用語・フレームワーク
データ分析をするなら基礎から勉強が必要20選｜おすすめの本を紹介
Share
データ分析をするなら基礎から勉強が必要20選｜おすすめの本を紹介
記載されている内容は2021年12月27日時点のものです。現在の情報と異なる可能性がありますので、ご了承ください。
また、記事に記載されている情報は自己責任でご活用いただき、本記事の内容に関する事項については、専門家等に相談するようにしてください。
初回公開日：2021年12月27日
更新日：2022年03月01日
マーケティングにデータ分析が必要な理由
マーケティング施策の検討を経験や勘に頼っていても、根拠となるものが存在しないため、施策の成功率を上げることは難しいでしょう。また、マーケティング施策が失敗した場合、原因の特定ができません。
マーケティングにデータ分析を取り入れることで、現状を正確に把握することができるため、マーケティング施策の成功率を高めることができます。また、仮に失敗した際にもデータ分析によって原因を究明し、改善していくことができるでしょう。
基礎からデータ分析をするための知識・書籍総合20選
データ分析を知るためにはさまざまな知識を身に付ける必要があります。データ分析を学ぶ場合は、書籍などを利用して学習を行うと良いでしょう。
ここでは基礎からデータ分析をするための知識・書籍などを解説していきますので、ぜひ参考にしてみてください。
- データ分析に必要な基礎知識
- データ分析の考え方を身に付ける方法
- データ分析を勉強する時におすすめの本
1：データ分析に必要な基礎知識
データ分析を行うためには、数学や統計の知識、エクセルに関する知識、プログラミング言語の知識など幅広い基礎知識が必要です。
ここでは、データ分析に必要な基礎知識について解説していきます。
数理統計学の場合
数理統計学の知識は、データ分析を行う上で必須の基礎知識です。統計学の中でも、「中心化傾向」「変動」「正規化」「正規分布」「標本分布」「推定」「仮説検定」「t検定」などは身に付けておくようにしましょう。
エクセルの上級の場合
データ分析でエクセルなどの表計算ソフトを利用するため、エクセルの上級スキルを磨く必要があります。まずは基礎として、表のデータ処理やファイリング、ソートなどを押さえておきましょう。
さらに、共通関数、配列式、多次元参照、高度なデータ計算などの関数周り、高度チャート、ピボットテーブル、チャートプラグインなどを習得しましょう。
Python／R言語の場合
データ分析で用いられるPythonとR言語は基礎知識として習得しておきましょう。R言語は統計や描画などに特化していますが、Pythonは汎用的に使える言語なので先にPythonを習得すると良いでしょう。
Pythonの学習ではデータ分析に利用される「Numpy」「Pandas」「Matplotlib」のライブラリもマスターしましょう。
業務知識と指標設計の場合
データ分析を会社の業務として行うには、企業のビジネスを理解し業務知識を身に付ける必要があります。
また、データアナリストなどの業務では「部署のデータの指標システムの確立と最適化」が仕事内容に含まれるため、指標システムを整理する考え方も習得しましょう。
データベースの原理とSQLの場合
データ分析を行う際はデータを格納しているデータベースからSQLを使ってデータを取り出すため、データベースの原理やSQLのスキルも基礎知識として習得しましょう。
まずはselect文やalter文、update文などのクエリや再エンコーディングなどをマスターしましょう。
データのソフト運用の場合
実際にデータ分析を行う際には、Excelだけでなくデータ分析ソフトも利用します。BIツールであればツール上でデータの変換や加工、データ分析まで行えます。
初心者であればBIツールの使い方を基礎知識として習得すると良いでしょう。
データの可視化の場合
データ分析の結果は可視化し、ひと目でわかるようにする必要があります。そのためには可視化の目的を明確化し、レイアウト設計を行うことが大切です。
なお、データの可視化には、Excelでチャートを作成する方法、PythonやR言語でデータの可視化を行うためのチャートパッケージを利用する方法、オープンソースのチャートプラグインを利用する方法、データ可視化ツールを利用する方法などがあります。
ビジネスフレームワークの場合
共通で使用される基礎的なビジネスフレームワークを理解しましょう。データ分析でよく用いられるフレームワークには、「バスケット分析」「RFMモデル」「ファンネル分析」「顧客ライフサイクル」などがあります。
2：データ分析の考え方を身に付ける方法
データ分析を行うには、データ分析の考え方も押さえておく必要があります。データ分析を実施する際に考え方を理解していなければ、どこから着手すればよいのか判断できないでしょう。
ここではデータ分析の考え方を身に付ける方法について解説していきますので、参考にしてみて下くだ。
ビジネスの理解を深める
