エンタープライズ運用管理とデータ分析（エンタープライズデジタルトランスフォーメーションとデータ分析）

エンタープライズデジタルトランスフォーメーションとデータ分析

コースの背景:

企業にとってデジタルトランスフォーメーションが必須となり、企業のデジタル化が進む中、製品、研究開発、財務、人事、営業、保守などあらゆる側面から入ってくるデータをどのように効率的に分析し、処理すればよいのでしょうか。仕事の効率を上げるにはどうすればいいでしょうか？企業のデジタル変革のトレンドに適応することは、企業の従業員が直面しなければならない状況です。

デジタル化プロセスでは、データ分析をツールとして活用し、企業のビジネスを整理、最適化、再構築します。従来の統計データ分析やビッグデータ分析手法を習得することは、企業の従業員にとって必須のスキルです。このコースでは、企業のデジタル変革とプラットフォーム構築の鍵に基づいて、従来のデータ分析に統計的手法とツールを使用する方法を検討し、マーケティングの鍵である正確な顧客識別方法を例に、ビッグデータ分析の重要な方法を紹介します。これにより、学生は概念からツールまで、企業のデジタル変革で直面するデータ分析作業を簡単、正確、効率的に処理し、コストを削減し、効率を向上させるという目標を達成できます。

コースのメリット:

