Linkup 
本書の概要
編集、DTP、図版レイアウトをリンクアップで担当しました。
データサイエンスビジネスの失敗と成功の両方を経験した著者たちが、そのリアルな実態を忖度なく語り尽くした一冊です。なぜプロジェクトが失敗するのか、どうすれば成功に導けるのかの未来を豊富な図解とわかりやすい文章で楽しく読み進められます。
目次
巻頭
- 「これでいいのか！？ データサイエンスビジネス」
- 松本健太郎 × マスクド・アナライズ
PART1 このままでいいのか、データサイエンスビジネス
- 01 データサイエンスの歴史的背景
- 02 今、データサイエンスビジネスに何が起きているのか
- 03 経営者に対する指摘
- 04 ミドル・マネジメント層に対する指摘
- 05 SIerに対する指摘
- 06 非データサイエンティストに対する指摘
- 07 私たちはどのようなスキルを身に付けるべきか
- ［まとめ］データサイエンスビジネスは、どうあるべきか？
- ［COLUMN］昭和アナログおじさんの根絶
PART2
- 01 3つの力──サイエンス、エンジニアリング、ビジネス
- 02 データ分析、2つの「型」
- 03 データサイエンスビジネスのプロセス
- 04 ビジネスの視点「やりたいこと」を決める
- 05 データサイエンスの視点 方法を設計する
- 06 エンジニアの視点 データを計測する
- 07 エンジニアの視点 データを収集・蓄積する（オンライン系データ）
- 08 エンジニアの視点 データを収集・蓄積する（オフライン系データ）
- 09 エンジニアの視点 データをチェックする
- 10 サイエンス手法(1) データの集まりの代表を取り出す「要約」
- 11 サイエンス手法(2) 似たものを1つにまとめる「縮約」
- 12 サイエンス手法(3) 同類を発見しまとめる「分類」
- 13 サイエンス手法(4) 関係のある・なしを明確にする「関係性」
- 14 サイエンス手法(5) 仮説を立証する「検定」
- 15 サイエンスその他の手法(1) 時間の経過に沿って見る「時系列データ」
- 16 サイエンスその他の手法(2) データの傾向から予測を行う「機械学習」
- 17 エンジニアの視点 プログラミングで実装する
- 18 エンジニアの視点 分析結果を可視化する
- 19 ビジネスの視点 分析結果を報告する
- 20 データサイエンスの限界を知る
- 21 データサイエンスビジネス事例 デジタルマーケティングにおけるAI導入
- 22 データサイエンスビジネス事例 製造業におけるAI導入
- ［まとめ］牽引する力を付けるのに近道は無い
- ［COLUMN］スゴイ人ほど努力していた
PART3 データサイエンスが変えていくビジネスの在り方
- 01 「仕事」の視点 「データ」の優先度が大きく上がる
- 02 「仕事」の視点 作って終わり、ではなくなる
- 03 「組織」の視点 データサイエンスに強いチームが必要
- 04 「組織」の視点 「即戦力」ではなく「そこにいる戦力」
- 05 行政との関わり 個人情報保護とデータについて
- 06 行政との関わり 教育とデータリテラシー
- ［まとめ］データサイエンスが未来をどう変えるか