データ分析の進め方|数値の比較から原因の仮説・改善策の検証まで
売上やアクセス数、学習の記録を集めても、「どこを改善すればよいのか分からない」と感じることがあります。数値の増減を確認した後には、比較条件をそろえ、変化が起きた場所を調べ、次に確かめることを決める作業が必要です。
データ分析は、目的を決める、データの条件を確認する、比較する、原因の仮説を立てる、対策を試して振り返るという流れで進められます。この記事では、架空の問い合わせデータを使いながら、仕事や学習に取り入れるための手順を解説します。
目次
1.データ分析は「何を判断したいか」から始める
分析を始めるときは、最初に判断したいことを一つ決めましょう。「数値を詳しく調べる」だけでは、集計項目が増え続け、結果をどの行動につなげるかが曖昧になりがちです。
例えば、問い合わせが減っているなら、「広告の出し方を変えるべきか」「申し込みフォームを見直すべきか」など、判断の候補を挙げます。候補が決まると、流入経路やフォームの利用状況など、必要なデータを選びやすくなります。
| 最初に決めること | 問い合わせ改善の例 |
|---|---|
| 目的 | サービスの利用につながる問い合わせを増やす |
| 判断したいこと | 集客と申し込み手順のどちらを優先して見直すか |
| 確認する指標 | 訪問数、問い合わせ数、問い合わせ率 |
| 併せて確認すること | 問い合わせ内容、対応時間、費用 |
| 判断期限 | 次の施策を決める会議まで |
指標は、目的の達成状況を確かめるために使います。問い合わせ数が増えても、対象外の相談ばかり増えたり、対応負担が大きくなったりすれば、目的に合った改善とは限りません。
また、数値で表しただけで、主観や偏りがなくなるわけではありません。何を測るか、誰を対象にするか、どの期間を選ぶかによって結果が変わるため、数値と一緒に集計の前提も残してください。
2.比較する前に、期間・対象・数え方をそろえる
数値の増減を見る前に、比較するデータの条件を確認します。同じ名前の指標でも、集計期間や重複の扱いが異なれば、そのまま比較できない場合があります。
例えば、ある月の合計と翌月の途中経過を比べると、経過日数の違いが混ざります。営業日数や曜日の構成、連休の有無なども、変化を読み取る際の確認事項です。
| 確認項目 | 確認する内容 |
|---|---|
| 期間 | 開始日・終了日・日数が分かるか。途中集計が混ざっていないか |
| 対象 | 同じ店舗、商品、ページ、利用者の範囲を比べているか |
| 単位 | 人数、回数、件数、金額などを混同していないか |
| 数え方 | 同じ人や同じ問い合わせを複数回数えるか |
| 取得方法 | 計測ツールや設定、入力ルールに変更がないか |
| 更新状況 | 未反映のデータや、後から確定する数値がないか |
直近28日間の数値は、毎日ほとんどの期間が重なる
「直近28日間」の集計を翌日に確認すると、集計対象から古い1日が外れ、新しい1日が加わります。隣り合う2回の集計は27日分が共通しているため、独立した2期間の実績ではありません。
そのため、表示値が下がったことは、必ずしも昨日だけの不調を意味しません。集計から外れた日に大きな実績があった可能性もあるので、日別の推移と、重ならない同じ長さの期間を併せて確認しましょう。
日平均に直しても、すべての条件がそろうわけではない
日数が異なる場合、1日当たりの平均を計算すると、合計だけでは見えにくい違いを確認できます。ただし、平日と休日で利用状況が異なる場合などは、日平均だけでは比較条件を十分に調整できません。
曜日別、営業日別、前年の同じ時期など、目的に合う比較対象を選びます。比較対象を変えると結論も変わる場合は、その違いを隠さず記録してください。
3.欠損値・重複・外れ値を確認する
集計の前に、空欄、重複した記録、単位の不一致などを確認します。元のデータは残し、修正した内容と理由が分かる形で作業すると、後から結果を確かめやすくなります。
例えば、所要時間の空欄は「0分」と同じ意味ではありません。未入力、計測失敗、対象外など、空欄になった理由を調べてから扱いを決めましょう。
| 見つかった状態 | 対応を決める前に確認すること |
|---|---|
| 空欄がある | 未入力なのか、対象外なのか、計測できなかったのか |
| 同じ記録が複数ある | 二重登録なのか、実際に複数回発生した出来事なのか |
| 極端に大きい値がある | 入力ミスなのか、実際に起きた特別な事例なのか |
| 表記がそろっていない | 同じ分類を別の名前で記録していないか |
| 期間の途中から記録がない | 実績がなかったのか、取得処理が止まったのか |
外れ値は、他の値から離れているという理由だけで削除しないでください。実際の大口注文や長時間の対応など、業務を理解するために重要な記録である可能性があります。
NISTの統計ハンドブックでも、外れ値の除外を検討する前に、その値が現れた理由を理解することが説明されています。誤記なら根拠に基づいて修正し、実際の記録なら、含めた集計と分けた集計を比較するなど、目的に応じて扱いましょう。
