評価指標の異常判断とは データ分析講座(その245)

更新日

投稿日

データ分析

 

ビジネス活動をしていると、何かしらの指標を眺めることが多々あります。例えば、売上や受注件数、問い合せ件数、サイトのPV(ページビュー)数などなど。多くの人は、子ども時代から、何かしらの指標を眺めて過ごしているでしょう。例えば、受験生であれば模擬テストの点数、受験生でなくても成績表の評価なども、ある種の指標です。指標の動きが想定通りであれば問題ありません。想定通りでない場合、多くの人は異常だと判断することでしょう。今回は、「あなたはどのようなときに指標が異常(問題が起こっている)と判断していますか?」というお話しをします。

 

【目次】
1.どういう状態を正とするのか?
2.過去の傾向からの乖離
3.予測からの乖離(差)
4.崩れた前提をデータで探る

【この連載の前回:データ分析講座(その244)ビジネスで活きる指標とは?へのリンク】

 

1.どういう状態を正とするのか?

繰り返しになりますが、指標の動きが想定通りであれば問題ありません。想定通りでない場合、多くの人は異常だと判断することでしょう。と言うことは、どのような指標の状態を正(想定通り)とするのかを定義しなければ、異常(問題が起こっている)かどうかを判断することができません。

 

例えば、売上で考えると……

  • 売上が予定した予算を達成していない
  • ほぼ横ばいで推移していた売上が急激に悪化した

……などなど。

 

前者は、予定(未来)と実際のギャップ(差が大きい)場合に異常と見なしています。後者は、過去の傾向から大きくずれた場合に異常と見なしています。

 

データ分析

 

予定(未来)には、人の「思い」によるものと、数理モデルではじき出した「予測」によるものがあります。「予測」によるものの方が、異常の要因をデータから探りやすいです。人の「思い」にも、根拠の薄い思いと、しっかりとした根拠に裏付けられた思いによるものがあります。「思い」によるものでも、当然ですが「根拠に裏付けられた思い」の方が、異常の要因をデータから探りやすいです。

 

2.過去の傾向からの乖離

過去の傾向から大きくずれた状態を異常と見なす場合、どのようにして異常かどうかを判断するのか?一番簡単なのが、過去のデータ(時系列データ)の推移から探るやり方です。伝統的に、管理図というものを用います。

 

データ分析

 

管理図のデータをヒストグラムで表現すると、以下のようになります。

 

データ分析

 

このように、管理図やヒストグラムを使って異常検知をするのが、最も簡単です。ここで1つ気を付けるべきポイントがあります。管理図で見ていく指標は、横にランダムに振動しながら推移する指標です。上昇傾向や下降傾向、周期性のあるデータは、何かしらの処理を実施し、横にランダムに振動しながら推移する指標にします。

 

データ分析

 

では、どうやってそのような指標を作るの? という疑問を持たれた方もいると思いますが、ここでは説明を割愛します。ヒントを少しお話しすると、上手く時系列モデルを作りその残差を指標とすると、横にランダムに振動しながら推移する指標になります。

 

3.予測からの乖離(差)

予定(未来)と実際のギャップ(差が大きい)を異常と見なす場合、どのようにして異常かどうかを判断するのか?予定(未来)が、数理モデルではじき出した「予測」による場合、過去データから構築した時系列モデル(予測のための数理モデル)を用いてはじき出した予測値と実際の数値を比較し探ります。

 

データ分析

 

予測値と実際の値の差が大きければ異常と見なせるでしょう。統計学系の時系列モデル(予測のための数理モデル)であれば、予測区間を求めることが多くの場合できますので、例えばこの区間外であれば異常と見なしてもいいでしょう。ちなみに、この時系列モデル(予測のための数理モデル)は、「過去の傾向からの乖離」を探る場合にも当然使えます。と言うことは、この時系列モデ...

データ分析

 

ビジネス活動をしていると、何かしらの指標を眺めることが多々あります。例えば、売上や受注件数、問い合せ件数、サイトのPV(ページビュー)数などなど。多くの人は、子ども時代から、何かしらの指標を眺めて過ごしているでしょう。例えば、受験生であれば模擬テストの点数、受験生でなくても成績表の評価なども、ある種の指標です。指標の動きが想定通りであれば問題ありません。想定通りでない場合、多くの人は異常だと判断することでしょう。今回は、「あなたはどのようなときに指標が異常(問題が起こっている)と判断していますか?」というお話しをします。

 

【目次】
1.どういう状態を正とするのか?
2.過去の傾向からの乖離
3.予測からの乖離(差)
4.崩れた前提をデータで探る

【この連載の前回:データ分析講座(その244)ビジネスで活きる指標とは?へのリンク】

 

1.どういう状態を正とするのか?

