データマネジメント › Web参考書 › 第2章

データ分析・データ利活用と業務分析:データの種類、加工、代表値と標準偏差、相関と因果、バイアス、可視化、線形計画法

第2章 データ分析・データ利活用(重点分野) / 節 2

シラバスのキーワード: 1 次データ2 次データ量的データ質的データデータの収集方法(クローリング,バッチ,ポーリング)アノテーション移動平均リフト値代表値標準偏差正規分布相関と因果統計的バイアス(選択バイアス,情報バイアス,交絡バイアス)箱ひげ図線形計画法

この節は、組織から提供されたデータや BI ツールを自分の業務に当てはめ、判断の根拠にするための知識です。計算そのものより、集計結果やグラフを「誤って読まない」ことが問われます。小分類「業務分析」も併せて扱います。

この節の用語(小分類ごと)

データ分析・データ利活用

業務分析

試験で問われる観点

関連する節

この節の練習問題(18問)

答えを見る前に選んでから開いてください。同じ問題は章別演習でランダム出題されます。

  1. 問1
    ある食品メーカーが新商品の需要を検討するために集めたデータのうち,2 次データに当たるものはどれか。
    1. 1自社が調査会社に依頼して,対象の年齢層の消費者に新商品の購入意向を尋ねた Web アンケートの回答
    2. 2試作品を一部の店舗で期間を限って試験販売し,価格を変えたときの販売数の違いを記録した結果
    3. 3自社の担当者が店舗の売場で,来店客が商品を手に取ってから購入するまでの行動を観察して記録した結果
    4. 4政府が実施した家計調査の結果として公表されている,世帯ごとの食料品への支出額の統計
    答えと解説

    正解: 4

    1 次データは,分析する者が自らの目的のために新たに収集するデータであり,2 次データは,他者が別の目的で収集し,既に公表・蓄積されているデータである。政府の家計調査の公表結果は,国が統計の作成のために集めたものを自社の需要の検討に転用するので 2 次データに当たり,政府統計の多くはオープンデータとして入手できる。2 次データは安く早く入手できるが,調査の目的や定義が自社の目的に合っているかを確認して使う必要がある。調査会社に依頼したアンケート,試験販売の結果,売場での行動の観察記録は,いずれもこの検討のために自ら集めた 1 次データである。

  2. 問2
    データの種類とその例の組合せとして,適切でないものはどれか。
    1. 1質的データ:会員ランク(ゴールド,シルバー,ブロンズ)や居住する都道府県のように,分類や順序を表すデータ
    2. 2量的データ:郵便番号や会員番号のように,数字で表されているので平均値などの計算に意味をもつデータ
    3. 3パーソナルデータ:氏名などの個人情報に限らず,位置情報や購買履歴など,個人との関係が見いだせる幅広いデータ
    4. 4機械の稼働ログデータ:工場の設備のセンサーが,温度や振動,稼働状態を時刻とともに記録した時系列データ
    答えと解説

    正解: 2

    量的データは,売上金額や気温のように数値の大きさや差に意味があり,平均値などの計算ができるデータである。郵便番号や会員番号は数字で表されていても,対象を区別するための符号にすぎず,平均値を求めても意味がないので,量的データではなく質的データに当たる。BI ツールでは数字の項目が自動的に数値として集計されることがあるので,項目の性質を確かめて扱う。会員ランクや都道府県は質的データ,個人との関係が見いだせる幅広い情報はパーソナルデータ,設備のセンサーが時刻とともに記録した値は機械の稼働ログデータの例として,いずれも適切である。

  3. 問3
    データの収集方法のうち,ポーリングの説明として,最も適切なものはどれか。
    1. 1受け手の側から一定の間隔で相手のシステムに問い合わせ,新しいデータや変更があればそれを取得する方式
    2. 2Web ページに含まれるリンクを自動的にたどってページを次々に巡回し,ページの内容を収集する方式
    3. 3一定期間に発生したデータをためておき,夜間などの決められた時刻にまとめて一括で取り込む方式
    4. 4データの発生元の側が,データが発生するたびに受け手に通知や送信を行い,即時に取り込ませる方式
    答えと解説

    正解: 1

    ポーリングは,受け手の側が一定の間隔で相手のシステムや機器に問い合わせ,新しいデータや状態の変化の有無を確認して取得する方式である。仕組みが単純で導入しやすい一方,問合せの間隔より細かい変化はとらえられず,変化がないときにも問合せが発生する。リンクをたどって Web ページを巡回し収集するのはクローリング,ためたデータを決められた時刻にまとめて取り込むのはバッチである。発生元が発生のたびに受け手へ送信するのはプッシュ型の方式であり,受け手から問い合わせるポーリングとは逆の考え方になる。