データ分析を行う目的は、データ分析を行うことだけではなく、分析結果を踏まえて戦略の策定や課題解決などビジネスに活かすことです。後述する数式化や構造化によって導き出された結論は、ビジネスの課題の原因を説明するものではありません。
データ分析の結果から自社の抱える課題の原因を探るにはビジネスの観点が必須となるため、ビジネスへの理解を深めるようにしましょう。
数式化をする
データ分析の考え方を身に付けるには、数式化してみるとよいでしょう。数値化を行うためには、まずは構造化を行い、それぞれの要素に相互関係を見つけます。
さらに合算、除算、掛け算、割り算などの計算を行うなど、要素を数値化することによって、立てた仮説の検証を行えるようになります。
ロジックツリーを使う
ロジックツリーとは上位概念を下位概念へ分解していくための思考ツールです。大規模な問題の原因特定や課題解決、目標設定などを行う際に用いられます。
データ分析の考え方を身に付けるには、問題を考える際にまず思いついた要素を書き出し、ロジックツリーにまとめていくと良いでしょう。
3：データ分析を勉強する時におすすめの本
データ分析を学ぶには書籍を利用するのがおすすめです。データ分析の本を利用し、基本的な内容を押さえてから実践に入ると良いでしょう。
ここではデータ分析を勉強する時におすすめの本を紹介していきます。
確率思考の戦略論 USJでも実証された数学マーケティングの力
「確率思考の戦略論 USJでも実証された数学マーケティングの力」は、USJを立て直すために用いられたデジタルマーケティングの数学的な側面を学ぶことができる本です。
数学マーケティングについて解説した本です。実際にUSJに導入したさまざまな数式を紹介していますが、本編と難しい数式は分けられているため、数学が得意ではないという人でも読めるでしょう。
文系ビジネスパーソンのためのデータ分析入門 分析手法からケーススタディまで
「文系ビジネスパーソンのためのデータ分析入門 分析手法からケーススタディまで」は、初心者向けにデータ分析を解説したガイド本です。基礎的なデータ分析や選択すべきデータ分析製品、実践的なデータ活用例などを紹介しています。
また、実践編ではオープンソースのデータマイニングソフトウェアである「Orange」を使ったデータ分析の方法を解説しています。
統計学が最強の学問である ビジネス編 データを利益に変える知恵とデザイン
「統計学が最強の学問である ビジネス編 データを利益に変える知恵とデザイン」は、統計学をビジネスに活用する方法を開設した本です。
「統計学が最強の学問である」シリーズのビジネス編となっており、日本ではあまりメジャーではないリサーチデザインの基本から、経営戦略、人事、マーケティング、オペレーションで統計学を活用するためのノウハウについて解説した1冊です。
完全独習 統計学入門
「完全独習 統計学入門」は、伝統的な統計学についてわかりやすく解説した本です。最小限のツールによって書かれた統計学初学者向けの入門書となっており、はじめて統計学を学ぶという人や基礎から学び直したい人におすすめの1冊です。
全ての章で最後に穴埋め形式の練習問題がついているため、自分の理解度を確認しながら読み進めることができます。独学で統計学を学ぶのにおすすめです。
マネー・ボール 完全版
「マネー・ボール 完全版」は、統計データによってオークランド・アスレチックスの改革を行ったゼネラルマネジャーのビリー・ビーンを描いたノンフィクションの物語です。
元野球選手の主人公、ビリー・ビーンは野球界の常識を覆す方法で球団を改革し、プレーオフ常連の強豪チームへと成長させました。セイバーメトリクスについても学べる1冊です。
会社を変える分析の力
「会社を変える分析の力」は、データ分析を武器にする方法について解説した本です。データ分析はその使い方によっては仕事の効率化や売上アップにつなげることができますが、データ分析のためにソフトを購入しても活用できていない企業も少なくはありません。
この本では、分析力を武器にできる企業や個人は一体何が違うのかについて解き明かされています。
90分でわかる！ 日本で一番やさしいデータ分析超入門
「90分でわかる！ 日本で一番やさしいデータ分析超入門 」は、ビジネスで活用されることが多い7つのデータ分析手法の基礎について解説した本です。ビジネスで使うための必要最低限の知識のみを網羅しているため、すぐに活用することができます。
また、数学が得意ではない人でも理解できるように説明されているため、数学に苦手意識がある人でも読み進められるでしょう。
データ分析人材になる。 目指すは「ビジネストランスレーター」
「データ分析人材になる。 目指すは「ビジネストランスレーター」は、ビジネスで役立つデータ分析の進め方について解説した本です。
三井住友海上のデータ分析プロジェクトで得られたノウハウから、データ分析プロジェクトを成功させるための方法論を解説した1冊となっています。データ分析の失敗エピソードや成功エピソード、5Dフレームワークの実践方法など参考になる情報が多く掲載されています。
本物のデータ分析力が身に付く本
「本物のデータ分析力が身に付く本」は、書き込み式の演習によってデータ分析力を身に付けられる本です。
