近年来，随着谷歌、亚马逊、阿里巴巴等互联网企业在全球范围内的崛起，“大数据”成为人们耳熟能详的热门词。与此同时，在企业越来越重视数据分析的背景下，拥有数据分析专业人员的重要性被提上日程。仓桥一成著的《图解商务统计(商务数据分析与精细化运营)》内容深入浅出，实例分析具体丰富，不论你是文科还是理科出身，都能够通过本书掌握数据分析的基本知识和基本技能，并顺利地将其应用于商务实践之中。
本书共分7章，主要内容包括何为商务统计统计学的基本知识、数据分析的基础、提高企业效率的统计学、提高商务业务效率的统计学、商品开发的统计学、市场营销的统计学。
本书适合商务统计学新人、对商业统计感兴趣的读者阅读使用。

仓桥一成，1983年出生于日本广岛县。曾在东京大学学习医疗数据的统计分析，毕业后进入大学院。在2008年取得医学研究科保健硕士学位、2011年取得博士学位。2011年3月成立专业的统计分析咨询机构——iAnalysis（蓼蓝分析）。

第1章 何为商务统计
1.1 商务统计的必要性
掌握商务统计技能的人是高端人才
1.2 数据分析师能为企业带来巨大利益
数据分析师的年收入高达1200万～1500万日元
1.3 对分析官的高期待与高需求
商务统计为企业的成本削减与营业额提升作出贡献
1.4 以大数据为武器的企业
利用大数据得到快速成长的IT先进企业
1.5 为商务统计作出贡献的各种数据
企业成长所需的不仅仅是大数据
1.6 统计学发展的历史与其在商务中活用的进程
在医学、经济学、遗传学、心理学、社会学、药学、工学领域中发展的统计学
1.7 活用商务统计的三项必要技能
不论文理科出身，都能掌握
1.8 网络相关部门中的成功事例
利用A/B测试与反馈评分扩大顾客范围
1.9 营业、销售部门中的成功案例
通过共享数据及5W1H分析提高效率
1.10 市场营销部门的成功案例
通过品牌分析进行战略决策
专栏 数据分析的实绩
第2章 统计学的基本知识
2.1 数据是数值的合集
记录数据的必要性
2.2 何为概率与期望值
统计学的基础学问
2.3 了解数值型数据分布的有效工具
直方图与散点图
2.4 何为相关性
正比例和反比例的区别
2.5 相关关系与因果关系
在商务中运用的关键
2.6 何为正态分布
数据分布的基本
2.7 掌握分类数据的方法
交叉分类与交叉表
2.8 了解全局的方式
平均数、中位数、众数
2.9 平均数和中位数的应用方法
商务应用中的优缺点
2.10 离群值的判定方法
不符合分析的数据
2.11 表示分布离散程度的数值
将数据分布离散程度数值化
2.12 标准差与百分位数
两种指标的应用区别
2.13 何为偏差值
商务领域中的偏差值
2.14 何为A/B测试
随机分组的必要性
2.15 检验数据的特征
利用P值进行t检验
2.16 母集与随机抽样
为了了解集团整体的特征
2.17 何为偏差
与实际调查数值的差距
2.18 数据的可视化（一）
柱形图、饼图、百分化的柱形图、折线图
2.19 数据的可视化（二）
有效利用直方图
2.20 数据的可视化（三）
箱形图的使用方法
2.21 数据的可视化（四）
汇总表、交叉表与热点图的使用
2.22 数据的可视化（五）
活用散点图
2.23 数据清洗
花费大量时间对数据进行精细查验
2.24 何为模型
通过方程式来简要表现
2.25 何为线性回归分析
对数据间的比例关系进行分析
2.26 更为高端的模型
对条件进行分析，利用统计决策树与随机森林
专栏 只要掌握了统计学基础知识，就能自行选择工具进行分析
第3章 数据分析的基础
3.1 企业经营中数据分析的作用
理念、战略、作战、战术、兵站的金字塔
3.2 通过数据分析预测企业的未来
