経営データ分析

Business Data Analysis

998644K

86MCDAA202

柳田　具孝、椿　美智子、大江　秋津

Akitsu Oe, Michiko Tsubaki, Tomotaka Yanagida

2024年度前期

the first semester in 2024

水曜4限

3rd Period on Wednesday

経営学部　経営学科

Department of Management, School of Management

2.0単位

講義

Lecture

-

① [対面]対面授業/ [On-site] On-site class

本講義は経営学で必要とされる様々な分析方法について、データ収集・加工するためのプログラミング、ツールを利用した各種多変量解析・機械学習・回帰分析、Rを利用したより自由度の高い重回帰分析、といった順番で習得する。

データ分析手法を習得することにより、企業が直面する実際の経営の課題解決するため手法の習得と、卒業研究において実証研究を行うための技術の習得を目的とする。
本学科のディプロマ・ポリシーに定める『グローバル化や地球環境問題など広範かつ多様なビジネス環境で発生している諸々の問題に対して自然科学及び社会科学の知識を活用して解明するという基本的方針の下で理論的かつ実践的な考え方を身に付けている。』を実現するための科目である。

実証したいことに対して適切なデータ選択を行い、分析のために収集・加工ができるようになること。さらに、収集したデータを利用して、各種多変量解析・機械学習から適切な分析手法を選択・実行できるようになること。

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
​You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/​​​

プログラミングに抵抗がないこと。

課題に対する作文　Essay／小テストの実施　Quiz type test／実習　Practical learning

-

事前資料が配布された場合あるいはテキストの学習箇所が指定された場合、予習の上、講義に臨むこと（1時間）。小テスト・レポート提出の指示があった場合、期限内に提出のこと。
復習が必要なレポート、データ分析が必要なレポートは、内容を十分に理解できるくらいに復習をすること（3時間）。

各領域で出される小テスト・課題　100％
出席は、各領域のレポート課題・授業内課題の提出をもって出席とする。
各領域において課題の提出が1度も無い場合は、履修放棄（ー）とみなす。
各領域の欠席が2回以上ある場合は、該当領域の評価は履修放棄（ー）となる。
各領域の評価に「ー」がある場合は、全体評価が履修放棄（ー）となる。

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

Y

椿　美智子担当　＜多変量データ分析・機械学習＞　部分の教科書
JMPによる多変量データ活用術【3訂版】廣野元久著，海文堂出版, 2018

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://mirai.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://mirai.kinokuniya.co.jp/tokyorika/

第1回　ガイダンス　+　研究紹介

大江秋津・椿美智子　＜データ収集方法とデータ加工＞　
第2回　分析結果のまとめ方
第3回　データの探し方と本学で利用できるデータ
第4回　VBAによるデータ加工①
第5回　VBAによるデータ加工②
評価方法　毎回の小テストによる評価

椿美智子　＜多変量データ分析・機械学習＞
第6回　モニタリングーデータの可視化によるデータの性質の評価ー
第7回　主成分分析と対応分析
第8回　クラスター分析
第9回　判別分析とパーティションー決定分析
第10回　構造方程式モデリングとグラフィカルモデリング
評価方法　毎回の分析レポートによる評価

柳田具孝・椿美智子　＜財務データ分析＞
第11回　回帰分析1
第12回　回帰分析2
第13回　ロジット回帰・多項ロジット回帰
第14回　イベント・スタディ1
第15回　イベント・スタディ2
評価方法　課題レポートによる評価

教育効果のために、授業内容を変更することがある。

大江秋津
米国系コンサルティングファームにIT系経営コンサルタントとしての勤務した経験がある。
その実務経験や実践を通して有するプレゼンテーションスキル、ディスカッション能力、IT技術力を活かし講義する。

JMP

大江秋津　＜データ収集方法＞　EXCEL
椿　美智子　＜多変量データ分析・機械学習＞JMP
柳田具孝　＜財務データ分析＞EXCEL, R

大江秋津
・オフィスアワーは火曜日5限、研究室616、あるいはZoomにて行う。
・オフィスアワーの時間が変わる可能性があるので、
　必ず事前（希望する前日までに）メールでアポイントをとってから利用すること。
　E-mail: oeakitsu@rs.tus.ac.jp　
椿美智子
・まずメールで連絡を下さい。状況に応じてオフィスアワーの時間の対応をします。
　E-mail: tsubaki@rs.tus.ac.jp
柳田具孝
・オフィスアワーは研究室615またはオンライン、月曜⽇12:00~13:30とする。
　※必ず事前にアポイントメントを取ること。
　E-mail: yanagida.t@rs.tus.ac.jp

Y

N