前回からの続きだ。今回は、業務分析・テータ利活用についてキーワードをみる。
再掲
| 大分類 | 中分類 | 項目 | TACテキスト |
|---|---|---|---|
| 1：企業と法務 | １：企業活動 | 1. 経営・組織論 2. 業務分析・データ利活用 3. 会計・財務 | 1-1. 経営組織とヒューマンリソース 1-2. 業務分析とデータの利活用 1-3. 意思決定と問題解決技法 1-4. 財務会計、管理会計 |
| ２：法務 | 4. 知的財産権 5. セキュリティ関連法規 6. 労働関連・取引関連法規 7. その他の法律・ガイドライン・技術者情報倫理 8. 標準化関連 | 1-5. 知的財産権 1-6. その他の法務知識 1-7. 標準化 2-6. システム戦略 | |
| ２：経営戦略 | 3：経営戦略マネジメント | 9. 経営戦略手法 10. マーケティング 11. ビジネス戦略と目標・評価 12. 経営管理システム | 2-1. 経営戦略 2-2. マーケティング 2-3. ビジネス戦略と技術戦略 |
| 4：技術戦略マネジメント | 13. 技術開発戦略の立案・技術開発計画 | 2-3. ビジネス戦略と技術戦略 | |
| 5：ビジネスインダストリ | 14. ビジネスシステム 15. エンジニアリングシステム 16. e-ビジネス 17. IoT システム・組込みシステム | 1-3. 意思決定と問題解決技法 2-5. エンジニアリングシステム | |
| 3：システム戦略 | 6：システム戦略 | 18. 情報システム戦略 19. 業務プロセス 20. ソリューションビジネス 21. システム活用促進・評価 | 2-4. ビジネスシステム 2-6. システム戦略 2-7. モデリング技法 |
| 7：システム企画 | 22. システム化計画 23. 要件定義 24. 調達計画・実施 | 2-8. システム企画 |
１：企業活動＞2.業務分析・データ利活用
キーワードをピックアップしてみた。赤字のキーワードは、シラバスVer6.0から新たに追加されたキーワードだ。
| No | 単語 | 意味 | ウェブ解析士 |
| 1 | アンケート | 一定の質問項目を用いて調査対象者に回答を求める方法。 | ◯ |
| 2 | インタビュー | 調査対象者に直接話を聞くことで情報を得る方法。 | ◯ |
| 3 | 構造化インタビュー | あらかじめ決められた質問項目に従って調査する方法。 | ー |
| 4 | 半構造化インタビュー | 一定のテーマについて自由な発言を求めつつ、必要に応じて質問を深める方法。 | ー |
| 5 | 非構造化インタビュー | 自由な会話を行い、テーマに関する情報を収集する方法。 | ◯ |
| 6 | フィールドワーク | 実地で現象を観察し、調査する方法。主に社会学や人類学の分野で使用される。 | ◯ |
| 7 | パレート図 | 要因ごとにその重要度をグラフにして分析する手法。パレートの法則に基づいて、重要な要因に注力することができる。 | ー |
| 8 | ABC 分析 | 資源配分のために、全ての要素をA、B、Cの3つのグループに分け、それぞれのグループに対する優先順位をつける手法。 | ー |
| 9 | 特性要因図（フィッシュボーンチャート） | 問題点を中心に、その原因を構造的に分析するための図式。頭蓋骨を模した形状から「魚の骨図」とも呼ばれる。 | ー |
| 10 | 管理図 | 品質管理のために、製造工程などの状態を把握するためのグラフ。製造過程の状況を定量的に把握し、異常を検知することができる。 | ー |
| 11 | 系統図 | 問題解決のために、問題点とその原因との因果関係を分析する図。フィッシュボーンチャートと類似しているが、より複雑な原因関係を表現できる。 | ー |
| 12 | PERT（アローダイアグラム） | プロジェクトのスケジュール管理に使用される手法。プロジェクト内の各作業の順序と期間を把握し、全体のスケジュールを策定することができる。 | ー |
