| 授業名 | 経営分析 |
|---|---|
| Course Title | Business Analysis |
| 担当教員 Instructor Name | 東海林 和雄（Kazuo Shoji） |
| 科目ナンバリングコード Course Numbering Code | BBA310 |
| 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 |
| 学位 Degree | BBA |
| 開講情報 Terms / Location | 2026 UG Fushimi Term2 |
| コード Couse Code | NUC527_N26A |
授業の概要 Course Overview
Mission Statementとの関係性 / Connection to our Mission Statement
財務分析に基づく経営分析手法を理解し活用することは、企業の経営戦略に必要不可欠である。そして、議論を通じて背後にある課題を明らかにすることは、本学のMission Statementである「"フロンティアスピリット"を備えたイノベーティブで倫理観あるリーダー」の育成に寄与する。
Understanding and applying business analysis methods grounded in financial analysis are integral to effective corporate strategy formulation. Clarifying underlying issues through rigorous discussion contributes to the realization of the University’s Mission Statement, “Innovative and ethical leaders with frontier spirit”.
授業の目的（意義） / Importance of this course
これまでの経営分析では、企業単体の財務指標に基づく分析や企業間比較を通じて行われることが多く、その評価は分析者の主観に依拠する側面を有している。これに対し、本講義では、財務諸表等のビッグデータを活用した多変量解析を用いることにより、客観的（定量的）な分析を実施し、その分析結果に基づいて解釈および評価を行う。学生は、本講義を通じて、経営分析能力を備えるとともに、客観的な分析手法を体系的に理解することを目指す。さらに、教員および他の受講者との議論を通じて理解を深めることにより，ビジネスにおける意思決定能力の養成を目的とする。
Traditional business analysis has often been conducted through analyses based on the financial indicators of individual firms or through inter-firm comparisons, and its evaluation has tended to rely, at least in part, on the subjective judgment of the analyst. In contrast, this course employs multivariate analysis using big data such as financial statements in order to conduct quantitative analyses and to interpret and evaluate the resulting findings.
Through this course, students develop business analysis competencies and systematically understand objective analytical methodologies. The purpose of this course is to cultivate decision-making capabilities in business contexts by deepening students’ understanding through discussions with the instructor and fellow participants.
Through this course, students develop business analysis competencies and systematically understand objective analytical methodologies. The purpose of this course is to cultivate decision-making capabilities in business contexts by deepening students’ understanding through discussions with the instructor and fellow participants.
学修到達目標 / Achievement Goal
学生は、財務諸表等のビッグデータを活用した多変量解析による定量的な分析手法、分析結果に基づく解釈・評価の手法を体系的に理解できるようになる。
Students are expected to develop a systematic understanding of quantitative business analysis methods based on multivariate analysis using big data such as financial statements, as well as methods for interpreting and evaluating the resulting analyses.
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
LG2 Diversity Awareness
LG3 Ethical Decision Making
LG4 Effective Communication
LG6 Managerial Perspectives (BBA)
LG2 Diversity Awareness
LG3 Ethical Decision Making
LG4 Effective Communication
LG6 Managerial Perspectives (BBA)
