戦略的データマイニング
データマイニングの各手法の理論的な話やそれを実行するためのツールの情報はあふれているが、これらを知っているだけでは実務で有効に活用することは難しい。
ビジネスで成果をあげるためのデータマイニングを実行するためには、ビジネスインパクトや課題の種類に応じて手法を使い分ける必要がある。
本書は、ビジネスにおけるデータマイニング活用を以下の三つの軸で整理し、Rを使ってこれらを解説したものである。１．解決すべきビジネス課題を見つける ２．何をすべきかの意思決定を支援する ３．アクションを自動化するためのロジックを作る。
ビジネスで成果をあげるためのデータマイニングを実行するためには、ビジネスインパクトや課題の種類に応じて手法を使い分ける必要がある。
本書は、ビジネスにおけるデータマイニング活用を以下の三つの軸で整理し、Rを使ってこれらを解説したものである。１．解決すべきビジネス課題を見つける ２．何をすべきかの意思決定を支援する ３．アクションを自動化するためのロジックを作る。
第1章 序論
1.1 戦略的データマイニング
1.2 戦略的データマイニングの流れ
第2章 データ加工
2.1 データ加工とは
2.2 条件にあったデータを抽出する
2.3 データを並び替える
2.4 複数のデータを結合する
2.5 ピボットテーブルのような操作を行う
2.6 複雑な集約処理を行う
2.7 リストからデータフレームを作る
2.8 その他細かい処理
第3章 データ可視化
3.1 ggplot2パッケージ
3.2 棒グラフ
3.3 折れ線グラフ
3.4 散布図
3.5 ヒストグラム
3.6 箱ひげ図
第4章 問題発見
4.1 ビジネスにおける問題解決フロー
4.2 問題とは
4.3 基礎集計で問題を見つける
4.4 データマイニングで問題を見つける
第5章 問題解決：意思決定支援
5.1 グループ化してターゲットを決める
5.2 知覚マップを描いてポジショニングを決める
5.3 因果関係を把握してアクションを決める
5.4 パターンやルールを見つけて施策を決める
第6章 問題解決：自動化・最適化
6.1 自動化・最適化とは
6.2 ケーススタディ：需要予測を自動化する
6.3 モデル構築の可能性を確認する
6.4 モデルを構築するためのデータセットを作成する
6.5 1つのデータセットで予測モデルを構築して比較する
6.6 予測モデルの自動選択を実装する
6.7 予測の精度をあげるには
第7章 効果測定
7.1 基本的な考え方
7.2 ランダムなグループ間で比較する
7.3 非ランダムなグループ間で比較する
付録A R/RStudioの導入
A.1 Rの導入
A.2 RStudio
A.3 Rの基本操作
参考文献
索 引
1.1 戦略的データマイニング
1.2 戦略的データマイニングの流れ
第2章 データ加工
2.1 データ加工とは
2.2 条件にあったデータを抽出する
2.3 データを並び替える
2.4 複数のデータを結合する
2.5 ピボットテーブルのような操作を行う
2.6 複雑な集約処理を行う
2.7 リストからデータフレームを作る
2.8 その他細かい処理
第3章 データ可視化
3.1 ggplot2パッケージ
3.2 棒グラフ
3.3 折れ線グラフ
3.4 散布図
3.5 ヒストグラム
3.6 箱ひげ図
第4章 問題発見
4.1 ビジネスにおける問題解決フロー
4.2 問題とは
4.3 基礎集計で問題を見つける
4.4 データマイニングで問題を見つける
第5章 問題解決：意思決定支援
5.1 グループ化してターゲットを決める
5.2 知覚マップを描いてポジショニングを決める
5.3 因果関係を把握してアクションを決める
5.4 パターンやルールを見つけて施策を決める
第6章 問題解決：自動化・最適化
6.1 自動化・最適化とは
6.2 ケーススタディ：需要予測を自動化する
6.3 モデル構築の可能性を確認する
6.4 モデルを構築するためのデータセットを作成する
6.5 1つのデータセットで予測モデルを構築して比較する
6.6 予測モデルの自動選択を実装する
6.7 予測の精度をあげるには
第7章 効果測定
7.1 基本的な考え方
7.2 ランダムなグループ間で比較する
7.3 非ランダムなグループ間で比較する
付録A R/RStudioの導入
A.1 Rの導入
A.2 RStudio
A.3 Rの基本操作
参考文献
索 引