利用概率分析利润的期望值
3.3 通过数据分析能了解的事情
把握全局、预测未来、寻找最优解
3.4 数据分析的结构
假设检验分析与大数据分析
3.5 基于假设进行分析
活用实务知识的假设检验分析
3.6 基于数据的分析
无需掌握专业知识，获得信息即可运用的大数据分析
3.7 商务统计的工具（一）
数据分析的基本工具Excel
3.8 商务统计的工具（二）
活用BI工具
3.9 商务统计的工具（三）
开放源代码软件R的应用
3.10 使用Excel的注意点
记录原始数据
3.11 了解最基本的数据格式
何为CSV数据
3.12 稳健的数据管理
何为数据库
3.13 制作图表，将数据可视化
将Excel中的数据制成图表
3.14 解读数据的方式
相同数据制成不同图表，给人的印象也会发生变化
3.15 为了落实数据，提出假设
假设检验分析的步骤
3.16 用数据检验提出的假设
选择最适合的图表
3.17 由数据来建立模型
为建立模型而构建的数据集市
3.18 通过简单线性回归进行分析
关键是通过散点图进行可视化
3.19 进行多元线性回归
有两个以上自变量的分析方法
3.20 构建更为复杂的模型
尝试运用统计决策树、随机森林
3.21 数据分析的PDCA
在出成果前把数据分析看作一种投资
专栏 想知道对本公司最适合的数据运用方法？专家顾问必不可缺
第4章 提高企业效率的统计学
4.1 计算最佳员工数量
使用多元线性回归和统计决策树
4.2 经费及预算的最优化
如何最有效地降低成本
4.3 分析企划的成果
以概率论为基础，判断是否持续可行
4.4 统计学观点中的加薪与升职
进行人事评价的统计分析
4.5 库存的最优化
预测需求的分析手法
4.6 最具成效的人员配置
用于团队组织的统计学方法
4.7 分析智能手机、电脑，调查不端行为
实时发现不端行为的机制
专栏 将数据分析视为高

如今，IT技术的发展日新月异。俗话说“十年
一夕”，现在每隔几年就会出现令人们生活发生巨
变的新技术。随着智能手机的登场，Faceb00k和推
特之类的社交网络，亚马逊之类的网上商城，还有
谷歌之类的网络搜索引擎等服务在近几年里快速普
及，成为人们生活中不可或缺的基础设施。这些服
务给消费者的生活带来了极大的便利，消费者通过
智能手机，可以用谷歌来检索信息，在亚马逊上订
购商品，还能通过Faceb00k或推特与朋友们联络。
这种生活，在过去只属于会用计算机的那一部分人
，而如今，只要有了智能手机，谁都能享受这些服
务。
这十年间急速成长为大企业的IT企业都有一个
共同的理念：重视数据。
认真保管数据，正确分析数据，就能准确地把
握客户的需求。并根据其需求，调整服务，提高客
户满意度，以此达到增收的目的。
也就是说，像苹果、谷歌、Facebook、推特、
亚马逊这样的先进IT企业，就是靠着数据分析，成
功拓展了事业版图。数据分析有两个要点，一是要
正确地记录、保管原始数据；二是要对其进行正确
的分析。随着IT技术的进步，保存数据的数据库的
机能高度提升，对数据进行正确的记录、保存变得
简单起来。然而，想要对数据进行正确的分析，还
需要掌握各种能力。
能够正确分析数据的人才被称为数据分析师。
哪怕是在美国，数据分析人才也很紧缺。麦肯锡咨
询公司指出，在未来的十年里数据分析师将出现约
20万的人才缺口。在日本，也同样有调查表明在多
数企业中存在着数据分析专家的人员不足的情况。
因此，可以说今后企业更多需要的人才就是数据分
析师。不管是什么企业，都在寻找能靠数据分析提
升企业业绩的人才，其提供的年收入最低也有1200
万日元，而最高则达到2000万日元。在2013年2月份
