1. bi
1.1. bi ba 880
1.1.1. BAツール
1.1.1.1. 蓄積されているデータを分析
1.1.1.2. 未来を予測
1.1.2. bi ba 違い 30
1.1.2.1. データの可視化
1.1.2.2. 意思決定
1.1.2.3. 行動アクションを提示
1.2. bi とは 4,400
1.2.1. bi ツール 14,800
1.2.1.1. レポーティングツール
1.2.1.1.1. 問題が起こる兆候
1.2.1.1.2. 活動状況を監視
1.2.1.2. データマイニングツール
1.2.1.2.1. 未知の情報
1.2.1.2.2. 問題解決のヒント
1.2.1.3. プランニングツール
1.2.1.3.1. 予算編成の計画の補助
1.2.1.3.2. シミュレーション
1.2.1.4. OLAP（オンライン分析処理）分析ツール
1.2.1.4.1. 問題点の要因を分析
1.2.1.4.2. 問題解決の方法
1.2.2. biツール 種類
1.2.2.1. bi クラウド 40
1.2.2.1.1. 初期投資費用
1.2.2.1.2. 準備時間の削減
1.2.2.1.3. 障害時の負担なし
1.2.2.2. bi ツール オンプレミス 20
1.2.2.2.1. 自由にカスタマイズ
1.2.2.2.2. 安全性が高い
1.2.2.2.3. システム連携しやすい
1.3. bi ツール 無料 720
1.3.1. bi ツール 比較 無料 20
1.3.1.1. Grafana
1.3.1.2. Microsoft PowerBI Desktop
1.3.1.3. Google Data Studio
1.3.1.4. Graylog
1.3.1.5. Kibana
1.3.2. 種類
1.3.2.1. オープンソースソフトウェア
1.3.2.1.1. 自由にカスタマイズ
1.3.2.2. 各製品の無償版
1.3.2.2.1. 制限が多い
1.4. bi dwh 170
1.4.1. dwh とは 1,600
1.4.1.1. dwh 意味 40
1.4.1.1.1. データの倉庫
1.4.1.2. dwh db 違い 210
1.4.1.2.1. 過去のデータを格納
1.4.1.2.2. 現在進行中の状態のデータを格納
1.5. bi コンサルタント 140
1.5.1. 仕事内容
1.5.1.1. クライアント企業と打ち合わせ
1.5.1.2. 課題の解決
1.5.1.3. データの確認
1.5.2. bi エンジニア 140
1.5.2.1. BIダッシュボードの開発
1.5.2.2. SQLでのデータ抽出・加工
1.5.3. 年収
1.5.3.1. 約500～700万円
1.5.3.2. 約700～900万円
1.5.4. biコンサルタントになるには
1.5.4.1. 中途採用
1.5.4.1.1. 未経験
1.5.4.2. 新卒採用
1.5.4.2.1. コンサル会社
1.5.4.2.2. SIer
1.6. biツール メリット 70
1.6.1. ホットリードの抽出
1.6.2. 高精度のデータ分析
1.6.3. プロセス改善
1.6.4. 人件費の削減
1.7. bi ツール エクセル 30
1.7.1. bi ツール できること 30
1.7.1.1. 大量のデータ分析
1.7.1.2. 情報の視覚化
1.7.1.3. レポートの自動更新
1.7.2. エクセルでできること
1.7.2.1. 数万件程度のデータ分析
1.7.2.2. レポートの印刷
1.7.2.3. 書き込み機能
1.8. bi ツール 導入 50
1.8.1. bi ツール 導入 手順 20
1.8.1.1. 目的の明確化
1.8.1.1.1. 利用者
1.8.1.1.2. 分析の目的
1.8.1.1.3. データソースの定義
1.8.1.2. 設計
1.8.1.2.1. データモデル
1.8.1.2.2. データウェアハウス
1.8.1.2.3. 画面・レポート・ダッシュボード
1.8.1.3. 実施
1.8.1.3.1. POC（概念実証）
1.8.1.3.2. フィードバック・修正
1.8.2. bi ツール 導入 メリット 10
1.8.2.1. 情報の視覚化
1.8.2.2. 大量のデータ分析
1.8.2.3. 初心者でも可能
1.8.2.4. コストの削減
1.9. bi ツール 失敗 20
1.9.1. bi ツール 使いこなせ ない 10
1.9.1.1. 現場で使えない
1.9.1.2. 操作が難しい
1.9.1.3. 人材がいない
1.9.2. 利用目的がわからない
1.9.2.1. 非常に多くの機能
1.9.2.2. 有益な情報
1.9.2.3. 業務に役立たない
1.9.3. データがない
1.9.3.1. データ量
1.9.3.2. 異なるデータ
1.10. bi ツール 選び方 20
1.10.1. BI bi ツール 比較 1,300
1.10.1.1. power bi 14,800
1.10.1.2. bi oss 210
1.10.1.3. biツール tableau 110
1.10.1.4. bi ツール actionista 10
1.10.2. ポイント
1.10.2.1. 自社に必要な機能
1.10.2.2. 業種に特化している
1.10.2.3. ETLやDWHに対応しているか
1.11. bi ai 110
