データ分析は手法から入るのではなく、分析の目的の設定から始めます。科目B 2-1では、ビジネス上の課題を分析課題として整理し、目的・目標・評価指標を設定し、必要なデータの種類・取得方法・分析手法・検証方法を設計し、結果を意思決定に生かして効果を検証する技能が挙げられています。シラバスにはデータサイエンスのサイクルとして次の流れが示されています。

課題抽出と定式化 → データの取得・管理・加工 → 探索的データ解析 → データ解析と推論 → 結果の共有・伝達 → 課題解決に向けた提案

扱うデータの種類を正しく見分けることも重要です。

統計的手法の土台は確率分布です。シラバスの用語例に挙がっている主な分布を整理します。

条件付き確率 P(A|B) は「Bが起きたときにAが起きる確率」で、ベイズの定理 P(A|B) ＝ P(B|A)P(A) ÷ P(B) により、観測結果から原因の確率を更新できます。母集団の特徴を標本から推し量るのが推定で、データが得られる確からしさである尤度を最大にするパラメータを選ぶ方法が最尤推定です。

仮説検定では「差がない」などの帰無仮説を立て、帰無仮説が正しいと仮定したときに観測結果以上に極端な結果が得られる確率であるp値（有意確率）を求め、あらかじめ決めた有意水準（例：5%）を下回れば帰無仮説を棄却します。p値は「帰無仮説が正しい確率」ではない点に注意してください。本当に差があるときにそれを正しく検出できる確率が検出力（検定力）です。母分散が既知・大標本ならz検定、母分散が未知の平均の比較にはt検定を使うのが基本です。

回帰分析は目的変数を説明変数で説明・予測する手法です。説明変数が1つなら単回帰分析、複数なら重回帰分析、目的変数が「購入する／しない」のような2値ならロジスティック回帰分析を使います。重回帰では説明変数同士の相関が強いと係数が不安定になる多重共線性に注意が必要です。事前に散布図行列や相関係数行列で変数間の関係を確認します（IPAの科目Bサンプル問題でも散布図行列と重回帰が題材になっています）。

多数の変数を少数の合成変数に要約するのが主成分分析、観測された変数の背後にある共通の要因（潜在因子）を探るのが因子分析です。

相関は因果を意味しません。第三の要因（交絡因子）によって見かけ上の相関が生じる擬似相関（例：アイスの売上と水難事故はどちらも気温の影響を受ける）に注意します。因果効果を推定する因果推論の手法として、施策を実施したグループとしていないグループの「前後の変化の差」を比べる差分の差分法、処置を受ける確率で似た対象同士を比べる傾向スコアがあります。

機械学習に入力するデータを使いやすく加工するのが特徴量エンジニアリングです。シラバスの例は標準化（平均0・標準偏差1にそろえる）、二値化（しきい値で0/1にする）、離散化（年齢を年代に区切るなど）、対数変換（右に長く裾を引く売上などの分布を扱いやすくする）です。テキストでは「は」「の」など意味の薄い語を除くストップワード除去を行い、学習用に正解ラベルを付ける作業をアノテーションと呼びます。

科目B 2-3では、機械学習モデルによる予測・分類を性能指標で評価して改善する技能と、時系列データのトレンド、季節性（周期性）、自己相関を分析して将来予測や変動要因の把握に活用する技能が挙げられています。分類モデルの評価では、正解率だけでなく、予測した陽性のうち実際に陽性だった割合（適合率）や、実際の陽性のうち検出できた割合（再現率）も確認するのが一般的です（AIの詳細はUnit 5で扱います）。

購買データから「Aを買う人はBも買う」というルールを見つけるのがアソシエーション分析です。

ほかに、クロス集計表の行と列の関係を図に配置するコレスポンデンス分析、顧客データを統合管理するCDP（カスタマーデータプラットフォーム）、決まった定型ではなくその場の問いに答えるアドホック分析も用語例に挙がっています。

可視化は目的に応じたグラフの選択が基本です。シラバスでは目的が比較、構成、分布、推移、相関の5つに整理されています。

可視化には、分析者がデータの傾向や異常を見つけるための探索のための可視化と、意思決定者に結論を伝えるための説明のための可視化があります。前者は多くのグラフを素早く試し、後者は伝えたいメッセージに絞って見せ方を整えます。

科目B 2-2では、BIツールなどのSoI（System of Insight）を活用し、データ連携・定期集計・可視化・レポート提供を自動化・効率化して迅速な意思決定に役立てる仕組みを設計する技能が挙げられています。BIの多次元分析では、集計を細かくするドリルダウン、粗くするドリルアップ、ある軸の値で切り出すスライス、複数軸で範囲を絞るダイス、集計値から明細へたどるドリルスルーを使います。

業務分析（中分類9-3）では、制約条件の下で目的関数を最大化・最小化する線形計画法、乱数による試行で不確実性を評価するモンテカルロ法、専門家の意見を繰り返し集約するデルファイ法、QC七つ道具・新QC七つ道具なども用語例に挙がっています。