今、米国で最も人気のある職業といえば「データサイエンティスト」です。日本でもこの情報を受けて、データサイエンティストに対する注目度が徐々に高まっていますが、データサイエンティストを内製化できている企業はまだまだ少ない状況と言えます。
事実、米国では年間4,000人の統計学修士が生まれている中、日本ではゼロというのが実態で、職業としての認知度もまだ決して高いと言えません。米国のビジネスシーンを追随することが必ずしも正解とは言えませんが、データサイエンティストをはじめ、ビジネスにおけるデータ活用の重要性は確実に高まっています。
そこで本稿では、データ活用に対する興味を持っていただくきっかけとして、統計分析について分かりやすく説明します。統計分析とは何か？どんな効果があるのか？そんな話を通じて、少しでも多くの方にデータ活用への興味を持っていただけたら幸いです。
統計分析の種類
統計分析というのは、大量のデータを集め、分析し、その結果からデータに含まれるパターンや傾向を明らかにするための手法です。統計分析は調査研究、産業、行政などあらゆる領域で活用されており、日夜膨大な量のデータが分析されています。まずは、統計分析にどのような種類があるのかを、主要なものを取り上げてご紹介します。
因子分析
「因子」は、何らかの結果を引き起こす原因のことです。因子分析とはたくさんの結果（統計学では「変数」と呼ぶ）の背後にある原因を明らかにすることが目的です。もともとは、教育心理学において各生徒の能力を測定するために開発されたとされています。
テストの成績から「なぜその成績だったのか？」「科目ごとの差があるのはなぜか？」といった事実まで読み取ることはできません。そこで、各教科の成績を全体として分析し、成績を左右する個々の能力（読解力や説明力など）である「共通因子」を見出すことが大切であり、これが因子分析の考え方です。今では、マーケケティングなど幅広い分野で活用されています。
回帰分析
結果となる数値と要因となる数値の関係を調べて、それぞれの関係を明らかにするための手法です。統計分析においては基礎の基礎となります。要因となる数値を「説明変数」、結果となる数値を「目的変数」といい、説明変数が1つの場合は「単回帰分析」、複数の場合は「重回帰分析」と呼びます。
回帰分析は既存の顧客情報から売上に関係している情報を抽出して、売り上げを予測する。商品の属性情報をもとに最も影響度の高い要因を探る、などの分析が行えます。
軽量時系列分析
株価やECサイトの売上など、時系列で表されるデータには何かしらの内部構造があると考えられます。軽量時系列分析では、それらの結果の間にある関係を明らかにすることで、ビジネス上の仮説や理論を検証するためのものです。
時系列で変動するデータの流れを分析することで、その後の予測が行えるため効率よくビジネスを展開していくことを目的とします。
決定木分析
1つの原因から、「もし、～だったらどうなるか？という仮説を何度も区仕返し、その結果から何通りのも予測を行うのが決定木分析です。仮説を繰り返すことで分析モデルが樹木上に枝分かれした図になることから、決定木と呼ばれています。この他、分類木、回帰木、ディシジョンツリーとも呼ばれています。
分岐ごとの確率等を計算しながら、マーケティングのほかにリスクマネジメントでも活用できる手法です。
主成分分析
多くの要因がある場合、似たもの同士を少数の要因に集約させることで、データ分析しやすくするためのものです。統計分析ではデータは多すぎると分析が複雑化し、やりにくくなります。そのため、データ分析を行う前に分析しやすいようにデータを整えるのが主成分分析です。
この統計分析を行うと、大まかにデータの特徴を捉えることが可能なので、購買時の分析やブランディング施策によく使われています。
相関分析
2種類以上のデータにおいて、一方のデータが変化したときに、その変化に応じてもう一方のデータも変化することを相関関係といいます。相関分析では、この関係を統計分析で明らかにすることを意味します。
たとえば、「来客数と売上高」や「気温とビールの売上高」といったように、2種類以上のデータには何らかの関係性があると考えられます。これを明らかにすることで、より正確なビジネス戦略を組むことに貢献します。
多変量解析
多くの情報を分析者の仮説にもとづき、関連性を明確にすることを多変量分析といいます。平たく言えば「複雑な情報を分かりやすくする」ことです。たとえば、ある商品に対してさまざまな口コミや評価があります。それらの情報は、何らかの要因があって作り上げられたものです。
そこにはブランド、デザイン、スペック、価格、信頼性などさまざまな要因が合わさって総合的に価値が決まります。しかし、その要素校正を明らかにすることは決して簡単ではなく、複雑です。これを明らかにするのが多変量解析であり、研究開発などさまざまなシーンで活用されています。
ここでは7つの統計分析をご紹介しましたが、実際はもっとたくさんの種類が存在しています。大切なのは、「何を目的として統計分析を行うか？」から、適切な種類を選択して、分析することです。データサイエンティストには、どれくらい統計分析を扱えるかというよりも、「適切な手段で分析を行い、目的に沿った結果を得るスキル」が重視されます。
統計分析のメリット
統計分析をマスターすることは、決して容易ではありません。今でこそ統計分析をかんたんに行うためのツール（BIなど）が提供されていますが、それでも基礎は押さえておかなければいけないものです。そのため、企業がデータサイエンティストを雇ったり、育成したりするにはコストがかかります。そこまでして統計分析に取り組むメリットとは何でしょうか？
意思決定に対する証拠が得られる
統計分析とはそもそも、ビジネス上の意思決定を効率よく行うための手段です。分析を通じて得られた結果は、意思決定をする上で大切な判断材料になり、証拠にもなります。つまり、今まで経験則や勘で行ってきた意思決定を、より確実なものにすることができます。
新しい情報を発見できる
日常的に、ただビジネスを遂行しているだけでは気づかない情報があります。たとえば、「なぜ顧客が自社の商品・サービスを選んだのか？」は、統計分析を使わないと明確には分かりません。統計分析によって日々新しい情報を発見し、ビジネスに役立てられます。
統計分析のノウハウが蓄積される
統計分析はビジネスのあらゆるシーンで活用できます。データサイエンティストを雇ったり育成したりすることで、統計分析のノウハウが社内に積み上がっていき、全社的に取り組んでいくことでデータドリブン経営を実現できます。
まとめ
いかがでしょうか。如何なる企業にも、統計分析へ取り組むことのメリットは必ずあります。それこそ、「中小企業には必要ないもの」などと考えずに、積極的に統計分析に取り組んでいただきたいと思います。「データを上手く扱える企業であるかどうか？」、これからのビジネスを生きる企業にとって、これは非常に重要な要素になっていくことでしょう。
しなしながら、いざ「データを活用したビジネスを進める！」と意気込んでも、実際にはいくつかハードルがあります。
- 適切に社内外に存在するデータを取り込むことができるか？
- 連携・蓄積したデータをどのように分析すれば良いのか？
- ビジネスのインサイトを得るためにはどのように活用すれば良いのか？
そこで、企業のデータ活用を支援するためい「データ分析サービス」や「データプラットホーム」の構築支援サービスをご用意しています。データ収集から実際に分析するための環境構築やデータサイエンティストによる整えたデータの分析作業やサポートなど幅広いサービスラインナップでお客様のデータ活用をご支援します。ぜひお気軽にご相談ください。