大阪ガスのデータサイエンティストが蓄積していたノウハウをもとにデータ分析力を鍛える内容となっており、この1冊でこれまでワークショップとして提供されてきたセミナーと同じ内容が学べます。
データ分析に必要なツールとは？
データ分析に用いられる基礎的なツールとしてエクセルがあります。エクセルにはさまざまな分析機能が搭載されているため、データ分析に活用することができます。
他にも、BIツールやSPSSなどのツールがよく用いられます。また、プログラミング言語のPythonやR言語なども、データ分析によく用いられる言語となっています。
データ分析をする手順7つ
データ分析を実際に行う場合、決まった手順を踏んで進めていくことが大切です。たとえばデータ分析をする際にデータ分析の目的が明確化されていなければ、データ分析をどのように進めていけば良いのかわからなくなってしまうでしょう。
ここではデータ分析をする基礎的な手順について解説していきます。
- 目的を明確にする
- 計画を立てる
- データを集める
- データの加工作業をする
- 分析する
- 分析結果の答えを作成する
- データ分析の質を上げるようにする
1：目的を明確にする
データ分析を行う際には、「何のためにデータ分析をするのか」という目的を明確にしましょう。データ分析の目的を明確化していないと、どこへ向かってデータ分析を進めていけばいいのかわからなくなったり、必要のない分析をしてしまったりする可能性もあります。
最初に明確な目的を設定することで、データ分析のプロセスが本筋から外れることを回避できるため、目的の明確化は非常に重要なポイントです。
2：計画を立てる
データ分析の目的を明確化したら、分析の計画を立てていきましょう。データ分析を用いる手法やデータといった内容を決め、具体的な計画を立てることにより、目的を達成するためにかかる時間、コスト、課題などを明らかにできます。
データ分析の計画を立てる際には、必ず評価軸と達成軸を設定しましょう。この2つを設定していないと、分析を行っても分析結果が成功なのか失敗なのかわからなくなってしまいます。
3：データを集める
データ分析の計画を立てられたら、データ分析に使用するデータを収集しましょう。
データを集めるにはさまざまな手法がありますが、データ収集の例としては、自社のデータベースにあるデータを抽出する、顧客からアンケートを集める、インターネット上のデータをスクレイピングするといった方法があります。
そのため、マーケティング担当者はデータ収集のスキルも身に付けておくと良いでしょう。
4：データの加工作業をする
収集したデータの中には不要なものが混ざっていたり、そのままではデータ分析ができない状態になっていたりすることも多いです。そのため、データ分析の前にデータの加工を行い、データ分析できる形にしましょう。
データの加工の方法としては、不純物の除去や表記の統一、名寄せ、欠損値処理などさまざまなものがあります。データ分析を行う際にはこの加工処理が必須となるため、実際にデータ分析ではデータ処理にかかる時間が非常に多くの割合を占めています。
5：分析する
データの加工が完了したら、実際にデータ分析を行いましょう。データ分析を実行する際には、データの入力、データ分析に使用するツールの操作、結果の算出という工程を踏みます。
データ分析ではさまざまな計算が用いられますが、適切な分析方法を選定すれば、あとはツールが計算を行ってくれます。そのため、マーケティング担当者だからと言って難しい計算をする必要はありません。
ただし、自動化されていない計算を行うこともあるため、ある程度の統計や数学のスキルは必要になるでしょう。
6：分析結果の答えを作成する
データ分析を実行した後は、分析結果から答えの作成を行いましょう。そのためには、最初に設定した目的に結び付け、分析結果に意味を持たせる必要があります。
分析結果を出しただけでは、ただの数字の羅列でしかありません。分析結果を基に洞察を述べ、意思決定へとつなげることで、はじめてデータ分析の目的を達成することができます。
7：データ分析の質を上げるようにする
一度のデータ分析で目的を達成し、作業を完了できるということはまずありません。データ分析のプロセスを進めるうちに、目的が曖昧だったり手法が適切でなかったりすることがわかるというケースも多いです。
そのため、ここまで解説した6つのステップを繰り返し実行することで、データ分析の質を向上していきましょう。繰り返しながら改善していくことで、より意義のある目的設定や適切な手法の選定ができるようになっていきます。
マーケティングで使うデータ分析の方法9つ
企業のマーケティングで使用されるデータ分析の方法としては、クロス集計や決定木分析、主成分分析、アソシエーション分析などさまざまな分析方法が存在します。
企業のマーケティング担当者として仕事をするなら、基礎的なデータ分析の方法について押さえておきましょう。ここでは最後に、マーケティングで使うデータ分析の方法を紹介していきます。
- クロス集計の場合
- 決定木分析の場合
