『文系でも数式なしのPython×Excelで稼ぐ力を上げる！』【要約】

本の構成

本の目次

はじめに

本署をお読みになる前に

本署の読者限定！「特設サイト」で質問しよう

イントロダクション
こんなに役立つ！データ分析で仕事が変わる8つのメリット
1　会議を短くできる
2　声の大きい人ばかり有利にならない
3　無責任な意見をシャットアウトできる
4　「売れる商品の傾向」がわかる
5　「説明上手]になれる
6　これまでの方法を変えられる
7　販売戦略を立てやすい
8　頼られる人になる

◎columu 1 期待と収入が高まるデータ分析分析とは

第1章　データ分析で仕事の効率化や収入アップを実現!

【1日目】　
1/10　　データ分析とはリスクを知ること
2/10　　仕事でデータ分析を活用できるシーンとは
3/10　　データ分析の目的は時短や効率化だけじゃない！
4/10 　　最初に考えるのはコストダウン！
5/10 　「簡単なテーマ設定」から始めよう！
6/10　 「お金」というキラーワードを武器に！
7/10 　　行動がないと反応は生まれない
8/10 　「わかった」よりも「できる」が大事
9/10 　　仕事でデータ活用する3つのスキルとは
10/10　 苦手な数式に対応する方法

◎columu 2 データは業務知識がないと活用できない

第2章　収入アップを実現目指すデータ分析
　　　　 プログラミングの基礎知識

【2日目】　
1/3　　検索スキルを向上させよう
2/3　　PCオンチ脱却の一歩！　ファイルとフォルダを理解しよう
3/3　　データ分析プログラミング環境を準備しよう

【3日目】　
1/1　　データ分析プログラミング環境を用意しよう

【4日目】　
1/2　　データ分析プログラミングはシンプルに楽しめる!
2/2 　【課題 1】サンプルファイルの表示

第3章　Pythonを使ってデータで遊んでみよう！　

【5日目】　
1/3　　データ分析はみんなやっている！
2/3　　データ分析で人気のPythonとは
3/3　　登場回数の多い基本を身につけよう

【6日目】　
1/2 　 折れ線グラフを描く①　基礎　
2/2 　 折れ線グラフを描く②　頭脳を借りる

【7日目】　
1/3　　折れ線グラフを描く③　データを読み込む
2/3　　折れ線グラフを描く④　データでグラフを描く
3/3　　折れ線グラフを描く⑤　日本語を表示

【8日目】　
1/1　　【課題 2】別のデータでグラフを描く

第4章　「売り上げの動き」がわかるとムダな会議を減らせる！

【9日目】　
1/5　　勘や経験則の会議から脱却！
2/5　　売上の動きを分析する方法
3/5　　Pythonで売上の動きを分析しよう
4/5　　売上の動きを分析して仮説を立てよう
5/5　　現場で活躍するExcelでも分析してみよう

◎columu 3　Pythonの完成版コードと比較する方法

第5章　「店舗とネットの売れ行き」を分析してみよう！

【10日目】　
1/5　　曖昧な判断材料の会議からの脱却！
2/5　　店舗とネットの売上を分析する方法
3/5 　　Pythonで店舗とネットの売上を分析しよう
4/5　　店舗とネットの売上を分析して仮説を立てよう
5/5　　現場でよく使うExcelで分析してみよう

第6章　「売れる商品の傾向」を分析してみよう！

【11日目】　
1/5　　売れる商品がわかると会議も時短で早く解放される
2/5　　売れる商品の傾向を分析する方法
3/5　　Pythonで売れる商品の傾向を分析しよう
4/5　　売れる商品の傾向を分析して仮説を立てよう
5/5　　現場で活躍するExcelでも分析してみよう

◎columu 4　結果は人によって見え方が変わる

第7章　「売上と残業時間の関連」を分析してみよう

【12日目】　
1/5　　データから関連性を分析しよう
2/5　　売上と残業時間の関連性を分析する方法
3/5　　Pythonで売上と残業時間の関連を分析しよう
4/5　　売上と残業時間の関連性を分析して仮説を立てよう
5/5　　現場で活躍するExcelでも分析してみよう

第8章　「販売量と値引きの関連」を分析してみよう！

【13日目】　
1/5　　販売量と値引きの関連性を読み解こう
2/5　　販売量を増やすために値引きすべきか分析する方法
3/5　　販売量を増やすために値引きすべきか分析しよう
4/5　　販売量と値引きの関連性を分析して仮説を立てよう
5/5　　現場で活躍するExcelでも分析してみよう

