科目ナンバー

GM-IF9-ZLA1

履修条件・関連科目等

一部統計に関する知識を使用するため、経営統計入門などの統計学に関する科目を履修・学修済みであるとより理解が深まりますが、必須ではありません。

授業で使用する言語

日本語

授業で使用する言語（その他の言語）

授業の概要

近年、企業では市場調査や経営方針の策定を始めとして、現状を把握するためや、企業成長に向けた情報を得るために、膨大なデータの処理が求められています。特に、近年の発展が目覚ましいデータサイエンスの知識・技能を持つ人材は需要が高く、マーケティングや経営戦略の策定のみならず、人事や財務といった管理部門に至るまで、分析に関する知識を持つことは現代の学生にとって重要な素養となりつつあります。数値データから情報を適切に取得・抽出・処理・解釈し、論理的な裏付けを持つ情報を導き出す力は、将来のどのような進路においても有用な、データサイエンスの基礎スキルです。

本講義では、本学部で学ぶ様々な専門的知識の中でも、特に数値データの構造的理解と可視化に重点を置きます。表計算ソフトウェアのExcelを基盤とし、最新機能であるPython in Excelと生成系AIを組み合わせたハイブリッドな分析手法を学習します。プログラミング未経験者でも、AIを分析アシスタントとして活用することで、データの集計から高度な統計グラフの作成、そして情報を統合して提示するダッシュボード構築までの一連のプロセスを体験し、データサイエンスの基礎的な知識・技能を段階的に修得します。

※ 秋学期に開講される「特殊講義A（マーケティングデータ分析B）」では自然言語情報の処理・分析方法を中心に学習します。春学期開講の本講義「特殊講義A（マーケティングデータ分析A）」とは学習内容が異なりますので、注意してください。

科目目的

本講義は、表計算ソフトウェアExcelの高度な活用法を身につけるとともに、Pythonを用いたデータ処理の基礎を学び、データサイエンスの初歩的な知識・技能を体系的に修得することを目的とします。
プログラミングの基本的な考え方を学ぶことで、Pythonのみならず様々なデータ処理ツールの土台となる知識を得ることを目指すほか、生成系AI（CopilotやGemini等）を分析パートナーとして適切に使いこなすための技術的な習得を合わせて目指します。単なるツールの操作習得に留まらず、数値の背後にある構造を読み解き、分析結果を客観的に提示する形式（ダッシュボード）へと昇華させる一連のデータサイエンスのプロセスに挑戦することで、将来のデータ活用に対応できる基礎能力を養います。

到達目標

到達目標は以下の3点です。
・データ整理・集計：生成系AIをアシスタントとして活用し、Excelのピボットテーブルや高度な関数を用いて、複雑なデータを効率的に整理・集計できる。
・Python連携：Python in Excelを用いて、高度なデータ処理や、統計グラフ（散布図、ヒートマップ等）を作成できる。
・ダッシュボード構築：分析結果を視覚的に統合したダッシュボードとして構成し、そこから読み取れる客観的な事実を論理的に説明できる。

授業計画と内容

【第一部：ExcelとAIの基本を学ぶ】
第1回：オリエンテーション・AIリテラシー
第2回：Excel基礎とAIによる関数作成
第3回：データの集計とピボットテーブル
第4回：基本的なデータの可視化

第5回：Excelによる統計解析の基礎

【第二部：PythonとExcelを連携する】
第6回：Python in Excel：導入
第7回：Pythonによるデータ加工
第8回：Pythonによる高度な可視化1：相関関係を見る
第9回：Pythonによる高度な可視化2：分布を見る
第10回：＜中間のまとめ＞探索的データ分析

【第三部：ダッシュボードの構築に挑戦する】
第11回：＜グループワーク＞実データに基づくダッシュボードの設計
第12回：＜グループワーク＞ダッシュボードの実装と可視化
第13回：＜グループワーク＞分析結果の考察・発表準備
第14回：＜グループワーク＞作成したダッシュボードのプレゼンテーション・講義の総括

授業時間外の学修の内容

授業終了後の課題提出

授業時間外の学修の内容（その他の内容等）

各授業後に確認課題を提示します。成績に直結するので取り組んでください。
第三部ではグループワークに取り組みます。確認課題のほか、授業時間内に終わらなかった作業等は、授業時間外に取り組んでください。

授業時間外の学修に必要な時間数／週

・毎週１回の授業が半期（前期または後期）または通年で完結するもの。１週間あたり４時間の学修を基本とします。
・毎週２回の授業が半期（前期または後期）で完結するもの。１週間あたり８時間の学修を基本とします。

成績評価の方法・基準

成績評価の方法・基準（備考）

出席率が7割（14回中10回）に満たない者は評価不能（F）とします。

課題や試験のフィードバック方法

授業時間内で講評・解説の時間を設ける／その他

課題や試験のフィードバック方法（その他の内容等）

講義期間中は常に、Googleチャットならびにメール、居室への訪問等で質問を受け付けます。

アクティブ・ラーニングの実施内容

PBL（課題解決型学習）／グループワーク／プレゼンテーション

アクティブ・ラーニングの実施内容（その他の内容等）

授業におけるICTの活用方法

その他

授業におけるICTの活用方法（その他の内容等）

・Googleチャットを利用したクラス内コミュニケーションを行います
・講義資料は常にWeb上で公開します

実務経験のある教員による授業

いいえ

【実務経験有の場合】実務経験の内容

【実務経験有の場合】実務経験に関連する授業内容

テキスト・参考文献等

授業中は特定の書籍等をテキストとして利用せず、レジュメ（講義資料）を使って授業を進めます。

その他特記事項

【必須事項】
授業では皆さん自身のPCを使用します。必ず持参してください。
※ Windows OSを想定していますが、Mac環境でも問題ありません。
※ Android, iOS端末の使用は想定していません。

【前提知識について】
ITスキルとして生成系AI、Excel、Pythonを使用しますが、いずれも前提となる知識は不要です。何も知らないという状態でも問題ありません。

【グループワークについて】
グループワークは、1～3人の少人数のグループでの活動を予定しております。共同作業が苦手という方は1人でも行えますので、その点は心配不要です。
また、受講人数によりグループワークを中止することがあります。

【生成系AIの利用について】
本講義は生成系AIを利用することを前提とした授業ですので、あらゆる生成系AIの利用を許可します。ただし、一般的なルール（機密情報や個人情報を入力しない、ハルシネーションに注意する、法に抵触する行動はしない、など）は必ず遵守してください。また、担当教員から特別な指示があった場合は、必ずその指示に従ってください。
また授業資料の作成などにおいて、教員も生成系AIを使用し、その生成結果を利用する場合があります。

【ディプロマ・ポリシーとの関連】
本講義は、国際経営学部のディプロマ・ポリシーと以下の関連を持ちます。
＜強く関連する＞
・DP1 - 知識獲得力：国際経営の学びに必須となる経営学、経済学、データサイエンスに関連する専門的知識および技能と、その基礎となる幅広い教養を身に付け、論理的な思考のもとでそれらを柔軟に活用できるように弛まず学び続けることができる。
＜関連する＞
・DP4 - 組織的行動力：チームや組織の目標を達成するために、状況や制約条件を多面的、客観的に捉え、組織のマネジメントに有効な判断を下し、当事者意識をもって行動することができる。
・DP5 - 自発的創造力：国際社会が求めるビジネスや人々の役割を見極め、責任感と自律心に基づき、真に豊かな人類の未来を創るためのアイデアを進んで提案することができる。

参考URL