| 13 | クリティカルパス分析 | プロジェクトの作業期間を短縮するために、プロジェクトの中で最も重要な作業項目を特定し、スケジュールを最適化する手法。 | ー |
| 14 | 最小二乗法 | 複数のデータから、その傾向を表す数式を求める手法。回帰分析などで使用される。 | ー |
| 15 | 回帰分析 | 2つ以上の変数の間にある関係性を分析し、数学的なモデルを作成する手法。最小二乗法を用いて、変数間の関係性を分析する。 | ー |
| 16 | 相関と因果 | 2つの現象の関係性を分析する際、相関関係と因果関係を区別することが重要。相関関係は、2つの現象が同時 | ◯ |
| 17 | 棒グラフ | データを棒状に表したグラフ。比較対象が多い場合に使用されることが多い。 | ◯ |
| 18 | 折れ線グラフ | データを折れ線で表したグラフ。時間経過や連続性のあるデータを表現するのに適している。 | ◯ |
| 19 | 散布図 | 2つの変数の間の関係を表現するグラフ。2つの変数がどのような関係にあるのかを視覚的に確認することができる。 | ◯ |
| 20 | マトリックス図 | 行列状のデータを表現するグラフ。色分けや記号を用いて、データのパターンを視覚化することができる。 | ー |
| 21 | 箱ひげ図 | データの分布状況を箱とひげで表現するグラフ。中央値や四分位範囲、外れ値などの統計量を視覚化することができる。 | ー |
| 22 | ヒートマップ | グラデーションの色分けを用いて、大量のデータを視覚化するためのグラフ。 | ◯ |
| 23 | レーダーチャート | 多角形の頂点をつなぎ、データを表現するグラフ。複数の要素の特性を比較する際に使用されることが多い。 | ◯ |
| 24 | ヒストグラム | データを棒状に表現するグラフ。データの分布状況を確認するために使用されることが多い。 | ◯ |
| 25 | モザイク図 | データを長方形に分割し、色分けでデータのパターンを視覚化するグラフ。 | ー |
| 26 | クロス集計表 | 複数の要素の間の関係を表現するための表。カテゴリカルデータを扱う際に使用されることが多い。 | ◯ |
| 27 | 分割表 | クロス集計表の一種で、2つの変数の間の関係を表現するための表。 | ー |
| 28 | 相関係数行列 | 複数の変数の相関係数を表現する行列。相関関係を視覚的に把握することができる。 | ー |
| 29 | 散布図行列 | 複数の変数の間の相関関係を表現するためのグラフ。 | ー |
| 30 | 複合グラフ | 複数のグラフを重ねて表示することで、2つ以上のデータの傾向を比較するためのグラフ。 | ー |
| 31 | 2軸グラフ | X軸とY軸が2つあり、それぞれ異なるスケールで表されるグラフ。相関関係がある2つのデータを同時に表示する場合に用いられる。 | ◯ |
| 32 | ロジックツリー | 問題解決や意思決定の手順を木構造で表したもの。課題を整理し、優先順位を付けることができる。 | ◯ |
| 33 | コンセプトマップ | アイデアや概念を視覚的に整理するための図。中心にテーマを置き、その周りに関連する概念を連結させて表現する。 | ◯ |
| 34 | CSV (Comma Separated Value) | データをカンマで区切って表現したファイル形式のこと。データベースやスプレッドシートソフトなどでよく使われる。 | ◯ |
| 35 | シェープファイル | GIS（地理情報システム）で用いられる地図のデータ形式。地理的な情報を表すため、点、線、面などの形状を持つオブジェクトを定義している。 | ー |
| 36 | 共起キーワード | テキストデータ分析において、一緒に現れる頻度が高い単語を関連付けて分析する手法。 | ◯ |
| 37 | チャートジャンク | 不必要なデザインや情報が含まれたグラフや図のこと。正確な情報伝達には向かないため、データ可視化においては避けるべきもの。 | ー |
| 38 | 調査データ | 調査によって得られたデータ | ◯ |
