DXリテラシー標準とは
DXに関するリテラシーを身につけたい方向けの講座です。AI、クラウド、ハードウェア、ソフトウェア、ネットワークなどの基礎知識やデータ・デジタル技術の活用事例、業務で使用するツール、DXに関わるセキュリティやモラル、コンプライアンスについて学びます。
DXリテラシー標準(1)導入講座
講座概要
| 学習形態 | eラーニング |
| 標準学習時間 | 40分(動画視聴時間33分) |
| 受講対象 | DXに関するリテラシーを身につけたい人 |
| 到達目標 | デジタルスキル標準およびDXリテラシー標準の意義を理解すること 7つのマインド・スタンスを理解すること |
学習内容
| この章で学ぶこと | 学習プログラム | 動画視聴時間 | |
| 序章 | なぜDXリテラシー標準が必要なのか？ | ■なぜDXリテラシー標準が必要なのか？ デジタルスキル標準とは DX（デジタルトランスフォーメーション）のおさらい 今起きているデジタル化の波 企業/教育/生活でのデジタル化 デジタルスキル標準が取りまとめられた背景 DXリテラシー標準の概要 DXリテラシー標準講座の構成 |
13分 |
| 第1章 | デジタルスキル標準、DXリテラシー標準、DX推進スキル標準 ７つのマインド・スタンスとは何か |
■デジタルスキル標準、DXリテラシー標準、DX推進スキル標準 ■7つのマインド・スタンス ①変化への適応 ②コラボレーション（協働） ③顧客・ユーザーへの共感 ④常識にとらわれない発想 ⑤反復的なアプローチ ⑥柔軟な意思決定 ⑦事実に基づく判断 |
20分 |
DXリテラシー標準(2)【Why】DXの背景講座
講座概要
| 学習形態 | eラーニング |
| 標準学習時間 | 40分(動画視聴時間38分) |
| 受講対象 | DXに関するリテラシーを身につけたい人 標準（１）修了者 |
| 到達目標 | 社会の変化を理解すること |
学習内容
| この章で学ぶこと | 学習プログラム | 動画視聴時間 | |
| 第2章 | なぜ、DXが必要な理由目的を「社会の変化」の観点で考察する | ■社会の変化とDX ■日本と海外におけるDXの取り組みの差 日本と海外でのDXの定義の違い なぜ、2025年までにシステムの刷新が求められるのか？ 2025年の崖 日本と海外におけるCEOのDXへの取り組みの差 ■DX取り組みの方向性 第四次産業革命による社会の変化 |
18分 |
| 第3章 | なぜ、DXが必要な理由目的を、「顧客価値の変化」の観点で考察する | ■顧客価値とは ■顧客・ユーザーの行動変化への対応 データ・デジタル技術を活用した顧客・ユーザー行動の分析 行動の変化に対応した広告手法 ■普及してきているデジタルサービス |
13分 |
| 第4章 | なぜ、DXが必要な理由目的を「競争環境の変化」の観点で考察する | ■変化は安近短にあり ■競争環境変化の具体的事例 |
7分 |
DXリテラシー標準(3)【What①】DXで活用されるデータ講座
講座概要
| 学習形態 | eラーニング |
| 標準学習時間 | 90分(動画視聴時間86分) |
| 受講対象 | DXに関するリテラシーを身につけたい人 標準（２）修了者 |
| 到達目標 | データの種類、取り扱い方、可視化を理解すること データベース技術を理解すること データにより判断する手法を理解すること |
学習内容
| この章で学ぶこと | 学習プログラム | 動画視聴時間 | |
| 第5章 | DXで扱われるデータの種類 蓄積方法・社会で活用方法 |
■データ取得方法による分類 ■データの収集方法による分類 ■データの属性による分類 ■ビッグデータとアノテーション |
11分 |
| 第6章 | データを説明するために知っておくべきこと | ■データの種類と尺度 ナンバーズの当選番号案内で提供されているデータを、 質的または量的変数に分類 ■度数分布とヒストグラム ■代表値（平均値・中央値・最頻値）の読み解き方 ■データのばらつき（分散・標準偏差・偏差値の読み解方） 標準値とは 分散を求め方 標準偏差を求め方 偏差値とは 偏差値を求め方 ■相関関係と因果関係（散布図） |
17分 |