1.11.1. bi ai 違い
1.11.1.1. 人間を介在しない
1.11.1.2. データの分析
1.11.1.3. 精度の高い予測能力
1.12. bi セルフ サービス
1.12.1. エンドユーザーが自分自身で分析
1.12.2. メリット
1.12.2.1. データ抽出時間が早い
1.12.2.2. 管理コストの減少
1.12.2.3. レポート作成からの解放
1.13. bi 市場 40
1.13.1. 今
1.13.1.1. オンプレミス型
1.13.1.2. 大企業を中心
1.13.2. 今後
1.13.2.1. クラウド型
1.14. etl ツール 3,600
1.14.1. Extract, Transform and Load
1.14.1.1. データを抽出
1.14.1.2. データを変換
1.14.1.3. データファイルを書き出す
1.14.2. bi ツール etl ツール 違い 10
1.14.2.1. データを整える
1.14.2.2. データを分析
2. データ活用
2.1. データ ドリブン 9,900
2.1.1. データ ドリブン とは 140
2.1.1.1. データ駆動型経営
2.1.1.2. 客観的なデータ分析
2.1.1.3. 組織で共有
2.1.2. データ ドリブン マーケティング 1,300
2.1.2.1. データの収集
2.1.2.2. データの分析
2.1.2.3. アクションプランの策定
2.2. データ マート 1,900
2.2.1. データ マート 種類
2.2.1.1. 従属型
2.2.1.1.1. 作成済みのDWHからデータを抽出
2.2.1.1.2. プロセスが比較的簡素
2.2.1.2. 独立型
2.2.1.2.1. DWHに接続しない
2.2.1.2.2. 導入が簡単
2.2.1.2.3. 期的な目標の達成
2.2.1.3. ハイブリッド型
2.2.1.3.1. 限定的な目的
2.2.1.3.2. 従属型と独立型
2.3. crm 49,500
2.3.1. crm とは 18,100
2.3.1.1. Customer Relationship Management
2.3.1.2. 顧客管理システム
2.3.1.3. 顧客との良好な関係性を構築
2.3.2. crm システム 1,300
2.3.2.1. 顧客情報の管理・分析
2.3.2.1.1. 購買実績
2.3.2.1.2. 購買履歴情報
2.3.2.1.3. 属性情報
2.3.2.2. 会員管理
2.3.2.2.1. 情報漏えいのリスクを低減
2.3.2.2.2. 管理コストの低減
2.3.2.3. メール配信
2.3.2.3.1. メールの開封率
2.3.2.3.2. クリック率
2.3.2.4. アンケート作成・集計・分析
2.3.2.4.1. ターゲティングリスト
2.3.2.5. セミナー・イベントフォームの作成
2.3.2.5.1. 運用管理の効率化
2.4. scm 14,800
2.4.1. scm 読み方 10
2.4.1.1. Supply Chain Management
2.4.1.1.1. Supply（供給）
2.4.1.1.2. Chain（連鎖）
2.4.2. scm とは わかり やすく 140
2.4.2.1. 生産管理や在庫管理の最適化
2.4.2.2. 製造から販売に至るプロセス
2.5. dmp 9,900
2.5.1. dmp とは 3,600
2.5.1.1. Data Management Platform
2.5.1.2. データの蓄積・一括管理
2.5.2. dmp とは マーケティング 40
2.5.2.1. 行動履歴
2.5.2.2. 属性データ
2.5.2.3. 広告配信データ
2.5.3. 種類
2.5.3.1. オープンDMP
2.5.3.1.1. Web閲覧履歴
2.5.3.1.2. 購買履歴
2.5.3.1.3. SNS情報
2.5.3.2. プライベートDMP
2.5.3.2.1. 自社のデータ
2.5.3.2.2. コールセンターのログ
2.5.3.2.3. 営業顧客リスト
2.6. データ 分析 6,600
2.6.1. バスケット分析
2.6.1.1. 商品の組み合わせ
2.6.1.2. どれだけ購入されたか
2.6.2. ABC分析
2.6.2.1. 売れ筋商品
2.6.2.2. 重点的に販売する商品
2.6.3. クロス集計分析
2.6.3.1. 回答者の情報
2.6.3.2. 集計データ
2.6.4. アソシエーション分析
2.6.4.1. 連関分析
2.7. erp システム 2,400
2.7.1. erp システム メリット 10
2.7.1.1. 1つのシステムに統合
2.7.1.2. 円滑な経営判断
2.8. データ 可視 化 590
2.8.1. メリット
2.8.1.1. 何種類ものデータ分析
2.8.1.2. 質の高い分析結果
2.8.2. データ 可視 化 手法
2.8.2.1. グラフやチャート
2.8.2.2. ヒートマップ
2.9. web スクレイピング と は
2.9.1. スクレイピング api 210
2.9.1.1. HTML情報を収集
2.9.1.2. 公式にサポート
2.9.2. スクレイピング やり方 170
2.9.2.1. ツールの利用
2.9.2.2. ツールの開発
2.10. python 201,000
