Entrée
À propos de l'auteur
Lecteur bêta
Comment utiliser ce livre

Chapitre 1 : La culture des données indispensable à l'ère numérique

1-1.
L'avènement de l'ère numérique
Le rôle du Big Data à l'ère de la transformation numérique
Réaliser la Société 5.0

1-2.
La maîtrise des données est une compétence essentielle pour les travailleurs de demain.
Les compétences en littératie telles que « lire, écrire et calculer » à l’ère numérique
L'éducation aux données pour tous les étudiants du secondaire et du collégial
Les nouvelles recrues ont une meilleure maîtrise des données.
Chronique : Compétences numériques que tout employé de bureau devrait acquérir

1-3.
Apprenons à maîtriser les données
Les compétences en matière de données que les employés de bureau doivent acquérir
Colonne : Qu’est-ce qu’un data scientist ?

Chapitre 2 : Développer la capacité de lire les données

2-1.
Analysons les données en réfléchissant !
Quiz 1 : Apprenez à visualiser les données de manière ciblée.
Quiz 2 : Apprenez à identifier les caractéristiques et les tendances des données.
Quiz 3 : Apprenez à tirer des enseignements des données.

2-2.
Essayons de comprendre la tendance générale !
Valeurs représentatives des données : moyenne, mode, médiane
Quiz 4 : Apprenez à calculer la moyenne, le mode et la médiane.
Quiz 5 : Apprenez la relation entre la moyenne et la distribution des données.
Vérifier la distribution des données
colonne : largeur de l’histogramme
Dans la société réelle, la moyenne est souvent différente du mode.
La plupart des Japonais ont un revenu de 5,523 millions de yens ?
La plupart des générations ont-elles économisé 17,91 millions de yens ?

2-3.
Vérifions les détails des données !
Quiz 6 : Apprenez-en davantage sur les disparités et les valeurs aberrantes.
Données inexistantes (valeurs manquantes)

2-4.
Comprenons les relations entre les données !
Quiz 7 : Apprenez la relation entre deux ensembles de données.
Relation entre deux données : Corrélation
Corrélation et causalité
Quiz 8 : Apprenez-en davantage sur la corrélation et la causalité.
Comment devons-nous interpréter cette corrélation ?

Chapitre 3 : Développer la capacité d’expliquer les données

3-1.
Visualisons les données !
Quiz 1 : Apprendre les représentations graphiques appropriées
Représentation graphique appropriée
colonne : Lors de la visualisation de données de séries temporelles, un graphique linéaire ?
Colonne : Les data scientists n’utilisent pas de diagrammes circulaires ?
Quiz 2 : Apprendre les représentations graphiques inappropriées

3-2.
Que signifie comparer des données ?
Quiz 3 : Apprenez à définir des objectifs de comparaison appropriés.
Définir une cible de comparaison appropriée
Quatre points de vue pour comparer les données
Quiz 4 : Apprenez à comparer des points dans le temps.
Quiz 5 : Apprenez à vous comparer aux autres.
Décomposition par multiplication
Décomposition par addition

3-3.
Identifier les défis liés aux données
Quiz 6-9 : Apprenez l’ordre dans lequel les tâches se trouvent dans les données.
L'ordre dans lequel les tâches sont identifiées à partir des données de vente
L'effet d'augmentation des ventes de 3x points JOUR
L'effet de la journée sportive sur les ventes augmente

Chapitre 4 : Développer la capacité de classifier les données

4-1.
Regroupons les données ayant des caractéristiques similaires !
Quiz 1 : Apprenez ce que signifie diviser des données en groupes.
Signification de la division des données en groupes
Réfléchissez à des solutions pour chaque groupe.
colonne : Identification des besoins potentiels des clients
Jugement selon lequel les caractéristiques des données sont similaires
Quiz 2 : Apprenez la distance entre les données.
Quiz 3 : Apprenez les précautions à prendre lors du calcul des distances.
colonne : données avec différentes échelles

4-2.
Classons les données en fonction de leur finalité !
Quiz 4 : Apprendre les différentes perspectives de classification des données.
La difficulté de la classification des données

4-3.
Classons les données de manière mécanique !
Quiz 5 : Apprendre le centre du groupe
Comment classifier des données : la méthode des k-moyennes
Colonne : Problème de valeur initiale de la méthode des k-moyennes

4-4.
Découvrons la classification des données !
Quiz 6 à 8 : Apprenez l’ordre dans lequel les données sont classées.

Chapitre 5 : Développer la capacité de découvrir des lois dans les données

5-1.
Découvrir les lois dans les données !
Quiz 1 : Apprenez à découvrir des règles dans les données.
Quiz 2 : Apprenez à appliquer les lois que vous avez découvertes.
Caractéristiques des problèmes de discrimination

5-2.
Modèle d'arbre de décision pour la résolution des problèmes de discrimination
Quiz 3 : Apprenez à construire un modèle d’arbre de décision.
Développer un modèle d'arbre de décision
Quiz 4 : Apprenez à utiliser les modèles d’arbres de décision pour prédire les résultats.

