データ分析講座(その33) 時系列データ

情報マネジメント

◆ 異常検知とデータ分析は、切っても切り離せない

 モニタリングする指標の多くは、時系列データといわれるものです。時系列データとは、一定間隔(例:1週間、1日、1時間)ごとに観察されるデータのことです。ビジネスの多くの指標は、時系列データでしょう。

 例えば、一般消費者を相手にする小売店であれば「日販」(1日の売上高)や「購入者数」(レシート数)は、時系列データです。法人営業の部署であれば1週間の「問い合わせ件数」や「受注件数」なども時系列データです。要するに、ビジネスデータ分析は、時系列のデータ分析なのです。

1. 指標は、あまり変化しないからこそ見るべき

 日々モニタリングしている指標の値は、当然ながら日々変化します。しかし、多少の変化はあっても、大きく変化することは少ないことでしょう。例えば、ある小売店の「日販」の平均が平日50万円で休日120万円であれば、平日は40万円~60万円ぐらいの範囲に、休日は110万円~130万円ぐらいの範囲に収まることでしょう。例えば、ある法人営業の営業課で、取り扱っている商材の、ある時期の1週間の「問い合わせ件数」の平均が25件であれば、その時期はどの週も概ね15件~35件ぐらいの範囲に収まることでしょう。

 このように指標の値は、ある一定の範囲内に収まります。しかし、時々思いがけない変化をすることがあるのです。例えば、平日に平均50万円ぐらいで推移していた「日販」が、ある日を境にじわじわと上昇し、気づけば平日の「日販」の平均が100万円ぐらいの水準になっていたりする。

 例えば、取り扱っている商材の1週間の「問い合わせ件数」が25件ぐらいで推移していたのに、ある週だけ急に跳ね上がり「問い合わせ件数」が100件になることもあるかもしれない。
このようなことに気づくことは重要なことでしょう。日々あまり変化しない指標を毎日のように見ていればこそ、発見できるのです。

2. データ分析:2つの異常値

 この思いがけない指標の変化を検知するのが、「異常検知」です。

 異常値にも色々あります。営業やマーケティングであれば、検知したい異常は2種類あります。「外れ値」と「変化点」です。「外れ値」とは、文字通り「通常の指標の値とかけ離れた値に、一時的になること」です。先ほど例にあげた、取り扱っている商材の1週間の「問い合わせ件数」が25件ぐらいで推移していたのに、ある週だけ急に跳ね上がり「問い合わせ件数」が100件になる、という現象です。

 この外れ値がなぜ起こったのか、何かやばいことが起こる前触れなのか、思いがけないチャンスなのか、あらかじめ対応可能なことなのか、無視しても問題ないのか、色々と気になることでしょう。

 「変化点」とは、レベルシフト(水準変化)の「潮目」のことです。レベルシフト(水準変化)とは、全体の水準(レベル)が変化(シフト)することです。例えば、平日の「日販」の平均が50万円(50万円レベル)から平均100万円(100万円レベル)になることを意味します。このような変化点を検知することも、ビジネス上重要でしょう。

3. データ分析:2つの「潮目」(変化点)

 レベルシフト(水準変化)の「潮目」(変化点)は2つあります。

 先ほどの例の場合であれば、平日の「日販」の平均が50万円(50万円レベル)の「終焉時期」と、100万円レベルになる「開始時期」です。上方向のレベルシフトが起これば、早め早めにリソース(例:ヒト、モノ、カネ)を確保し、機会損失を起こさないように対策を打つことになるでしょう。逆に、下方向のレベルシフトが起これば、早め早めにその要因を掴み対策を打ち、その変化に何かしら対策を打つ必要があるでしょう。そのレベルシフトの「潮目」(変化点)を検知することで、早め早めの対策が打てるのです。

セミナー「データを利益に変えるデータサイエンス入門講座」

10:30 ~ 16:30 

商工情報センター(カメリアプラザ) 9F 会議室

55,000円

4. データ分析:異常検知の2ステップ

 具体的には、以下の2ステップで「異常検知」を実施します。

  • ステップ1:時系列モデルの構築
  • ステップ2:外れ値スコアの算出

 ステップ1の「時系列モデルの構築」とは、過去データで時系列モデルを構築し、「確率密度」を求めることです。ステップ2の「外れ値スコアの算出」とは、求めた確率密度から、「外れ値スコア」を計算することです。

 一見難しそうに思えるかもしれませんが、実はExcelだけで簡単にできます。

 Excelだけで実施する異常検知の方法は、別の機会に「Excel分析講座」の方で取り上げます。つまり、ビジネスデータの多くは時系列データで、もちろん売上や受注件数、問い合わせ件数などの営業関連データも時系列データです。

 このような、時系列データは通常は大きな変化をすることなく推移しますが、ある日突然おかしな動きをすることがあります。そのようなおかしな動きを検知するのが、異常検知です。異常検知したら、次にその要因は何かを調べることになります。要因分析と言われるデータ分析です。

 次回は、「要因分析」 2つのアプローチを解説します。


この記事の著者

高橋 威知郎

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)

無料会員登録でさらにあなたに特化した情報を手に入れましょう。

①「情報マネジメント」の関連記事が掲載されたらメールでお知らせ

②専門家「高橋 威知郎」先生に記事内容について直接質問が可能

③他にも数々の特典があります。