Japanese

★掴める未来・自由な時間を手に入れる ・余計な作業が１０分の１になる ・人が気づけないことに気づく力を身につける ★リモートワークにも使用できます！ ・複数人同時編集 ・世界中どこからでも編集 ・万全のセキュリティ ★Excelではなく、Googleスプレッドシートを使用する３つの理由 ①Googleスプレッドシートでは簡単にファイル共有を行え、今日からリモートワークが可能になります。 ②Googleスプレッドシートには、Excelに無い便利な関数が多数あります。 ③こんなに便利なGoogleスプレッドシートですが、無料で使用できます。 ★本講座の目標 ・Googleスプレッドシートの基礎を習得する ・Googleスプレッドシートを使って複数人からデータを集める ・集まったデータから欲しいデータを抽出する ・データを可視化して新たな戦略を立てる ★本講座の学習方法 ①座学→②真似る→③演習課題 の順で学んでいきます。 演習課題を行うことで、日々の成長を実感できます！ わからない箇所は質問と対話を通じて解決していきます。 新しいことを学ぶとき、一人だと挫折するかもしれませんが 本講座では解決までアシストしますのでご安心ください！ ★本講座を学んだ後は ・即戦力として現場のデータを集め、分析、実用化できる。 ・他のツールと合わせることで、リモートワーク推進リーダーとして活躍できる。 ・新しいことを学ぶ型を身に着け、必要なことをすぐに習得できる自信がつく。 キーワード：スプレッドシート 、スプレットシート 、エクセル、Excel、業務改善、売上改善、データ分析、リモートワーク、在宅勤務、GoogleSheet、表計算

一般的な業務においてデータ分析のニーズが高くなっていて，誰しもがデータ分析の実施を要求される社会になっています．さらに，データ分析の信頼性を保証するために統計による説明が求められています． 統計の分野を大きく分類すると，記述統計，推測統計，ベイズ統計，多変量解析の分けられます． これまでの慣例では，統計というと「推測統計」を指している場合が多く見受けられました．その理由は，伝統的に統計を活用している分野が品質管理であったり実験系の研究開発であったりしたためです．例えば，製品の製造現場では品質のサンプル検査が行われて，その標本における不良品率から生産した製品の不良品率を求めるために推測統計の推定や検定が行われています． そのため，統計の専門家というと，主に推測統計を行う人達でした． ところが，電子データが世の中に氾濫するようになり，ビックデータをマーケティングに活用したり，様々な企画立案のための市場調査などに統計分析の適用が進みました．しかし，このような業務領域では分析精度よりも利用できるアウトプットが求められます．そのため，推測統計を利用することは稀であり，殆どは記述統計の範囲で収まっています． そこで，この講座では，高度な統計ではなく，一般的な業務において統計を適用してデータ分析を行いたい方のために記述統計の理論とPythonによるデータ分析の実施方法を解説します． まず最初に認識しなければならないことは，統計分析もデータ分析もプロジェクトとして管理しなければならないという事です．私たちはデータ分析の工程をプロジェクトとしてフェーズ分けします．そして，そのワークロードを分析すると統計知識を利用した分析のフェーズは20%ぐらいしかありません．統計を学習して活用できる部分は20%にしかすぎず，それだけでは実際のデータ分析には全く歯が立ちません． データ分析プロジェクトの中で最も作業比率の大きい部分は，データクレンジングを含んだデータ加工です．この部分が概ね60%を占めています．そして，その実行にはプログラムの使用が欠かせません．私たちは，このプログラミング基盤としてPythonを選択します．Pythonは，データサイエンスにおいてデファクトスタンダードの言語です． この講座を受講する上での苦言ですが，データ加工およびデータクレンジングは労力が多く根気のいる作業です．一般的な統計分析の教材においては，これらの部分についての解説は行われません．その理由は，説明する側も説明を受ける側も地道で根気のいる作業を強いられるからです．そこで統計分析の美味しい所だけの解説で済ませて，分かった気にさせてしまいます．ところがそのような学習では，実際のデータを手にした段階において先に進むことができず挫折することが予想されます．したがって，この講座では敢えて苦行のような作業の解説を盛り込みました．このことをご理解ください．もし，自分でデータ分析が出来る必要がなければ，もっと楽な教材での学習をお薦めします． この講座では，次の三つの観点でレクチャーを展開しています． データ分析プロジェクト管理 記述統計 Pythonによる実行 レクチャーの主な内容 データ分析の準備 データ分析プロジェクト データプロファイリング，電子化 Pythonの基礎知識 基本データ型 リスト内包表記 ライブラリーの活用 pandasデータフレーム 正規表現 データクレンジング基礎 カテゴリーデータ，整数，浮動小数点数 データフレームでのクレンジング 学習用データフレーム 各変量のクレンジング 記述統計 度数分布とヒストグラム 代表値：平均値，中央値，最頻値 四分位数，パーセンタイル トリム平均 散布度 分散，標準偏差，平均偏差など 外れ値 四分位数と箱ひげ図 データの標準化 確率 確率の定義と定理 ベイズ統計 期待値 不偏推定量 1変量の記述統計 2変量の記述統計 散布図と近似直線 共分散と相関係数 単回帰分析 2変量統計の総合課題 分析結果の活用 データ分析結果についての考察 データ分析は結果が使えてこそ価値があります．難しい統計を使いこなす事が目的ではありません．本来の業務目的に沿った施策に効果が上がれば成功です．偏りの無いデータの入手を心がけデータの発生状況を知ることによって，誤りのない分析結果の解釈を提供することが基本です． そのために，やさしい記述統計と分析プロセスの実行のためのPythonによる技術を身に付けてください． なお，Pythonによる記述についてはJupyter notebookの文書をpdfにした添付資料がありますので，そちらを参照しながらご確認いただけますようお願いいたします．