的《哈佛商业评论》杂志刊载道，“数据分析师是
21世纪最酷的人”。
在这样的背景下，数据的重要性被大众再次认
识，数据分析专家也成了人们关注的焦点。许多企
业靠着全面活用数据提高了业绩。
虽然也存在相信不靠数据分析，一样能提高业
绩，因此认为不需要数据分析专家的企业经营者，
但实际上大多数的企业经营者已经意识到数据分析
的重要性，开始了各种各样的尝试与挑战。数据分
析本身并不局限于IT企业，老牌企业从前也都进行
着数据分析。在那些企业和部门中，统计师、分析
官、分析师等处理数据的专家大放光彩。实际上，
在2009年，谷歌就公开指出，统计师是今后十年间
最具魅力的职业。但是，像谷歌、亚马逊这样靠数
据分析急速成长的企业，不得不用到范围极广的统
计分析（或称统计解析、数据分析）。这就是所谓
的大数据，能够活用大数据的人才正是数据分析师
。
大数据这个名词不仅指的是所囊括的数据量之
大，还包含了种类之多和频率之高的意思。
大数据的3个定义：
Volume 量大 从太字节到帕字节
Variety 种类多 数十到数百种类
Velocity 频率高 1秒1000次
不论是为了处理大量的数据，还是为了解决商
业上的课题。都需要对多种多样的数据进行组合，
缩短从提出问题到解决问题的时间，并对数据进行
实时分析。因此必须要使用与以往企业中数据分析
方法不同的技能，在一定意义上可以称之为范式转
移。
为了活用大数据，掌握高度专业技能的数据分
析师成了必不可少的人才。数据分析师必备的三要
素是：（1）MBA学位水平的解决商务课题的能力；
（2）多年实战经验的专业编程能力：（3）硕士、
博士水平的统计学专业知识。然而，同时具备这些
能力的人实在少之又少，因而在实际操作中，往往
就要集合各方面的专家，组成团队。虽说如此，因
为日本并没有纯粹的统计学专业，因而拥有统计学
知识的专家并不多。其原因在于过去人们没有发现
统计学能和商务直接联系起来。
本书是对商务统计知识进行解读的入门书。扩
大商业经营并不是非要大数据不可，可以先从小型
数据、中型数据入手，掌握正确分析的方法。第1章
解释统计分析的重要性，第2章介绍统计学的基本知
识，第3章介绍处理数据的基本技能，第4章到第7章
中围绕运用数据分析成功扩张事业的商务实例及可
能性进行解读。

仓桥一成著的《图解商务统计(商务数据分析与精细化运营)》不仅包括线性线性回归分析等统计学知识，还在项目继续的判断法、提高企业营业效、最适合的人事费管理上，也有深入地剖析。具体内容包括：什么是商业统计、统计学的基本知识、数据分析的基础、实现企业高效化的统计学、实现商务业务高效化的统计学、用于产品开发的统计学、用于营销的的统计学。

1.1 商务统计的必要性 掌握商务统计技能的人是高端人才
对数据进行统计学分析的商务统计
市面上的各种商品和服务，随着技术的进步而日益商品化。从机能和品质的角度对其进行区分难度较大，于是商品的机能、品质和品牌号召力被忽略，人们基本上以价格和数量作为购买商品的判断基准。
掌握统计学分析技能的企业找到了从中脱颖而出的关键，因此得以快速成长。比如，百元店Seria通过分析商品的销售情况，集中对畅销商品进货，将库存成本彻底地压缩到最低。寿司龙则通过预测顾客对寿司的偏好，来降低寿司的作废量。
对数据进行分析，需要三大必备技能：统计学知识、处理数据的能力以及业务知识。本书将这三者有机结合、融会贯通，称为商务统计。活用商务统计的企业即可把数据作为武器同其他企业竞争。而掌握了这种技能的人，则被视为价值极高的高端人才。
1.2 数据分析师能为企业带来巨大利益 数据分析师的年收入高达1200万～1500万日元数据的运用直接关系到企业的利益
