解釈は事実と現場の頭の中にある現場感 データ分析講座(その141)

更新日

投稿日

情報マネジメント

◆ データ分析: 過去を考える

 前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)

 データ分析の時、必ず③の「アクション」まで導き出しましょう。そうしないと、単なるデータ分析で終わってしまいます。この順番に、データを分析しながら考えていきます。つまり「何が起こっていたのか(過去)」をまず考える、ということです。

 今回は「まずは、何が起こっていたのか(過去)を考える」についてお話しをします。



1、データ分析: 過去のデータで理解

 データサイエンスや機械学習などから「予測」というポイントに目が行く方も少なくありません。しかしデータは所詮過去の記録に過ぎません。過去の記録から未来を予測するには、ひと工夫必要になります。

 データを使った予測をするために、過去のデータ間の関係性を数理モデル化し、その数理モデルを利用して予測していきます。そういう意味で、過去に「何が起こっていたのか」を、まず考えていくことは、非常に重要になってきます。そもそも、予測するしないに関係なく「まず過去のデータから過去を理解しよう」とする行為は、とても自然なことだと思います。

2、データ分析: 見える化の動機

 データを蓄積する動機の一つに、よく「見える化」という言葉が使われます。「見える化」して何をしたいかといえば「何が起こっていたのかを知りたい」ということでしょう。問題が起こっていれば、対策を打つきっかけになりますし、何ごともなければ計画通り進めればいいわけです。そのためデータを手にしたとき、過去に「何が起こっていたのか」を考えていきます。

(1) 事実と解釈

 この「何が起こっていたのか(過去)」を考えていくために、次の2つをデータ分析から導き出していきます。

  • 事実:データから直接分かることは何か?
  • 解釈:データの裏側で何が起こっているのか?

 そのために例えば、次のようなデータ分析を実施します。

  • モニタリング
  • 異常検知
  • 要因分析

(2) 例えば、どのようなデータ分析をするのか?

 モニタリングでは、得られたデータの状況を加工・集計し、場合によってはグラフなどで視覚化することで、どうなっているのかを見ていきます。次に、その視覚化した数字に異常がないかどうか確認するために、異常検知を実施します。さらに、その異常の原因が何であるかを考えていくため、要因分析を実施します。これらの3つのデータ分析を通して「事実」を把握し、そこから何が起こっていたのかを「解釈」していきます。

(3) 簡単な分析技術でOK

 利用する分析技術や数理モデルなどは、それほど高度なものではなく、従来からあるベタなものになります。例えば「QC7つ道具」や「新QC7つ道具」だけで十分分析可能です。可能であれば、統計解析(多変量解析を含む)の知識があると、より良いでしょう。

3、データ分析: 事実は誰が考えてもほぼ同じ

 データから分かるのは「ある事象」(例:受注など)の「1面の1部分」だけです。そのため、実際に「何が起こっていたのか」は、データから直接は分かりません。あくまでも、実際に何が起こっていたのかを「知る手掛かり」に過ぎません。そのため、データから「事実」という手掛かりをつかみ、実際に「何が起こっていたのか」を「解釈」する必要があるのです。そして、この「事実」は、誰が考えてもほぼ同じことが導かれます。データを見たまま読み取るからです。

例1:営業マーケティング

 例えば……

 「先月に比べ受注件数が10%増えた」
 「昨年同月に比べ売上が25%落ちた」
 「自社開催イベント経由のリード(見込み客)数が、計画値よりも25%多い」

 ……は誰が見ても同じです。

例2:生産

 例えば……

 「先週に比べ製品の良品数が50%増えた」
 「歩留まり(良品の割合)が87%から58%に悪化した」
 「製造ラインの稼働時間が、先月に比べ30%減少した」

 ……は誰が見ても同じです。

4、データ分析: 解釈は人によって異なる

 「事実」では、素直にデータを読み取ります。感情や思い入れ、解釈など主観的な要素は極力排除して読み取ります。「解釈」は「事実」をもとに「何が起こっていたのか」を、その人の持っている情報や今まで培ってきた経験値、感覚などを通して考えるため、人によって異なります。

例3 : 営業マーケティング

 例えば「先月に比べ受注件数が10%増えた」に対する「解釈」は……

 「受注件数が10%増えたのは『営業が頑張った』からだ」、
 「受注件数が10%増えたのは『商材の評判が良くなった』からだ」、
 「受注件数が10%増えたのは『リード(見込み顧客)の質が高まった』からだ」

 ……のように人によって異なります。

例4 : 生産

 例えば「歩留まり(良品の割合)が87%から58%に悪化した」に対する「解釈」は……

 「歩留まりが58%に悪化したのは『猛暑に対応した機器の温度設定が適切でなかった』からだ」、
 「歩留まりが58%に悪化したのは『材料のサプライヤーが変わり材料特性がやや変化した』からだ」、
 「歩留まりが58%に悪化したのは『長期休暇明けだった』からだ」

 ……のように人によって異なります。

5、データ分析: どの解釈が正しいのか

 誰のどのような「解釈」が正しいのかは、本当のところ誰も分かりません。

  少なくとも「解釈」が現場から見たら「荒唐無稽(こうとうむけい)なこと」にならないように注意しましょう。そのためにも、現場の「解釈」に強く影響させたほうが良いです。近...

