2020年秋学期 - データビジネス創造Ｂ / DATA BUSINESS CREATION B
| X1052 データビジネス創造Ｂ DATA BUSINESS CREATION B |
特設科目 Special Seminars 1 単位 |
| 実施形態 | 完全オンライン |
| 開催日程 | 秋学期 月曜日２時限 |
| 担当教員 | 植原 啓介:古谷 知之（ウエハラ ケイスケ:フルタニ トモユキ） |
| 関連科目 | 前提科目（推奨）: B3101 前提科目（関連）: X1039 |
| 開講場所 | SFC |
| 授業形態 | 講義、実習・演習、グループワーク |
| 履修者制限 |
履修人数を制限する Only the selected students can take this course. |
| 履修条件 |
基本的な統計の知識があり、RやPythonが使えることを前提とします。
|
| 使用言語 | 日本語 |
| 連絡先 | kei@sfc.keio.ac.jp |
| 授業ホームページ | |
| 同一科目 |
|
| 学生が利用する予定機材/ソフト等 |
|
| 設置学部・研究科 | 総合政策・環境情報学部 |
| 大学院プロジェクト名 |
|
| 大学院プロジェクトサブメンバー |
|
| ゲストスピーカーの人数 | 0 |
| 履修選抜・課題タイプ=テキスト登録可 | true |
| 履修選抜・選抜課題タイプ=ファイル登録可 | false |
| GIGAサティフィケート対象 | |
| 最終更新日 | 2020/08/18 08:42:01 |
科目概要
非営利・営利組織の幹部が組織の中長期戦略を考えるにあたり、幹部の指示のもと、戦略を立案する部署が情報を収集し、分析を行っている。例えば、マーケティング（需要側のデータ）調査の場合、幹部がマーケティング部門に路上調査を命じ、ターゲット層の嗜好を調査するケースがあげられ、分析では、「原因と結果」の因果関係を明らかにすべく活動している。近年もこれらの調査手法が使われるケースも多々あるが、90年代後半に入り、ITの爆発的な普及により、個人はITを活用した情報の検索・収集が可能になり、付随して組織は、個人の購買履歴等の多種多様な膨大な顧客情報をデータとして容易に蓄積する事が可能になった。そして、2010年代に入りIT技術の更なる進歩により、大量のデータを大きな規模のままで分析を行い、新たな知の抽出や価値の創出ができるインフラが整いつつある。近年、これらの大量のデータをビッグデータと総称し、このデータを活用した最適な統計分析手法の一つである2つの要因の関係性を調査する相関分析を参考に意思決定を行うケースも出てきている。又、政府は、オープンデータに関して平成25年5月に第2次安倍内閣の新たなＩＴ戦略として「世界最先端ＩＴ国家創造」宣言が発表され、行政が保有する公共データを2次利用可能な形で国民に提供する事を宣言し、企業が保有するデータと相互に結び付け、新たなビジネスや官民協働によってイノベーション創出の実現を目指している。これらのデータの更なる活用により、市場・組織・市民・政府の社会システムが変化しようとしている。本講座では、上記の社会システムに対応できる人材を育成すべく、ビッグデータを扱うアーキテクトの研究とシステムもわかる情報戦略を実働できるデータサイエンティストの育成に繋げるべくIT、アナリティクス、デザインの融合を目指した人材育成を行う。
As executives of non-profit and for-profit organizations think about the organization's medium- to long-term strategy, the department that develops the strategy, under the direction of the executives, collects and analyzes the information. For example, in the case of marketing (demand-side data) research, executives may order the marketing department to conduct street research to determine the preferences of the target audience, and the analysis works to uncover the cause-and-effect relationship between "cause and effect". In the late 1990s, the explosive spread of information technology made it possible for individuals to use IT to search and collect information, and organizations could easily accumulate a wide variety of information about their customers, such as their purchase history, as data. And with further advances in information technology in the 2010s, we've been able to keep large amounts of data at a large scale. The infrastructure is being developed to analyze, extract new knowledge and create value. In recent years, these large amounts of data are collectively referred to as big data, and the optimal statistical analysis One of the methods, correlation analysis, which investigates the relationship between two factors, has been used in some cases to make decisions. It's coming. In addition, in May 2013, the government announced the "Creation of the World's Most Advanced IT Nation" declaration as the new IT strategy of the second Abe cabinet regarding open data, which declares that public data held by the government will be provided to the people in a form that can be used for secondary purposes, and aims to realize the creation of new businesses and innovation through public-private cooperation by interconnecting it with data held by companies. Further use of these data is changing the social systems of markets, organizations, citizens and governments. In this course, in order to develop human resources that can respond to the above social systems, we aim to integrate IT, analytics, and design in order to nurture human resources that will lead to the development of data scientists who can conduct research on architects who handle big data and understand information strategies that include systems.