| 第7章 | データを読むために知っておくべきこと | ■データクレンジングと名寄せ 重複した顧客データによって起きる問題 顧客データはなぜ重複するのか？ データクレンジングと名寄せ ■条件を揃えた比較 ■誇張表現を見抜く 時間軸の目盛りを加工する 縦軸の目盛りの刻みを合わせないように加工する 累積データで表現する ３次元で表現する 円グラフ同士で比較する ■記載ミス・集計ミスの特定 特定の第1ステップ：生データの確認 特定の第2ステップ：集計した表の確認 特定の第3ステップ：加工したグラフでの確認 |
16分 |
| 第8章 | データを説明するために知っておくべきこと | ■データの可視化（棒グラフ・折れ線グラフ・散布図・ヒートマップなど） ■分析結果の言語化 |
7分 |
| 第9章 | データを利用するためのデータの抽出・加工・出力の手法 | ■データクレンジング ■データの抽出とフィルタリング ■データのソート ■データのマッピング・結合 ■データのサンプリング なぜ、標本調査で無作為抽出が必要なのか ■データの集計・変換・演算 ■データのCSVファイル出力 |
14分 |
| 第10章 | データを利用するためのデータベース技術 | データを利用するためのデータベース技術 ■データベース管理システム（DBMS） データファイルとデータベース データベース管理システム ■データベースの種類 ■データベースの構造 テーブル レコード、フィールド ■データベースの設計（正規化） 第1正規化：非正規化→第1正規形 第2正規化：第1正規形→第2正規形 第3正規化：第2正規形→第3正規形 ■データベースの設計（ER図） |
11分 |
| 第11章 | データによって判断するための手法 | ■分析アプローチ設計 データ分析方法 データ分析のプロセス ■データドリブンな判断プロセス データドリブン データドリブンのプロセス ■モニタリング手法 |
10分 |
DXリテラシー標準(4)【What②】DXで活用されるデータ講座
講座概要
| 学習形態 | eラーニング |
| 標準学習時間 | 80分(動画視聴時間73分) |
| 受講対象 | DXに関するリテラシーを身につけたい人 標準（３）修了者 |
| 到達目標 | DXの基礎知識となるAI、クラウド、ハードウェア、ソフトウェア、ネットワークを理解すること |
学習内容
| この章で学ぶこと | 学習プログラム | 動画視聴時間 | |
| 第12章 | AI（人工知能） | ■AI（Artificial Intelligence 人工知能）の定義 ■AIブームの変遷と過去のAIブームにおいて中心となった研究・技術 ■人間中心のAI社会原則 ■AIの得意分野・限界 AI分類 強いAIと弱いAI 汎用型AIと特化型AI ■AIを作るために必要な手法・技術 AI、機械学習、ニューラルネットワーク・ディープラーニングの関連性 機械学習 教師あり・なし学習 強化学習 ニューラルネットワーク ディープランニング 転移学習（事前学習）・ファインチューニング ■AIの実用性 自動車の自動運転 お掃除ロボット 工場における不良品検知 クレジットカードの不正使用検知 |
11分 |
| 第13章 | クラウド | ■クラウドの仕組み クラウドサーカスとは オンプレミスとクラウドの違い クラウドの分類 クラウドサービスにおけるセキュリティ対策 ■クラウドサービスの提供形態 SaaS（Software as a Service） PaaS（Platform as a Service） IaaS（Infrastructure as a Service） ■クラウドに関する最新の技術動向 インダストリークラウドが登場した背景 インダストリークラウドのメリット |
17分 |
| 第14章 | DXを支えるハードウェア・ソフトウェア | ■サーバーとクライアント ■ハードウェア デスクトップパソコンとノートパソコンの違い デスクトップパソコンのハードウェア構成 サーバーの概要と特徴 サーバーのストレージ ■ソフトウェア ソフトウェアの構成 物理サーバーと仮想サーバー アルゴリズムの基本 主なプログラム言語 ■企業における開発・運用 プロジェクトマネジメント サービスマネジメント ■ハードウェア・ソフトウェアに関する最新の技術動向 メタバース xR（VR、AR、MR、SR） ブロックチェーン HRTech スマートシティ スマートハウス・スマートホーム IoT |
16分 |