受講後得られる具体的スキルや知識 Learning Outcomes
定量的な経営分析手法の基礎知識
Fundamental knowledge of quantitative business analysis methods
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 | 10 % | |
| 参加者中心型 Participant-Centered Learning | ケースメソッド Case Method | 90 % |
| 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
本講義では、ソフトウエアのRおよびRStudioを用いて財務分析を行います。そのため、受講生はテキスト「Rによるデータマイニング入門」の「第１部 Rを使ったデータマイニングの準備」を事前に学修し、RおよびRStudioをあらかじめインストールしておくことを履修要件とします。なお、テキストで分析に用いるデータは、次のサイトからダウンロードできます。ダウンロードサイト：https://www.ohmsha.co.jp/book/9784274218170/
本講義では、ケースメソッドを中心に展開し、各回において課題解決型の討議を実施します。講義の終盤には、次週の講義に必要となる理論や分析手法などについてインプット形式で学習のポイントを解説します。そのため、インプット内容については、発展的な復習（90分／週）を必ず実施してください。また、講義の中心となるケースメソッドでは、1ケースあたり、180分／週以上の予習を行い、予習結果をアサインメントに従ってレポートにまとめ、講義開始前までに提出してください。この予習をどれだけ深く実施するか否かで、授業における質の高い発言が可能となります。そして、次回講義の冒頭に、前回のレポートに関する評価のポイントなどを説明する方法で、フィードバックします。
本講義では、ケースメソッドを中心に展開し、各回において課題解決型の討議を実施します。講義の終盤には、次週の講義に必要となる理論や分析手法などについてインプット形式で学習のポイントを解説します。そのため、インプット内容については、発展的な復習（90分／週）を必ず実施してください。また、講義の中心となるケースメソッドでは、1ケースあたり、180分／週以上の予習を行い、予習結果をアサインメントに従ってレポートにまとめ、講義開始前までに提出してください。この予習をどれだけ深く実施するか否かで、授業における質の高い発言が可能となります。そして、次回講義の冒頭に、前回のレポートに関する評価のポイントなどを説明する方法で、フィードバックします。
授業スケジュール Course Schedule
第1日（Day1）
《ガイダンス》ケースメソッドを用いて経営分析の学び方を議論する。具体的には、経営分析をする必要性について、財務指標を用いて考察する。そして、分析者の視点を変えつつ、経営分析の目的が異なることを理解する。
（留意点：受講にあたっては、テキスト「この１冊ですべてわかる 新版 経営分析の基本」の第1章から第3章までを一読すること）
《インプット型講義》
・経営分析目的：ファンダメンタル分析（時系列分析）
・財務分析手法：すう勢比較、構成比率法、財務比率法
・データ分析手法：相関係数、散布図、統計的手法（回帰分析）
・ケースに用いるデータの配布：あり
●使用するケース
カートライト・ランバー・カンパニー／HARVARD BUSINESS SCHOOL第2日（Day2）
《ケースメソッド》企業のファンダメンタル分析では、時系列分析（時間軸に沿って過去の数値や比率の比較）が行われる。この分析では、会計数値や財務比率を用いて、①時系列データの特徴を明らかにし、②データの振る舞いを他の変数を用いて説明する。そのうえで、①と②の結果を用いて将来予測することが目的となる。本講義では、受講生が経営者の視点に立って将来予測を行い、経営目標の設定を中心に議論を展開する。
《インプット型講義》
・経営分析目的：ファンダメンタル分析（クロス・セクション分析）
・財務分析手法：構成比率法、財務比率法
・データ分析手法：中央値と平均値、検定、効果量、統計的手法（主成分分析、非階層型クラスター分析）
・ケースに用いるデータの配布：あり
●使用するケース
どうする経営目標／自作第3日（Day3）
《ケースメソッド》企業のファンダメンタル分析では、クロス・セクション分析（ある時点における企業間比較や産業間比較）が行われる。ところが、事業の多角化により、分析対象企業がどの産業に属するのか、どの業種と比較することが最適であるかという課題が生じる。本講義では、受講生が経営者の視点に立って企業間比較に関する分析手法を中心に議論を展開する。
《インプット型講義》
・経営分析目的：利益の質
・財務分析手法：キャッシュ・フロー計算書分析、会計発生高
・データ分析手法：相関係数、単回帰分析
・ケースに用いるデータの配布：あり
●使用するケース
どうする企業間比較／自作第4日（Day4）
《ケースメソッド》企業は、経営者の裁量により選択された会計処理にもとづいて作成された財務諸表を公表している。そのため、企業実態とかけ離れた財務諸表が公表される場合がある。会計学の分野では、「Cash is fact, profit is opinion」といわれている。本講義では、キャッシュ・フロー計算書を中心に企業利益の質について議論を展開する。
《インプット型講義》
・経営分析目的：企業の倒産予測
・財務分析手法：財務指標分析
・データ分析手法：統計的手法（回帰分析、決定木）、所属確率、閾値
・ケースに用いるデータの配布：あり
●使用するケース
その企業は本当に儲かっていますか／自作第5日（Day5）
《ケースメソッド》時には前触れもなく取引先が倒産し、経営者自身の企業も倒産に至るケースがある。いわゆる連鎖倒産である。そのため、経営者は取引先企業の与信を必要とする一方で、経営者自身も与信の対象とされていることを自覚する必要がある。本講義では、経営者として経済取引の安定性を確保するために、企業の倒産予測のあり方について議論を展開する。
《インプット型講義》
・経営分析目的：利益調整された財務情報の分析
・財務分析手法：利益調整手段と分析手法、
・データ分析手法：中心極限定理、検定、効果量、統計的手法（回帰分析）
・ケースに用いるデータの配布：なし
●使用するケース
その企業は危なくないですか／自作第6日（Day6）
《ケースメソッド》財務情報は、経営者の裁量により選択された会計処理にもとづいて財務諸表が作成され、株主総会などの承認を経て確定した決算となる。本講義では、経営者の裁量行動に起因する会計操作、すなわち利益調整（earnings management）された財務情報について議論を展開する。なお、一般に公正妥当と認められた会計原則（Generally Accepted Accounting Principles: GAAP）の理解のもと、議論する。