- 主成分分析の場合
- アソシエーション分析の場合
- クラスター分析の場合
- ロジスティック回帰分析の場合
- バスケット分析の場合
- 因子分析の場合
- ABC分析の場合
1：クロス集計の場合
クロス集計とは、アンケート分析で用いられる基礎的なデータ分析手法です。アンケートの設問と回答者の属性の掛け合わせによって集計を行うもので、回答者の属性ごとの平均値を抽出することができます。
クロス集計はExcelなどの表計算ソフトで簡単に集計することができるため、アンケートの結果を集計する際によく用いられます。
2：決定木分析の場合
決定木分析とは、「もし〜だったらどうなるか？」という仮定を繰り返すことにより、樹形図の形で選択肢やシナリオを段階的に分割していくデータ分析手法です。
決定木分析は選択肢の「Yes」「No」によって枝分かれしていきます。決定木分析では複雑な要因を整理することができ、さまざまな選択肢を比較して、最終的に取るべき選択肢を決定できます。
そのため、リスクマネジメントにも活用されています。
3：主成分分析の場合
主成分分析とは、いくつかの変数の組み合わせることで少数の変数にまとめるデータ分析手法です。名前のとおり、主成分分析は原因となる変数を合成することによって、結果としてそこに含まれる主成分を作り出すものです。
そのため、主成分分析はデータの要約に用いられる代表的なデータ分析手法となっています。
4：アソシエーション分析の場合
アソシエーション分析とは、有用な関連性を導き出すデータ分析手法です。アソシエーション分析では、「支持度」「確信度」「リフト値」という3つの指標を利用します。
この3つの指標から消費者の行動パターンを分析し、商品同士の隠れた関連性を見つけ出します。有名な例として、「おむつを買う消費者は同時にビールも購入している」という事例があります。
アソシエーション分析を用いることで、関連性の高い商品やサービスを同時に展開し、売上アップを図ることも可能になるでしょう。
5：クラスター分析の場合
クラスター分析とは、異なる性質を持つさまざまなデータの集団の中から似たもの同士を集めてグループ化していくデータ分析手法です。クラスター分析の形式として、「階層クラスター分析」と「非階層クラスター分析」の2種類があります。
階層クラスター分析の場合、最初にすべてのデータ間の類似度を計算しておき、基準に基づいて似たもの同士を分類し、いくつかのクラスターにまとめます。
一方、非階層クラスター分析の場合はあらかじめ最終的なクラスターの数を決めておき、似ているもの同士が同じクラスターになるように分割していきます。
6：ロジスティック回帰分析の場合
ロジスティック回帰分析とは、いくつかの要因から2値データの予測を行うデータ分析手法です。ロジスティック回帰分析は多変量解析の1種で、特定の事象の発生率を算出することができます。
ロジスティック回帰分析の例としては、1日の喫煙本数などのデータからガンの発生率を分析するという、リスク因子による病気の発生確率の分析があります。
ロジスティック回帰分析を用いることで、「顧客は次にこの商品を購入するか否か」といった分析を行うことができます。
7：バスケット分析の場合
バスケット分析は前述のアソシエーション分析の1つで、消費者の買い物かごの中身を分析するデータ分析手法です。
アソシエーション分析の場合は、消費者の行動パターンやWebの閲覧履歴などさまざまなシーンでの関連性を分析します。一方、バスケット分析の場合は購買に限定しており、「どの商品とどの商品が同時に購入されやすいか」という点を中心に分析します。
バスケット分析を用いることで、「商品Aを購入する消費者は商品Bも一緒に購入する可能性が高い」などの法則を見つけ出すことができます。
8：因子分析の場合
因子分析とは、複数の変数に影響を与える、結果に潜む要因を探りあてるデータ分析手法です。前述の主成分分析に似ている部分がありますが、因子分析はさまざまな変数の中から共通因子を抽出するものです。
マーケティングを行う際には、因子分析を活用することでアンケートの結果から消費者の潜在意識を抽出することができます。そのため、因子分析はブランドイメージの把握などに活用されています。
9：ABC分析の場合
ABC分析とは、売上の分析に用いられる基本的なデータ分析手法です。ABC分析では売上や販売数量といった「重視する指標」の高いものから商品を順番に並べ、商品をA、B、Cにランク付けしていきます。
ABC分析で分析することで、商品の優先度をA～Cでランク付けすることができます。このランク付けにより、Aランクの商品は在庫に余裕を持たせ、Cランクの商品は最低限の在庫にするなど、分析結果を在庫管理に役立てることができます。
マーケティングをするならデータ分析の基礎知識を勉強しよう
データ分析をマスターするためには、非常に多くの知識を習得する必要があります。
ぜひ本記事で紹介した基礎からデータ分析をするための知識や書籍、データ分析をする手順、マーケティングで使うデータ分析の方法などを参考に、データ分析の基礎を学んでみてはいかがでしょうか。
Share