繰り返しになりますが、指標の動きが想定通りであれば問題ありません。想定通りでない場合、多くの人は異常だと判断することでしょう。と言うことは、どのような指標の状態を正(想定通り)とするのかを定義しなければ、異常(問題が起こっている)かどうかを判断することができません。

 

例えば、売上で考えると……

  • 売上が予定した予算を達成していない
  • ほぼ横ばいで推移していた売上が急激に悪化した

……などなど。

 

前者は、予定(未来)と実際のギャップ(差が大きい)場合に異常と見なしています。後者は、過去の傾向から大きくずれた場合に異常と見なしています。

 

データ分析

 

予定(未来)には、人の「思い」によるものと、数理モデルではじき出した「予測」によるものがあります。「予測」によるものの方が、異常の要因をデータから探りやすいです。人の「思い」にも、根拠の薄い思いと、しっかりとした根拠に裏付けられた思いによるものがあります。「思い」によるものでも、当然ですが「根拠に裏付けられた思い」の方が、異常の要因をデータから探りやすいです。

 

2.過去の傾向からの乖離

過去の傾向から大きくずれた状態を異常と見なす場合、どのようにして異常かどうかを判断するのか?一番簡単なのが、過去のデータ(時系列データ)の推移から探るやり方です。伝統的に、管理図というものを用います。

 

データ分析

 

管理図のデータをヒストグラムで表現すると、以下のようになります。

 

データ分析

 

このように、管理図やヒストグラムを使って異常検知をするのが、最も簡単です。ここで1つ気を付けるべきポイントがあります。管理図で見ていく指標は、横にランダムに振動しながら推移する指標です。上昇傾向や下降傾向、周期性のあるデータは、何かしらの処理を実施し、横にランダムに振動しながら推移する指標にします。

 

データ分析

 

では、どうやってそのような指標を作るの? という疑問を持たれた方もいると思いますが、ここでは説明を割愛します。ヒントを少しお話しすると、上手く時系列モデルを作りその残差を指標とすると、横にランダムに振動しながら推移する指標になります。

 

3.予測からの乖離(差)

予定(未来)と実際のギャップ(差が大きい)を異常と見なす場合、どのようにして異常かどうかを判断するのか?予定(未来)が、数理モデルではじき出した「予測」による場合、過去データから構築した時系列モデル(予測のための数理モデル)を用いてはじき出した予測値と実際の数値を比較し探ります。

 

データ分析

 

予測値と実際の値の差が大きければ異常と見なせるでしょう。統計学系の時系列モデル(予測のための数理モデル)であれば、予測区間を求めることが多くの場合できますので、例えばこの区間外であれば異常と見なしてもいいでしょう。ちなみに、この時系列モデル(予測のための数理モデル)は、「過去の傾向からの乖離」を探る場合にも当然使えます。と言うことは、この時系列モデル(予測のための数理モデル)の残差をモニタリング指標としてウォッチすればOK、ということになります。

 

4.崩れた前提をデータで探る

指標が異常(問題が起こっている)の場合、何かしらの想定した前提が崩れています。その崩れた前提を探すのが要因分析です。例えば、「なぜなぜ分析」を実施します。要因を特定したら、どのように解決すべきかを考える必要がでてきます。例えば、「どうする分析」を実施します。

 

◆【特集】 連載記事紹介連載記事のタイトルをまとめて紹介、各タイトルから詳細解説に直リンク!!

◆データ分析講座の注目記事紹介

 

   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
SNSデータの活用とは データ分析講座(その96)

◆ データの力が政治を動かし始めた時代  今回は「データの力が政治を動かし始めた時代」というお話しです。2018年10月21日の日経新聞の朝刊の一面...

◆ データの力が政治を動かし始めた時代  今回は「データの力が政治を動かし始めた時代」というお話しです。2018年10月21日の日経新聞の朝刊の一面...


合成データとは、そのメリットや注意点:データ分析講座(その327)

  AI活用の前に立ちはだかる壁の1つが、AIを構成する機械学習モデル(数理モデル)を作るためのデータ不足です。データの量や質が不十分だと...

  AI活用の前に立ちはだかる壁の1つが、AIを構成する機械学習モデル(数理モデル)を作るためのデータ不足です。データの量や質が不十分だと...


営業データ分析の目的 データ分析講座(その16)

  ◆ 営業データ分析の目的は、結局のところ3つだけだった  「データ分析って、目的が重要だと本で読んだのですが、その目的を考えるのが苦...

  ◆ 営業データ分析の目的は、結局のところ3つだけだった  「データ分析って、目的が重要だと本で読んだのですが、その目的を考えるのが苦...


「情報マネジメント一般」の活用事例

もっと見る
‐時代の流れを意識した開発テ-マの設定‐  製品・技術開発力強化策の事例(その5)

 前回の事例その4に続いて解説します。時代の流れに沿う開発テ-マとして、最近では、高齢者介護機器、環境関連機器、省エネ機器、情報技術(IT)等に関心が注が...

 前回の事例その4に続いて解説します。時代の流れに沿う開発テ-マとして、最近では、高齢者介護機器、環境関連機器、省エネ機器、情報技術(IT)等に関心が注が...


レストランでのタブレット端末

        最近、テーブルにタブレット端末を置くレストランが増えています。レストラン利用者としては、ウェ...

        最近、テーブルにタブレット端末を置くレストランが増えています。レストラン利用者としては、ウェ...


‐販路開拓に関する問題事例‐ 製品・技術開発力強化策の事例(その19)

 前回の事例その18に続いて解説します。多額の資金と労力を費やして開発した知的財産をどのように活用して販路開拓に結びつけるのか、大変重要な問題ですが、販売...

 前回の事例その18に続いて解説します。多額の資金と労力を費やして開発した知的財産をどのように活用して販路開拓に結びつけるのか、大変重要な問題ですが、販売...