《インプット型講義》
・経営分析目的：不正会計の検出
・財務分析手法：財務情報にもとづくモデル分析
・データ分析手法：マハラノビス距離、統計的手法（ロジスティック回帰）、AI（機械学習、深層学習）
・経済犯罪に関する予備知識：経済犯の構成要件と経済的帰結
・ケースに用いるデータの配布：なし
●使用するケース
その企業の利益はどうですか／自作第7日（Day7）
《ケースメソッド》財務情報は、経営者、使用人や第三者等の悪意をもった会計操作によって虚偽の財務情報となる。具体的には、経営目標達成のための粉飾決算（過大な利益の計上）、経営者の経済的欲求を満たすための脱税（過小な利益の計上）、経営者や使用人による横領・詐欺・背任・贈賄、第三者の不正会計への加担などを通じた不正な会計処理にもとづいて作成された財務情報は、虚偽の財務情報となる。このような不正会計を早期に発見することは、経営者としての責務であり、社会的責任でもある。そこで、本講義では、不正会計による影響、不正会計検知の手法とその活用方法について議論を展開する。
●使用するケース
その企業に何が起こってるのか／自作成績評価方法 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。
なお、予習レポートについては、アサインメントにもとづいて十分な予習を行ったうえで、提出することを前提とする。予習レポートの提出そのものは加点要素とはならない。ただし、未提出の場合もしくは内容が不十分な場合には、成績評価において減点する。
*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 | 25 % |
| 授業内での挙手発言 Class Contribution | 55 % |
| クラス貢献度合計 Class Contribution Total | 80 % |
| 予習レポート Preparation Report | 20 % |
| 小テスト Quizzes / Tests | 0 % |
| 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 | 0 % |
| 参加者による相互評価 Peer Assessment | 0 % |
| 合計 Total | 100 % |
評価の留意事項 Notes on Evaluation Criteria
成績評価方法の詳細は、初回授業のガイダンスにおいて説明する。クラス貢献度は、授業中の発言の質および回数をもとに総合評価する。なお、予習レポートについては、アサインメントにもとづいて十分な予習を行ったうえで、提出することを前提とする。予習レポートの提出そのものは加点要素とはならない。ただし、未提出の場合もしくは内容が不十分な場合には、成績評価において減点する。
配布教材と教室における電子機器の利用マナーについて Guidelines for Classroom Technology and Proper Use of Course Materials
- ケースメソッド教育の中核は、積極的な参加と知識の共有です。この教育を支えるため参加者は授業中の電子機器（例：スマートフォン、ノートパソコン）の使用を制限するよう求められます。許可を得た場合でも、教室内では電子機器は、ケース討議に資する目的でのみ使用してください。授業中は、たとえケース討議に関連していても、検索エンジンや生成AIの使用は避けて下さい。
- 配布教材（ケースを含む）は指定された授業への参加以外の目的で利用しないで下さい。著者の権利、著作権、特定情報の機密性を保護するため、許可なく教材を個人や組織（生成AI を含む）に提供することはできません。このルールは、印刷物・電子教材のいずれにも適用されます。
- 詳細は「教室における電子機器の利用マナー・教材の適切な利用に関するガイドライン」を確認のうえ、教員の指示に従い、責任をもって遵守してください。
- Active participation and shared learning is at the core of the case method learning.Participants are asked to limit their use of electronic devices (e.g., laptops, smartphones) during classroom sessions in support of this model. Even with permission granted, devices should only be used in the classroom in service to the case discussion. Online searches and generative AI tools, even if related to the case discussion, are discouraged while class is in session.
- Students are prohibited from using the course materials (including cases) distributed by the university for any purpose other than participation in the designated class.Students must not input, process or test course materials with any artificial intelligence (AI) tools, bots, software, or platforms without the author’s permission. These actions violate the terms of use for the course materials and may also constitute copyright infringement.
- Please refer to the "Classroom Technology Guidelines / Guidelines for Properly Using Course Materials” for details, and follow the instructor’s directions. You are expected to comply with these guidelines responsibly.
