分野概説
データサイエンス・統計基礎は、データを収集・整理・分析し、現象を可視化・理解・予測するための方法を扱う領域である。統計学、機械学習基礎、実験設計、データ可視化、因果推論などを含み、科学研究・政策立案・企業活動のあらゆる分野で不可欠となる。信頼できるデータ解釈のための基礎リテラシーを形成し、データ駆動の意思決定を支える。
出典: 『W100知識分類法 共通試験法［分類表・逐条解説］』（2025年12月・296頁）
ユースケース — 「〜したい」→ W100コード
- ①データサイエンスの定義・役割を短時間で理解したいW 02.00.00.00
- ②記述統計•推測統計•データ種類など基礎概念を体系的に知りたいW 02.04.00.00
- ③回帰・分散分析・時系列など統論を比較したいW 02.13.01.00
- ④統計学の歴史（ガウス〜AI統を把握したいW 02.20.02.00
- ⑤公的統計制度・データガバナンスの仕組みを確認したいW 02.30.03.00
- ⑥実験デザイン・調査設計・サン） プリングを設計したいW 02.40.04.00
- ⑦社会調査・政策評価・企業データ分析など実務手順を知りたいW 02.52.05.00
- ⑧医療・金融・教育・政策など具） 体的な応用事例を比較したいW 02.60.06.00
- ⑨モデル評価（AUC・RMSE析） 等）や再現性評価を知りたいW 02.70.07.00
- ⑩AutoML•生成AI•量子計算など未来のデータサイエンス像を理解したいW 02.90.09.00
出典: 『W100知識分類法 共通試験法［分類表・逐条解説］』（2025年12月・296頁） 分野02ガイド
00–09基礎・定義
02.00データサイエンス・統計学の定義と役割準備中
02.01データ・情報・知識の区別と関係準備中
02.02データの種類（構造化・非構造化・時系列・空間・テキスト）準備中
02.03研究デザインの基本（仮説・検証・変数）準備中
02.04記述統計基礎（平均・分散・分布・割合）準備中
02.05推測統計基礎（母集団・標本・推定）準備中
02.06測定の信頼性・妥当性（尺度・誤差）準備中
02.07データ品質とバイアス（欠損・外れ値・選択バイアス）準備中
02.08データ倫理・研究倫理(個人情報・インフォームドコンセント)準備中
02.09データサイエンスと他分野（AI・情報学・社会科学）準備中
10–19理論・分類
02.10確率論基礎（確率分布・期待値・分散）準備中
02.11推定理論（点推定・区間推定・最尤推定）準備中
02.12仮説検定理論（p値・有意水準・検定力）準備中
02.13回帰分析理論（単回帰・重回帰・線形モデル）準備中
02.14分散分析・多変量解析理論（ANOVA・主成分分析など）準備中
02.15時系列解析理論（AR,MA,ARIMA）準備中
02.16サンプリング理論（標本設計・層化・クラスター）準備中
02.17ベイズ統計・ベイズ推論準備中
02.18モデリング理論（数理モデル・シミュレーション）準備中
02.19測定理論・テスト理論（古典的テスト理論・IRT）準備中
20–29歴史・変遷
02.20古典統計学の誕生（ガウス・ベルヌーイ・ラプラス）準備中
02.21近代統計学の発展（フィッシャー・ネイマン・ピアソン）準備中
02.22社会調査法・実験心理学の方法論史準備中
02.23数理統計と計算統計の発展史（モンテカルロ法）準備中
02.24コンピュータと統計計算史（統計ソフトの登場）準備中
02.25データサイエンス概念の登場とビッグデータ時代準備中
02.26日本における統計史・公的統計の発展（国勢調査等）準備中
02.27医学統計・臨床試験方法論の歴史準備中
02.28AI・機械学習と統計学の関係史準備中
02.29オープンサイエンス・再現性危機と方法論の変遷準備中
30–39制度・ガバナンス
02.30公的統計制度（統計法・公的統計の仕組み）準備中
02.31データ政策とデータガバナンス（政府・企業）準備中
02.32個人情報保護制度（GDPR・日本の個人情報保護）準備中
02.33研究倫理制度（IRB・倫理審査）準備中
02.34オープンサイエンス・データ公開ガイドライン準備中
02.35統計教育・カリキュラムにおける必修化政策準備中
02.36国際統計機関（UN,OECD,IMF）準備中
02.37ビジネスにおけるデータコンプライアンス（業種規制等）準備中
