あらゆる部門の課題を戦略的に解決へ

実践!データ分析活用講座

統計知識がなくても必要な情報を導くスキルを!

開催概要

実施形式
会場開催
開催日時
2019年9月26日(木)13:00~17:00
会場
東洋経済新報社 本社セミナールーム
申込締切
2019年9月23日(月)
受講料
49,950円(税込)

講座のポイント

(1)実務でのデータ分析活用に必要なスキル

高度な統計理論や分析スキルを身につけるデータサイエンティストの養成ではなく、実務に携わる方に業務で成果につなげるためのデータリテラシーや考え方を身につけていただく講座です。事前の知識や部署・部門は問いません。

(2)目的に沿ったデータ選択と情報の取り出し方

データから必要な情報を探すために、膨大な時間がかかっていませんか?本講座では、データ分析や課題解決の前提となる「課題・仮説の立て方」から、データへの目の付けどころ、思考プロセスをレクチャーします。

(3)誰でも簡単に使える基礎テクニックと分析の活用

日常業務の中で実際に作業するために必要な、Excelを使用した基礎テクニックと、分析結果の活かし方をお伝えします。

プログラム

データを日常業務で活用できるためのプログラム

  1. 「データ整理」から「データ分析」へ
  2. データの評価による課題絞り込み
  3. 結果に至る要因を掘り下げる

受講者の声

  • とても分かり易く、すぐにでも実務に活かしていきたい。上司の考え方が当講座に近く、同じ目線で上司と話せるようになりました。(商社卸売業・経営企画系)
  • 体の中に入っていくような説明と内容でした。今後の実務に活用できそうです。講義時間・内容とも満足できる内容でした。(建設業・技術系)
  • 自分の頭の固さに驚きました。先生の指摘されていた悪い例が当てはまり、改善点が多く見つかる有意義な時間となりました。(医療福祉業・営業系)
  • 目の前のデータを元に分析を始めるのではなく、仮説を立てるフレームワークをつくることの重要性が実感できました。(商社卸売業・人事労務)
  • データを活かす前に論理的に考えることの重要性を痛感しました。(コンサルティング業・マーケティング系)

講師紹介

柏木 吉基氏

データ&ストーリーLLC代表
横浜国立大学非常勤講師 多摩大学大学院客員教授

柏木 吉基氏

「分析手法」ではなく「分析の活かし方」を伝える人気講師

慶応義塾大学理工学部卒業後、日立製作所入社。在職中に欧米両方のビジネススクールにて学びMBAを取得。Academic Award受賞。2004年日産自動車へ転職。海外マーケティング&セールス部門、ビジネス改革グループマネージャ等を歴任。グローバル組織の中で、数々の経営課題の解決、ビジネス改革プロジェクトのパイロットを務める。2014年独立後は、豊富な実務経験と実績に基づいたプログラムで、数多くの企業・自治体のスキル育成、パフォーマンス改善に貢献。誰もが日常業務で自律的に考え、成果を出すための思考法、分析力を分かり易く伝えた著書や講義には高い定評がある。

主な著書
『「それ、根拠あるの?」と言わせないデータ・統計分析ができる本 』(日本実業出版社)『日産で学んだ 世界で活躍するためのデータ分析の教科書』(日経BP社)『それちょっと、数字で説明してくれる?と言われて困らないできる人のデータ・統計術』(ソフトバンククリエイティブ社)

開催概要

実施形式 会場開催
開催日時 2019年9月26日(木)13:00~17:00
申込締切日 2019年9月23日(月)
対象 企画・マーケティング、事業戦略、営業、管理部門(総務・人事・経理)など
データ分析を実務に活かしたいとお考えの方
会場 東洋経済新報社 本社セミナールーム
(東京都中央区日本橋 本石町1-2-1東洋経済ビル9階)
※会場での開催のみとなります。今回の開催にオンライン配信はありません。
受講料 49,950円(税込)
※2名以上同時申し込みで2人目以降10%OFF!
※社内報告書テンプレートつき
主催 東洋経済新報社

プログラム詳細

1.「データ整理」から「データ分析」へ

  データ活用、分析に必要な考え方について学びます

  • 「データ整理」と「データ分析の違い」とは
  • 「データ分析」に必要な思考プロセスと3つの問いかけ
  • データ分析における仮説とは

2.データの評価による課題絞り込み

  データによる全体像の把握、評価、課題の絞り込みについて学びます

  • 課題絞り込みのための仮説の作り方
  • データの多面的な捉え方
  • 多面的な評価の組み合わせから結論を導く

3.結果に至る要因を掘り下げる

  結果や実績確認で終わらせず、その要因や背景をデータで探る方法を学びます(相関、回帰分析)

  • データ間のつながりから、アクションの提案へ
  • 要因の仮説から分析につなげる
  • 関係性を数値化する分析手法

4.まとめ、Q&Aほか