教科書 Textbook
- 山本義郎、藤野友和、久保田貴文「Rによるデータマイニング入門」オーム社（2015）9784274218170
- 林 總「この１冊ですべてわかる 新版 経営分析の基本」日本実業出版社（2023）9784534059970
- 伊藤邦雄「新・企業価値評価」日本経済新聞出版（2017）9784532915186
参考文献・資料 Additional Readings and Resource
・久保 拓弥「データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学) 」岩波書店（2012）9784000069731
・金 明哲「Rによるデータサイエンス(第2版):データ解析の基礎から最新手法まで」森北出版（2017）9784627096028
・井手剛「入門機械学習による異常検知: Rによる実践ガイド」コロナ社（2015）9784339024913
・白田 佳子「AI技術による倒産予知モデル×企業格付け」税務経理協会（2019）9784419065980
・首藤 昭信「日本企業の利益調整: 理論と実証」中央経済グループパブリッシング（2010）9784502225901
・山口 朋泰「日本企業の利益マネジメント: 実体的裁量行動の実証分析」中央経済社（2021）9784502396311
・宇澤 亜弓「不正会計―早期発見の視点と実務対応」清文社（2012）9784433546120
・宇澤 亜弓「財務諸表監査における不正対応」清文社（2013）9784433546236
・金 明哲「Rによるデータサイエンス(第2版):データ解析の基礎から最新手法まで」森北出版（2017）9784627096028
・井手剛「入門機械学習による異常検知: Rによる実践ガイド」コロナ社（2015）9784339024913
・白田 佳子「AI技術による倒産予知モデル×企業格付け」税務経理協会（2019）9784419065980
・首藤 昭信「日本企業の利益調整: 理論と実証」中央経済グループパブリッシング（2010）9784502225901
・山口 朋泰「日本企業の利益マネジメント: 実体的裁量行動の実証分析」中央経済社（2021）9784502396311
・宇澤 亜弓「不正会計―早期発見の視点と実務対応」清文社（2012）9784433546120
・宇澤 亜弓「財務諸表監査における不正対応」清文社（2013）9784433546236
授業調査に対するコメント Comment on Course Evaluation
初年度担当科目
担当教員のプロフィール About the Instructor
2026年 筑波大学大学院人文社会ビジネス科学学術院ビジネス科学研究群（博士後期課程）経営科学学位プログラム 修了、博士（経営学）
2019年 筑波大学大学院ビジネス科学研究科（博士前期課程）経営システム科学専攻 修了、修士（経営学）
1998年 横浜国立大学経営学部経営学科 卒業、学士（経営学）
専門は、会計学（不正会計、利益調整）、租税法。特に、利益を過小にする脱税や利益を過大にする粉飾決算などの不正会計の検知について、AIによる検知手法の開発や会計情報のみを用いた不正手段の解釈方法について研究している。
2019年 筑波大学大学院ビジネス科学研究科（博士前期課程）経営システム科学専攻 修了、修士（経営学）
1998年 横浜国立大学経営学部経営学科 卒業、学士（経営学）
専門は、会計学（不正会計、利益調整）、租税法。特に、利益を過小にする脱税や利益を過大にする粉飾決算などの不正会計の検知について、AIによる検知手法の開発や会計情報のみを用いた不正手段の解釈方法について研究している。
EDUCATIONS:
Doctor of Business Administration, Tsukuba University, 2026
Master of Business Administration, Tsukuba University, 2019
Bachelor of Business Administration, Yokohama National University, 1998
RESEARCH THEMES:
Accounting (Accounting Fraud and Earnings Management)
Tax Law
（実務経験 Work experience）
1988年に東京国税局に入局。その後、国税局では査察部総括主査や課税第一部主査を歴任し、税務署では特別国税調査官や総務課長補佐などを務めるほか、税務大学校東京研修所の教育官を経験している。査察部では2１年にわたり脱税事件の立件に従事し、課税第一部では国際的租税回避スキームの解明に携わった。このほかに、総務課長補佐として税理士に対する監督やニセ税理士に対する取り締まりの経験を有する。2026年4月から現職。
主な職歴：
1988〜2026 東京国税局
主な職歴：
1988〜2026 東京国税局
In 1988, he joined the Tokyo Regional Taxation Bureau, He served as a Deputy Chief Investigator in the Criminal Investigation Department (CID) and as a Senior Examiner in the First Taxation Department (FTD). He also worked at tax offices as a Special Examiner and Deputy Director of the General Affairs Division, and He served as an Assistant Professor at the Tokyo Training Center of National Tax College.
In the field of taxation, He spent 21 years in the CID engaged in the investigation and prosecution of tax evasion cases. In the FTD, He was involved in analyzing and uncovering international tax avoidance schemes. In addition, as Assistant Director of the General Affairs Division, He gained experience in the enforcement and oversight of certified tax accountants as well as non-certified tax accountants. Appointed to the current position in April 2026.
Professional Experience:
1988-2026 Tokyo Regional Taxation Bureau
Refereed Articles
- (2025) Development and Interpretation of an Accounting Fraud Detection AI-based Model Incorporating Practitioner Insights. University of Tsukuba Repository