第9章　「簡単な関連」から売上を予測してみよう！

【14日目】　
1/5　　簡単な関連から売上を予測してみよう！
2/5　　簡単な関連から売上を予測する方法
3/5　　Pythonで売上を予測してみよう
4/5　　売上の予測を分析して仮説を立てよう
5/5　　現場で活躍するExcelでも分析してみよう

第10章　「2つの関連性」から結果を予測してみよう！

【15日目】　
1/2　　2つの関連性から結果を予測してみよう
2/2　　2つの関連性から予測する方法

【16日目】　
1/3　　Pythonで体験申し込み数を予測してみよう
2/3　　体験申し込み数の予測を分析して仮説を立てよう
3/3　　Excelで簡単に分析してみよう

第11章　ECサイトの「新商品宣伝方法」を見つけよう！

【17日目】　
1/2　　ECサイトの新商品宣伝方法を見つけよう
2/2　　ECサイトの新商品宣伝方法を見つける方法

【18日目】　
1/3　　PythonでECサイトの新商品宣伝方法を見つけよう
2/3　　ECサイトの新商品宣伝方法を見つけて仮説を立てよう
3/3　　Excelで簡単に分析してみよう

第12章　機械学習を使うとこんなことも分析できる！

【19日目】　
1/4　　機械学習とは
2/4　　機械学習を体験する理由
3/4　　この章で体験すること
4/4　　キャスティング分析の準備をしよう

【20日目】　
1/2　　キャスティング分析のプログラムを作ってみよう【1回目】
2/2　　キャスティング分析のプログラムを作ってみよう【2回目】

◎columu 5　AIと関係が深いデータ

【21日目】　
1/3　　キャスティング分析のプログラムを作ってみよう【3回目】
2/3　　キャスティング分析のプログラムを作ってみよう【4回目】
3/3　　キャスティング分析のプログラムを動かしてみよう

おわりに

巻末付録　本書で紹介した専門用語の解説

巻末付録　逆引きデータ分析が使えるシーン

営業、マネジメントで役立つ

・売上が落ちているという意見の裏付けを分析したい
・過去データを使って分析し今年の目標設定をしたい
・月ごとの売上高の推移を分析したい
・季節に影響する商品の売上の動きを分析したい
・ライバル会社の市場シェアを分析したい
・利益を増やす方法（固定費削減、変動費削減）を調べたい
・売れる商品の傾向を知りたい
・担当者に最適なノルマ設定を行いたい
・顧客への接触回数（訪問回数）によって受注件数が変化するか判断したい
・成約率の高い得意先別の営業時間を推測したい
・プロジェクトの成果を分析し継続性を判断したい
・ＣＲＭ（顧客管理）による営業の効率化を検討したい
・営業ルートから成約率や売上、利益の関連性を分析し最適化したい

Webマーケティングで役立つ

・ネットの記事の裏付けを公式情報（e-Statなどのオープンデータ）から得たい
・Facebook広告でクリックされた端末を調べたい
・都道府県（地域）別の問い合わせ件数を調べたい
・広告を出した商品の売上を広告出稿前と後で比較委（A/Bテスト）したい
・Webコンテンツの更新回数アップは売上高にどう影響するのか予測したい
・ECサイトの新商品宣伝方法を見つけたい
・自社商品の売上とサイトの評判との関係を分析したい

総務、人事で役立つ

・過去5年間における部署ごとの受注高を分析したい
・会社の経営状態決算書の内訳から比較分析したい
・成果の出る適切な労働時間や休日数を判断したい
・売上と残業時間の関連性を分析したい
・店員数と売上高の関連性を分析したい
・製造条件や工場の動線、気温や温度、稼働時間などによって生産性を予測したい
・人事評価（昇給や昇進）の判断をしたい
・在庫の最適化を判断したい

イベント企画、店舗運営で役立つ

・過去のイベント集客の推移を知りたい
・店舗とネットショップの売上比較を分析したい
・駅から店舗までの距離と集客数の関連性を分析したい
・クーポン配布と売上増の関連性を分析したい
・来店数と広告費用の関連性を分析したい
・メルマガ読者数と商品購入者数の関連性から未来を予測したい
・アンケート結果から顧客が重視している内容を予測したい
・天候と曜日から来場者数を予測したい

