第1章・第8章の範囲整理

DS検定のビジネス力の範囲（課題設定・KPI・データ活用の進め方・価値創造）

DS検定のビジネス力にあたる範囲は、第1章（ビジネスマインドとデータリテラシー）と第8章（価値創造）に分かれて載っています。このページは、課題設定と仮説、収益モデルと主要な変数、データの読み方、倫理とコンプライアンス、価値創造の流れを、公式スキルチェックリストの1つ星項目に沿って整理します。

3つのスキルセット全体の違いはデータサイエンス力・データエンジニアリング力・ビジネス力の違いで比較しています。このページはビジネス力の中身に絞った整理です。

公式情報の確認

試験日、料金、申込条件、試験方式など変動する情報は、公式情報を最終確認してください。当サイトの一次情報確認日: 2026-10-02。

出題形式・合格基準・実施要項は変動するため、受験前に公式情報を確認してください。

出題範囲のどこに載っているか

第1章ビジネスマインドとデータリテラシー

キーワード: 行動規範、データドリブン、目的やゴールの設定、課題や仮説の言語化、一次情報、データのねつ造・改ざん・盗用、個人情報保護法、MECE、収益モデル、比率的な指標、ビジネス観点での仮説

公式のfoundation.csvで、従来のビジネス力にあたる項目は「旧BZ」の区分として残っています。行動規範、論理的思考、課題の定義、データ理解の各カテゴリに1つ星の項目があります。

第8章価値創造

キーワード: 技術・社会潮流の洞察、PoC設計・実装、ガバナンス実装、学習サイクル設計、倫理・リスク設計

公式のvalue_creation.csvの項目を、構想・探索、設計、構築・運用、適用・進化のフェーズに沿って並べた章です。見習いレベルは1つ星の必須項目が対象です。

課題設定・KPI・データ活用の整理

課題の設定と仮説: 公式のチェック項目は、「目的やゴールの設定がないままデータを分析しても、意味合いが出ない」ことを理解していること、課題や仮説を言語化することの重要性を理解していること、現場に出向いてヒアリングするなど一次情報に接することの重要性を理解していることです。ビジネス観点で仮説を持ってデータを見ることの重要性と、仮説と異なる結果になってもそれが重大な知見である可能性があることも、1つ星に含まれます。; 見分け方: 分析の前に、何のために分析するのか（目的）と、確かめたい見立て（仮説）を言葉にしておく、という順番を問う項目です。
論理的思考（MECEと構造化）: 公式のチェック項目は、データや事象の重複に気づけること（MECE）と、与えられた分析課題に対して初動で様々な情報を集め、大まかな構造を把握することの重要性を理解していることです。分析結果の意味合いを正しく言語化できることも1つ星です。; 見分け方: MECEは、抜けや重複なく整理するという考え方です。1つ星では、重複に気づけるかが問われます。
収益モデルと主要な変数（KPI）: 公式のチェック項目は、課題の定義のKPIというサブカテゴリにあり、担当する分析プロジェクトにおいて、その事業の収益モデルと主要な変数を理解していることです。; 見分け方: 指標を暗記する範囲ではなく、事業がどう収益を得るかと、それに効く変数を把握しているかが問われます。
データの読み方（比率と比較対象）: 公式のチェック項目は、実数だけを見ても判断できない事象が大多数で、母集団に占める割合などの比率的な指標でなければ数字の比較に意味がないことを分かっていること、ニュース記事などの統計情報に接したときに数字やグラフの不適切な解釈に気づけることです。データから事実を正しく浮き彫りにするには、集計の切り口や比較対象の設定が重要であることも、1つ星に挙がっています。; 見分け方: 数字を見たら、母集団に占める割合なのか、何と比べているのかを確認します。
分析結果の意味合いと仮説の扱い: 公式のチェック項目は、分析結果をもとに、起きている事象の背景や意味合いを見抜けること、データが生み出される経緯・背景を考えてデータを鵜呑みにしないことの重要性を理解していることです。当初立てた仮説を否定する結果であっても、ノイズとして排除せず、新たな知見として客観的に受け止め、正確に報告できることも含まれます。; 見分け方: 都合の悪い結果を捨てずに、そのまま正確に報告する、という姿勢を問う項目です。
データ・AI倫理とコンプライアンス: 公式のチェック項目は、データを取り扱う人間にふさわしい倫理（データのねつ造、改ざん、盗用を行わないなど）を身につけていること、データやAI、機械学習の意図的な悪用があり得ることを踏まえ基礎知識と倫理を身につけていること、データの倫理的な活用上の許容範囲やユーザー側への必要な許諾を概ね理解していること（個人情報保護法、EU一般データ保護規則、データポータビリティなど）です。; 見分け方: 法令名とあわせて、何をしてはいけないか、何の許諾が要るかを整理します。
生成AI活用の注意（Hallucination）: 公式のチェック項目は、大規模言語モデルでは事実と異なる内容がもっともらしく生成されること（Hallucination）があり、これが根本的に避けられないことを踏まえ、出力を鵜呑みにしないなどの注意が必要だと知っていることです。; 見分け方: 出力をそのまま使わず、確認する前提で使う、という点を押さえます。

第8章価値創造の6つのまとまり

公式のvalue_creation.csvの項目を、当サイトの第8章は6つの中項目に分けています。見習いレベルは、どの項目も1つ星の必須項目が対象です。

フェーズ	項目名	見習いレベルの内容
構想・探索	技術・社会潮流の洞察、構造的因果の理解、変化のストーリー化、未充足ニーズの洞察、構造転換	主要なトレンドの理解と基本的な因果関係の説明、顕在化した課題の整理など
設計（事業・モデル）	ビジネスアーキテクチャ設計、価値ストーリー設計、価値文脈統合	既存事業の構造の説明、価値提案の要約、目的に応じた指標の設計
設計（ガバナンス・組織）	倫理・リスク設計、適応的ガバナンス構築、協働基盤設計	主要リスクの列挙、既存の規程の自身の業務への適用、関係者の特定
構築・運用	データ流通・調達、PoC設計・実装、ガバナンス実装	契約内のデータの取り扱い条件の遵守、検証目的を定義した小規模なPoCの実装・検証、AIガバナンスの枠組みの遵守
適用・進化	学習サイクル設計、変革をやり抜く粘り強さ、探索と俊敏な実行、限定情報下での迅速判断力	改善点の特定と次の行動の設計、情報が不十分でも影響の大きい要素を見極める判断
共通	意味構造の読み解き・共有、倫理的判断と社会接続	自らの経験の整理と説明、基本的な倫理・法・文化の境界を踏まえた行動