ラーニングアナリティクス / Learning Analytics

学習データを収集・分析し学習プロセスを最適化

研修効果の測定 学習プロセスの改善 離脱リスクの早期発見
難易度 ⏱ 2〜3時間(初期設計)

Prophet予測モデル / Prophet Forecasting

Metaが開発した季節性対応の時系列予測

売上予測 トラフィック予測 在庫計画
難易度 ⏱ 2〜4週間

WACC(加重平均資本コスト)分析 / WACC Analysis

負債と株主資本の比率を加重して資本コストを算出

企業価値算定(DCF法の割引率) 投資案件の採算判断 資本構成の最適化
難易度 ⏱ 1〜3時間

データアクティベーション / Data Activation

分析結果を実際のビジネスアクションに変換する

分析結果の施策化 パーソナライゼーション データ基盤のROI向上
難易度 ⏱ 1〜2時間

データドリブンOKR / Data-Driven OKR

ByteDanceが実践する「データドリブンOKR」— リアルタイムデータに基づいてOKRを高頻度で更新し、急成長を実現する目標管理フレームワーク

目標管理の高度化 データ活用文化の構築 急成長企業の経営管理
難易度 ⏱ 継続的な運用

ベイズ推論入門 / Bayesian Reasoning

新しい証拠で確率的な信念を更新する考え方

仮説の検証 リスク評価 意思決定の精度向上
難易度 ⏱ 考え方の習得に数時間、実務への適用は継続的

因果推論フレームワーク(思考) / Causal Inference Thinking

相関と因果を区別して正しく推論する

施策の効果検証 ビジネス指標の要因分析 政策評価
難易度 ⏱ 1〜2時間(分析1回あたり)

栄養密度スコアリング / Nutrient Density Scoring

カロリーあたり栄養価を評価し食事選択を最適化

食品の栄養価比較 買い物リストの最適化 カロリー制限下での栄養確保
難易度 ⏱ 初期学習1〜2時間、日常の食品選択は即時判断可能

需要予測フレームワーク / Demand Forecasting

過去データと要因分析で将来の需要を見通す

在庫最適化 生産計画の策定 販売目標の設定
難易度 ⏱ 2〜4時間(基本分析)

CRISP-DM

データ分析プロジェクトを6つのフェーズで体系化し、手戻りを最小化する業界標準プロセスモデル

データ分析プロジェクトの計画策定 機械学習モデルの開発工程管理 分析チームのプロセス標準化 ステークホルダーへの進捗説明
難易度 ⏱ 1〜3時間(全体計画)

データインフォームド意思決定 / Data-Informed Decision Making

データを判断材料の一つとして活用しつつ、人間の知見・文脈・直感も組み合わせて最適な意思決定を行うアプローチ

戦略的な意思決定 データと直感が矛盾する場面の判断 新規事業・未知の領域での判断 チームの意思決定プロセス設計
難易度 ⏱ 30分〜1時間

データサンプリング手法 / Data Sampling Methods

大規模データから適切な標本を抽出し、偏りを最小限に抑えて効率的に分析するためのサンプリング設計ガイド

アンケート調査の標本設計 大規模データの効率的な探索分析 A/Bテストの対象ユーザー抽出 品質検査のサンプル決定
難易度 ⏱ 1〜3時間

データストーリーテリング / Data Storytelling

データストーリーテリングは数字・図表・物語の3要素で、データに意味を持たせて意思決定を動かす技術

分析結果の報告 経営会議での提案 レポート作成
難易度 ⏱ 30〜60分

データ成熟度モデル / Data Maturity Model

組織のデータ活用レベルを5段階で診断し、次に取るべきアクションを明確にするフレームワーク

組織のデータ活用レベル診断 データ戦略のロードマップ策定 経営層への投資説得 部門間のデータ活用格差の把握
難易度 ⏱ 2〜4時間(初回診断)

