人生を変える養成プログラム
未経験からデータアナリストへ

データ分析業務の概要

• ・レポーティング、提案のための検索・集計
• ・お客様データ活用支援のためのクエリ作成
• ・現状把握のためのデータ分析・グルーピング
• ・施策効果検証のためのデータ集計と統計検定
• ・予測や判別のためのモデル構築
• ・統計モデルとは
• ・機械学習と統計分析の違い

データ分析業務のアプローチ

• ・データで解決したい問題の理解
• ・利用できるデータの確認
• ・分析結果の理解と判断
• ・解決のために使用する分析手法の検討
• ・分析結果の理解と判断

統計学基礎

• ・レポーティング、提案のための検索・集計
• ・お客様データ活用支援のためのクエリ作成
• ・現状把握のためのデータ分析・グルーピング
• ・施策効果検証のためのデータ集計と統計検定
• ・正規化と標準化、偏差値
• ・仮説検定(z検定、t検定、分散分析、カイ二乗検定)
• ・相関分析
• ・統計モデリング(重回帰、ロジスティック回帰)

機械学習基礎

• ・データで解決したい問題の理解
• ・利用できるデータの確認　
• ・分析結果の理解と判断
• ・教師あり学習の代表的手法
• ・教師なし学習の代表的手法
• ・機械学習の評価方法
• ・ディープラーニングの基礎

分析のための技術

• ・データ操作に特化したSQL
• ・解析言語としてのPython、R
• ・SQLとPython、Rの使い分けに関する考え方
• ・機械学習ライブラリの使い方

SQL実践研修

• ・選択、挿入、更新、削除
• ・結合、マージ
• ・行関数
• ・集合関数
• ・分析関数
• ・DML - INSERT
• ・DML - UPDATE
• ・DML - DELETE
• ・テーブル作成・削除
• ・検索結果からのテーブル作成

分析前処理実践(Python、R)

• ・サンプリング
• ・統計量の算出
• ・順位の算出
• ・データ分割（学習用とテスト用）
• ・不均衡データ対応
• ・縦持ち・横持ち変換
• ・数値⇔文字列型の変換
• ・正規化、標準化
• ・外れ値の確認と対応（除去、CAP、FLOOR）
• ・欠損値の対応（除去、定数補完、平均値補完）

分析実践演習

• ・判別モデル構築の実践
• ・回帰モデル構築の実践
• ・複雑なデータ構造に対する前処理とモデル構築の実践

担当PRJに必要な個別技術

担当するクライアント様利用技術に応じ、
必要となる技術を研修します（以下実例）

• ・Google Analytics
• ・Tableau
• ・Power BI