とくにA/Bテストについては多くの紙面を割き、複数のデザインパターンや分析手法を紹介します。
また、DIDとRDDについても、ミニストーリーなどを交えて適用できる条件を具体的に例示しつつ、間違った分析結果を算出してしまわないよう丁寧に解説を行います。

本書では、全体をとおして、ビジネスの現場で必要とされる知識と理論的な基礎との乖離に着目し、その乖離を埋めるような説明を心がけました。あくまで入門書であるため理論的な説明は控えめになっていますが、参考文献やブックガイドから、より専門的な論文や書籍にアクセスできるようにしています。

本書を読了することで、基本的な効果検証の手法を理解し、Pythonで実装できるようになります。さらに、陥りやすいアンチパターンや、効果検証を通じて組織に貢献するための考えかたなど、データ分析の実務者に必要とされる知見も身につきます。

《こんな方におすすめ》
以下のような、実務で効果検証に向かい合っているすべての人を読者対象としています。

◎ データサイエンティスト、データアナリスト
◎ 事業会社のプロダクトマネージャー
◎ ソフトウェアエンジニア
◎ 官公庁の政策立案者
○ その他、効果検証に携わるすべての人

《目次》
謝辞／目次

1章　はじめに：いまなお隔たりがある効果検証の実務と理論
1.1 効果検証とはなにか？
1.2 本書の構成
1.3 想定する読者
1.4 サンプルコード

2章　A/Bテストを用いてクリーンに効果検証を行う
2.1 Prelude
2.2 施策と効果
2.3 バイアス
2.4 A/Bテストの基本的な発想
2.5 A/Bテストのデザイン
2.6 PythonによるA/Bテストデータの分析の実装
2.7 A/Bテストのアンチパターン

3章　A/Bテストを用いて実務制約内で効果検証を行う
3.1 実務におけるA/Bテストの課題
3.2 A/Aテスト：A/Bテストの信頼性を担保する
3.3 柔軟なA/Bテストのデザイン
3.4 効率的な分析：共変量のコントロール
3.5 施策効果の異質性：どこで効果があるのか知る

4章　Difference in Differencesを用いて効果検証を行う
4.1 DID（差分の差法）：施策実施前後の違いを捉える
4.2 DIDを用いた実務的な施策効果検証
4.3 2期間以上のデータをDIDで分析する
4.4 パラレルトレンド仮定と検証
4.5 複数回の施策を行った場合にDIDによる分析は適用できるか？

5章　Regression Discontinuity Designを用いて効果検証を行う
5.1 RDDを適用できるシチュエーション
5.2 RDDの仮定と推定
5.3 Fuzzy RDD：処置確率が閾値によって不連続に変化する場合のRDD
5.4 内的妥当性と外的妥当性：我々はなにを推定しているのか？
5.5 bunchingの難しさ

6章　おわりに：実務における課題と展望
6.1 これまでの振り返りと実務プロセスに合わせた分析手法の選択
6.2 分析プロセスの“不”可能性
6.3 データ分析実務者の役割
6.4 効果検証の実務者のためのブックガイド

著者・監修者略歴／参考文献／索引