Try   HackMD

授業計画：サービスデータサイエンス

tags: service-data-science-2023

目標

研究の目的設定とデータ収集の計画とデータの取得と分析と考察と報告からなる研究フローを体験して、習得してもらう。クオリティマネジメントよりは少し複雑な、複数の手法を順序立てて活用するシナリオを分析に用いることで、一つの分析が複数の手法の組み合わせで構成し得ることを学ぶ。この科目もクオリティマネジメントと同様に、分析で迷子になりすぎないように配慮している。

授業設計

手法を学ぶ順序







A



主成分分析

主成分分析



ラダリング法

ラダリング法



主成分分析->ラダリング法





主成分回帰

主成分回帰



ラダリング法->主成分回帰





選好ベクトル

選好ベクトル



主成分回帰->選好ベクトル





コンジョイント分析

コンジョイント分析



選好ベクトル->コンジョイント分析

グループワーク

前半に少し説明して、後半にグループワークを進めて貰います。
２週目にグループを編成します。

グループワークの順序

  1. 主成分分析を学び、商品・サービスの設計の対象を決める
  2. 主成分分析をもう少し深く学び、主成分分析を用いた先行研究を読み込む
  3. 主成分回帰分析を実施し、選好ベクトルを求めて、商品マップ上に示す
  4. コンジョイント分析を用いて商品設計を行う
  5. 主成分回帰分析において成分を回転する
  6. 成果をまとめる、ディスカッションする
  7. 最終発表、余った時間は主成分分析以外の手法の紹介

参考資料

参考書

JMPと多変量解析に置いてある書籍は、参考までに表示のみで共有している。役に立つと感じた書籍は、各自で購入されたし。

  1. 日本統計学会・日本行動計量学会編 (2017) 統計学Ⅲ：多変量データ解析法スタディノート, 日本統計学会. ISBN 978-4-8223-3946-3
  2. 日本統計学会・日本行動計量学会編 (2017) 統計学Ⅰ：データ分析の基礎スタディノート, 日本統計学会
  3. 日本統計学会・日本行動計量学会編 (2021) 統計学Ⅱ：推測統計の基礎スタディノート, 日本統計学会

過去の抄録集等

クオリティマネジメント 2023

授業計画

その他、説明したこと。

配布する資料

こちらに日付別に置いていきます。

今後の見通し

今後の流れを書いてみました。
以下のような形で進められると、ちょうど終わりそうです。
24日と7日がハードですが。。

17日　アンケート設計
アンケート①
24日　アンケート集計から主成分分析、主成分のネーミング、選好回帰、マッピング
31日　L8直交表の理解、プロファイルカード作成
アンケート②
7日　アンケート集計から、コンジョイント分析、部分効用値、注目度等の作成からの新しい○○の提案に結び付ける
可能であれば、アンケート③を取り、確認調査を行う。
新しい○○をしたいか、否かのようなyes/no Question。
14日　発表

この科目で利用するサービス・ソフトウェア

JMP Pro (Windows/Macにインストールして使用)

データの分析にJMP Proというソフトウェアを利用する。このソフトウェアは、慶應義塾全体でサイトライセンスを契約している。皆さんは次の2ヶ所から入手できる。

インストーラとライセンスファイルをすぐにダウンロードできるので、湘南藤沢ITCを用いることを勧める。信濃町KICは、登録後にITCからのメールでの連絡を待つ必要がある。

JMPの基本的な使い方は、前期のクオリティマネジメントで少しずつ紹介した。

Office 365 (@keio.jpでログインして使用)

Excelをデータの管理に用いる。WordとPowerPointを含めて、Office 365を抄録やプレゼンテーション資料の作成に用いる。

課題提出先 (Google Drive、@keio.jpでログインしてアップロード)

  1. 2023.10.03授業回分 (2023.10.10までに提出)
  2. 2023.10.10授業回分 (2023.10.17までに提出)
  3. 2023.10.17授業回分 (2023.10.24までに提出)
  4. 2023.10.24授業回分 (2023.10.31までに提出)
  5. 2023.10.31授業回分 (2023.11.07までに提出)
  6. 2023.11.07授業回分 (2023.11.14までに提出)
  7. 2023.11.14授業回分 (2023.12.09までに提出)

Zoom情報 (@keio.jpでログイン)

TWatalu Yamamoto is inviting you to a scheduled Zoom meeting.

