次のアクションにつなげるには データ分析講座(その142)

更新日

投稿日

情報マネジメント

◆ 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...

情報マネジメント

◆ 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、予測モデルなどの予測結果を見ます。予測値はあくまでも参考程度のもので、何ごとも人間の頭で考えることが必要です。

7、データ分析:今回のまとめ

 今回は「次に『どうなりそうか』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」という過去を考えたら、次に「どうなりそうか」という未来を考えます。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。まずは、従来からある統計解析(多変量解析含む)の線形回帰モデルやロジスティック回帰モデルなどで十分です。

 対策の定量的な効果の大きさは「対策を打ったとき」(解決)の将来予測の結果と「そのまま何もしないとき」(延長)の将来予測の結果とのギャップになります。過去とのギャップではないことに気を付けましょう。「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。人の頭をフル回転さえていく必要があります。「対策」以外の「延長」や「解決」も、基本的には「人の頭」でを考えていきます。予測値はあくまでも参考程度のもので、何ごとも人間の頭で考えることが必要です。

   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
もっとも手軽なAIである異常検知 データ分析講座(その271)

  AIって何だろうと考えたとき、感覚的に思いつくことの1つとして「何かを教えてくれるコンピュータ上の何か」といのもあるのではないでしょう...

  AIって何だろうと考えたとき、感覚的に思いつくことの1つとして「何かを教えてくれるコンピュータ上の何か」といのもあるのではないでしょう...


IoT「モノのインターネット化」とは(その2)

 前回のその1に続いて解説します。   2. IoT導入事例と導入の進め方  工場でIoTを活用するには何から始めたらいいでしょうか。今回は、下...

 前回のその1に続いて解説します。   2. IoT導入事例と導入の進め方  工場でIoTを活用するには何から始めたらいいでしょうか。今回は、下...


サイバー攻撃事例、情報システムとの違い 制御システム(その2)

  【制御システム 連載目次】 1. セキュリティ脅威と歴史 2. サイバー攻撃事例、情報システムとの違い 3. リスク分析とセキュ...

  【制御システム 連載目次】 1. セキュリティ脅威と歴史 2. サイバー攻撃事例、情報システムとの違い 3. リスク分析とセキュ...


「情報マネジメント一般」の活用事例

もっと見る
現場情報の自動収集に道具だてを

 一日の作業指示の出し方で、次のどちらの組織の管理レベルの改善がより進むでしょうか?        ・A社 ➡「x製品を◯個」     ・B...

 一日の作業指示の出し方で、次のどちらの組織の管理レベルの改善がより進むでしょうか?        ・A社 ➡「x製品を◯個」     ・B...


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、...


中小製造業とIoTの波

 「IoT(アイオーティー)」の波が、中小製造業にどのような影響をおよぼすのか、具体的にどのような変化がこの業界に訪れるのかについて、解説します。   ...

 「IoT(アイオーティー)」の波が、中小製造業にどのような影響をおよぼすのか、具体的にどのような変化がこの業界に訪れるのかについて、解説します。   ...