Introduction to Business Data Analysis

Course Title

Course Title in English

Introduction to Business Data Analysis

Course Type

Basic specialized courses (Specialization-related courses)

ー

Eligible Students

School of Social Information Science

Target Grade

All

Course Numbering Code

KCJBS1MCA1

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義 (Lecture)

Eligible Year/Semester

Fall semester 2026

Instructor

笹嶋宗彦

Affiliation

情報科学研究科・社会情報科学部

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

講義後
情報科学研究棟410研究室

Contact

sasajima@sis.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

1◎／3〇

Corresponding Graduate School DP

ー

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

講義目的
企業活動から生み出される多種多様なデータから，必要なものを選び出し，良い分析を行うためには，そのデータを生み出した企業の活動の形態，特に，利益を得るしくみを理解する必要がある．本講義では，小売，製造，建設といった様々な業種がどのように利益を生み出すのか理解し，データ分析の課題とビジネスモデルを結び付けて考えられるようになることを目的とする．

到達目標
解決すべき課題が与えられた際に，どのデータに着目すれば良いか，その業種に合った分析方法や課題解決方法は何かを判断できるようになることを目標とする．また，実際に，PBL演習などデータ分析演習において，講義内容を演習課題実施に反映させることを努力目標とする．

Subtitle and Keywords of the Class

Course Overview and Schedule

Ⅰ講義内容
様々な業種に分けてビジネスモデルを紹介する．代表的な業種から，必要に応じて講師を招き，古典的なモデルだけではなく，インターネットビジネスなど新しいモデルも紹介する．また，具体的な授業予定については，第1回目の講義時に紹介する．ただし諸般の都合により，順番等が変わることがあるため，受講生は講義に関する連絡について常に確認することが望ましい．

Ⅱ授業計画
１：オリエンテーション
　データ分析と企業活動，ビジネスモデル理解の必要性
２〜１４：業種とビジネスモデル
予定業種：小売業，製造業，建設業，不動産業，サービス業(医療，
教育など)，サービス業(広告，コンサルティングなど)
１５：まとめ．講義内容の補足と講評など

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

・対面授業のみ
・遠隔授業単位上限の適用を受けない

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

生成AIの利用にあたっては『本学の教育における生成AIの取扱いについて(学生向け)』の記載内容について留意すること。生成AIの利用については担当教員の指示に従うこと。
教員が認める範囲を超えて生成AIを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。生成AIの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成AIによる出力結果をそのまま課題・レポート・論文として提出してはならない。

Textbook

特になし

References

必要に応じて適宜紹介する

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

初回のオリエンテーションで全体の予定を提示する．
各講師の所属企業について準備学習しておくことが望ましい(1回あたり目安2時間)
事後学習について，各講義の資料の再確認や，指示されたグループ作業やレポート作成などを
毎回講義後に実施することが望ましい(1回あたり目安2時間)

Contents of Active Learning

講師によっては，グループ学習や，グループによる課題製作を行うことがある．

Grading Criteria and Methods

授業への取組姿勢(30%)，課題提出(期末レポート，70%)を総合的に評価する．
これらを総合して60％以上の評価点となった受講生に単位を与える．

How to Disclose Assignments and Exam Results

講義中に，優秀なレポートを講評し模範解答として全体に説明することがある．
期末レポートについては，質問があった場合に，個別に対応する．

Precautions and Requirements for Course Registration

Practical Education

該当しない

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data