著者紹介

内容

目次

はじめに 第1章 データサイエンティストという仕事 1.1 データサイエンティストとは？ 1.2 データサイエンティストの3つのタイプ 1.3 データサイエンティストの現状 第2章 ビジネスにおけるデータ分析フロー 2.1 データ分析における5つのフロー 2.2 現状とあるべき姿 2.3 問題発見 2.4 データの収集と加工 2.5 データ分析 2.6 アクション 2.7 まとめ Ｒ言語のいろは ［分析の基礎］編 第3章 ［ケース① ─ヒストグラム］ なぜ売上は減少しているのか？ 3.1 現状とあるべき姿 3.2 問題発見 3.3 データの収集と加工 3.4 データ分析 3.5 アクション 3.6 まとめ 3.7 Rコードの詳細 第4章 ［ケース② ─クロス集計］ どの属性の顧客が離脱しているのか？ 4.1 現状とあるべき姿 4.2 問題発見 4.3 データの収集と加工 4.4 データ分析 4.5 アクション 4.6 まとめ 4.7 Rコードの詳細 第5章 ［ケース③ ─A/Bテスト］ どっちのバナーの反応がよいか？ 5.1 現状とあるべき姿 5.2 問題発見 5.3 データの収集と加工 5.4 データ分析 5.5 アクション 5.6 まとめ 5.7 Rコードの詳細 第6章 ［ケース④ ─重回帰分析］ 集客効果の高い広告の組合せはなにか？ 6.1 現状とあるべき姿 6.2 問題発見 6.3 データの収集 6.4 データ分析 6.5 アクション 6.6 まとめ 6.7 Rコードの詳細 ［分析の応用］編 第7章 ［ケース⑤ ─ロジスティック回帰分析］ 過去の行動から現在の行動が予測できるか？ 7.1 スマホからの利用者を増加させたい 7.2 ID 移行設定の失敗が問題？ 7.3 正解付きデータがないときのデータ収集 7.4 モデルが作れるかどうかでの検証 7.5 アクション 7.6 まとめ 7.7 Rコードの詳細 第8章 ［ケース⑥ ─クラスタリング］ どんな顧客群をターゲットとすべきか？ 8.1 どんなユーザがいるのかを知りたい 8.2 行動パターンでユーザをグループ分け 8.3 主成分を説明変数として使う 8.4 クラスタリングの実行 8.5 アクション 8.6 まとめ 8.7 Rコードの詳細 第9章 ［ケース⑦─決定木分析］ どんな行動をした顧客が継続利用するか？ 9.1 利用開始直後の離脱を減らしたい 9.2 「楽しさ」の構造を理解する 9.3 クラスタを説明変数として使う 9.4 決定木分析の実行 9.5 アクション 9.6 まとめ 9.7 Rコードの詳細 第10 章 ［ケース⑧ ─ 機械学習］ 楽しさが最大になるチーム編成を作るには？ 10.1 チーム戦の楽しさの最大化 10.2 データ分析でサービスに付加価値をつける 10.3 曜日の影響がないデータを作る 10.4 予測モデルの構築 10.5 アクション 10.6 まとめ 10.7 Rコードの詳細 COLUMN べき乗分布 クロス集計 R言語索引