| 第15章 | DXを支えるネットワーク | ■ネットワーク・インターネットの仕組み 概要 LAN（Local Area Network） WAN（Wide Area Network） ネットワーク機器 通信プロトコル IPアドレス ポート番号 ドメイン ■インターネットサービス メールシステム 5Gサービス |
7分 |
DXリテラシー標準(5)【How①】データ・技術の活用事例と利用方法講座
講座概要
| 学習形態 | eラーニング |
| 標準学習時間 | 30分(動画視聴時間26分) |
| 受講対象 | DXに関するリテラシーを身につけたい人 標準（４）修了者 |
| 到達目標 | データ・デジタル技術の活用事例を理解すること 日常の業務で使用するツールを理解すること |
学習内容
| この章で学ぶこと | 学習プログラム | 動画視聴時間 | |
| 第16章 | データ・デジタル技術の活用事例 | ■製造業 データ管理一元化の事例 ■小売業 会員アプリと位置情報によるCRMの事例 ■スーパーマーケットの事例 ■この他の事例 |
20分 |
| 第17章 | 日常の業務で使用するツール | ■各種ツールの利用方法 コミュニケーションツール メールとチャット プロジェクト管理ツール（Redmine、My Redmine） ■各種ツールの利用方法 オフィスツール Microsoft 365とGoogle Workspaceの概要 Microsoft 365とGoogle Workspaceの機能比較 Microsoft 365とGoogle Workspaceで異なる点 ■各種ツールの利用方法 検索のコツ 国内で使用される検索エンジン（検索サイト） Googleでの検索のコツ ■ノーコード・ローコードの基礎知識 ノーコードとは ローコードとは ノーコードとローコードの目的 ノーコードとローコードで期待できる効果 RPA（Robotic Process Automation） AutoML（Automated Machine Learning） |
14分 |
DXリテラシー標準(6)【How②】データ・技術の留意点講座
講座概要
| 学習形態 | eラーニング |
| 標準学習時間 | 70分(動画視聴時間64分) |
| 受講対象 | DXに関するリテラシーを身につけたい人 標準（５）修了者 |
| 到達目標 | DXを取り巻くセキュリティ、モラル、コンプライアンスを理解すること |
学習内容
| この章で学ぶこと | 学習プログラム | 動画視聴時間 | |
| 第18章 | セキュリティ | ■情報セキュリティの3要素 ■情報セキュリティ技術 暗号化方式 ワンタイムパスワード ブロックチェーン 生体認証 ■情報セキュリティマネジメントシステム（ISMS） ■個人がとるべき情報セキュリティ対策 OS、ソフトウェア、Wi-Fiルーターなどのファームウェアを最新状態に保つ。 IDやパスワードの管理（1/2） IDやパスワードの管理（2/2） アクセス権の設定 受信した添付ファイル付きメールへの警戒 社外メールアドレスへの警戒 |
15分 |
| 第19章 | モラル | ■ネット被害・SNS等のトラブルの事例・対策 写真の位置情報による住所の流出 アカウントの乗っ取り SNSなどでの炎上 名誉毀損罪、侮辱罪に問われる場合 ■データ利用における禁止事項 |
12分 |
| 第20章 | コンプライアンス | ■個人情報に関する法律、個人情報の定義、取扱いルール 個人情報保護法 個人情報の定義 個人情報や個人データを取り扱うときの基本ルール 個人情報の漏えい事例⇒１件でも漏えいしたら、即、報告と通知 ■知的財産権が保護する対象 知的財産 著作物を保護する著作権 発明を保護する特許権 実用新案（アイデア）を保護する実用新案権 意匠（デザイン）を保護する意匠権 商標（文字やマーク）を保護する商標権 不正競争を防止する不正競争防止法 ■諸外国におけるデータ規制の内容 OECD（経済協力開発機構） OECDプライバシー指針 EU GDPR（一般データ保護規則） イギリス データ保護法（Data Protection Act） カナダ カナダ個人情報保護および電子文書法（PIPEDA） オーストラリア オーストラリア個人情報保護法（Privacy Act） アメリカ HIPAA、COPPA、 CCPA |
37分 |
