| 授業コード | 10044000 | 単位数 | 2 |
| 科目名 | Ｂ４群特殊講義ａ（商学のためのデータ分析） | クラス | |
| 履修期 | 前期授業 | カリキュラム | ＊下表参考 |
| 担当者 | NGUYEN Duc Lap | 配当年次 | ＊下表参考 |
| 授業の題目 | 商学のためのデータ分析（Data Analysis for Commerce) |
| 学修の概要 | 商学における意思決定は、経験や直感だけでなく、データに基づいて論理的に行うことが求められている。本授業は、文系学生を対象に、商学分野の課題解決に必要なデータ分析の考え方と実践的スキルを身につけることを目的とする。 マーケティングやファイナンスの分野では、売上、顧客行動、価格、利益、市場動向など、さまざまなデータが日常的に用いられている。授業では、これらの身近な商学データを題材に、実際のデータを用いた演習を通じて、データを「集める」「整える」「読み取る」「判断につなげる」一連のプロセスを段階的に学ぶ。 授業は演習を中心に進行し、Excelを用いてデータ整理、可視化、基礎統計、統計的推定、回帰分析までを体系的に扱う。数式の操作や理論の暗記を目的とせず、データから何が言えるのか、どのような判断が可能かを自ら説明できるようになることを重視する。 また、本授業におけるExcelの活用は、分析の流れや論理構造を明示的に可視化することを目的とする。これにより、将来的にPythonなどのプログラミングを用いたデータ分析へと発展させるための基礎的な思考力を養う。 |
| 学修の到達目標 | 本授業を修了した学生は、商学分野におけるデータ分析の役割を理解し、実際のデータを用いて論理的に判断できるようになることを目標とする。 具体的には、データの種類や特徴を踏まえて整理・可視化を行い、平均、ばらつき、相関といった指標を適切に解釈できるようになる。また、調査標本と母集団の関係を理解し、統計的推定の基本的な考え方を説明できるようになる。さらに、単回帰分析および多重回帰分析を用いて、商学的課題に対する判断の根拠を示すことができるようになる。加えて、Excelを用いた分析を通じて、分析の流れや論理構造を説明できる力を身につけ、将来的にPythonなどのプログラミングを用いたデータ分析へと発展可能な基礎的思考力を養う。 |
| 授業計画 | 第１回 | 商学とデータに基づく意思決定：商学とデータに基づく意思決定：商学分野におけるデータ分析の役割と意思決定への活用方法を理解し、本授業の目的・構成・到達目標を把握できるようになる。 |
| 第２回 | 商学データの種類と特徴：マーケティング調査や市場データを例に、商学データの種類や特徴を整理し、分析可能性を判断する基礎的視点を修得できるようになる。 | |
| 第３回 | データの前処理と整形：未加工の実データを用いて、欠損値や表記ゆれの処理を行い、分析に適したデータ形式へ整形する方法を理解できるようになる。 | |
| 第４回 | データの可視化と傾向把握：実データを可視化する手法を学び、グラフを通じて数値データの分布や傾向を読み取る力を身につけるようになる。（オンデマンド授業：講義を録画した動画を一定期間中にGoogle Classroomに掲載する。） | |
| 第５回 | 代表値によるデータの要約：平均値・中央値などの代表値の性質を理解し、代表値の選択がデータ解釈に与える影響を説明できるようになる。（オンデマンド授業：講義を録画した動画を一定期間中にGoogle Classroomに掲載する。） | |
| 第６回 | ばらつきの測定とデータの安定性：分散および標準偏差を用いたばらつきの測定方法を学び、データの安定性や構造的特徴を把握できるようになる。 | |
| 第７回 | 相関分析と関係性の解釈：相関係数を用いて変数間の関係性を分析し、相関の強さと解釈上の注意点を理解できるようになる。 | |
| 第８回 | 標本抽出と推測の前提：標本抽出の考え方を理解し、標本データから母集団を推測する際の前提条件と限界を説明できるようになる。 | |
| 第９回 | 統計的推定と不確実性を伴う判断：統計的推定の基本的枠組みを学び、不確実性を前提とした判断方法を理解できるようになる。 | |
| 第１０回 | 単回帰分析による影響の把握：単回帰分析の考え方を理解し、一つの要因が結果に与える影響を定量的に捉える方法を修得できるようになる。 | |
| 第１１回 | 回帰結果の解釈と意思決定：回帰分析の結果を解釈し、統計的結果を商学的な意思決定にどのように結びつけるかを説明できるようになる。 | |
| 第１２回 | 多重回帰分析の基礎：多重回帰分析の基本的考え方を理解し、複数要因が同時に結果へ与える影響を分析できるようになる。 | |
| 第１３回 | 分析条件と結果の妥当性評価：分析条件や変数選択の違いが結果に及ぼす影響を確認し、回帰分析結果の妥当性を評価する視点を身につける。 | |
| 第１４回 | 商学ケースへの分析結果の応用：マーケティングおよびファイナンス分野の実データを用いたケース分析を通じ、分析結果を実践的な意思決定へ応用できるようになる。 | |
| 第１５回 | データ分析プロセスの総合的理解：データの整理・可視化・分析・解釈を一貫して行い、データに基づく意思決定プロセスを体系的に説明できるようになる。 |
| 授業外学習の課題 | 本授業は問題演習が多く、授業で取り上げる例題と類似する課題を授業外で練習し、分析結果が算出できるようにしましょう。予習・復習は必要なので、授業外学習は4時間程度を目安として取ってください。 |
| 履修上の注意事項 | 本授業は数理的な高度な知識やプログラミング経験を前提としない。演習への積極的な参加と、分析結果だけでなく考え方や判断の根拠を説明する姿勢を重視する。 公認欠席は欠席として扱いますが、単位認定要件または期末試験の受験要件には影響しないよう配慮します。 公認欠席となる場合は代替措置で対応するので、個別に相談してください。 パソコンの教室で行うので、履修者を制限する授業です。 |
| 成績評価の方法・基準 | 授業への取り組み20％、小テスト30％および課題あるいはテスト50％で評価する。 |
| テキスト | 教材は授業中配布します。 |
| 参考文献 | 菅 民郎 (著)(2016)『Excelで学ぶ統計解析入門 Excel2016/2013対応版』オーム社 栗原 伸一 (著), 丸山 敦史 (著) (2017) 『統計学図鑑』オーム社 涌井 貞美 (著), 涌井 良幸 (著) (2010) 『統計解析がわかる』技術評論社 |
| 主な関連科目 | 情報処理、金融演習等 |
| オフィスアワー及び 質問・相談への対応 |
授業前後や授業中の質問は歓迎します。また、メールにて質問を受け付けます。 必要に応じて研究室への訪問時間を調整するので、連絡してください。 課題と小テストのフィードバックは翌週に総合フィードバックを行います。 |
| 所属 | ナンバリングコード | 適用入学年度 | 配当年次 | 身につく能力 | ||||
| 知識・技能 | 思考力 | 判断力 | 表現力 | 協創力 | ||||
| 商学部商学科（Ｂ４群） | 11200 | 2024～2026 | 2･3･4 | ○ | ○ | ○ | ○ | - |
| 商学部経営学科（Ｂ４群） | 12200 | 2024～2026 | 2･3･4 | ○ | ○ | ○ | ○ | - |