【数字を味方につける:初級編】ビジネスの現場で使えるデータ分析
4.0 (443 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
1,660 students enrolled

【数字を味方につける:初級編】ビジネスの現場で使えるデータ分析

データを『エクセルで出来る!データ活用』になります。本講座は、データ分析の基礎を身につけたいと考えている方向けに、売上や利益に直結するマーケティングの場面で、いかにデータを活用するのか、実例をもとに考え方や活用方法の基礎を学びます。
4.0 (443 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
1,660 students enrolled
Created by 齋藤 健太
Last updated 5/2020
Japanese
Current price: $57.99 Original price: $89.99 Discount: 36% off
7 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 4 hours on-demand video
  • 8 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • 経営やマーケティングになぜデータを活用すれば良いのかが理解できる
  • 自社(あるいは担当事業)の経営やマーケティングの課題や目的に対して、どのように数字を見て分析していけば良いのかが分かる
  • エクセルを使ったデータ分析の基礎を学べる
Requirements
  • 最低限のエクセルスキル(簡単な関数程度)※レクチャー1で具体的にお伝えしています
  • 経営やマーケティングにどうデータを活用していくのかの基礎を学びたい方(あくまで基礎となります)
  • Pythonなどのプログラミング言語を学んできている方でも、ビジネスへの活用がまだの方には良いと思います
  • ※ある程度データ分析をされてきた方は中級編からの受講をお勧めします
Description

本講座はビジネスの現場で実際に活用できるデータ分析の初級講座です。


初級とはいえ、コースの後半では、私が実際に相談を受けた実例をもとにデータ分析を行って頂きますので、

ご自身の仕事の中でも実際に活用できるものになっていると思います。

特に、

  • 様々なデータを分析したことはあるが、実際にビジネスの現場で実践したことはない方

  • これから仕事でデータ分析が必要となってくる方

といった方には最適な講座となっています。ビジネスで活用するためのデータ分析におけるすべての土台となる講座です。

一方で、

  • すでにビジネスの現場でデータを活用している方

このような方については、物足りない部分もあるかもしれません。
ご自身の復習としてご活用いただくか、中級編からのスタートをお勧めいたします。


本講座では、例えば、

  • ショッピングモールに入っているアパレルショップで収益を改善させるには?

  • 業績が落ちこんでいるパン屋で売り上げを上げるには?

  • レンタルショップで顧客満足度を高めるために取る施策とは?

このように、データ分析のニーズとして最も多い、

「収益改善」「売上向上」「顧客分析」という3つのケースに取り組んで頂きます。

単なる講義だけではなく、実際にデータも使って頂きますのでよりリアルに考えることができます。


本講座の修了時には

  • 経営やマーケティングになぜデータを活用すべきなのかが理解できる

  • 自社(あるいは担当事業)の経営やマーケティングの課題や目的に対して、どのように数字を見て分析すれば良いのかが分かる

  • エクセルでのデータ分析の基礎的な方法を学べる

ようになっていると思います。


統計学の知識がなくても大丈夫です!ぜひ一緒に学んでいきましょう。

Who this course is for:
  • データ分析力を身につけたい(数字に強くなりたい)ビジネスパーソン(特に、データ分析の初心者)
  • データを活用して業績を向上させたい、事業を成長させたい経営者(特に、まずはデータの活用性を理解されたい方)
  • 経営、マーケティングの視点を持ちたいビジネスパーソン
Course content
Expand all 48 lectures 03:45:32
+ はじめに
3 lectures 08:22