こんなシーンでも役立つ

・副業で役立ちそうな日経平均株価の推移を分析したい
・2カ月続けたダイエットは効果があったのか知りたい
・通学時間と学修時間の関連性を分析したい
・教員の数と生徒の学力の関連性を分析したい
・睡眠時間とテスト得点の関連性を分析したい
・標高と気温の関連性を分析したい
・興味を引くカラーはどれか分析したい
・築年数、部屋面積、駅までの距離から家賃相場を予測したい
・お見合いパーティーの満足度調査から成婚率を予測したい
・売れている書籍の表紙デザインを分析したい
・「いいね」されやすい写真の方向性を分析したい

著者紹介

日比野 新
IT・デジタルマーケティングコンサルト、文筆業。
1968年生まれ。
京都府出身。高校卒業後、18歳でエンジニアに、以後34年間業務アプリケーションの企画提案や
開発、ECサイトの導入・運用・集客のコンサルティングを行う。

長年、ITを使った業務に携わり、これまで企業へ導入したシステムは300以上に及ぶ特にBtoB、
DtoCを得意とし、ITシステムやデジタルサービス導入による業務効率化やEC活用における売上
向上へのアドバイスを続けている。
現在はIT・デジタルマーケティングのコンサルティングだけではなく、企業のブランディングや
車内に眠る貴重なデータ分析のアドバイス、ウェブマーケティングに必要なメディアサイトの構築・運営なども行う。
著書に『文系でもプログラミング副業で月10万円稼ぐ！』『文系でも転職・副業で稼げるAIプログラミングが最速で学べる！』（かんき出版）

著者の想い

私は社会人歴34年となります。現在は中小企業の経営に必要な、IT・DX領域を中心とした導入・運用コンサルティングを提供しています。今でこそ「データ分析」を仕事に活用していますが、会社員SE時代はデータ分析が得意ではありませんでした。そのため意味のない会議にガマンして参加していましたし、声が大きいだけの上司の武勇伝を黙って聞いて過ごしていました。「日比野さん、何か意見はないの？」と言われたこともありました。
そんな自分にとって、データ分析を活用するための大きな転機になったのは、セールスコピーと
マーケティングを学んだことでした。
2つの学びからデータの大切さを知り、活用することで収入UPにも成功。「データを活用できれば、お金が生まれるんだ！」という実体験から本書を執筆しました。ぜひ、本書でデータ分析スキルを身につけて稼ぐ機会を増やしてください。

おすすめの読者

プログラミング初心者、仕事にデータ分析は役に立ちそう勉強してみたい、機械学習に興味はあるが難しそうという方にお勧めです。

ある程度学習が進んでいる方にも復習用としておすすめです。

データ分析を実践してみる

第2章　特設ページからダウンロードしたサンプルファイルを表示する

課題1

ソースコード（単にコードという場合もあります）
print(‘Have a great rest of the day’)

アナコンダのターミナルにて実行。
アナコンダとはPythonのプログラミング開発を、効率よく進めるための環境が整えられたソフトのことです。
ターミナルとはソースコードを書くところです。

第3章　簡単なコードを自分で書いてみる

ソースコード
print(‘Enjoy Python’)

第3章　折れ線グラフを描く

①ライブラリー読み込み

ライブラリーとは
ある機能をプログラミングしたいときに、既にその機能は作られている可能性があります。作られているのであればその機能がプログラミングされたファイルが収められているライブラリーという保管庫から引っ張り出してきて、自分のプログラムに取り込みます。
ライブラリーとはある機能（目的）のためにプログラミングされたファイルがたくさん保管されていてインストールできるようにしたものです。
Pythonのライブラリーとしては、優れた数値計算機能を持つnumpy（ナンパイ）、グラフ描画機能ならばmatplotlib（マットプロットリブ）、データ解析支援機能を持つpandas（パンダス）などが有名です。

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

②データ読み込み

データは特設Webページよりダウンロードできます。

＃読み込むCSVファイル名を変数へ代入
（コードに＃を入力する際は英数字モードの#です。この記事の＃は日本語入力モードです）
CSV_FILE_NAME = ‘c3data-kyoto.csv’

＃pandasの機能でCSVファイルを読み込む
df = pd.read_csv(CSV_FILE_NAME, encoding=”UTF-8″)

＃読み込んだ内容を表示する
print(df)

③折れ線グラフを描く

＃折れ線グラフのX軸とY軸を指定
df.plot(x=’調査年’, y=’持ち家’)

＃グラフのタイトルにファイル名を設定
plt.title(CSV_FILE_NAME)

＃グラフを表示
plt.show()