| 39 | 実験データ | 実験によって得られたデータ | ー |
| 40 | 人の行動ログデータ | インターネット上の活動や行動のログデータ | ◯ |
| 41 | 機械の稼働ログデータ | 機械の動作ログデータ | ー |
| 42 | GIS データ | 地理情報を含んだデータ | ー |
| 43 | 量的データ | 数値データ | ー |
| 44 | 質的データ | カテゴリーデータ | ー |
| 45 | 1 次データ | 初めて収集されたデータ | ー |
| 46 | 2 次データ | 既存のデータを再利用したデータ | ー |
| 47 | メタデータ | データに関する情報（収集日時、方法、データ形式など） | ー |
| 48 | 構造化データ | データベースなどの表形式で整理されたデータ | ◯ |
| 49 | 非構造化データ | テキスト、画像、音声などの形式で整理されたデータ | ー |
| 50 | 時系列データ | 時間軸に沿って収集されたデータ | ー |
| 51 | クロスセクションデータ | 時間軸に沿わずに同時期に収集されたデータ | ー |
| 52 | 母集団 | 研究の対象となる全体の集合。 | ◯ |
| 53 | 標本抽出 | 母集団から標本を抽出すること。 | ◯ |
| 54 | 国勢調査 | 全ての国民に対する調査。 | ー |
| 55 | アンケート調査 | 質問紙を配布し、回答を集める調査。 | ◯ |
| 56 | 全数調査 | 母集団全体を調査すること。 | ー |
| 57 | 単純無作為抽出 | 抽出する標本が、母集団内の各要素が選ばれる確率が等しい方法。 | ー |
| 58 | 層別抽出 | 母集団を複数の層に分け、各層から標本を抽出する方法。 | ー |
| 59 | 多段抽出 | 複数の段階を経て標本を抽出する方法。 | ー |
| 60 | 仮説検定 | 統計的な手法で仮説の妥当性を検証すること。 | ◯ |
| 61 | 有意水準 | 仮説検定において、帰無仮説を棄却するかどうかを判断する閾値。 | ◯ |
| 62 | 第 1 種の誤り | 帰無仮説が真の場合に、誤って帰無仮説を棄却してしまう誤り。 | ー |
| 63 | 第 2 種の誤り | 帰無仮説が誤っている場合に、誤って帰無仮説を採択してしまう誤り。 | ー |
| 64 | A/B テスト | 2 つの選択肢の中からランダムに一方を選び、比較することで、どちらが優れているかを判断する手法。 | ◯ |
| 65 | BI（Business Intelligence） | ビジネスの意思決定に役立つ情報を収集・分析し、可視化することを目的とした技術・手法 | ◯ |
| 66 | データウェアハウス | 企業内の複数のデータソースから、分析に必要なデータを集め、統合・蓄積したデータの集積場所 | ー |
| 67 | データマイニング | 大量のデータからパターンを見出し、知識や情報を発見する手法 | ー |
| 68 | ビッグデータ | 従来のデータ処理手法では扱いきれないほど巨大なデータ量 | ◯ |
| 69 | テキストマイニング | 文章データから意味やパターンを発見する手法 | ◯ |
| 70 | データサイエンスのサイクル | 問題定義→データ収集→前処理→分析・モデリング→評価・改善といった、データサイエンスの一連のプロセス | ー |
| 71 | データサイエンスのテスト | データの検証を行うための手法 | ー |
| 72 | デシジョンツリー | 意思決定のためのツリー状のモデル。Yes/Noで答えられる質問を階層的に設定し、最終的に目的に合致する葉ノードに至る。 | ー |
| 73 | モデル化 | 複雑な現象を単純化し、理論化すること。確定モデル（数式によるモデル）や確率モデル（確率的なモデル）がある。 | ◯ |
| 74 | シミュレーション | 現実の事象を模擬することにより、事象の理解を深めたり、予測を行うこと | ー |