近年来，那些被称为数据分析师的人，对企业的数据进行统计分析，成功推动了企业销售额的增长。DeNA的数据分析师开发了推荐商品这一功能，使得客户活跃度增长了10倍以上。亚马逊通过数据分析师开发的推荐商品功能达成的销售额占年销售额的300／d一年约1．8万亿日元）。这些企业既利用了企业内部收集的数据，还使用了企业外部各种各样的数据，使企业的利益逐步上升。上述企业具备了高度专业化的统计学分析知识和对数据采用恰当处理方式的编程技能，以及发现并解决商务问题的能力。
虽然各种企业都对数据分析师求贤若渴，但这类的人才并不多见，所以存在人才缺口。他们的市场价值非常高，笔者从人才介绍所获取的offer来看，在日本工作的数据分析师年收入高达1200万～1500万日元。
1.3 对分析官的高期待与高需求 商务统计为企业的成本削减与营业额提升作出贡献
分析官将企业的实际状况明确化
数据分析师掌握着高度专业化的数据分析技能。不过，在商务实践中，尽管达不到数据分析师的高度，也一样能充分发挥自己的能力。本书将那些活跃于数据分析领域的人称为分析官。他们以统计学知识、数据处理能力与业务知识等三大支柱为武器，从数据中发现多种多样的信息。这三种能力的集合，就是商务统计。
在学术界中，有一群被称为统计学家的人，他们通过收集数据并对其进行分析，证明并发现自然科学界中的现象。分析官也是一样的，他们运用专业知识，对存在的事实加以证明，对未知的事实进行厘清。由此促进员工业务效率的提升，成本的削减和销售额的提高。企业正逐渐注意到分析官的重要性，对此类人才的需求也在渐渐增多。
1.4 以大数据为武器的企业 利用大数据得到快速成长的IT先进企业
对数据分析师的需求日益提高
从2011年的年中开始，日本对大数据的关注度日益提升，这是由于利用大数据得到急速成长的企业案例变得广为人知。其中具有代表性的企业是亚马逊、苹果等IT尖端企业。这些企业组建数人到数十人的数据分析师团队，通过分析大数据，推动了销售额的逐步攀升。所谓的大数据指的是在数据的量、发生频率及种类三个层面上都很突出的数据。
随着IT技术的进步，积累的数据大幅增加，比如使用者的访问日志、文章、图片、动画等。因为数据的累积非常快，数据分析的脚步实在难以赶上。不过，一旦掌握了大数据分析的能力，就能有效利用这些信息。注意到这点的IT企业招聘了一批数据分析师，日本的DeNA公司就是一个典型。
1.5 为商务统计作出贡献的各种数据 企业成长所需的不仅仅是大数据
迄今为止的数据分析
随着时代的进步，IT企业及一部分大企业内部积存的数据量变得十分庞大。在IT企业之外，还有很多应用大数据的案例，比如银行的账户交易数据、电话公司的通信数据，以及铁道公司的一卡通使用数据等。这些企业的客户量十分庞大，其所处理的数据量也非常巨大。但是有这种能力的企业仅仅是一小部分。那么，没有掌握大数据的企业，就无法将数据分析作为利器了吗？
实际上，数据分析的应用从很早以前就开始了。各行各业早都采取了针对市场营销和品牌营销的客户调查、以品质改善为目的的品质管理及削减流通成本达到路径最优化等多种措施。那么，在此基础上商务统计又能创造什么价值呢？那就是，使处理数据的服务与工具更为简易，利用数据的难度由此降低，创造更多数据为企业成长作出贡献的机会。
1.6 统计学发展的历史与其在商务中活用的进程 在医学、经济学、遗传学、学理学、社会学、药学、工学领域中发展的统计学
数据运用对企业的影响
自19世纪英国、美国、法国实行国情调查以来，统计学逐渐成了热门的研究课题。比如，在经济学领域有因恩格尔系数而知名的恩格尔，在医学领域有南丁格尔，在遗传学领域有达尔文的表弟高尔顿，他们都利用了统计学方法。到了20世纪，费雪在农业