。講義後に小テストやエクセル演習のフィードバックをもとに各自約１－２時間の復習を想定しています。
レポート・課題に対するフィードバック：
講義後に個別にGoogle Classroomでフィードバックします。
中央情報センター（図書館）の活用について：
授業内容を深く理解するために積極的に活用してください。
授業スケジュール Course Schedule
第1日（Day1）
イントロダクション［前半］データ分析を始める前に（教科書１章）
・マネーボール（ケース）
・問いから始めよう
・データ分析の基本ステップ
［後半］演習：データ分析の計画
・問いは何か？
・必要なデータは何か？
・最終的な「グラフ」は何か？
●使用するケース
マネーボール（自作ケース）第2日（Day2）
記述統計［前半］基本統計でデータの傾向をつかもう（教科書２章）
・Excel演習：データの読み込み
・記述統計の算出
・ピボットテーブルの使い方
［後半］カテゴリカル変数の処理（教科書５章）
・欠損値の処理
・ダミー変数の作成
第3日（Day3）
データの可視化（教科書３章）［前半］１変数のグラフ
・世界の年間水使用量（ケース）
・データの分布を記述するグラフ
［後半］２変数間の関係を示すグラフ
・共分散と相関係数による分析
・散布図の作成
●使用するケース
世界の年間水使用量（ケース）第4日（Day4）
仮説検定（教科書４章）［前半］確率分布
・推定統計とは何か
・確率分布
［後半］仮説検定の手続き
・帰無仮説と対立仮説
・仮説検定で起こる２種類の「間違い」
・Excel演習：期末試験の点数の分布
第5日（Day5）
サンプリングの原理と方法（オリジナル教材）［前半］良いデータとは何か？
・事例証拠（ケース）
・母集団と標本
・サンプリングの原理と方法
［後半］ランダム化実験
・ランダム化実験の計画
・実験ができないときの代替手法
・演習：データ分析戦略を考えてみよう
●使用するケース
事例証拠（自作ケース）第6日（Day6）
線形回帰モデル（教科書６章）［前半］二変数の関係を検証する
・分散・共分散・相関係数
・線形回帰の仕組みと解釈
・決定係数
［後半］線形回帰モデルの精度を下げる要因
・外れ値の影響
・多重共線性
第7日（Day7）
機械学習の手法（オリジナル教材）［前半］線形回帰モデルの限界と対策
・オーバーフィッティングとは
・Lasso回帰
・回帰木（Regression Tree）
［後半］機械学習に挑戦
・ソルバーの活用
・Lasso回帰の実装
・Google ColabでPythonを体験
成績評価方法 Evaluation Criteria
*成績は下記該当項目を基に決定されます。
*クラス貢献度合計はコールドコールと授業内での挙手発言の合算値です。
*クラス貢献度合計はコールドコールと授業内での挙手発言の合算値です。
| 講師用内規準拠 Method of Assessment | Weights |
|---|---|
| コールドコール Cold Call | 0 % |
| 授業内での挙手発言 Class Contribution | 25 % |
| クラス貢献度合計 Class Contribution Total | 25 % |
| 予習レポート Preparation Report | 25 % |
| 小テスト Quizzes / Tests | 25 % |
| シミュレーション成績 Simulation | 0 % |
| ケース試験 Case Exam | 0 % |
| 最終レポート Final Report | 0 % |
| 期末試験 Final Exam | 25 % |
| 参加者による相互評価 Peer Assessment | 0 % |
| 合計 Total | 100 % |
定期試験 Final Exam
あり評価の留意事項 Notes on Evaluation Criteria
教科書 Textbook
- 三好大悟「統計学の基礎から学ぶＥｘｃｅｌデータ分析の全知識 改訂２版（できるビジネス）」インプレス（2025）9784295021407
参考文献・資料 Additional Readings and Resource
1. David M. Diez, Mine Çetinkaya-Rundel, Christopher D. Barr (著), 国友直人, 小暮厚之, 吉田靖 (訳) (2021) 『データ分析のための統計学入門 原著第4版』日本統計協会, ISBN: 978-4822341053.
2. 末石 直也 (2024) 『データ駆動型回帰分析: 計量経済学と機械学習の融合』日本評論社, ISBN: 978-4-535-54048-4.
2. 末石 直也 (2024) 『データ駆動型回帰分析: 計量経済学と機械学習の融合』日本評論社, ISBN: 978-4-535-54048-4.
授業調査に対するコメント Comment on Course Evaluation
初年度担当科目です。受講者の皆様からのフィードバックを授業期間中にぜひお寄せください。