4.件数・割合・内訳を組み合わせて変化を読む
一つの指標だけでは、変化の意味を十分に判断できないことがあります。件数が減っていても、対象となる人数や機会も減っていれば、割合は変わっていないかもしれません。
ここでは、説明用の架空のデータを使います。「対象ページへの訪問」を集計単位とし、その訪問中に問い合わせが完了した場合を、1訪問につき最大1件数える設定です。比較する期間の長さと計測条件は同じとします。
| 指標 | 前の期間 | 今回の期間 | 変化 |
|---|---|---|---|
| 対象ページへの訪問数 | 1,000回 | 800回 | 20%減少 |
| 問い合わせが完了した訪問数 | 50回 | 48回 | 4%減少 |
| 問い合わせ率 | 5% | 6% | 1ポイント上昇 |
問い合わせ率は、「問い合わせが完了した訪問数÷対象ページへの訪問数×100」で計算しています。5%から6%への変化は1ポイントの上昇であり、元の5%を基準とした相対的な増加率では20%です。
この結果から言えるのは、訪問数と問い合わせ件数は減った一方、集計上の問い合わせ率は上がったということです。フォームの改善効果があったのか、問い合わせやすい人の訪問割合が増えたのかは、この表だけでは分かりません。
内訳を見ると、次に調べる場所を絞れる
次は、流入経路、端末、対象ページなど、業務上の意味がある単位で分けてみます。例えば、ある経路の訪問だけが減っていれば、その経路の掲載状況や施策の変更を確認する手掛かりになります。
ただし、細かく分けるほど各区分の件数は少なくなります。「5回中1回」と「500回中100回」は、どちらも20%ですが、割合だけを並べず、分母と分子も表示して判断してください。
平均値に加えて、分布も確認する
対応時間や購入金額などを調べるときは、平均値だけでなく、中央値や値の散らばりも確認します。一部の大きな値によって平均が変わったのか、全体的に値が動いたのかでは、検討する対策が異なります。
時間の変化は折れ線グラフ、分類ごとの件数は棒グラフ、値の分布はヒストグラムなど、確認したい内容に合わせて表現を選びましょう。グラフには、単位・対象期間・対象件数を添えてください。
平均値と中央値は、どのように使い分ければよいのでしょうか。代表値の特徴と、仮説検定の結果を読む際の注意点を具体例で整理しています。
データ分析の代表値と仮説検定|平均・中央値・p値の読み方を具体例で解説 記事を読む →5.観測した事実と、原因についての仮説を分ける
データから変化を見つけたら、その理由の候補を挙げます。この段階では、確認できた事実と、まだ確かめていない説明を分けて書くことが大切です。
例えば、「スマートフォンからの問い合わせ率が下がった」は集計結果として確認できます。一方、「入力欄が使いにくいことが原因だ」は仮説であり、画面の動作確認や入力段階ごとの記録など、追加の確認が必要です。
| 観測した事実 | 原因の仮説 | 次に確認すること |
|---|---|---|
| ある経路からの訪問が減った | 掲載や配信の機会が減ったのではないか | 掲載状況、配信量、停止や設定変更の履歴 |
| スマートフォンの問い合わせ率が下がった | 入力操作に問題があるのではないか | 実機での操作、エラー記録、入力途中の離脱状況 |
| 平均対応時間が長くなった | 難しい相談の割合が増えたのではないか | 相談の種類ごとの件数と対応時間 |
同じ変化を説明できる仮説は、複数ある場合があります。最初に思いついた説明だけで対策を決めず、計測の不具合、利用者構成の変化、季節的な要因なども確認しましょう。
また、2つの数値が一緒に動いていても、それだけで原因と結果の関係は決まりません。総務省統計局のData StaRtでも、相関関係と因果関係を区別して説明しています。
6.改善策は、評価方法を決めてから試す
対策を実行する前に、何を変更し、何を使って評価するかを決めます。結果を見てから都合のよい指標や期間だけを選ぶと、改善したように見える部分へ判断が偏るおそれがあります。
例えば、フォームの入力説明を変更するなら、問い合わせ率だけでなく、入力エラーや問い合わせ内容も確認対象にします。実施日と変更箇所を記録し、ほかの施策も同時に行った場合は、その内容を残してください。
| 実施前に決める項目 | 記録の例 |
|---|---|
| 確かめたい仮説 | 入力条件が伝わらず、フォームの途中で離脱しているのではないか |
| 変更する内容 | 入力欄の近くに、必要な情報と入力例を表示する |
| 主な評価指標 | 対象となる訪問の問い合わせ率 |
| 併せて見る指標 | 入力エラー、問い合わせ内容、対応負担 |
| 比較方法 | 同時期の比較群を設けられるか。難しければ前後比較の限界を記録する |
| 終了・見直しの条件 | 評価する期間と、操作不具合が出た場合の中止条件を決める |
実施前後の変化だけでは、効果を断定できない
変更後に数値が改善しても、同時期に広告や価格、利用者の構成が変わっていれば、それらの影響が混ざります。可能な場合は、対象を適切に割り付けた比較を検討し、同じ時期の条件で確かめます。
