データ分析の基礎がさくっとわかる。今までなんとなくしか理解していなかったデータ分析の手法やしくみがすっきりわかった。文系でも読めます。

回帰分析などについて説明している。 統計の従属変数などを言い換えているのが入門的な感じ。 久々のダミー変数がすっと理解できた。

できるだけ難しい説明を省くというコンセプトを徹底し、具体的な事例を用いながら、丁寧に解説しています。

✨トヨタのPDCA✨】 筆者は、トヨタ出身のWebディレクターであり現在は上場企業のWebディレクターをしてます。 この本は、筆者の実体験を元に小説やストーリー性でPDCAを解説されてあります。 本が苦手な方にはオススメです。 【 要約内容 】 ✴「Plan」 ⭐視える化にする ・そもそも計画自体を立ててない人が多い ・計画を作るために、まずは現状の棚卸しにとりかかる ⭐白紙でものを見ろ ・計画を立てる際は、先入観を取り払うこと ・状況は常に変化するので、過去の成功にとらわれないこと ⭐非常識な目標を立てる ・時には達成できない目標を設定することで、アイディアを飛躍させる ・何かをする時は「何ためにやるのか？」を常に問いかける ✴「do」 ⭐怒られたらサンキュー ・怒られることを受け入れられる人は、確実に伸びる ⭐巧遅よりも拙速 ・考えても、実行が伴わなければら考えなかったと同じ ⭐不良は目の前に出せ ・責任追及ではなく原因究明に力を注ぐ ⭐ムリ・ムダ・ムラの排除 ・「忙しい」という言葉に流されず、冷静に判断して「ムリ、ムダ、ムラ」を取り除く ⭐逆らわず、従わず ・大きな方向性では逆らわず、小さな部分では自分の頭を使って考える ✴「check」 ⭐ベンチマーク ・自社の中で物事を考えたら、小さな人間になってしまう ⭐評論家はいらない ・誰かの考えに反対するのであれば、「代案」 を出して次につなげていく ⭐三現主義 ・checkの際は、現地・現物・現実 ⭐モグラ叩きはしない ・実行結果に対して、取って付けたような解決策はタダの「モグラ叩き」である ✴「action」 ⭐動くのではなく働く ・よく動いたとしても、働いたことにならない ⭐多能 ・職場に必要な能力をなるべく多く身につけ、リソースが足りないときに補うなう ⭐離れ小島を作るな ・単独行動をさせると、改善点もわからないし、効果測定もできない ★オススメ度★ ❇❇❇ 1＝捨て本 2＝あまりオススメできない 3＝普通 4＝結構オススメ 5＝死ぬまでに持ちたい本

分析手法をエクセルの操作で説明するという実務一辺倒なノウハウ本。とはいえ理論にも触れている。丁寧な構成で文章も読みやすく即効性が高いのでオススメ。

統計学のインプットはしているものの、どうExcelでアウトプットしてくのかまでイメージできていなかった。 この本でざっくりとエクセルでの利用イメージをつけることができた。

統計学を全く学んでいなくても、確かにデータ分析に対する考え方(超さわり)を何となく理解できる本。 だがこれを読むと、学術的に真の分析をしようと思ったら、統計学やら心理学やらを深く理解しないとならないのでは…とも感じてしまう。 結局ビジネスに正解・定量のみの要素はない。 いかに社内で「分析」「調査」と言われるものがいい加減で、感覚で判断されたものであるかの再確認(自分の職場だけかもしれんが…)と、 自分がデータ分析したい時に根本となる理論は、本書の考え方に基づくという認識を得る事ができた。 というのが読了後の感想。 自分の環境で言えば、社内のアンケート類をこれに基づいた設計・フィードバックにしてみるとか、施策やプロモーションとPOSや社員実績で回帰分析してみる。 など、実務への応用はいろいろと想像できる。 分析や調査に対して杜撰だと感じているけど、自分知見ねーな…て人は読んで損ないかも。

《リード》「統計学の入門書」ではなく、「データ分析の入門書」。 「予測したいデータ」が「量的データ」の分析手法が解説されいる。 《内容》ビジネス上よく使われる7つの手法を厳選。分析手法の「考え方」を解説した後、数式の代わりにExcelの操作方法を解説。 《コメント》2つの事柄の強さを把握するのに「相関係数」が役立つ。 Excelで簡単にできそう。やってみよう。

2015.3.1 流し読みで一旦保留。また改めて読みたい。初心者にも分かりやすく、難しい計算式が分からなくても分析と予測ができるように解説。データ分析を仕事で何に使うのかゴールが決まっていれば第一に読むのに丁度いい。 まだ使い道が決まっていないけど、データ分析を知りたいという自分には、一旦戻って必要としているものが何なのかを明確にしてから出直し。 ↓とりあえずのメモ 回帰分析… 予測したいデータと予測に使うデータがあるときに使用。売上予測など。散布図上の平均値を取っていくイメージ 単回帰分析… 予測に使うデータがひとつの場合 重回帰分析… 予測に使うデータが複数の場合 数量化理論Ⅰ類… 数値化できないデータでも数字に置き換えて扱うことも可能 量的データ… 数値の大きさに意味があるデータ。購入者数など 質的データ… 数字の大きさに意味を持たないデータ。日にち、性別など。

