◆ データ分析：次に「どうなりそうか」を考える
前々回のデータ分析講座（その140）、「データ分析は必ずアクションまで導き出す」では次のようなお話しをしました。
データを使い課題解決を考えた時、例えば次の3つのことを、データから考えていきます。
① 何が起こっていたのか（過去）
② どうなりそうか（未来）
③ 何をすればよいのか（アクション）
前回は、その中で①の「何が起こっていたのか（過去）」についてお話ししました。今回は「何が起こっていたのか」という過去を考えたら、次に「どうなりそうか」という未来について考えていきます。
1、データ分析：これからアクションをするのは、過去ではなく未来
未来について考えることで、これから何をすべきかというアクションにつながります。なぜならばこれからアクションをするのは、過去ではなく未来だからです。「当たり前ではないか！」と思う方もいるかもしれません。しかしこの当たり前のことができていないデータ分析が非常に多いのです。過去ばかり探るデータ分析では、次のアクションにつながりません。
2、データ分析から導き出す3つのこと
この「どうなりそうか（未来）」を考えていくために、次の3つをデータ分析から導き出していきます。
（1） 延長：そのまま何も対策を打たないとどうなるのか？
（2） 対策：どのような対策を打つべきか？
（3） 解決：対策を打つとどうなるのか？
（1） 延長
「そのまま何もしないとどうなるのか」（延長）では、過去の傾向を未来に引き延ばし「問題が起こりそうかどうか」を考えます。もし問題が起こりそうであれば、何か対策を考えなければなりません。
（2） 対策
「問題が起こりそうならばどのような対策を打つべきか」（対策）では「そのまま何もしないとどうなるのか」（延長）を考えた時に見えた問題の対策案を考えます。この部分はアイデア勝負です。成功体験から考えるのもいいです。今までやったことのない奇抜なものでも問題ありません。過去の知見や現場の感覚などを織り交ぜ、頭をフル回転させます。
（3） 解決
「対策を打つとどうなるのか」（解決）で「対策」を打った結果を考えます。問題が劇的に解決するかもしれませんし、あまり解決しないかもしれません。予測モデルの予測値は参考程度に、対策案一つ一つに対し基本は人の頭を使い、その結果を考えていきます。
3、データ分析：将来予測
そのために将来予測を実施していくことになります。将来予測をするためには、予測するための数理モデルである「予測モデル」を構築する必要があります。古典的には統計解析（多変量解析含む）の線形回帰モデル（例：金額などの量を予測）やロジスティック回帰モデル（例：受注or失注などの分類を予測）などを構築することで、予測モデルを構築することができます。
予測モデルに関しては、機械学習の隆盛などからニューラルネットワーク系のディープラーニングや、決定木（ディシジョンツリー）系のランダムフォレストなど様々なものが登場してきています。ただ、最新の数理モデルの方が予測精度が高いとか、実務で使いやすいとか、そう言い切れないのが悩ましいところです。
4、データ分析：予測モデルの使いどころ
予測モデルを使うのは次の2つです。
延長：そのまま何も対策を打たないとどうなるのか？
解決：対策を打つとどうなるのか？
「対策を打ったとき」（解決）で重要になるのは「そのまま何もしないとき」（延長）とのギャップを見ることです。過去とのギャップではないことに気を付けましょう。この定量的なギャップが、その対策の定量的な効果の大きさです。
5、データ分析：人の頭をフル回転する必要もある
「対策：どのような対策を打つべきか？」は、予測モデルでどうにかなるものではありません。基本、人の頭をフル回転させていく必要があります。さらに「延長：そのまま何も対策を打たないとどうなるのか？」と「解決：対策を打つとどうなるのか？」も、基本は人の頭を使い未来を見ていきます。なぜならば、何度もお話していますが、データは世の中の事象の極一部を切り出したものに過ぎないためです。
データが語れない動きは、人の頭で捕捉していくしかありません。そのため、予測モデルなどの予測結果に頼り過ぎないように気を付けましょう。
6、データ分析：基本的には「人の頭」で未来を見る
要するに、基本的には「人の頭」で未来（延長・対策・解決）を考えていきます。必ず現場のビジネスパーソンを含めて考えていきましょう。現場を知らない人や現場と遠く離れたところにいる人だけで未来を考えると、リアリティが欠如し実行されない対策を導くだけです。あくまでも、未来の想像力を刺激するために、予測モ...