情報マネジメント

◆ データ分析: 過去を考える

 前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)

 データ分析の時、必ず③の「アクション」まで導き出しましょう。そうしないと、単なるデータ分析で終わってしまいます。この順番に、データを分析しながら考えていきます。つまり「何が起こっていたのか(過去)」をまず考える、ということです。

 今回は「まずは、何が起こっていたのか(過去)を考える」についてお話しをします。



1、データ分析: 過去のデータで理解

 データサイエンスや機械学習などから「予測」というポイントに目が行く方も少なくありません。しかしデータは所詮過去の記録に過ぎません。過去の記録から未来を予測するには、ひと工夫必要になります。

 データを使った予測をするために、過去のデータ間の関係性を数理モデル化し、その数理モデルを利用して予測していきます。そういう意味で、過去に「何が起こっていたのか」を、まず考えていくことは、非常に重要になってきます。そもそも、予測するしないに関係なく「まず過去のデータから過去を理解しよう」とする行為は、とても自然なことだと思います。

2、データ分析: 見える化の動機

 データを蓄積する動機の一つに、よく「見える化」という言葉が使われます。「見える化」して何をしたいかといえば「何が起こっていたのかを知りたい」ということでしょう。問題が起こっていれば、対策を打つきっかけになりますし、何ごともなければ計画通り進めればいいわけです。そのためデータを手にしたとき、過去に「何が起こっていたのか」を考えていきます。

(1) 事実と解釈

 この「何が起こっていたのか(過去)」を考えていくために、次の2つをデータ分析から導き出していきます。

  • 事実:データから直接分かることは何か?
  • 解釈:データの裏側で何が起こっているのか?

 そのために例えば、次のようなデータ分析を実施します。

  • モニタリング
  • 異常検知
  • 要因分析

(2) 例えば、どのようなデータ分析をするのか?

 モニタリングでは、得られたデータの状況を加工・集計し、場合によってはグラフなどで視覚化することで、どうなっているのかを見ていきます。次に、その視覚化した数字に異常がないかどうか確認するために、異常検知を実施します。さらに、その異常の原因が何であるかを考えていくため、要因分析を実施します。これらの3つのデータ分析を通して「事実」を把握し、そこから何が起こっていたのかを「解釈」していきます。

(3) 簡単な分析技術でOK

 利用する分析技術や数理モデルなどは、それほど高度なものではなく、従来からあるベタなものになります。例えば「QC7つ道具」や「新QC7つ道具」だけで十分分析可能です。可能であれば、統計解析(多変量解析を含む)の知識があると、より良いでしょう。

3、データ分析: 事実は誰が考えてもほぼ同じ

 データから分かるのは「ある事象」(例:受注など)の「1面の1部分」だけです。そのため、実際に「何が起こっていたのか」は、データから直接は分かりません。あくまでも、実際に何が起こっていたのかを「知る手掛かり」に過ぎません。そのため、データから「事実」という手掛かりをつかみ、実際に「何が起こっていたのか」を「解釈」する必要があるのです。そして、この「事実」は、誰が考えてもほぼ同じことが導かれます。データを見たまま読み取るからです。

例1:営業マーケティング

 例えば……

 「先月に比べ受注件数が10%増えた」
 「昨年同月に比べ売上が25%落ちた」
 「自社開催イベント経由のリード(見込み客)数が、計画値よりも25%多い」

 ……は誰が見ても同じです。

例2:生産

 例えば……

 「先週に比べ製品の良品数が50%増えた」
 「歩留まり(良品の割合)が87%から58%に悪化した」
 「製造ラインの稼働時間が、先月に比べ30%減少した」

 ……は誰が見ても同じです。

4、データ分析: 解釈は人によって異なる

 「事実」では、素直にデータを読み取ります。感情や思い入れ、解釈など主観的な要素は極力排除して読み取ります。「解釈」は「事実」をもとに「何が起こっていたのか」を、その人の持っている情報や今まで培ってきた経験値、感覚などを通して考えるため、人によって異なります。

