研修成果

今後生成AIの発展により付加価値工程がコーディングから他の分野に移る可能性があります。その場合に有望なのが統計を使ったデータ分析の分野です。

なぜなら、膨大なデータが日々生成される現代において、データを適切に収集し、分析し、そこから有益な洞察を引き出す能力が、企業の競争力を左右するからです。

Chat GPTをはじめとする生成AIの登場によってデータ分析はプログラミングしなくてもできるようになりました。

重回帰分析、ロジスティック回帰分析、 T 検定、χ二乗検定などの統計解析です。

しかし、一方で解析の過程がブラックボックスになり、

• 分析結果の数値をどう解釈して良いか？
• なぜその結果になるのかをうまく説明するには？
• どのような手を打てば改善できるのかが分からない

といった声を聞くこともあります。

そこで本講座では エクセルを使って手作業で計算することによって、分析結果の成り立ちを学び納得感のある説明ができるデータ分析スキルの習得を目指します。

どれだけAIが進んでも

• どのような変数を選べば良い分析になるのか？
• 結果をどのように解釈すればよいのか？

といったことは現実世界に身を置く我々人類の仕事であり続けるでしょう。

また、統計の知識は、 AI の動作原理を知る上でも知っておきたいことの一つです。

さらには、生成AIを使った勉強は能動的です。つまり、自分から質問しないと答えが出てきません。したがって研修終了後も新しい技術を学び続けることができます。

受講者は店舗の経営者となり、様々な経営課題をビジネスデータ分析の力で解決していくというストーリーで進めていきます。

達成目標

• 重回帰分析により自社の利益に直結する要因を見つけることができる。
• 仮説検定により、打ち手の効果を判定できる。
• 生成AIを使って統計手法の学習を続けることができる。

対象

• 統計解析の初心者
• 生成AIのアカウントをお持ちの方

事前準備

マイクロソフトエクセル(Excel 2007以降)の入ったパソコン

以下のChatGPTの有料または無料のアカウントをあらかじめ取得してご参加ください。

ChatGPT

※快適に受講するためにデュアルモニターの使用をお奨めします。

定員：12名様

担当講師：山崎有生

セイ・コンサルティング・グループ株式会社代表取締役。25年以上の講師経験、18年間のIT企業向け企業研修会社の経営を通じてビジネスデータ分析のスキルを磨いてきた。エクセルとChatGPTを活用したデータ分析やAIを使った業務効率化に精通し、実践的なスキルを提供している。

関連資格：JDLA Deep Learning for GENERAL 2019 #3

実績：大手IT企業をはじめ、幅広い業界のクライアントに対してデータ分析のコンサルティングや研修を提供。ビジネスデータの可視化から、AIによる機械学習まで、実務に役立つスキルの習得を支援している。

2025年7月10日(木)～11日(金)

カリキュラム

1日目(13:00～17:00)

1．オープニング (1) 研修の目的と概要説明 (2) 参加者の自己紹介と期待の共有 2．ChatGPTの使い方 (1) ChatGPTとは何か、基本的な機能と活用方法 (2) 実習: 実際にChatGPTを使用して質問を投げかけたり、簡単な分析のサポートを依頼 (3) Q&A: ChatGPTの活用例や注意点の共有（コンプライアンスを含む） 3．基本統計量の理解 (1) 平均、中央値、標準偏差、分散の説明 (2) 正規分布の概念とP値の意味を解説 (3) 実習: Excelでの基本統計量の計算方法 4．データの見える化 (1) データの視覚化の重要性と用途 (2) 箱ひげ図、ヒストグラム、パレート図の説明と用途 (3) 実習: Excelでのグラフ作成とデータの視覚化 5．T検定の理論と実践 (1) T検定の基本概念、用途、仮説検定のプロセス (2) 実習: ExcelでのT検定の計算方法（2サンプルの比較） (3) 生成AIサポート: 結果の解釈や異なるケースでの適用方法を確認 6．ディスカッションとQ&A (1) 1日目の内容に関する質疑応答 (2) 学んだ内容の復習と次回の概要説明

2日目(13:00～17:00)

7．オープニング (1) 前日の内容の復習 (2) 2日目の目的と概要説明 8．カイ二乗検定の理論と実践 (1) カイ二乗検定の基本概念、独立性の検定 (2) 実習: Excelでのカイ二乗検定の計算 (3) 生成AIサポート: 検定結果の解釈と報告方法を学ぶ 9．回帰分析の理論と実践 (1) 回帰分析の基本概念、回帰係数の解釈、モデルの適合度 (2) 実習: Excelでの重回帰分析の実践 (3) 生成AIサポート: モデルの評価と改善点の分析 10．ロジスティック回帰分析の理論と実践 (1) ロジスティック回帰の基本概念、二項ロジスティック回帰モデルの説明 (2) 生成AIサポート: ケーススタディの結果解釈 11．参加者の事例を使ったデータ分析シミュレーション (1) ダミーデータの生成 (2) 分析の実施 (3) 結果の発表と質疑応答 12．まとめとディスカッション (1) 2日間の内容の振り返り (2) 質疑応答と応用可能なスキルの確認 (3) 参加者のフィードバックと今後のアクションプランの共有