授業シラバス
主題と目標／授業の手法など
本授業では、ビジネスや社会課題の解決に必要となる、データサイエンティストの手法について学ぶ。 大学において統計や情報技術などを学ぶが、学んだことがどのようにデータサイエンティストの役に立つのかは掴みづらい。そこで、実際のデータを使った企業活動などについて話を聞き、データサイエンティストになるために学ぶべきことを理解する。
In this class, students will learn about the methods of data scientists that are needed to solve business and social problems. It is hard to understand how the knowledge of statistics and IT helps a data scientist. So, we'll hear about real-world data-driven corporate activities and understand what you need to learn to become a data scientist.
教材・参考文献
教科書は指定しない。
必要な教材については、授業の際にSFSを通じて配布する。
提出課題・試験・成績評価の方法など
毎回課される課題や授業への参加態度、最終レポートによって評価する。試験は行わない。
Grading will be based on assignments, participation in class and final report. There will be no examinations.
履修上の注意
本事業においては、実際に現場で活躍されているデータサイエンティストの方にもサポートいただきます。
In this class, you will be supported by data scientists who are actually working in the field.
授業計画
第1回 AIの活用
Digital Garageの方にお話をいただきます。
- DGおよびDG Labの紹介
- AIチームの実例紹介
- データチームの実例
植原啓介、古谷知之
第2回 データサイエンティストの仕事
ブレインパッドの方にお話をいただきます。
2004年の創業以来、データによるビジネス創造と経営改善に向き合ってきたブレインパッドのプロジェクト経験から、予測技術と最適化技術に基づいた典型的なプロジェクト事例をご紹介いただきます。これらの事例を通して、データでビジネスを創造するとはどのようなことであるか、データでビジネスを変革するとはどのようなことであるか、概要について把握して頂きます。
植原啓介、古谷知之
第3回 ブレインパッドの事例
ブレインパッドの方にお話をいただきます。
2004年の創業以来、データによるビジネス創造と経営改善に向き合ってきたブレインパッドのプロジェクト経験から、予測技術と最適化技術に基づいた典型的なプロジェクト事例をご紹介いただきます。これらの事例を通して、データでビジネスを創造するとはどのようなことであるか、データでビジネスを変革するとはどのようなことであるか、概要について把握して頂きます。
植原啓介、古谷知之
第4回 企業のロイヤルティマーケティングにおけるNPSデータ活用最前線
NTTコム オンライン・マーケティング・ソリューションの方にお話をいただきます。
必要なデータを見極め、読み解き、正しく活用できるかどうかが、企業の成長・競争優位を左右する大きな要因となっています。本講座では、カスタマー・エクスペリエンス（CX）改善の一つの解として、企業での導入が進む顧客ロイヤルティを測定する新指標NPS「Net Promoter Score（ネット・プロモーター・スコア）」にフォーカスして、企業におけるデータ分析・活用状況について説明します。顧客のロイヤルティを醸成/阻害している要因分析として、ロイヤルティドライバーチャートや決定木分析などを解説します。
植原啓介、古谷知之
第5回 デザインシンキングワークショップ
電通の方にお話をいただきます。
授業内容：
・企業におけるAIの活用範囲
・電通におけるAIの活用例
・事後レポートによる評価
達成目標：
・企業でのAI活用イメージを持ってもらい，データ解析の授業が実際の仕事につながっていくことを実感する．
植原啓介、古谷知之
第6回 チームアクティビティ
電通の方にお話をいただきます。
授業内容
・電通のデータサイエンティストの役割やミッション
・若手データサイエンティストの実務、成長について
・今後のデジタルマーケティングの世界とこんな人が向いている！
達成目標
・大企業の中でのデータサイエンティストの活躍をイメージする
・学生のうちに伸ばせるスキル、道のりが少し見える
植原啓介、古谷知之
第7回 レポート作成
最終レポートの作成をおこないます。
植原啓介、古谷知之
第8回 レポート作成
最終レポートの作成をおこないます。
15回目に相当するその他の授業計画
課題・レポートを課す。