例3 : 営業マーケティング

 例えば「先月に比べ受注件数が10%増えた」に対する「解釈」は……

 「受注件数が10%増えたのは『営業が頑張った』からだ」、
 「受注件数が10%増えたのは『商材の評判が良くなった』からだ」、
 「受注件数が10%増えたのは『リード(見込み顧客)の質が高まった』からだ」

 ……のように人によって異なります。

例4 : 生産

 例えば「歩留まり(良品の割合)が87%から58%に悪化した」に対する「解釈」は……

 「歩留まりが58%に悪化したのは『猛暑に対応した機器の温度設定が適切でなかった』からだ」、
 「歩留まりが58%に悪化したのは『材料のサプライヤーが変わり材料特性がやや変化した』からだ」、
 「歩留まりが58%に悪化したのは『長期休暇明けだった』からだ」

 ……のように人によって異なります。

5、データ分析: どの解釈が正しいのか

 誰のどのような「解釈」が正しいのかは、本当のところ誰も分かりません。

  少なくとも「解釈」が現場から見たら「荒唐無稽(こうとうむけい)なこと」にならないように注意しましょう。そのためにも、現場の「解釈」に強く影響させたほうが良いです。近視眼的になりやすいという欠点はありますが、現場で起こっていることは現場の人にしか分かりません。

 多くの場合、現場の頭の中にある「現場感」(感覚的な現場の定性情報)はデータ化されていないので、集めたデータには表れてきません。つまり「解釈」は「事実」と現場の頭の中にある「現場感」(感覚的な現場の定性情報)を掛け合わせることで、実際に「何が起こっていたのか」を垣間見ることです。

6、データ分析: 今回のまとめ

 今回は「まずは『何が起こっていたのか(過去)』を考える」というお話しをしました。「何が起こっていたのか」をまずは考えていきます。この「何が起こっていたのか(過去)」を考えていくために、事実:データから直接分かることは何か?解釈:データの裏側で何が起こっているのか?以上2つをデータ分析から導き出していきます。

 そのために、例えば次のようなデータ分析を実施します。モニタリング、異常検知、要因分析、データから「事実」を把握し、何が起こっていたのかを「解釈」します。しかし、このままではあくまでも「過去」のことを語ったに過ぎません。そのために、次に「どうなりそうか(未来)」を考えていくことになります。

   続きを読むには・・・


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)


「情報マネジメント一般」の他のキーワード解説記事

もっと見る
アクションを考えるとは データ分析講座(その143)

◆ データ分析:「何をすればよいのか(アクション)」を考える  前回はデータを使い課題解決を考えた際、「どうなりそうか」という未来について考えるお話...

◆ データ分析:「何をすればよいのか(アクション)」を考える  前回はデータを使い課題解決を考えた際、「どうなりそうか」という未来について考えるお話...


コーホートを活用した受注予測モデルとは データ分析講座(その108)

  ◆ 営業や販売のCRM系のデータ分析、どうしてもコーホート的になる  分析用データはどのような視点で分析するかによりデータセットの呼び名...

  ◆ 営業や販売のCRM系のデータ分析、どうしてもコーホート的になる  分析用データはどのような視点で分析するかによりデータセットの呼び名...


データ分析・活用のテーマ データ分析講座(その176)

  ◆ データ分析・活用テーマ、上からのテーマと下からのテーマ  データサイエンスを実践するときのテーマ、要はデータ分析・活用のテーマで...

  ◆ データ分析・活用テーマ、上からのテーマと下からのテーマ  データサイエンスを実践するときのテーマ、要はデータ分析・活用のテーマで...


「情報マネジメント一般」の活用事例

もっと見る
‐販路開拓に関する問題 第1回‐  製品・技術開発力強化策の事例(その17)

 前回の事例その16に続いて解説します。開発が完了したから販売先を探す。そのような考え方で開発に従事することは根本的に間違っている事は既に述べました。開発...

 前回の事例その16に続いて解説します。開発が完了したから販売先を探す。そのような考え方で開発に従事することは根本的に間違っている事は既に述べました。開発...


‐クレ-ム情報を開発に活用‐  製品・技術開発力強化策の事例(その13)

 前回の事例その12に続いて解説します。顧客から出されたクレ-ムは、技術開発や、関連製品の開発の可能性を潜在させている場合が多いようです。その視点からクレ...

 前回の事例その12に続いて解説します。顧客から出されたクレ-ムは、技術開発や、関連製品の開発の可能性を潜在させている場合が多いようです。その視点からクレ...


情報、常識の検証を考える

1、勝ち組と負け組を支配する情報  皆さんがご存じの大手予備校有名講師である林先生が、かつてテレビで「情報」に関して興味深いことをおっしゃっており、...

1、勝ち組と負け組を支配する情報  皆さんがご存じの大手予備校有名講師である林先生が、かつてテレビで「情報」に関して興味深いことをおっしゃっており、...