2.10.1. python できること 12,100
2.10.1.1. 人工知能開発
2.10.1.2. 機械学習
2.10.1.3. データ解析
2.10.1.4. Webサービスの開発
2.10.2. python やり方 140
2.10.2.1. 公式サイト
2.10.2.2. Anaconda
2.10.2.3. Google Colaboratory
2.11. データ ガバナンス 1,000
2.11.1. データ ガバナンス とは 40
2.11.1.1. データをどのように管理していくか
2.11.1.1.1. コンプライアンスの防止
2.11.1.1.2. 組織間でのデータ連携が円滑
2.11.2. データ ガバナンス 戦略 10
2.11.2.1. 社内の理解促進
2.11.2.2. セキュリティ体制
2.11.2.3. システムの扱いやすさ
2.12. sfa 22,200
2.12.1. sfa crm 違い 260
2.12.1.1. 営業活動の支援・管理
2.12.1.2. 顧客関係性マネジメント
2.12.2. sfa とは 6,600
2.12.2.1. Sales Force Automation
2.12.2.2. 営業支援システム
2.13. ma とは 5,400
2.13.1. ma できること 20
2.13.1.1. 見込み顧客のリスト化
2.13.1.2. スコアリングによる分類分け
2.13.1.3. 適切な営業
2.13.2. ma ツール 6,600
2.13.2.1. SHANON MARKETING PLATFORM
2.13.2.2. BowNow
2.13.2.3. Kairos3
2.14. データ マイニング 6,600
2.14.1. データ マイニング とは 170
2.14.1.1. データベースから情報を抽出
2.14.1.2. 自動的にパターンを発見
2.14.1.3. 採掘（マイニング）
2.14.2. データ マイニング やり方 70
2.14.2.1. 目的を定める
2.14.2.2. データ加工・整理
2.14.2.3. 検証・評価
2.15. データ リテラシー 590
2.15.1. データ リテラシー 意味
2.15.1.1. 読解記述力
2.15.1.2. データを理解し、解釈し、分析する能力
2.15.2. 必要な理由
2.15.2.1. 生産性の向上
2.15.2.2. 企業価値の向上
2.15.2.3. 売上の向上
2.16. api とは 33,100
2.16.1. api とは わかり やすく 1,300
2.16.1.1. アプリケーションプログラミングインタフェース
2.16.1.2. ソフトウェアの機能を共有できる仕組み
2.17. ビッグ データ 9,900
2.17.1. ビッグ データ いつから 20
2.17.1.1. 2010年代
2.17.1.2. インメモリデータベース
2.17.2. ビッグ データ と は 3,600
2.17.2.1. クロス集計
2.17.2.2. クラスター分析
2.17.2.3. アソシエーション分析
2.17.2.4. 決定木分析
2.18. dx 110,000
2.18.1. dx 意味 3,600
2.18.2. dx 化 4400
2.18.2.1. 海外
2.18.2.1.1. 2004年
2.18.2.1.2. エリック・ストルターマン教授
2.18.2.2. 日本
2.18.2.2.1. dx 経済 産業 省 880
2.19. ai とは 27,100
2.19.1. ai 略 3,600
2.19.1.1. アーティフィシャル・インテリジェンス
2.19.1.2. ai 正式名称 720
2.19.2. ai 意味 2,900
2.19.2.1. 人工知能
2.19.3. ai 資格 1,600
2.19.3.1. G検定
2.19.3.1.1. 初学者向け
2.19.3.2. E資格
2.19.3.2.1. エンジニア
2.19.3.3. AI実装検定
2.19.3.3.1. Study-AI
2.19.3.4. Microsoft Certified: Azure AI Fundamentals
2.19.3.4.1. 機械学習の基礎的な知識
2.20. データ サイエンティスト 22,200
2.20.1. データ サイエンティスト なくなる 1,900
2.20.1.1. AI人材の不足
2.20.1.2. 高度なスキル
2.20.1.3. 需要が高い
2.20.2. データ サイエンティスト 年収 2,400
2.20.2.1. 600万円〜1000万円
2.20.3. データ アナ リスト 3,600
2.20.3.1. データの収集と分析
2.20.3.2. データサイエンティストと兼業
2.20.4. データ サイエンティスト と は 1,600
2.20.4.1. ビッグデータ分析のプロ
2.20.4.2. 施策立案
2.20.4.3. データの下処理
2.20.4.4. レポート作成
2.20.4.5. 課題解決
2.21. ict とは 74000
2.21.1. ict 略 720
2.21.1.1. Information and Communication Technology
2.21.2. ict 意味 2400
2.21.2.1. 情報通信技術