④日本語表示にするコードを①のライブラリー読み込みコードの後に追加

＃おまじない開始
from matplotlib import rcParams
rcParams[‘font.family’] = ‘sans-serif’
rcParams[‘font.sans-serif’] = [‘Hiragino Maru Gothic Pro’, ‘Yu Gothic’, ‘Meirio’, ‘Takao’, ‘IPAexGothic’, ‘IPAPGothic’, ‘VL PGothic’, ‘Noto Sans CJK JP’]
＃おまじない終了

「おまじない」とは、後でコードの意味がわかるようになるから、今はとにかく書いてくださいと
いうことです。
初心者によく使われる文言です。

という感じで学習を進めます。
コードの説明コメントがわかりやく、まずは手を進めることが可能です。
段階を追って丁寧に説明されるのでわかりやすいと思います。
説明コメントをコードに書く場合は文の先頭に＃を付けます。＃を付けることでこの部分はプログラムに関係ないことをコンピュータに通知します。
※この記事の＃は日本語入力モードです。コードを書く場合は英数字モードで入力してください。

コード全文は以下の通りです。

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

＃おまじない開始
from matplotlib import rcParams
rcParams[‘font.family’] = ‘sans-serif’
rcParams[‘font.sans-serif’] = [‘Hiragino Maru Gothic Pro’, ‘Yu Gothic’, ‘Meirio’,
‘Takao’, ‘IPAexGothic’, ‘IPAPGothic’, ‘VL PGothic’, ‘Noto Sans CJK JP’]
＃おまじない終了

＃読み込むCSVファイル名を変数へ代入
CSV_FILE_NAME = ‘c3data-kyoto.csv’

＃pandasの機能でCSVファイルを読み込む
df = pd.read_csv(CSV_FILE_NAME, encoding=”UTF-8″)

＃読み込んだ内容を表示する
print(df)

＃折れ線グラフのX軸とY軸を指定
df.plot(x=’調査年’, y=’持ち家’)

＃グラフのタイトルにファイル名を設定
plt.title(CSV_FILE_NAME)

＃グラフを表示
plt.show()

課題2

先ほど作成したプログラムは京都のデータでした。
次は東京のデータで折れ線グラフを描きます。
一度プログラムを作ってしまえば何度でも使いまわしができます。
※データ形式、並び順、数を揃えることに注意

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

＃おまじない開始
from matplotlib import rcParams
rcParams[‘font.family’] = ‘sans-serif’
rcParams[‘font.sans-serif’] = [‘Hiragino Maru Gothic Pro’, ‘Yu Gothic’, ‘Meirio’,
‘Takao’, ‘IPAexGothic’, ‘IPAPGothic’, ‘VL PGothic’, ‘Noto Sans CJK JP’]
＃おまじない終了

＃読み込むCSVファイル名を変数へ代入
CSV_FILE_NAME = ‘c3data-kyoto.csv’
　　　　　　　　　　　　　　↑
　　　　　　　　　　　　　tokyoに変更

＃pandasの機能でCSVファイルを読み込む
df = pd.read_csv(CSV_FILE_NAME, encoding=”UTF-8″)

＃読み込んだ内容を表示する
print(df)

＃折れ線グラフのX軸とY軸を指定
df.plot(x=’調査年’, y=’持ち家’)

＃グラフのタイトルにファイル名を設定
plt.title(CSV_FILE_NAME)

＃グラフを表示
plt.show()

第4章　Pythonで売上の動きを分析しよう

仮説　
売上が下がっているという視点だけで議論しても結果につながる仮説は生まれません。
上記グラフより売上は下がっているが利益は向上しています。
販売方法が変化している、販売効率が改善されているなど注目すべき点を見過ごしてしまう可能性が大きいからです。
データ分析にて様々な角度から経営を見ることで全体像を捉え、議論すべき点、方向性が明確になってきます。
データ分析で広い視点、新しい視点を獲得する可能性を著者は示しています。

第5章　Pythonで店舗とネットの売上を分析しよう

本書では円グラフからのデータ分析、仮説の立て方が説明されています

第6章　Pythonで売れる商品の傾向を分析しよう

ヒストグラムを作成する。

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

＃おまじない↓↓↓
from matplotlib import rcParams
rcParams[‘font.family’] = ‘sans-serif’
rcParams[‘font.sans-serif’] = [‘Hiragino Maru Gothic Pro’,
‘Yu Gothic’, ‘Meirio’, ‘Takao’, sales’IPAexGothic’, ‘IPAPGothic’, ‘VL PGothic’, ‘Noto Sans CJK JP’]
＃おまじない↑↑↑

CSV_FILE_NAME = ‘c6data-sales.csv’

df = pd.read_csv(CSV_FILE_NAME, encoding=”UTF-8″)

print(df)