前後比較しかできない場合も、結果は改善を考える材料になります。ただし、「変更後に上がった」という観測結果と、「変更によって上がった」という因果的な結論は分けて記載してください。
統計的な有意差と、実務上の価値を分けて考える
検定を使う場合は、データの集め方や手法の前提を確認します。統計的に有意な差があっても、それだけで施策の因果関係や、実施する価値まで確定するわけではありません。
変化の大きさと不確実性に加えて、費用、作業時間、利用者への影響も見て判断しましょう。通常の検定を何度も繰り返し、有意差が出たところで終了する進め方は避け、評価方法を事前に決めておくことが大切です。
分析結果から施策を選ぶときは、見込める成果と失敗時の負担も確認します。期待値・有意差・リスクを、意思決定にどう使うかを解説しています。
確率を意思決定に活かす方法|期待値・有意差・リスクの読み方を具体例で解説 記事を読む →7.分析結果は「分かったこと・未確認のこと・次の行動」にまとめる
分析の報告では、グラフを並べるだけでなく、判断に必要な内容を短く整理します。確認できていないことも書いておくと、結果を過大に解釈したり、同じ調査を繰り返したりすることを防ぎやすくなります。
例えば、問い合わせの分析なら、次のように記録できます。数値は先ほどの架空の例であり、原因についてはまだ確認が必要な状態です。
| 記録する項目 | 記入例 |
|---|---|
| 分かったこと | 訪問数は1,000回から800回、問い合わせ完了は50回から48回に減った |
| 併せて分かったこと | 問い合わせ率は5%から6%に上がった |
| 未確認のこと | 訪問数が減った経路と、問い合わせ率が上がった理由 |
| 次の行動 | 経路別・端末別に件数と割合を確認する |
| 現時点の判断 | この集計だけでフォーム改修の成否を決めない |
分析は、一度の集計で結論を出して終わるとは限りません。分からなかった点を次の調査へつなげ、実行した対策の記録と合わせて更新していきます。
学習の記録でも同じ考え方を使えます。正答数が増えたときは、問題数や難易度、初見か解き直しかを確認し、次にどの条件で解けるかを確かめましょう。
分析で学んだことを行動につなげるには、小さく試し、結果を振り返る手順が役立ちます。知識を実際の課題に使う練習方法を紹介しています。
学んだことを実践に活かす方法|知識を使う練習と振り返りの手順 記事を読む →8.データ分析の進め方に関するよくある質問
統計学を学び終えてから分析を始めるべきですか?
まずは、指標の意味を確認し、同じ条件のデータを表にまとめるところから始められます。割合や平均値など、実際に使う計算の意味を、その都度確認してください。
一方、検定や予測モデルを使う場合は、計算操作だけでなく、適用条件や結果の解釈も学ぶ必要があります。重要な判断に使う分析では、詳しい人に設計や解釈を確認してもらうことも検討しましょう。
データは何件あれば十分ですか?
すべての分析に共通する必要件数はありません。知りたいこと、データのばらつき、検出したい差の大きさ、集め方などによって変わります。
少数の記録からでも不具合の手掛かりは得られますが、その結果が全体でも同じように成り立つとは限りません。対象件数を示し、判断できる範囲を明確にしてください。
AIにデータを渡せば、原因まで分かりますか?
AIは、集計方法の提案や、考えられる原因の候補を挙げる補助に使えます。ただし、もっともらしい説明が出ても、それが実際の原因だと確認されたわけではありません。
計算結果は元データと照合し、原因の仮説は追加の記録や検証で確かめましょう。業務データを外部サービスに入力する場合は、所属組織のルールと利用条件を先に確認してください。
予想と違う結果が出たときは、どうすればよいですか?
まず、集計の誤りや条件の違いがないかを確認します。問題がなければ、予想に合わせてデータを除外するのではなく、仮説を見直す材料として扱いましょう。
改善が確認できなかったことも、次の対策を選ぶための情報になります。何を試し、何が変わらず、何が未確認なのかを残すことで、次の分析につなげられます。
9.最初は、一つの判断に必要なデータを整理する
データ分析を始める際は、判断したいことを一つ選び、指標の定義と比較期間を書き出してみてください。そのうえで、件数・割合・内訳を確認し、観測した事実と原因の仮説を分けます。
対策を試すときは、変更内容と評価方法を先に決め、結果から次の行動を選びましょう。数値を集める作業と、条件を確かめながら判断する作業を組み合わせることが、データを改善に活かす基本です。
参考資料
- 総務省統計局:Data StaRt「キーワード編」 ― PPDAC、記述統計と推測統計、相関関係と因果関係などの基本用語。
- NIST/SEMATECH:What are outliers in the data? ― 外れ値が現れた理由を調べ、扱いを検討する際の考え方。
Learning Tools
記事を検索したい方はここから!
記事を検索
関連記事や、今の内容に近いテーマをすぐに検索できます。
例: AI / 情報Ⅰ / Python / 統計 / 資格 / 学習法