02.38データ標準化・メタデータ規格（ISO・W3C）準備中
02.39データ経済とデータ取引・プラットフォームガバナンス準備中
40–49設計・方法論
02.40実験デザイン設計（ランダム化・統制群・ブラインド）準備中
02.41調査デザイン・質問紙・インタビュー設計準備中
02.42観察研究・ケーススタディ設計準備中
02.43サンプリング設計（標本サイズ・抽出法）準備中
02.44混合研究法設計（質的＋量的）準備中
02.45データ収集設計（センサー・ログ・行政データ）準備中
02.46データ前処理・ETLパイプライン設計準備中
02.47可視化・ダッシュボード設計（BI・報告用グラフ）準備中
02.48統計解析・モデリング手順設計（学習・検証・テスト）準備中
02.49研究報告•再現可能なワークフロー設計(コード共有•ノートブック)準備中
50–59実務・運用
02.50データ収集実務（調査実施・スクレイピング・IoT）準備中
02.51データクレンジング・整形実務（欠損処理・標準化）準備中
02.52記述統計・探索的データ解析の実務準備中
02.53推測統計・モデル推定の実務準備中
02.54統計ソフト・言語活用実務（Excel,）準備中
02.55データベース運用・管理実務（SQL/NoSQL）準備中
02.56社会調査・市場調査の運用実務準備中
02.57医学・臨床試験のデータ管理実務準備中
02.58政策評価・行政統計の実務運用準備中
02.59企業・組織におけるデータ分析チーム運営（Data）準備中
60–69事例・応用
02.60医学・公衆衛生におけるデータ解析事例準備中
02.61教育研究・EdTechのデータ活用事例準備中
02.62経済・金融・リスク管理における応用事例準備中
02.63マーケティング・顧客分析・レコメンド事例準備中
02.64製造・品質管理・工学実験での応用事例準備中
02.65農学・環境・気候モデルにおける応用事例準備中
02.66政策評価・社会調査・行政データ活用事例準備中
02.67SNS・テキスト・自然言語データ解析事例準備中
02.68画像・映像・センサーデータ解析事例準備中
02.69科学研究データ（天文・物理・生物等）の応用事例準備中
70–79データ・評価
02.70モデル評価指標（MSE,RMSE,）準備中
02.71分類モデル評価（混同行列・精度・再現率・F1）準備中
02.72ROC曲線・AUC・しきい値調整準備中
02.73モデル選択指標（AIC,BICなど）準備中
02.74クロスバリデーション・ブートストラップ準備中
02.75クラスタリング・次元削減の評価（シルエット係数等）準備中
02.76データ品質評価（欠損率・整合性・一貫性）準備中
02.77フェアネス・バイアス評価（グループ間格差）準備中
02.78研究の再現性・透明性評価（再現実験・オープンデータ）準備中
02.79データ活用のインパクト評価（政策・ビジネス・社会効果）準備中
80–89教育・普及
02.80学校教育における統計・データ教育（小中高）準備中
02.81大学・大学院のデータサイエンス・統計教育準備中
02.82社会人リスキリング・企業内研修準備中
02.83MOOC・オンライン講座（Coursera,）準備中
02.84教科書・教材・ワークブック開発準備中
02.85コンペ・ハッカソン（Kaggle,等）を用いた教育準備中
02.86国際共同教育プログラム（留学・ダブルディグリー）準備中
02.87統計リテラシー普及活動（市民講座・メディア）準備中
02.88科学館・博物館におけるデータ展示・体験型教材準備中
02.89生涯学習としてのデータサイエンス・統計学準備中
90–99未来・退避
02.90自動統計解析・AutoMLとデータ分析の自動化準備中
02.91生成AIとデータ活用（LLM,生成モデルとの連携）準備中
02.92量子計算とデータ解析・量子統計の可能性準備中
02.93データ民主化と市民科学の未来準備中
02.94監視社会とデータ倫理の課題・ルール形成の未来準備中
02.95超巨大データ・シミュレーション科学の未来（天文・物理）準備中
02.96ネットワーク科学・複雑系など新興方法論の展開準備中
02.97廃れた統計手法・旧来の計算手法（計算尺・パンチカード）準備中
02.98実験的データ・方法論（VR統計教育・インタラクティブ解析）準備中
02.99退避：未分類・古典的統計・データサイエンス知識準備中