事例で学ぶ!あたらしいデータサイエンスの教科書(ジレイデマナブアタラシイデータサイエンスノキョウカショ)

データ分析は意思決定のためにあり!
現場で役立つデータサイエンスの新・定番書!

本書は、主に統計学の視点からデータサイエンスについて解説しています。

Python や R といったプログラミング言語を通じて
データ分析の手法は一通り学んだという皆さん、そのスキル、
実際に活かせていますか? 具体的な課題解決につながっていますか?

・分析結果から何を読み取ればいいのかわからない
・数字からどんな価値を見いだせるのかがわからない
・そもそも、その分析方法が適切なのかどうか自信がない
・効率のいい分析ができているのかどうかわからない
という方、多いのではないでしょうか?

データを使って意思決定を行うには、統計学の知識は欠かせません。
そこで本書では、 8 つの具体的な社会事例を用い、
・課題に「適した」分析手法やデータの収集方法
・事例の分析結果の解釈
・分析や解釈の際に注意すべきこと
を数学の知識で補完しながら紹介しています。

著者は首都圏初のデータサイエンス学部として 2018 年 4 月に創設された、
横浜市立大学 データサイエンス学部 学部長の岩崎 学先生。

データサイエンティストやエンジニアが見失いがちな、
「何のために分析するのか」を意識しながら読み進めてみてください。

【こんな方にお勧めします】
・統計学もプログラミングも一通り学んだけれど、
結果をどう判断すればいいのかわからないエンジニア
・分析結果の数字やグラフから、
業務でいかすためのヒントを得たいデータサイエンティスト
・データサイエンスに興味のある学生 (専門課程を選ぶ際の
参考資料として)

【目次】
第 1 章 データサイエンスとは
第 2 章 アンケート調査結果から何を読み取るか 〜データの要約とグラフ化〜
第 3 章 オープンデータから何がわかるか、何がいえるか 〜集計データの統計分析〜
第 4 章 Web コンテンツの更新は売上高に効果があるか 〜変量間の関係と重回帰分析〜
第 5 章 ダイエットは効果があったのか 〜処置前後データと平均への回帰〜
第 6 章 テストの結果について部分と全体を融合する 〜マルチレベル分析〜
第 7 章 寿命をいかに測り分析するか 〜打ち切りとトランケーション〜
第 8 章 おいしいカフェオレを作りたい 〜実験計画法の効果的適用〜
第 9 章 あるべきデータがない 〜欠測データの処理法〜
第 10 章 機械学習のエッセンス

データサイエンスに関する書籍は Python のコーディングから入るものが多いなかで、本書はまず「ビジネスの問いをデータで答える」という思考プロセスに重心を置いています。著者の岩崎学氏は統計学の研究者であり、記述統計、推測統計、回帰分析、多変量解析といった古典的手法を、具体的なビジネス事例に当てはめながら丁寧に解説しています。

コードを書く前段階の「どの分析手法をなぜ選ぶのか」「データの偏りをどう見抜くか」という判断力を養えるのが本書の強みです。数式は登場しますが、導出の厳密さよりも結果の解釈に紙幅を割いているため、数学に苦手意識のある読者でも読み進められる水準に収まっています。

Python や R を使った実装演習は本書の範囲外に近いため、コーディングスキルを磨きたい人は別途プログラミング寄りの書籍を併用する必要があります。企画職やマーケティング担当者がデータ分析チームと共通言語を持つために読む、あるいは理系学生が統計の実務応用を概観するための導入として、手堅く機能する一冊です。