SOR理論とデータ分析の「XYZフレームワーク」 データ分析講座(その158)

更新日

投稿日

 

♦ レコメンド情報示し、確実なアクションを導く

 今回は「SOR理論とデータ分析の『XYZフレームワーク』」の解説です。

【目次】

1. SR理論から考えるデータ分析

2. SOR理論から考えるデータ分析

3. データ分析は「XYZフレームワーク」で整理

4. 調整変数とは

5. モニタリング情報とレコメンド情報

 

1. SR理論から考えるデータ分析

 行動心理学の世界では、SR理論(Stimulus-Response Theory)という考え方があります。行動を「刺激」(S:Stimulus)に対する「反応」(R:Response)としてとらえたものです。データ分析の枠組みで語ると「X(説明変数)」と「Y(目的変数)」の概念で捉えることができます。

  • 刺激(S:Stimulus)  :X(説明変数)
  • 反応(R:Response):Y(目的変数)

 

データ分析

図1. SR理論

 SR理論の概念はデータ活用を考える上で幅広く使えます。広告(X)を打てば売上(Y)が上がる。機器の稼働時間(X)が長くなると歩留まり(Y)が悪化する。など、色々と応用できそうです。しかし、ここで次のような問題が起こります。

 それは「同じ刺激(S:Stimulus)に対し、常に同じ反応(R:Response)が起こるわけではない」という問題です。例えば、広告打ったからといって、すべての人がその商品を購買するわけではありません。その人がどのような人なのかに依存します。例えば、稼働時間と歩留まりが悪化するタイミングの関係は、すべての工場で同じではありません。その日の気温や湿度、工員の熟練度などに依存します。

 

2. SOR理論から考えるデータ分析

 SR理論に「有機体(O:Organism)」という概念を付け加えたSOR理論(Stimulus-Organism-Response Theory)というものがあります。「有機体(O:Organism)」とは人間であったり動物であったりします。刺激(S:Stimulus)に対する反応(R:Response)だけでは説明できない現象を「有機体(O:Organism)」という概念を導入することで説明できるようにするものです。

 

3. データ分析は「XYZフレームワーク」で整理

 ビジネス系のデータ分析の世界であれば「有機体(O:Organism)」は生物個体だけでなく、AIであったり装置であったり工場のラインなど生物以外も付け加わります。つまり、同じX(説明変数)を与えても、個人の属性や工場の状況などにより、Y(目的変数)の値が変わる、ということです。

  • 刺激(S:Stimulus)     :X(説明変数)
  • 有機体(O:Organism):Z(調整変数 or 説明変数)
  • 反応(R:Response)    : Y(目的変数)

 

データ分析

図2. XYZフレームワーク

 

4. 調整変数とは

 ここでは「YとXの関係はZによって変化する」ということを表現するために調整変数という概念を使います。例えば「広告」(X)と「購買」(Y)の関係性は「個人属性」(Z)によって異なる「工場の稼働時間」(X)と「歩留まり悪化のタイミング」(Y)の関係性は「天候(気温や湿度など)」(Z)によって異なる、といったことです。

 調整変数は、説明変数と一緒に扱うこともありますが、意識的に区別しておいた方がよいでしょう。

 

5. モニタリング情報とレコメンド情報

 XYZの3種類(説明変数X・調整変数Z・目的変数Y)のデータを分析することで、例えば以下のような2種類の情報を得ることができます。

  • レコメンド情報
  • モニタリング情報

 

データ分析

図3. レコメンド情報とモニタリング情報


 レコメンド情報とは、どのような「刺激(S:Stimulus)」(アクションなど)をすべきか、という情報です。モニタリング情報とは「刺激(S:Stimulus)」を与えた結果、どうなったのかという「反応(R:Response)」に関する情報です。通常「見える化」といった場合、こちらのモニタリング情報を指すことが多いようです。

 問題なのは「反応(R:Response)」に関するデータだけを集めてしまい...

 

♦ レコメンド情報示し、確実なアクションを導く

 今回は「SOR理論とデータ分析の『XYZフレームワーク』」の解説です。

【目次】

1. SR理論から考えるデータ分析

2. SOR理論から考えるデータ分析

3. データ分析は「XYZフレームワーク」で整理

4. 調整変数とは

5. モニタリング情報とレコメンド情報

 

1. SR理論から考えるデータ分析

 行動心理学の世界では、SR理論(Stimulus-Response Theory)という考え方があります。行動を「刺激」(S:Stimulus)に対する「反応」(R:Response)としてとらえたものです。データ分析の枠組みで語ると「X(説明変数)」と「Y(目的変数)」の概念で捉えることができます。

  • 刺激(S:Stimulus)  :X(説明変数)
  • 反応(R:Response):Y(目的変数)

 

データ分析

図1. SR理論

 SR理論の概念はデータ活用を考える上で幅広く使えます。広告(X)を打てば売上(Y)が上がる。機器の稼働時間(X)が長くなると歩留まり(Y)が悪化する。など、色々と応用できそうです。しかし、ここで次のような問題が起こります。

 それは「同じ刺激(S:Stimulus)に対し、常に同じ反応(R:Response)が起こるわけではない」という問題です。例えば、広告打ったからといって、すべての人がその商品を購買するわけではありません。その人がどのような人なのかに依存します。例えば、稼働時間と歩留まりが悪化するタイミングの関係は、すべての工場で同じではありません。その日の気温や湿度、工員の熟練度などに依存します。

