Python for MBA Python とデータ分析を実践的に身につける

プログラミングをしたことがない人、技術的バックグラウンドをもたない人が、Python を使ったデータ分析を身につけて、モノゴトを良くしていくーー。米名門ビジネススクールの実践的な授業内容に基づいた、リアルなビジネス現場でデータ分析を役立てる方法をお伝えします。

とにかく手をつけて、
実用的なことをできるだけ早く、
習得しよう!

エクセルでは不可能な「膨大なデータ」を用いて
効果的なビジネス戦略を立案するために、
実用に即したサンプルデータを使います
(本誌サイトからダウンロードできます)。

MBA、つまり実社会での実務経験があり大学院の修士課程でビジネスを学ぶ人向けの教科書ということで、どれほど高度な内容かと思いきや、プログラミングに興味のある人なら、おそらく高校生だろうが中学生だろうが理解できる、見事な構成と進行で成り立つ本でした。こんなにやさしくて、丁寧で、話に無駄のない先生に出会えた学生は幸せだと思います。読者のみなさんは、まさに本書の幸せな学生というわけです。
「訳者あとがき」より

私たち 2 人が教えているコロンビアビジネススクールでは、Python は今のところ、MBA にとってもエンジニアリング課程の学生にとっても、もっとも人気の高いプログラミング言語です。
Citigroup や Goldman Sachs のような企業では、ビジネスアナリストに Python の教育を始めています。「プログラミングは、我々が学生時代に習った作文と同じようなものになる」と、住宅ローン最大手 Fannie Mae こと連邦住宅抵当公庫の最高執行責任者キンバリー・ジョンソンは言っています。キンバリーは、Python を、とくに MBA にとって、未来の言語だとも呼んでいます。
「第 1 章 Python で始めよう」より

【目次】
第 1 部 Python の基礎
第 1 章 Python ではじめよう
ツールの導入、コマンドライン、実行方法
第 2 章 Python の基本パート 1
print、コメント、変数、データタイプ、入力
第 3 章 Python の基本パート 2
論理演算、ループ、リスト、辞書
第 4 章 Python の基本パート 3
関数、出力、リファクタリング
第 2 部 データ分析入門
第 5 章 データ分析の準備
第 6 章 Python でデータを探る、グラフ化する、変更する
第 7 章 データセットを合体する
第 8 章 集約
第 9 章 演習
第 1 部 Python の基礎
第 1 章 Python ではじめよう
ツールの導入、コマンドライン、実行方法
第 2 章 Python の基本パート 1
print、コメント、変数、データタイプ、入力
第 3 章 Python の基本パート 2
論理演算、ループ、リスト、辞書
第 4 章 Python の基本パート 3
関数、出力、リファクタリング
第 2 部 データ分析入門
第 5 章 データ分析の準備
第 6 章 Python でデータを探る、グラフ化する、変更する
第 7 章 データセットを合体する
第 8 章 集約
第 9 章 演習

『Python for MBA Python とデータ分析を実践的に身につける』 (マッタン・グリフェル、ダニエル・ゲッタ 著、金井 哲夫 訳、日経 BP、2021 年 12 月刊) は、「プログラミングをしたことがない人、技術的バックグラウンドをもたない人」に向けて、Python を使ったデータ分析を身につける道筋を示す入門書です。原タイトルは Python for MBAs で、版元は、米名門ビジネススクールの実践的な授業内容に基づき、リアルなビジネス現場でデータ分析を役立てる方法を伝える本と案内しています。刊行時の著者プロフィールでは、グリフェルはコロンビア大学ビジネススクールの非常勤助教で、ゲッタは准教授としてコロンビア大学ビジネス・アナリスティクス・イニシアチブのディレクターを務めています。

第 1 部 Python の基礎と第 2 部 データ分析入門、全 9 章の構成

本書は 2 部 9 章です。第 1 部「Python の基礎」は 4 章で、第 1 章「Python ではじめよう」でツールの導入、コマンドライン、実行方法を押さえ、第 2 章「Python の基本パート 1」で print、コメント、変数、データタイプ、入力を、第 3 章「Python の基本パート 2」で論理演算、ループ、リスト、辞書を、第 4 章「Python の基本パート 3」で関数、出力、リファクタリングを扱います。第 2 部「データ分析入門」は、第 5 章「データ分析の準備」、第 6 章「Python でデータを探る、グラフ化する、変更する」、第 7 章「データセットを合体する」、第 8 章「集約」と進み、第 9 章「演習」で締めくくります。前半で文法を一通り固めてから、後半で実際のデータに向かう順序です。

Excel の先にある膨大なデータと、結合や集約の考え方

版元は、エクセルでは不可能な「膨大なデータ」を用いて効果的なビジネス戦略を立案するために、実用に即したサンプルデータを使うと案内しています。表計算ソフトはワークシート 1 枚の行数に上限があり、手作業の操作は手順が記録に残らないため、データが入れ替わるたびに同じ集計をやり直す手間がかかります。プログラムで書いた分析は手順そのものがコードとして残るので、新しいデータに対しても同じ処理をそのまま再実行できます。データセットの合体は、一般に共通の列を手がかりに複数の表を突き合わせる操作で、表計算ソフトで検索の関数を使って別表から値を引いていた作業にあたります。集約はグループごとに合計や平均をまとめる操作で、ピボットテーブルと同じ発想です。こうした データ分析 の基本操作を、第 1 部の文法の上にコードで組み立てていくのが第 2 部の流れです。

翻訳書としての前提と、刊行時点の環境

本書は英語の原書を金井 哲夫が訳したもので、版元が紹介文で引く訳者あとがきは、プログラミングに興味のある人なら高校生でも中学生でも理解できるだろうと述べています。サンプルデータは本誌サイトからダウンロードする形と案内されています (刊行時の記載)。ツールの導入や実行の手順は 2021 年 12 月の刊行時点の前提です。手元の環境で画面や表示が異なる場合は、使っているツールの公式の案内で補う必要があります。

Excel の集計に限界を感じたビジネスパーソンに向く理由と、向かない人

元が取れるのは、業務で表計算ソフトを使って集計や報告をしてきたものの、データの量や繰り返しの手間に限界を感じ、プログラミングの経験が無いところから Python によるデータ分析へ踏み出したい人です。文法の基礎とデータの準備、探索、結合、集約を 1 冊で通せるので、分析を担う同僚や外部の専門家と話すための足場づくりにも使えます。向かないのは、すでに Python でデータ分析をしている人で、第 1 部の文法の章は読み飛ばす部分が多くなります。機械学習のモデル構築を主な目的にする場合も、Python 本の選び方 で次の段階の本を合わせて選ぶほうが近道です。ビジネスの問いをデータで確かめる最初の 1 冊を探している人には、基礎から演習までを順に進められる本書が、手を動かし始めるきっかけになります。