未来IT图解：数据科学

　　本书是通晓数据科学、尝尽甘苦的 Masked analyze（以下简称假面分析员）和松本健太郎二人为了那些对商业数据科学充满期待却未得到理想结果，或略有不情愿却终于开始认真对待的读者们能够理解商业数据科学而写的。通过本书，读者可以了解因何种原因使工作无法顺利开展？本来应如何运作？ 因此，今后将这样发展等有关商业数据科学的过去、现在和未来。

　　作者简介： 松本健太郞 现任职于株式会社DECOM。其工作职责为基于数据科学，负责为“Insight”项目提供咨询，该项目旨在开发吸引顾客进行创意。作者擅长将政治、经济、文化等各种数据进行数据化、分析与预测。著作包括《解读人工智能的关键词——从“AI遗传基因”看到的未来世界》《数据科学“超”入门——无法发现谎言就不能玩转数据》《充满误解的人工智能——深度学习的局限性与可能性》等。 假面分析员（Masked Analyse） 在IT界空前的人工智能热潮中突然出现的谜一般的假面分析员。以一线视角进行尖锐评论的他被称为“热血数据科学家”。在网络和现实中从事有关人工智能的启蒙活动，具有代表性的插图颇受好评。现在作为自由职业者独立工作。 译者简介： 刘晓慧 日本爱知大学经营学博士。曾任爱知大学国际中国学研究中心研究员、非常勤讲师等职，现主要从事翻译与写作工作。主要译作包括《四季和食》、日本《中央省厅的政策形成过程》（上、下册）等。 刘星 中国政法大学政治与公共管理学院国际政治系副教授，日本名古屋大学法学博士。曾任日本国际交流基金访问学者、日本成蹊大学法学部客座研究员等。主要译作包括《日本国际政治学》《思想者的足迹：池明观》等。

前言 001
PART1
能这样下去吗? 商业数据科学
01 数据科学的历史背景
02 目前商业数据科学在发生什么?
03 经营者的问题点
04 中间管理层的问题点
05 系统集成商（System Integrator）的问题点
O6 非数据科学家的问题点
07 我们应具备什么样的技能?
总结 商业数据科学应如何发展?
专栏 让昭和时代旧思维的人退出历史舞台


PART 2
如何掌握牵引商业数据科学发展的力量
01 三种力量——科学、工程、商业
02 数据分析、2个“型”
03 商业数据科学的过程
04 商业视角 决定“想要做的事情”
05 数据科学的视角 设计方法
06 工程师的视角 测量数据
07 工程师的视角 采集、积累数据（线上数据）
08 工程师的视角 采集、积累数据（线下数据）
09 工程师的视角 数据核对
10 科学方法① 从数据群中选取代表性数据的概括
11 科学方法② “压缩”∶把相似数据集合成一个
12 科学方法③ 发现同类的“分类分析”
13 科学方法④ 明确有无关系的“关联性”
14 科学方法⑤ 证明假设的“检验”
15 其他科学方法① 按照时间过程查看“时间序列数据”
16 其他科学方法② 通过数据倾向进行预测的“机器学习”
17 工程师的视角 用编程进行装载
18 工程师的视角 实现分析结果的可视化
19 商业视角 报告分析结果
20 了解数据科学的局限性
21 商业数据科学案例 将人工智能引入数字市场
22 商业数据科学的案例 将人工智能引入制造业
总结 肩负引领力没有捷径
专栏 有成就的人都曾奋斗过

PART 3
数据科学改变商业方式
01 “工作”的视角“数据”的优先度大幅提高
O2 “工作”的视角 不再是建好就算完成任务
03 “组织”的视角 数据科学需要强大的团队
04 “组织”的视角 “现有的战斗力”而非“即战力”
05 与行政的关系 保护个人信息与数据
06 与行政的关系 教育与数据素养
总结 数据科学如何改变未来

专业词汇