OLAP分析 / OLAP Analysis

多次元データを自在に切り口を変えながら高速に集計・分析する手法

売上の多角的分析 予実管理 KPIの深掘り分析 経営ダッシュボード構築
難易度 ⏱ 数時間〜数日

RFM分析 / RFM Analysis

最終購買日・購買頻度・購買金額の3指標で顧客をセグメント分けし、最適なアプローチを設計するフレームワーク

顧客セグメント別のマーケティング施策設計 優良顧客の特定とVIP施策の立案 休眠顧客の掘り起こし マーケティング予算の効率的な配分
難易度 ⏱ 2〜4時間(データ準備含む)

UXメトリクス / UX Metrics

ユーザー体験の質を定量的に測定・追跡するための指標体系

UX改善の効果測定 デザイン投資のROI証明 プロダクトの品質モニタリング A/Bテストの評価指標設計
難易度 ⏱ 1〜3日(初期設計)

ピープルアナリティクス / People Analytics

人事データを分析し、採用・育成・定着・組織設計をエビデンスに基づいて最適化する手法

離職予防 採用の最適化 エンゲージメント向上 組織設計の改善
難易度 ⏱ 数週間〜数ヶ月(分析プロジェクト単位)

セールスアナリティクス / Sales Analytics

営業データを分析し、売上予測・プロセス改善・意思決定の精度を高める手法

売上予測の精度向上 営業プロセスの改善 チームのパフォーマンス管理
難易度 ⏱ 2〜4時間(初回分析)

データドリブンプロダクト開発 / Data-Driven Product Development

データに基づいて意思決定し、仮説検証サイクルを回すプロダクト開発手法

機能改善の優先順位づけ ユーザー行動の理解 KPI改善
難易度 ⏱ 継続的に実践

データリテラシー / Data Literacy

データを読み解き、活用し、批判的に評価する力を組織全体で底上げするフレームワーク

組織のデータ活用力向上 データドリブン文化の醸成 分析結果の正しい解釈 データに基づく議論の質向上
難易度 ⏱ 継続的な取り組み

データ倫理 / Data Ethics

データの収集・分析・活用において守るべき倫理的原則と実践的な判断基準

データ活用方針の策定 プライバシー保護の判断 AIの公平性確保 データ活用の社内ガイドライン作成
難易度 ⏱ 継続的な取り組み

ピボットテーブル分析 / Pivot Table Analysis

大量データを行・列・値の3軸で集計し、多角的な視点から傾向をつかむ分析手法

売上データの多軸分析 顧客セグメント別の比較 商品カテゴリ別の傾向把握 部門別の実績集計
難易度 ⏱ 30分〜1時間

フィーチャー監査 / Feature Audit

既存機能の利用率・価値・コストを棚卸しし、強化・維持・廃止を判断するプロダクト管理フレームワーク

肥大化したプロダクトの整理 開発リソースの最適配分 技術的負債の削減判断 プロダクトのシンプル化
難易度 ⏱ 3〜5時間(データ収集・分析)

プロダクトアナリティクス / Product Analytics

ユーザーの行動データを体系的に分析し、プロダクト改善の意思決定を支えるフレームワーク

ユーザー行動の可視化 機能の利用状況分析 ABテストの効果測定
難易度 ⏱ 1〜2週間(計測基盤構築)+ 継続的に分析

プロダクトメトリクス / Product Metrics

プロダクトの健全性と成長を測定するための指標体系と設計手法

KPI設計 プロダクト健全性の可視化 チーム目標の設定
難易度 ⏱ 2〜4時間(指標設計)

因果推論 / Causal Inference

相関関係と因果関係を区別し、本当の原因を特定するための思考法

施策の効果検証 原因特定 データに基づく意思決定
難易度 ⏱ 30〜60分

財務三表分析 / Financial Statements Analysis

損益計算書・貸借対照表・キャッシュフロー計算書を読み解き、企業の実態を立体的に把握する

企業の財務状態を把握する 投資先の健全性を評価する 自社の経営改善に活かす
難易度 ⏱ 1〜3時間

地理空間分析 / Geospatial Analysis

位置情報を活用してデータを地図上で可視化・分析し、空間的なパターンを発見する手法

出店戦略の立案 配送ルートの最適化 商圏分析 人流データ分析
難易度 ⏱ 数時間〜数日