 

2. SOR理論から考えるデータ分析

 SR理論に「有機体(O:Organism)」という概念を付け加えたSOR理論(Stimulus-Organism-Response Theory)というものがあります。「有機体(O:Organism)」とは人間であったり動物であったりします。刺激(S:Stimulus)に対する反応(R:Response)だけでは説明できない現象を「有機体(O:Organism)」という概念を導入することで説明できるようにするものです。

 

3. データ分析は「XYZフレームワーク」で整理

 ビジネス系のデータ分析の世界であれば「有機体(O:Organism)」は生物個体だけでなく、AIであったり装置であったり工場のラインなど生物以外も付け加わります。つまり、同じX(説明変数)を与えても、個人の属性や工場の状況などにより、Y(目的変数)の値が変わる、ということです。

  • 刺激(S:Stimulus)     :X(説明変数)
  • 有機体(O:Organism):Z(調整変数 or 説明変数)
  • 反応(R:Response)    : Y(目的変数)

 

データ分析

図2. XYZフレームワーク

 

4. 調整変数とは

 ここでは「YとXの関係はZによって変化する」ということを表現するために調整変数という概念を使います。例えば「広告」(X)と「購買」(Y)の関係性は「個人属性」(Z)によって異なる「工場の稼働時間」(X)と「歩留まり悪化のタイミング」(Y)の関係性は「天候(気温や湿度など)」(Z)によって異なる、といったことです。

 調整変数は、説明変数と一緒に扱うこともありますが、意識的に区別しておいた方がよいでしょう。

 

5. モニタリング情報とレコメンド情報

 XYZの3種類(説明変数X・調整変数Z・目的変数Y)のデータを分析することで、例えば以下のような2種類の情報を得ることができます。

  • レコメンド情報
  • モニタリング情報

 

データ分析

図3. レコメンド情報とモニタリング情報


 レコメンド情報とは、どのような「刺激(S:Stimulus)」(アクションなど)をすべきか、という情報です。モニタリング情報とは「刺激(S:Stimulus)」を与えた結果、どうなったのかという「反応(R:Response)」に関する情報です。通常「見える化」といった場合、こちらのモニタリング情報を指すことが多いようです。

 問題なのは「反応(R:Response)」に関するデータだけを集めてしまい、そのデータを集計しモニタリング情報として現場に提供するケースです。

 例えば「売り上げが悪化した」とか「生産の歩留まり(良品の割合)が悪化した」という結果だけみせられても、具体的に何をするのがいいのかは、ベテランか相当センスの良い方でないとみえこないことでしょう。

 そのため、アクション結果である「モニタリング情報」を現場に提供するとともに、何をすべきかという「レコメンド情報」も併せて現場に提供するのです。この2種類の情報(レコメンド情報とモニタリング情報)を「見える化」するためには、この2種類の情報(レコメンド情報とモニタリング情報)を生み出す必要があります。それが、データ分析です。

 

データ分析

図4. データ分析とアクション

 この2種類の情報にデータ分析を実施して現場に提供することでより良いアクションに繋げます。

 

   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
国立国会図書館オンラインNDL-OPACとは 技術情報を調べる(その2)

   今回のテーマは、「技術情報を検索する」です。特許にかかわる方だけではなく、技術情報やビジネスの情報を調べたい方、研究開発に携わっ...

   今回のテーマは、「技術情報を検索する」です。特許にかかわる方だけではなく、技術情報やビジネスの情報を調べたい方、研究開発に携わっ...


データ分析と収穫逓減の法則と果汁理論 データ分析講座(その267)

  収穫逓減とは、例えば「農業において、一定面積からの一人当たりの収穫が、労働力の追加的投下によってしだいに減少する」という現象を表現した...

  収穫逓減とは、例えば「農業において、一定面積からの一人当たりの収穫が、労働力の追加的投下によってしだいに減少する」という現象を表現した...


情報の蓄積 「果報は練って待て!」

1. 起業時した友人からのアドバイス  筆者の友人に、機械装置関連のものづくり企業を約35年間続けている中小企業経営者がいます。過去には、バブル崩壊やリ...

1. 起業時した友人からのアドバイス  筆者の友人に、機械装置関連のものづくり企業を約35年間続けている中小企業経営者がいます。過去には、バブル崩壊やリ...


「情報マネジメント一般」の活用事例

もっと見る
電子メール、簡潔過ぎると逆効果

◆電子メール:多忙な人に確実な返信をもらうテクニック  皆様は仕事で電子メールを一日に何通受信しますか、企業の従業員数、所属部署、職務、職位などでも...

◆電子メール:多忙な人に確実な返信をもらうテクニック  皆様は仕事で電子メールを一日に何通受信しますか、企業の従業員数、所属部署、職務、職位などでも...


‐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...


P値で行う統計リテラシー判定

 「ピーチ」って聞いたら何を連想しますか、統計を学んでいる人に取っては「 P値 」が思い浮かぶはずです。統計学の素養がある程度備わっているか一言で知ろうと...

 「ピーチ」って聞いたら何を連想しますか、統計を学んでいる人に取っては「 P値 」が思い浮かぶはずです。統計学の素養がある程度備わっているか一言で知ろうと...