5-3.
Évaluons la précision du problème de discrimination !
Quiz 5 : Apprenez à évaluer les problèmes de discrimination.
Organiser dans un tableau croisé 2×2
Évaluation de la précision du problème de discrimination
Qu'est-ce qui est le plus important : l'ajustement ou le rappel ?

5-4.
Utilisons le modèle d'arbre de décision !
Quiz 6 : Apprenez les étapes pour résoudre les problèmes discriminants en découvrant des règles dans les données.

Chapitre 6 : Développer la capacité de prédire grâce à l’analyse des données

6-1.
Vérifions la relation entre les données numériques !
Quiz 1 : Apprenez à vérifier les relations dans les données numériques.
Quiz 2 : Apprenez à gérer les situations où les relations dans vos données numériques ne se précisent pas.
Vérifiez la relation avec des données autres que des nombres.
Quiz 3 : Apprenez à identifier les relations entre des données non numériques.

6-2.
Attention à l'interpolation et à l'extrapolation !
Quiz 4 : Apprenez-en davantage sur l’interpolation et l’extrapolation, qui sont importantes à prendre en compte lors de la prédiction à partir de données.
Dans quelles circonstances les relations découvertes grâce à l'analyse des données peuvent-elles et ne peuvent-elles pas être appliquées ?
Exemple de prédiction par extrapolation

6-3.
Attention aux biais dans les données !
Quiz 5 : Apprenez à repérer les anomalies dans vos données.
Assurez-vous que les données sont exemptes de biais
La campagne d'un supermarché échoue

6-4.
Attention au changement d'heure !
Quiz 6 : Apprenez-en davantage sur les tendances et la périodicité dans les données de séries chronologiques.
Les données de séries chronologiques peuvent révéler diverses fluctuations.

6-5.
Analysons les données et faisons des prédictions !
Quiz 7-9 : Apprenez l’ordre dans lequel les données sont visualisées et prédites.

Chapitre 7 : Exploiter la culture des données au travail

7-1.
Exploitez la puissance de la lecture des données
Un exemple d'exploitation du pouvoir de la lecture des données : les enquêtes par sondage
Étude de cas sur l'exploitation de la puissance des données : analyse de marché

7-2.
Exploiter la puissance des données pour expliquer
Étude de cas sur l'exploitation de la puissance des données pour l'expliquer : analyse des ventes
Étude de cas : Exploiter la puissance des données pour l'expliquer : Gestion de la qualité

7-3.
Exploitez la puissance de la classification des données
Un exemple d'exploitation de la puissance de la classification des données : la segmentation client
Étude de cas : Exploiter la puissance de la classification des données : le regroupement des magasins

7-4.
Exploitez la puissance de la découverte de règles dans les données
Étude de cas sur l'exploitation du pouvoir de la découverte de lois dans les données : anomalies d'équipement
Étude de cas : Exploiter la puissance de la découverte de lois dans les données : le taux d’attrition client

7-5.
Exploitez la puissance des données pour faire des prédictions.
Étude de cas sur l'exploitation de la puissance de la prédiction basée sur les données : prévision de la demande de produits
Un exemple d'utilisation de la puissance de l'analyse et de la prédiction des données : la prévision de la fréquentation.

Conclusion
Références

« La pensée hypothétique d'un data scientist : facile à apprendre pour tous »

Pour survivre dans une société numérique en constante évolution, les travailleurs doivent acquérir une culture des données (la capacité de lire, d'expliquer, de traiter, de classer, de découvrir des règles et de prédire des données).
Cependant, beaucoup de personnes abandonnent la science des données avant même de commencer, en raison de la barrière des langages de programmation tels que Python ou R.


Pour éviter que cela ne se produise, nous avons créé un livre qui vous permet de découvrir le processus de réflexion d'un data scientist, sans langages de programmation, juste du papier et un crayon.
Ce livre vous apprendra comment les data scientists abordent les données à travers leurs processus de réflexion.
Nous vous invitons à découvrir par vous-même le processus de réflexion d'un data scientist en répondant aux 40 quiz de ce livre.

La structure de ce livre est la suivante :
Le chapitre 1 explique la culture numérique, qui sera une compétence essentielle dans la future société numérique.
Au chapitre 2, vous apprendrez les compétences en lecture de données que les employés de bureau doivent maîtriser.
Au chapitre 3, vous découvrirez l'importance de l'explication des données.
Au chapitre 4, vous découvrirez toute la puissance de la classification des données.
Au chapitre 5, vous découvrirez le pouvoir de la découverte des lois.
Au chapitre 6, vous découvrirez l'importance de l'analyse des données et de la formulation de prédictions.
À travers une variété de sujets et d'exemples concrets, les lecteurs peuvent acquérir une compréhension approfondie de la science des données, du niveau introductif au niveau avancé.

Je recommande ce livre.
- Toute personne travaillant dans le domaine des données et souhaitant comprendre le raisonnement d'un data scientist
- Ceux qui souhaitent acquérir les compétences nécessaires à la lecture des données
- Les personnes qui souhaitent analyser des données et raisonner logiquement
- Pour ceux qui ne savent pas quelles données consulter