「業務分析・データ利活用」における目標
代表的なOR やIE の手法，データの利活用によって問題を解決するための手法を修得
し，適用する。
データの収集，整理，分析，ビジュアル表現などの手法を修得し，適用する。
2.1. OR･IE
2.1.1. 線形計画法
LP（Linear Programming：線形計画法）の手法，問題の定式化，グラフによる解法，線形計画法が有効と考えられる事例などを理解する。
シンプレックス法，配分問題，輸送問題，DP（Dynamic Programming：動的計画法）
2.1.2. 在庫問題
在庫管理の考え方，定量発注方式，定期発注方式の仕組みを理解する。
安全在庫，発注費用，在庫費用，EOQ（Economic Ordering Quantity：経済的発注量），発注点，ABC 分析，季節変動
2.1.3. 日程計画
PERT やCPM（Critical Path Method：クリティカルパス法）の手法を理解する。
日程計画，プロジェクトスケジューリング，フローショップ，ジョブショップ，アローダイアグラム，クリティカルパス
2.1.4. ゲーム理論
ゲーム理論の考え方を，企業活動における利害得失の具体例を参考に理解する。また，リスクに関する判断基準，意思決定に関する原理を理解する。
選択基準，戦略型ゲーム，純粋戦略，混合戦略，展開型ゲーム，ペイオフ行列（利得表），ゼロ和2 人ゲーム，非ゼロ和2 人ゲーム，マクシミン原理，ミニマックス定理，ナッシュ均衡，デシジョンツリー，決定理論，期待値原理，安定性原理，最尤未来の原理，要求水準原理，ラプラスの原理，ベイジアン理論
2.1.5. IE（Industrial Engineering：経営工学）分析手法
作業時間分析法，PTS（Predetermined Time Standard）法，ワークサンプリング法など，代表的な作業測定方法の特徴を理解する。
サーブリック，作業分析，標準時間，余裕時間，稼働分析，オペレーションスケジューリング
2.1.6. 検査手法
検査の設計の考え方を踏まえ，抜取り検査，OC（Operating Characteristic：検査特性）曲線，サンプリング，シミュレーションなど代表的な検査手法の特徴を理解する。また，シミュレーションの考え方，シミュレーションモデルが適切かどうかを評価，分析することの重要性を理解する。
検査特性曲線，不良率，消費者危険，生産者危険，非破壊検査，故障率曲線（バスタブ曲線），モンテカルロ法，実験計画法
2.1.7. 品質管理手法
主に定量分析に用いられるQC 七つ道具及び主に定性分析に用いられる新QC 七つ道具の手法の活用法を理解する。
品質特性，品質機能展開，不良率推定，時系列分析，管理水準，品質保証，QC 七つ道具（層別管理，ヒストグラム，パレート図，散布図，特性要因図，チェックシート，管理図），新QC 七つ道具（親和図法，連関図法，系統図法，マトリックス図法，マトリックスデータ解析法，PDPC（Process Decision Program Chart：プロセス決定計画図）法，アローダイアグラム法），x-R 管理図，p 管理図，管理¥状態，群内変動と群間変動，群分け
2.1.8. 需要予測
回帰分析，時系列分析など，需要予測の代表的な分析手法を理解する。
最小二乗法，決定係数，相関係数，移動平均法，指数平滑法
2.1.9. 業務分析・業務計画
データの収集の手法，さまざまな図解とグラフ，データの整理，分析手法など，業務の分析，計画，効率的な意思決定のための手法（決定理論）を理解する。
パレート分析，G-P 分析（Good-Poor Analysis），フォーカスグループ，質問紙法，観察法，ブレーンストーミング，ブレーンライティング，クラスタ分析法，指数平滑法，デルファイ法，モンテカルロ法，決定木，モデル化（確定モデル，確率モデル）
2.2. データ利活用
2.2.1. データの収集
目的に応じたデータの収集，収集するデータの種類及び特徴を理解すること，データの発生タイミングや発生頻度を把握することを理解する。
調査データ，実験データ，人の行動ログデータ，機械の稼働ログデータ，ソーシャルメディアデータ，GIS データ，量的データ，質的データ，1 次データ，2 次データ，メタデータ，構造化データ，非構造化データ，時系列データ，クロスセクションデータ，オルタナティブデータ，Web クローリング，スクレイピング，データレイク，データのサイロ化
2.2.2. データの加工・分析
データ分析のために必要となる前処理の手法，扱うデータのドメイン知識の重要性を理解すること，特徴量エンジニアリングの手法，加工データに不具合がないか適切な検証項目を設計して実行すること，収集したデータをデータサイエンスの手法によって分析して今後の事業展開の戦略に活用することを理解する。
データ結合，名寄せ，外れ値・異常値・欠損値の処理，ストップワード除去，標準化，二値化，離散化，対数変換，アノテーション，季節調整，移動平均，周期性，BI（Business Intelligence），データマイニング，テキストマイニング，コレスポンデンス分析，アソシエーション分析，アドホック分析，リフト値，ビッグデータ，オープンデータ，パーソナルデータ，CDP（Customer Data Platform：カスタマーデータプラットフォーム），データサイエンスのサイクル（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），機械学習を用いたデータ分析，シミュレーション，シミュレーションのデータ同化，パターン発見，最適化，データサイエンティスト，データドリブンマーケティング
2.2.3. データ分析における統計的手法
統計的手法を用いてデータを分析し，データから言えること，データが何を意味するのかを適切に把握することを理解する。
母集団，標本抽出（国勢調査，アンケート調査，全数調査，単純無作為抽出，層別抽出，多段抽出），精度と偏り，統計的バイアス（選択バイアス，情報バイアス，交絡バイアス），認知バイアス（ハロー効果，バンドワゴン効果，正常性バイアス，確証バイアスなど）
2.2.4. 図表やグラフによるデータの可視化
統計情報やデータ分析結果を，目的に応じて適切な図表やグラフなどで表現して可視化する必要があること，図表やグラフなどの不適切な表現（起点が0 ではないグラフ，不必要なグラフの立体表現など）に惑わされずに，データを正しく判断することを理解する。
棒グラフ，折れ線グラフ，箱ひげ図，ヒートマップ，レーダーチャート，モザイク図，クロス集計表，分割表，相関係数行列，散布図行列，デンドログラム，複合グラフ，2 軸グラフ，ロジックツリー，コンセプトマップ，シェープファイル，共起キーワード