Topic: サービスデータサイエンス 2023
Time: Oct 3, 2023 04:30 PM Osaka, Sapporo, Tokyo
        Every week on Tue, until Nov 14, 2023, 7 occurrence(s)
        Oct 3, 2023 04:30 PM
        Oct 10, 2023 04:30 PM
        Oct 17, 2023 04:30 PM
        Oct 24, 2023 04:30 PM
        Oct 31, 2023 04:30 PM
        Nov 7, 2023 04:30 PM
        Nov 14, 2023 04:30 PM
Please download and import the following iCalendar (.ics) files to your calendar system.
Weekly: https://keio-univ.zoom.us/meeting/tZEud-CgqDwiHNwFzgBEUfN9fG7kQNM-KuDC/ics?icsToken=98tyKuGtrTsjEtKSuB-PRpwMA4igXfzwpmZHgo1KugXiIQVmZC2vMMUVOYNRPZX7

Join Zoom Meeting
https://keio-univ.zoom.us/j/85309867868?pwd=TzVoZnIvTkwzTnhzZHNIbjZZNGQzdz09

Meeting ID: 853 0986 7868
Passcode: 069701

Slack (@keio.jpでログインするようにお願いします)

https://join.slack.com/t/keio-health-ds-2022/shared_invite/zt-24majin6o-v6hdxl_CnfZGFNqP0OIK8A

これをクリックすると、https://keio-health-ds-2022.slack.com/ というSlackのワークスペースに自分で登録することが可能です。

この科目で使用するのは「サービスデータサイエンス2023」というチャンネルです。

Miro (@keio.jpでログインするようにお願いします)

Slackから招待します。ホワイトボード共有サービスです。

第1週

  1. 講義の背景と目的
  2. 主成分分析の紹介
  3. 個人ワーク：主成分分析を用いている研究論文を探して要約する

次回までのお願い：自習にグループ分けを行うので、抄録に目を通してくる。

第2週

  1. 主成分分析の目的の確認
  2. 各自が選んだ主成分分析を用いた論文の読み込み
  3. グループワーク (テーマ(商品・サービス)の選定)

主成分分析の目的

A. 次元縮約（機械学習：画像その他のパターン認識：データアナリティクス？　簡単な操作）
B. データアナリティクス的深く：元の変数から新しく評価指標を作成する（スコアリング）
C. 新しい指標のもとで、対象の分類（クラスタリング）、ポジショニング（可視化、２次分析）
D. 変数の分類、対象の分類はdualな構造
E. 機械学習的にも教師なしなので注目されている

以下のステップの作業をしてください。

  1. 自身の選んだ研究論文１つでいいです、は上記の目的のどれにあたるのか？　複数もあり
  2. 主成分分析実証結果には、読むべき（記すべき）大事な出力指標があります。論文の中にそれらが示されているので、そこの数値なりを確認し、先日提出したスライドに記入する。
  3. 主成分に対し、回転されているかされていないかの確認
  4. 主成分分析で最も大事なことは、主成分が対象を特徴づけるどのような指標なのか（特徴量なのか）の解釈のために、係数もしくは因子負荷量を読む作業です。

そこで、下記の論文をよく読んでください。最初の課題の提示、そこで、主成分分析活用の目的、もとの変数の次元(数）、主成分の数など主成分分析の実証論文の記述の仕方がよくわかりますので。

この文献（経営パターン分析）の第４表（P21)が各主成分の意味を名称として確定するための因子負荷量（係数）を符号付きでみる表となります。この表を自身で選ばれた先行論文で作成し、どのような評価指標として解釈されているのかを記入してください。

第3週

本日の授業4:30～5:10までのワークです(オンデマンド）

  1. チャンネルgacco動画にある、第2回、第3回を視聴してください。視聴に際し、スタディノートを見てください。
  2. 先週、最後に、グループに分かれてテーマを話し合ってもらったかと思いますので、グループで課題を進める上で、動画をみて、わからないこと、質問事項があったらメモをして、オンライン授業冒頭で質問してください。
  3. 5:10からZoomに入ってください。各グループのテーマなど方向性を発表してください。各グループ5分くらい。
  4. 実際に、どのようなデータが収集されて分析に供されるのか、に関して、動画にあります宮内さんのデータシートを参照してください。
  5. この第1回収集データで、主成分分析、主成分回帰分析を実際に操作・出力解釈練習をしてみる。

第4週

本日26日7，8回目（12回中）の授業内容です。
最終授業11月9日は発表会とゲスト講師の講演となります。したがって発表会までの分析を終え、発表スライドを作成しておかなければなりません。
4時30分から、添付の先輩の発表スライド２つ、先ず見てください。
１）発表後、ファイザーでの発表を依頼されグループの方が仕上げたものです。スライド29まではサービスデータサイエンスの内容です。後半は多変量因果分析の内容なので、取り合えず現段階では、前半29枚目までをみてください。

みなさん、データは入手されましたでしょうか？　主成分分析はグループで主成分軸の解釈を議論し、最後の対象のポジショニングまでしないと自身の分析スキルとして身に着かないので、今日は、その点を確認いたします。

第5週

先週のコンジョイントの分析の解説動画をgacco動画のチャンネルにリンクしています。
最終発表会は11月9日です。
グループの演題（メインタイトル、サブタイトル、名前（専修名））を授業冒頭までにお知らせください。
特別講演2件とグループ発表3件（中間発表）で構成します。

第6週

第7週

最終発表会

Last changed by 
 
watalu
0
163
Published on HackMD