ビジネスで使えるデータ分析を説明するに当り、そもそもビジネスとは何なのかについて説明します。

Preview 03:11

本コースを受講するに当っての学習目標や主な対象者、進め方について説明します。

Preview 02:17

本コースを作成した齋藤健太についてのプロフィール情報です。

Preview 02:54
+ 問題解決とデータ分析の関係
6 lectures 23:55

数多くのコンサルティングをしてきた中で、各企業がデータ分析で陥っている状況について説明します。

Preview 04:44

現在の日本企業におけるデータ分析に対するニーズや活用状況、課題について説明します。

企業におけるデータ活用状況は
06:23

ビジネス現場において本来あるべきデータ分析とは何なのかについて説明します。

本来あるべきデータ分析とは
03:31

データ分析について説明していくに当って、そもそも問題とは何なのか、説明します。

そもそも問題とは
01:52

そもそもビジネスとは問題解決の連続で成り立っているのですが、問題解決のあるべきやり方について説明します。

あるべき問題解決方法
06:00

ビジネスの現場におけるデータ分析の役割や効果について説明します。

データ分析の役割
01:25
+ データ分析のやり方
16 lectures 55:21

データ分析のアプローチ方法、5つのフローについて説明します。

データ分析のアプローチ方法
01:30

データ分析するに当って、スタートであり最も重要な「目的の明確化」について説明します。

①目的の明確化
01:44

データ分析の2番目のフローである「仮説の洗い出し」について説明します。

②仮説の洗い出し
01:37

仮説を洗い出す上で必要な考え方であるロジカルシンキング。その一つの手法であるMECE(ミーシー)について、ワークを交えて説明します。

【ワーク】MECEとは?
04:43

MECEのワークに関する解説です。

【解説】MECEとは?
00:58

MECEをツリー上に構造化したフレームワークであるロジックツリーについて、ワークを交えて説明します。

【ワーク】ロジックツリーとは?
03:47

ロジックツリーのワークについての解説です。

【解説】ロジックツリーとは?
02:20

データ分析の残りのフローについて説明します。

③分析方法の定義④情報(データ)の収集⑤分析
03:10

データ分析できると企業や個人にとってどのような効果があるのか説明します。

データ分析による効果
01:02

データ分析のコツであり精度を決める「データ収集」について説明します。

データ分析の精度を決めるデータ収集
01:59

データ収集において最も重要な自社データをどのように蓄積・収集すべきかについて説明します。

自社データの蓄積・収集が最重要
03:19

自社データを活用することでどのような分析が可能となるのか、8つの例を説明します。

自社データ分析による効果
12:52

自社に蓄積されたデータ以外で活用できる外部データについて説明します。ちょっとしたデータに関する問題も出しています。

スライドでお見せしている各種データリンク先です。

【人口統計データ】

総務省統計局
https://www.stat.go.jp/data/index.html

人口問題研究所
http://www.ipss.go.jp/

各行政 例:渋谷区
https://www.city.shibuya.tokyo.jp/kusei/tokei/index.html

【消費動向データ】

家計調査報告
https://www.stat.go.jp/data/kakei/index.html


足りないデータは外から集める①
02:25

自社に蓄積されたデータ以外で活用できる外部データについて説明します。

スライドでお見せしている各種データリンク先です。

【業界別市場データ】

百貨店
http://www.depart.or.jp/

スーパーマーケット
http://www.super.or.jp/

コンビニエンスストア
http://www.jfa-fc.or.jp/

アパレル
http://www.jat-ra.com/

化粧品
https://www.jcia.org/user/

【競合データ】

各社ホームページ(主に上場企業)

SPEEDA
https://jp.ub-speeda.com/

【アンケートデータ】

アンとケイト
https://research.ann-kate.jp/

マクロミル、楽天リサーチ、マイボイスコム 等

【実地データ】

店前通行量調査、価格帯別商品数調査 等

足りないデータは外から集める②
05:36

データ分析は5W1Hをどこまで詳細化できるかでその後のビジネスへの展開が決まります。

データ分析は5W1Hをどれだけ詳細化できるか
04:25

なぜデータ分析によりPDCAの精度が高まるのかについて説明します。

データ分析によりPDCAの精度が上がる
03:54
+ データ分析事例①収益改善
6 lectures 27:12

収益改善する上で欠くことのできない損益分岐点分析について説明します。ワークもあります。

損益分岐点分析
06:30

損益分岐点分析のワークについての解説です。

【ワーク解説】損益分岐点分析
00:50

収益改善はじめ、様々な目的におけるデータ分析をするに当って活用できる相関分析について説明します。ワークもあります。

相関分析
05:01

相関分析のワークについての解説です。

【ワーク解説】相関分析
00:43

収益改善についてのケーススタディです。実際にエクセルを使ってデータ分析してもらいます。

【補足事項】
当事例の店舗別PL(PL=損益計算書)の各費目の意味は以下の通りです。

・原価:商品の仕入金額(商品の製造金額)
・人件費:社員給与やパート・アルバイトへの雑給、手当等
・賃借料:店舗賃料
・支払手数料:何かしらの取引によって生じる手数料
・物流費:商品の発送等に係る費用
・広告費:売上を上げるために実施したDMやチラシ等の費用

また、各費用の比率は対売上比を表します。
(例:人件費率=人件費÷売上)

【ケーススタディ】リユースショップの収益をいかに改善するか
02:34

収益改善のケーススタディについての解説です。

【ケーススタディ】事例解説
11:34
+ データ分析事例②売上向上
6 lectures 38:54

データ分析するに当って頻繁に活用するピボットテーブルについて説明します。

実際にエクセルを使ってやっていただきます。

ピポットテーブル
05:21

データ分析するに当って、大量のデータを整理するのに大変活用できるINDIRECT関数について説明します。

実際にエクセルを使ってやっていただきます。
(レクチャー32でダウンロードしたエクセルファイルです)