| 75 | データ同化 | 観測データやモデル予測値と実測値の誤差を修正する手法 | ー |
| 76 | 予測 | 未来を予測するために、過去のデータをもとにモデルを作成し、予測を行うこと | ◯ |
| 77 | グルーピング | データをいくつかのグループに分けること。クラスタリングとも呼ばれる。 | ◯ |
| 78 | パターン発見 | データの中に潜む法則性やパターンを発見すること | ー |
| 79 | 最適化 | ある条件下で最も良い解を求めること | ◯ |
| 80 | 在庫管理 | 商品や資材などの在庫を適切に管理することで、需要に対して適切な供給を行い、在庫コストを最小限に抑えることを目的とする管理手法。 | ー |
| 81 | 与信管理 | 取引先に対して与信限度額を設定し、その範囲内での取引を行うことで、債権回収リスクを最小限に抑えるための管理手法。信用調査やクレジットチェックなどを行うことが一般的である。 | ー |
| 82 | 発注方式 | 定期発注方式(一定期間ごとに決まった数量を発注する方式)、経済発注量方式（在庫コストと発注コストを考慮して発注量を決定する方式。） | ー |
| 83 | ブレーンストーミング | 多数の意見を出し合い、アイデアを生み出す手法。 | ー |
| 84 | ブレーンライティング | 問題解決やアイデア発想のために、一定時間内にできるだけ多くのアイデアを書き出す手法。 | ー |
| 85 | 親和図法 | 関連するアイデアや課題をグループ化し、整理する手法。アイデアの共通点や相違点などを明確にし、問題を整理することができる。 | ー |
キーワード８５個中、「ウェブ解析士」のテキストに登場したキーワードは３２個だった。
全体では、32/85=37.6%。約４0%にキーワードの重複が見られた。
直感では、重複が「少ない」と思った。最低でも50％はほしい。（私見として）
テーマは「業務分析」と「データの利活用」なので、「ITパスポート」でも「ウェブ解析士」でも同じだ。気がついたところを列挙しておく
- 「ウェブ解析士」にとってネット世界のユーザーのニーズを汲み取るためには、「アンケート」。クライアントの意向を知るために「インタビュー」の技法は深めたい。テキストでは「デプスインタビュー」（=非構造化インタビュー）の解説があるが、「質問力」を磨くためにもいくつかのインタビュー技法も追加でほしい。
- 分析手法では、「パレート図」「ABC分析」、「PERT」「クリティカルパス分析」は知っておきたい。「PERT」は意見が分かれるかな。
- 「系統図」は、「ウェブ解析士」ではなく「上級ウェブ解析士」でロジックツリーの変形版として解説している。そのまま、提案するときの代表的な説明スタイルで採用している。
- 基本的な統計知識として「最小二乗法」は知っておきたい。クライアントに提案する時のレポーティングには、説得力ある数字が必要。予測についても尚の事、根拠ある算出手法は必要。
- 「GISデータ」は、主にグーグルのサービスで利用されるケースが多いが、地理的データがどういうものであるかの基本的なことは知りたいな。
- 「シェープファイル」はローカルなマーケティングにも利用されるケースが多いのではないかと思う。ウェブからリアルなマーケティングに展開することもあるので、テキストでも取り上げたい。
- 「モデル化」は、アクセス解析に常時利用されているのであるからテキスト掲載は必要。
- 「ブレインライティング」はコンサルタントが「アイデア出し」によく使う技法。知っておいて損はない。新しい発想を手に入れるためにも解説しておきたい。
- 「親和図法」って、ぼくが知ってるのは「KJ法」というけど、今はそんな言い方はしないのかな。
- 「ウェブ解析士」は幅広い表現方法を知っておくと、レポーティングがより説得力を増すことができるので、引き出しを多く持ちたい。「上級ウェブ解析士」に強く求められる要素だ。
次回へとつづく
前回の記事：『ITパスポート』と『ウェブ解析士』を比較してみるか-5
次回の記事：『ITパスポート』と『ウェブ解析士』を比較してみるか-7
参考