【本コースは、どんな内容か】 ・Open Refineというオープンソースで無料のウェブアプリケーションを使用して「データをキレイにする」ための方法論と具体的な手法をご紹介します。 ・全般的にマウスでの操作になりますが、一部、スクリプトとよばれる一行単位で完結するような短めのプログラミング言語を使う場面もあります。 ・データがキレイになった結果として、可視化や分析に用いるツールの幅を広げ、打ち手を増やしていくことが可能になります。 ・「データをキレイにする」ことがテーマであり、データ取得やデータ可視化については扱っていません（話の流れで登場している箇所はあります）。それらについては今後別のコースとしてリリースしていきます。 【本コースの特徴】 ・本コースでは、作業全体を、クレンジングと整形、列と行にわけ、この４マスに作業を分類し、具体的な作業内容について、共有しています。 ・ほかの書籍やツールなどで紹介されているクレンジング方法は、抽出／集約／結合などといったデータベースの操作をベースとしているため、一般の方には少し分かりづらいかなと思います。 ・無料のツールを用いて、データ活用の専門家でない、一般の方がどなたでもデータを活用いただけるような体系化を試みています。 【本コースの受講順序】 ・A…セクション1〜3：原理原則の紹介 ・B…セクション4〜10：ツール操作方法の紹介 ・C…セクション11〜13：サンプルデータを用いた演習 ・D…セクション14：まとめ という構成になっております。 ※すべての動画を最初から最後までこの順序で見なければならない、ということはありません。 たとえば、 ・A→C→B（基礎と実践をできるだけ最短で） ・C→B→A（座学は後回しでいいので、まずはサンプルを言われたとおりに操作しながら慣れたい） といった順序でご覧いただいてもいいでしょう。 【本コースで対象とするデータ】 ・リスト形式の表データを対象にしています。 ・複雑な階層のファイル、ネットワークデータ、自然言語の文章や画像／音声／動画ファイルといったメディアファイルは対象にしません。 【本コースで対象としていない処理】 ・機械学習のための前処理は対象にしていません。 ・データの匿名化は対象にしていません。

データベースとは、大量のデータを効率よく管理するための専用のシステムです。顧客管理や商品管理、売上管理などに利用することができ、Excel等に比べると高速に利用することができます。 ただし、データベースを利用するには専用の「SQL」という言語を操る必要があります。この講座では、そんな SQLを学びます。具体的なテーブルを使いながら、集計の方法や複数のテーブルをつなぐリレーションなども実践で学ぶことができます。

1日で Excel データ集計に強いビジネスパーソンを目指すコースです。 大量の販売データを見ても、困らない いちいち手作業でムダな計算をしないで、関数でスピーディに計算 SUM関数、IF関数よりワンランク上の関数を知っておきたい 「こういうときって、どういう関数を使えばいいんだっけ？」と悩まない それぞれの関数にありがちな「計算ミス」を知りたい 日付や時間といった計算しにくいデータも、すぐに集計できる 詳しい内容は以下のとおりです。 (1) まずはここから：基本関数 SUM  (合計を出す) IF  (条件を分ける) VLOOKUP  (データを見つける) COUNTIF  (数える：1つの条件) SUMIF  (合計する：1つの条件) COUNTIFS (数える：2つ以上の条件) SUMIFS (合計する：2つ以上の条件) フィルター (絞り込む、並び替える) ピボットテーブル (カンタンに集計) 複合参照  (行だけ、列だけ絶対参照) (2) 「条件」関数を極める IFS (複数条件) AND (条件を「両方」満たす) OR (条件を「どちらか」満たす) IFERROR (エラーの場合) CHOOSE (スイッチで切り替え) (3) 「見つける」関数を極める VLOOKUP (タテに検索) MAX (最大値を探す) MIN (最小値を探す) RANK (順位) HLOOKUP