業界KSFの見つけ方｜5フォース分析×顧客KBFから導く実践ガイド
この記事でわかること KSF（重要成功要因）とは何か、KBFとの違い 業界KSFを見つけるための3つの分析ステップ 5フォース分析からKSFにつなげる具体的な思考プロセス 顧客KBFの変化がKSFに与 […]
CATEGORY
MBA & Business Logic
AI and Copyright in Japan — What International Businesses Need to Know [Intro to ML #11]
In my previous post (Intro to ML #10), I wrote about Demo Day — the final session of my MBA data sci […]
財務三表のつながりを一枚で理解する ── P/L・B/S・CFSの関係整理
この記事でわかること P/L・B/S・CFSそれぞれの役割と「何を表しているか」 3つの財務諸表がどこでつながっているか（3つの接点） 「利益が出ているのに現金がない」が起きる3つの原因 発生主義・実 […]
戦略策定プロセスとは？5つのステップで経営課題を見つけて最適な打ち手を選ぶ方法
この記事でわかること 戦略策定プロセスの全体像と5つのステップ 「いきなり解決策に飛びつかない」ための分析の道筋 業界KSFと自社のGAP（経営課題）を見つける方法 M&Aとアライアンス、どち […]
MBAでAI＆データサイエンスを6回学んで分かったこと──Demo Dayで監査システムを作った話【機械学習入門⑩】
前回（機械学習入門⑨）は、生成AIをかしこく使うための方法──プロンプト・RAG・MCP・エージェント──をMBAでの学びをもとに整理した。 そして今回が、シリーズの締めくくりだ。MBAのデータサイエ […]
What I Learned from a Six-Session MBA Data Science Course — Building an Audit Assistant on Demo Day [Intro to ML #10]
In my previous post (Intro to ML #9), I covered ways to get more out of generative AI — prompts, RAG […]
生成AIをもっとかしこく使う——プロンプト・RAG・エージェントの世界【機械学習入門⑨】
前回（機械学習入門⑧）は、生成AIの仕組み——言語モデルが「次の単語を予測する」という原理から、ChatGPTの誕生（RLHF）、拡散モデルによる画像生成まで——を整理した。 今回は「どう使うか」の話 […]
Getting More Out of Generative AI — Prompts, RAG, and the Age of Agents [Intro to ML #9]
In my previous post (Intro to ML #8), I covered how generative AI actually works — the next-word pre […]
「生成AI」って何が違うの？——言語モデルから拡散モデルまで、仕組みを理解する【機械学習入門⑧】
前回まで（機械学習入門⑦）は、AIで個人を予測するアプローチのメリットとリスクについて書いた。 今回からは、予測AIとは別の系譜——生成AIの話に入る。MBA講座でもまるごと一回分がこのテーマに割かれ […]
What’s Actually Inside a Generative AI? — From Language Models to Diffusion Models [Intro to ML #8]
In my previous post (Intro to ML #7), I covered the difference between traditional data analysis and […]