・統計をビジネスで使うための具体的方法が書かれている。基礎と考え方さえ分かれば、あとは数字を置き換えるだけで応用可能な手法を学んだ。 ・解決したい問題さえハッキリすれば、解決策は見つかる。これが、本書を通じて学んだ一番のこと。 ・難しい計算式を知らなくともある程度は対応できる。あとは、Excelを有効活用するだけ。繰り返し使うことで身につけられる技だからこそ、やるべき価値がある。 ・身近なデータを使って何を解決したいか。まずはこれを整理することから始める。

20140816読み始めた。 ビジネスでの活用シーンが多い、相関関数、回帰分析、重回帰分析、数量化理論一類、コンジョイント分析、とその応用手法に絞っている。実際のExcel入力画面も有り、わかりやすい！20140930返却。

多変量解析の入門。エクセルを使って色々と分析してみようということで、とっかかりとしてはいいと思います。

本のタイトル通り、90以内で読み切ることができた。 データ解析の中でも、多変量解析に重点を置いていて、 具体的な例を用いて重回帰分析やコンジョイント分析が 分かりやすくなっている。 数学よりも実際のデータの処理に重きを置いている場合は こういった具体例で話が進むといいかと思う。 自分メモとしてまとめておくと、 数量化理論1類 …　 質データを量データとして扱うようにして 重回帰分析を行うこと p値 ... probability の p で、これが 0.05 よりも小さい 変数は重回帰分析の独立変数として寄与していない （回帰式の計算から、その変数を除いたほうがいい） コンジョイント分析 ... 直交表を用いて それぞれの項目の貢献度を算出すること

これで本当に役に立つのかと思うぐらい軽い本です。 自分レベルの知識でも、かなり端折っていることがわかりますし、厳密さに欠けているので。 でも、絶対に押さえるべきところは、押さえているように思います。 とりあえずいろいろ試してみたいと思います。 その結果、評価が上がる可能性もありますが、今のところは★★★☆☆で。

題名とおりの内容と思う。若干正確性に欠ける案内があるようだが、全体を掴ませる工夫がされている、良書。

小難しい統計の「理論」は置いておいて、データ分析の具体例と、実際にエクセルを活用した活用方法を解説した本。しかも具体例がけっこう自分の仕事と近い量販店の分析事例が多いのも嬉しい。これならすぐに仕事でつかえる！早速試してみよう。 相関係数 ・要因と結果の相関関係の強さを分析する。エクセルを使った分析結果が１に近いほど相関関係が強い。経験則を数値でミエルカできる分析。 ・打ち手が複数ある時の優先順位を考える際にも使える。 ・アンケートを取る時には、総合満足度を必ず聞く中で、各構成要素の満足度を確認する。（スーパーの満足度、鮮度、品ぞろえ、接客、レジ待ち時間、価格等々）。満足度、総合満足度との相関係数でマトリクスを作り、打ち手の優先順位を考える。満足度が低く、計数が高い象限が最優先事項になる。 回帰分析 ・過去の店舗面積と売上の相関を回帰分析をすることで、Ｘという店舗面積の時の売上Ｙを求めることが可能になる。またその数式の信頼度も数値で表すことが出来る。 ・エクセルで回帰分析をした時に出る係数の「切片」と「データの値」を使う。切片が１０、データの値が５だったときに売上を求めるには、Ｙ（売上）＝１０＋５ｘで求められる。 ・その式の信頼度を見るには重決定Ｒ２の値を見る。１に近ければ近いほど信頼度は高く、０．４以上あれば、信頼して問題ないとされている。 重回帰分析 ・回帰分析の予測データが複数あるバージョン。例えば、売上（予測したいデータ）と広告投下量、販促費（予測に使うデータ）との関係を求めるときなどに使う。予測に使うデータと予測したいデータとの関係性が低いものを排除することも可能。 ・予測データが２つ以上になると、Ｙ＝ａ＋ｂｘ＋ｃｚという式になる。 ・重回帰分析の時の信頼度は、補正Ｒ２で確認する。 ・予測に使うデータと予測したいデータとの関係性が低いかを確認するには、Ｐ値を見る。Ｐ値が0.05を超えてる場合は、関係性が低いとして、予測に使うデータから外す。 数値化理論１類 ・数値データで無いデータを、数値化して回帰分析にかけるやり方。アンケートなどで、男性＝１、女性＝２、など数字を割り振ってから回分析する。 コンジョイント分析 ・どのような製品が欲しいかをアンケートする時に、属性と水準のマトリクスを作り、各マトリクス毎に製品案として提示して満足度を聞く。 ・各製品の属性・水準毎にデータを０、１でおこし直して、各属性水準の重要度を重回帰分析する方法。 ・各属性水準毎に聞くのではなく、製品として満足度を聞くのがポイント。製品を選ぶときには、各種要素を総合的に判断して選ぶため、属性水準毎に聞いた結果は、実態と異なる可能性が高い。