＃グラフの背景を方眼にする
plt.style.use(‘ggplot’)

＃グラフを表示する窓のサイズを指定
plt.figure(figsize=(10, 6))

＃点数、合計、平均を計算する
count = df[‘販売単価’].count()
total = df[‘販売単価’].sum()
mean = df[‘販売単価’].mean()

＃タイトル
plt.title(“販売単価の傾向”)

＃項目用ラベルを設定
plt.xlabel(“販売単価”)
plt.ylabel(“頻度”)

print(f’販売点数={count}／合計金額={total}円／平均単価={mean}円’)

df_hist = np.ravel(df[[‘販売単価’]])

＃ヒストグラム
plt.hist(df_hist, alpha=0.5)

＃グラフを表示
plt.show()

本書ではヒストグラムからのデータ分析、仮説の立て方が説明されています。

第7章　Pythonで売上と残業時間の関連性を分析しよう

本書では散布図と相関係数からのデータ分析、仮説の立て方が説明されています。

第8章　販売量を増やすために値引きすべきか分析しよう

本書では散布図と相関係数からデータ分析、仮説の立て方が説明されています。

第9章　Pythonで売上を予測してみよう

本書では回帰分析からの予測、仮説の立て方が説明されています。

第10章　Pythonで体験申し込み数を予測してみよう

本書では重回帰分析からの予測、仮説の立て方が説明されています。

第11章　PythonでECサイトの新商品宣伝方法を見つけよう

本書では情報化理論1類、重回帰分析からの予測、仮説の立て方が説明されています。

第12章　キャスティング分析のプログラムを作ってみよう

Ａメーカーがあるタレントをイメージキャラクターに採用し、ブランド構築に成功したとします。
別のＢメーカーがブランド構築するさいに、Aメーカーの成功事例を見て同じようなイメージを持つタレントをイメージキャラクターとして起用したい場合、複数の候補者から人工知能にキャスティングさせることができます。
今回、クラスタリングの一手法、Ｋ平均法を使用します。
サイキット・ラーンという機械学習用に開発されたライブラリーを利用します。

クラスタリング結果

グループ1

グループ2

グループ3

グループ4

A会社が起用したタレントがいるグループが最有力候補となります。

総括　数式なしでできました

・円グラフ
・ヒストグラム
・散布図

上記グラフもPythonのライブラリーを活用することで描けます。

・相関関係
・単回帰分析
・重回帰分析

上記の分析を相関係数、回帰直線、回帰係数、決定係数R2、補正R2、P値などの数式を理解していなくともライブラリーを活用することで実行できます。

・クラスタリング
・K平均法

クラスタリングの一手法であるK平均法によるキャスティング（機械学習）、もライブラリーを活用することで実行できます。

※本格的人工知能開発用のライブラリーには、大学院レベル以上の数学の素養が必要なものもあります。

データ分析は数字で経営のありのままの姿を、誰の目にも同じように浮かび上がらせます。
そこから議論を始めるので、現場、会議において生産性向上が期待できる現実的提案をすることが
可能になります。

完成版コードが特設サイトからダウンロードできるので、本書に記載されたコードと、自分で手を動かして書いたコードとの答え合わせが容易です。
コードは本書推奨PC環境ですべて問題なく実行できました。

まとめ

習うより慣れろ。

習うことももちろん大事ですが、それ以上に現場においては手を動かして慣れることが重要です。

目次からわかるように21日簡でPython、Excelでのデータ分析の基礎、基本的な仮説の立て方、機械学習のキャスティングまで学ぶことを目標に編纂されています。

現実的な現場に即したデータ分析の事例で学習を進めていくので、何のためにその分析をしている
のかが、把握できて理解しやすい内容となっています。

文系人間が数式で挫折する前に、Pythonのライブラリー、Excelの機能を活用することによりデータ分析というスキルを身につけ、ビジネスにおいてさらに成果を出すことができると思います。

著者の日比野さんは、18歳からエンジニアとして働きはじめ、着々とキャリアアップを図り、今はコンサルティングも手掛けられているようです。現場からの叩き上げという感じです。日比野さんの著書はどれも現場感が溢れていています。1000人以上にプログラミングを指導してきた実績から、習うより慣れろで初心者突破を可能にする本です。

出版情報

著者　日比野　新

発行日　2021年１月19日

発行所　株式会社かんき出版

定価　本体1600円+税

文系でも数式なしのPython×Excelで稼ぐ力を上げる！ [ 日比野 新 ] 価格：1760円（税込、送料無料) (2022/1/28時点)