close

製品情報

おすすめ情報

  • よくあるご質問
  • お問い合わせ
  • 情報機器用語集

close

導入事例

新着導入事例

close

サポート

よくあるご質問、OS対応状況、お問い合わせ窓口を掲載しています。

かんたんサポートナビ

かんたんサポートナビでは製品カテゴリからサポート情報を素早く、簡単にお探しいただけます。

close

ダウンロード

各製品のドライバーやアップデートプログラム、関連ユーティリティー、ソフトウェアなどのダウンロードができます。

製品カテゴリからダウンロード情報を素早く、簡単にお探しいただけます。

  • プリンタードライバー
  • 関連ユーティリティー
  • ソフトウェア
  • カタログ(PDF形式)
  • ユーザーズガイド/取扱説明書(PDF形式)
  • お問い合わせ
  • OS対応状況

データ分析における仮説の作り方
~業務に役立つデータの活用、まず考えるべきポイントは?~
【スタッフブログ:第1回】

更新:2020年1月8日(水)| 公開:2020年1月8日(水)| その他

当社デジタルマーケティングのスタッフが、日頃の業務から得たノウハウや知識をブログ形式でご紹介。
第1回目となる今回は、データサイエンティストとして業務を担当するメンバーが、データ分析の最初の一歩となる「仮説の作り方」について綴っていきます。
ふだん業務でリアルに接しているからこそ得られるアイデアや考え方など、できるだけ筆者が仕上げた生のままの文章で掲載いたします。ぜひ、参考にしてみてくださいね!

はじめまして。コニカミノルタジャパンの永井と申します。
本日から、こちらのコラム欄で、データ分析の記事を書かせて頂きます。
どうぞ、よろしくお願いします!

第1回は、「分析仮説の構築」をテーマにお話しさせて頂きます。
社内にあるデータを活かして、業務に役立てたい。そんな時、最初に考えるべきなのは、分析のゴールと、それに対する仮説です。

架空のパン屋さんを例に考えてみます。

パン屋さんは様々な課題を抱えています。仕入れ価格を安くしたい。売上を上げたい。従業員を適切に配置したい。廃棄を減らしたい……。そんなたくさんの課題の中から、今回は「廃棄を減らす」ことを分析のゴールにしましょう。

作ったパンの廃棄を減らすには、どうしたらいいでしょうか。売れる量だけ材料を仕入れ、毎日売り切ればいいですね。つまり、ゴールを達成するためには「その日の販売数予測」が必要です。

ある日の販売数を予測するために、これまでの販売データを見てみることにします。この時、データをどのような切り口で分析するのか決めるのが、「仮説」です。


例えば、「曜日によって売れるパンの個数が違う」という仮説を立ててみましょう。曜日と売れた個数のデータがあれば確かめることができそうですね。

今回は、日付と売れたアイテムの詳細が入っている、KaggleのTransactions from a bakeryのデータをお借りしましょう。可視化には、Tableauを使います。

それぞれの曜日に売れた商品の個数の平均をグラフにしてみました。こうして確かめると、週末に向けてゆるやかに販売数が伸び、月曜日に落ち込んでいることが分かります。



もう少し深掘りしてみましょう。品物別ではどうでしょうか。「曜日によってよく売れる品物は違う」という仮説を立てて、販売数上位5品目の曜日別の販売数のグラフを書いてみましょう。

日曜日にはサンドイッチ、ケーキが特に良く売れるようですね。コーヒー、パンは似た動き方をしています。「一緒に買う人が多いのかもしれない」ですね。この仮説を確かめるには、バスケット分析という手法を使うことになりますが、ここでは割愛します。

他にも「雨が降っていると販売数が下がりそう」とか、「タイムセール中はたくさん売れるのでは?」とか、さまざまな仮説が立てられるかと思います。毎日の天気データや、タイムセールのスケジュールと時間ごとの売上データがあれば、確かめることができそうです。


このように、分析のゴールに到達するために、目的の数字を説明できそうなデータを洗い出していく作業を、仮説構築といいます。

仮説構築の時に一番役に立つのは、現場のベテランの感覚です。「ここは小学校の近くだから、日曜日にサンドイッチを買って子どもサッカーの試合を応援するお客さんが多いんだよ」という話が聞ければ、子どもサッカーの試合スケジュールデータが欲しくなりますね。
立てた仮説に対応するデータが社内にない場合は、どうやって取得するかを新たに設計する必要があるかもしれません。

集めたデータで予測モデルを作って、ある程度の精度が出せたら、実際に施策を回してみましょう。翌日の曜日や天気予報などから予測した数のパンを作り、廃棄が減るかどうか確かめるのです。
予測があたる場合もあるでしょうし、思いもよらない知見が得られる場合もあるでしょう。それを基に、さらに仮説を構築して予測を精緻化させ、PDCAを回していく。
これが、データ活用の一つの典型的な流れかと思います。


コニカミノルタジャパンでは、さまざまな業種の分析経験を持つアナリストが揃っています。データ分析に関してお悩みがありましたら、ぜひお気軽にお問い合わせください!

今後も、いろいろな分野の技術者がコンスタントに記事を書いていきます。
どうぞ、お楽しみに。

著者プロフィール

コニカミノルタジャパン株式会社
マーケティングサービス統括部
デジタルマーケティング戦略部 データサイエンティスト
永井 睦美

2019年にコニカミノルタジャパンに入社し、データ分析基盤の開発に携わる。
学生時代は、オンラインコミュニティにおける協働の特性について研究。電気通信大学データアントレプレナーフェロープログラム修了。
趣味はサイエンス雑貨集めと、歴史的建造物巡りです。毎朝ストームグラスを眺めて「よくわからん」と唸っています。

Web&デジタルマーケティングの お悩みを一緒に解決します!

WEBからのお問い合わせ

今後のセミナー開催情報をメルマガにてお送りします

メルマガ登録

お問い合わせ

お電話でのお問い合わせはこちら

03-6311-9161

 

[受付時間]

月曜~金曜 9:00~12:00/13:00~17:00
(土・日・祝祭日および年末年始・弊社休業日を除く)