● 企業のデジタル変革の要点とデジタルプラットフォームの構築方法を熟知し、習得する。

● データ分析とビジネス上の意思決定のための統計手法を習得する。

● ビッグデータの概念の管理と運用の要点を習得します。

● クラスタリング、決定木、ロジスティック回帰など、ビッグデータを正確に分析する手法を習得します。

● ビッグデータ分析ツール RapidMiner の使い方を習得し、シナリオに応じてビッグデータ分析に適したアルゴリズムを選択できるようになります。

コース期間: 2日間、1日6時間

コース対象:企業の運営管理部門、マーケティング部門、データ分析ニーズのある従業員

授業方法：ケース分析＋実践演習＋思考演習

コース概要

講義1: 企業が直面するデジタル変革

1. エンタープライズデジタルトランスフォーメーションの理由

1. デジタル化はビジネスモデルを変える

1) データはチャンスに変わる

2) 機会がサービスになる

3) サービスが収入になる

2. デジタル化は企業の優位性を築く

3. デジタル化によりユーザーエクスペリエンスが向上

2. デジタル変革の中核要素

1. データ中心のインテリジェント開発目標

2. デジタルプラットフォームの構築

3. 企業のデジタル変革において従業員がすべきこと

1. IT思考とビジネス思考の統合

2. オープンで共有する心構えを養う

3. ユーザーに焦点を当てる

4. データ分析と処理能力の向上

講義2: 統計的手法を用いたデータ分析

1. スケールの選択と使用

感情、態度、好みなどを定量化する方法。

2. 周波数の選択的使用（全体レベルへの影響度を測定するため）

1. 円グラフ

2. 棒グラフ

3. ヒストグラム

3. 統計的手法に基づく分析

1. 外れ値や偏ったデータを分析する

2. 平均値と中央値と最頻値

3. 範囲/四分位数の使用

4. パーセンタイルとボックスプロットの使用

5. 分散と標準偏差の分析 変動性と分散

6. 分析に確率を使用する

事例1:ユーザーが自社製品を購入する確率の分析

事例2：ある企業の従業員の昇給プランの選択

4. 統計的手法に基づく意思決定

1. 比較意思決定

2. 意思決定への組み合わせアプローチ

3. 意思決定におけるベイズアプローチ

4. クイックツリー法を使って意思決定する

考える：統計指標を使って優秀な従業員を評価する方法

事例:仮説検定とデータ改ざんにより意思決定結果の正確性が確保される

包括的な例:統計指標を使用して販売データを分析し、特定の製品の販売を増やす方法を見つける

講義3: 経営と運用におけるビッグデータの活用

1. ビッグデータの現状

1. ビッグデータ時代の象徴

2. ビッグデータの発展を推進する6つの主要なトレンド

3. ビッグデータに関するハイプサイクル技術トレンドの判断

4. 新たなインフラ戦略におけるビッグデータの位置づけ

5. デジタル中国のコンテンツ

事例:アリババダブル11

2. ビッグデータの4V特性

1. 大量

2. 多様性

3. 速い

4. 価値

事例：デジタル化と完全接続におけるビッグデータの4V特性の応用

3. ビッグデータの3つの鍵

1. 詳細 - エッセンスを確認するためのフルサンプル

2. より複雑 - 異質性を通じてさまざまなシナリオに適応する

3. より良い - 関連性を把握し、より良いサービスを提供する

事例:デジタルリアルタイムフィードバックへの3つの重要な影響

事例:ビッグデータビジネスポートレートの例 - 何千人もの人々の何千もの顔

練習:彼が誰なのか推測してください。

4. ビッグデータ分析

1. ビッグデータ分析の難しさ

2. データ・アズ・ア・サービス（DaaS）

ディスカッション：デジタルトランスフォーメーションにおいて注目すべき経営データと業務データとは？それらの価値と適用の難しさは何ですか?

5. ビッグデータアプリケーション

1. 受動的なスタイルが予測的なスタイルに進化する

2. ビッグデータの商業的価値

3. 産業界におけるビッグデータの応用

事例:スマートシティ構築

事例:エンタープライズ データ マップの実践

ディスカッション:エンタープライズ データ ガバナンス - デジタル プラットフォーム上のデータを適切に管理および使用するにはどうすればよいでしょうか?

講義4: マーケティングデータ分析におけるビッグデータ技術の活用

1. K平均法クラスタリングアルゴリズムの応用 - 顧客価値分析

1. 顧客価値分析はマーケティングコストの削減に役立ちます

1) 価値志向の顧客を理解する

2) 異なる価値観を持つ顧客への差別化されたサービス

2. 顧客価値分析手法

1) 顧客価値特定プロセス

2) 顧客価値を特定するためのK平均法クラスタリング

中心を決定する

b距離を計算する

c新しい中心を決定する

最終的な分類を得るためにd回の反復

3) 顧客の価値観に応じて異なるマーケティング戦略を採用する

ビデオ:さまざまなターゲットに合わせたさまざまな戦略を備えた販売ビデオ

例:顧客の支出とインタラクション属性に基づくクラスター分析

2. 決定木アルゴリズムの応用 - リスク顧客分析

1. 従来のリスク分析・特定方法の欠点

2. ビッグデータによる分析・識別方法の改善 - 決定木アルゴリズムの応用

1) 事前にif-thenの判断ルールを確立する

2) データ分析によって確立されたルール - 情報エントロピー

3) 決定木アルゴリズムの操作アイデア

4) 分析のための決定木モデルを確立する

パーティション属性値

b グループを分割する確率を計算する

c 各分割規則における情報エントロピーを計算する

d.最初のルールとして、情報エントロピーが最小のルールを選択します。

サンプル分類を反復する

事例：警察はどうやって犯罪者を見つけるのか？

事例：相手が恋人としてふさわしいかどうかを分析する方法

3. ロジスティック回帰アルゴリズムの応用 - センシティブ顧客分析

1. さまざまなシナリオにおける敏感な顧客の特徴を明らかにする

2. 敏感な顧客の懸念を分析する

3. ロジスティック回帰アルゴリズムの応用

1) 2分類問題

2) 個々の二分法予測の限界

3) 予測二値分類問題の最適化

4) バイナリ分類結果予測の性質

5) バイナリ分類予測のためのビッグデータ回帰法

線形回帰ビッグデータ手法

b ロジスティック回帰ビッグデータ法

事例：相手が本当に自分を好きかどうか判断する方法

事例:回帰法によるキャリア開発の予測

事例:苦情率を削減するためのマーケティングシナリオにおける敏感な顧客の分析

講義5: 迅速なマイナーデータ分析

1. 分析インターフェース

2. データのインポート

3. データの読み込み

4. データを視覚化する

5. モデリング

6. モデルを適用する

7. モデルをテストする

8. モデル評価を実行する

9. 拡張機能を使用する

クラスタリングアルゴリズム演習:顧客価値分析

決定木アルゴリズム演習:信用リスクスコアリング分析

ロジスティック回帰アルゴリズム演習:敏感な顧客分析