INDIRECT関数
05:25

実際にビジネスの現場で起こった売上向上に向けたデータ分析のケーススタディになります。

【ケーススタディ】売上向上事例
01:26

パン屋の売上減少要因をデータ分析で特定し、実際に売上を上げるための施策を考えるケーススタディです。

エクセルを使って実際にデータ分析もやってもらいます。

【ケーススタディ】パン屋の売上を上げるには?
05:49

パン屋の売上を上げるために何をすべきかのケーススタディの後編です。

エクセルを使って実際にデータ分析もやってもらいます。

【ケーススタディ(続編)】パン屋の売上を上げるには?
12:25

パン屋の売上向上のためのデータ分析のケーススタディにおける解説です。

【ケーススタディ】事例解説
08:28
+ データ分析事例③顧客分析
9 lectures 01:07:49

レンタルショップで実際に実施した顧客分析のケーススタディです。

このレクチャーでダウンロードできるエクセルファイルを使って実際にデータ分析してもらいます。解説はレクチャー43で行います。

データ分析に不安のある方は、このケーススタディをやる前に、先にレクチャー39~42をご覧ください。

【ケーススタディ】レンタルショップの顧客満足度を高めるには?
04:08

データ分析するに当って欠くことのできないVlookup関数について説明します。

Vlookup関数
04:01

エクセルを綺麗に見せることも重要です。そのときに活用できるIferror関数について説明します。

Iferror関数
02:48

〇〇ifs関数は覚えておいて損はありません。このレクチャーでは代表的なsumifs関数、averageifs関数について説明します。

○○ifs関数
03:29

レクチャー39~41で説明したVlookup関数、Iferror関数、〇〇ifs関数について、実際にエクセルを使って練習します。

【ワーク】関数を使ってみよう
13:52

レクチャー38で説明したレンタルショップの顧客分析のケーススタディの解説です。

データ分析するエクセルファイルはレクチャー38でダウンロードできます。

【ケーススタディ】事例解説
12:07

顧客分析でよく活用する一般消費者に対するアンケート調査について、事例を使って説明します。

【補足】
構成比から偏差値へ変換する方法について、
偏差値=(偏差値を求めるセルー偏差値を求める全データの平均)÷ 標準偏差 × 10 + 50
という式で表されます。

今回、構成比という数字で表しておりますが、元となるデータはアンケート回答者全体を母数とし、Yesと回答した実数となりますので、上記式に当てはめることで算出可能です。

従いまして、例えばサロンを選ぶきっかけの「通いやすさ」における偏差値は
偏差値=(45.7%ーaverage(45.7%~16.8%のセル))÷ stdev(45.7%~16.8%のセル) × 10 + 50
で計算することができます。同じように他のセルについても計算できます。

例えば、エクセルのA1~A12セルに構成比「サロンを選ぶきっかけ」B1~B12セルに構成比「I社の評価」の数字を打ち込んでください。
A1に打ち込んだ45.7の偏差値を求める式は、

=(A1-AVERAGE(A$1:A$12))/STDEV(A$1:A$12)*10+50
となります。
($マークはその後コピペするだけで済むように固定するときに使います)

同じように、B1に打ち込んだ14.5の偏差値を求める式は、
=(B1-AVERAGE(B$1:B$12))/STDEV(B$1:B$12)*10+50
となります。

ちなみに、類似関数としてSTDEV.Pとの違いについてですが、
STDEVは不変標準偏差であり、「母集団の一部」のデータに対して使います。
一方、STDEVPは標準偏差であり、「母集団全体」のデータのときに使います。

例えば、
「日本全国には1億人以上いるが、そのうち1000人分のデータを入手して、それをもとに分析を行う」
という場合にはSTDEVを使いますし、
「200人の社員全員にES調査を実施した。200人分のデータ全部を使って分析を行う」
という場合にはSTDEVPを使います。

今回の例では、日本全国の女性のうちの一部をアンケート調査にて抽出したため、STDEVを使います。

【ケーススタディ】エステサロンで顧客増を狙うには?
11:47

顧客分析には欠かせないRFM分析について説明します。

実際にエクセルを使ってRFM分析についてワークもしてもらいます。

RFM分析
04:25

RFM分析のワークについて解説します。

【ワーク解説】RFM分析
11:12
+ おわりに
2 lectures 03:59

ビジネスの現場で使えるデータ分析について、重要なことを改めてお伝えします。

このコースのまとめ
02:52

本コースについてはもちろん、データ分析やマーケティングについて、ご質問やご相談のある方はお気軽にお問合せください。
saito@cm-group.jp


また、弊社HPもご覧ください。企業におけるデータ分析を徹底的にサポートいたします。

㈱クロスメディア・コンサルティング
https://cm-consulting.jp/


冒頭でご説明した拙著の情報になります。こちらもご興味ある方はぜひご覧いただけると嬉しいです。

問題解決のためのデータ分析
https://amzn.to/2TWlU7L

会社の問題発見、課題設定、問題解決
https://amzn.to/2IkTQYo

ボーナスレクチャー
01:07