  4. 問4
    データの加工に関する用語とその例の組合せとして,適切でないものはどれか。
    1. 1データ結合:顧客 ID をキーとして,購買履歴のデータと会員の属性のデータを一つの表につなぎ合わせる。
    2. 2標準化:売上金額と来店客数のように単位の異なる項目を,平均 0,標準偏差 1 になるように変換して比べやすくする。
    3. 3スクレイピング:Web ページの HTML から,競合他社の商品名や価格など必要な情報をプログラムで自動的に抽出する。
    4. 4アノテーション:日別の売上データを月ごとに合計し,月次の推移を表す集計表にまとめて,分析に使える状態にする。
    答えと解説

    正解: 4

    アノテーションは,画像や文章,音声などのデータに,“傷あり”“問合せの種類”のような意味を表すラベルやタグを付与することであり,機械学習の正解データの作成などに用いられる。日別のデータを月ごとに合計してまとめるのは集計であり,アノテーションの例として適切でない。顧客 ID をキーに二つのデータをつなぎ合わせるデータ結合,単位の異なる項目を平均 0,標準偏差 1 に変換する標準化,Web ページから必要な情報を抜き出すスクレイピングは,いずれも適切である。なお,スクレイピングは対象のサイトの利用規約や著作権に配慮して行う必要がある。

  5. 問5
    ある店舗の担当者が,BI ツールで過去 1 年間の日別の売上高を折れ線グラフに表示したところ,週末に増えて平日に減る 1 週間周期の変動が大きく,売上高が全体として増加傾向にあるかどうかが読み取りにくかった。基調の変化を読み取るための加工として,最も適切なものはどれか。
    1. 1日ごとの売上高の前日比を求め,その推移を折れ線グラフに表示する。
    2. 2日ごとの売上高の 3 日間の移動平均を求め,その推移を折れ線グラフに表示する。
    3. 3日ごとの売上高の 7 日間の移動平均を求め,その推移を折れ線グラフに表示する。
    4. 4日ごとの売上高を年初からの累計に直し,その推移を折れ線グラフに表示する。
    答えと解説

    正解: 3

    移動平均は,時系列データについて一定の期間の平均を,期間を一つずつずらしながら求めるもので,短期的な変動をならして基調の変化を読み取るために使う。1 週間周期の変動をならすには,周期と同じ 7 日間の移動平均をとると,各平均に全ての曜日が一回ずつ含まれるので,曜日による変動が打ち消される。3 日間の移動平均では,平均に含まれる曜日の組合せが日ごとに変わるので,週末の増加の影響が残る。前日比は日ごとの増減を強調するので,周期変動がかえって目立つ。年初からの累計は常に増え続けるので,売上高が増加傾向にあるかどうかを見分けにくい。

  6. 問6
    データ分析の結果を業務に活用する際の考え方として,適切でないものはどれか。
    1. 1購買データのアソシエーション分析で,リフト値が 1 を下回った商品の組合せは同時に購入されやすいので,売場で隣り合わせに陳列して併せ買いを促す。
    2. 2顧客からの問合せの自由記述をテキストマイニングで分析し,頻出する語や一緒に現れる語の組合せから,不満の傾向と改善すべき点を把握する。
    3. 3データマイニングで見つかった顧客の行動のパターンは因果関係を示すとは限らないので,施策は一部の店舗で試行してから効果を確かめる。
    4. 4データドリブンマーケティングとして,購買履歴や Web の行動ログに基づいて施策を決め,実施後の効果もデータで測って次の施策を改善する。
    答えと解説

    正解: 1

    リフト値は,ある商品を購入した顧客がもう一方の商品も購入する割合を,全体でその商品が購入される割合で割った値であり,1 を上回るほど併せて購入されやすいことを表す。1 を下回る組合せは,一方を購入した顧客がもう一方を購入する割合が全体より低いことを示すので,併せ買いを促す陳列の根拠にはならず,適切でない。問合せの自由記述から頻出語や共起する語を抽出して不満の傾向をつかむのはテキストマイニングの活用であり,見つかったパターンを因果とみなさずに試行で確かめること,データに基づいて施策を決め効果を測って改善することも,いずれも適切である。

  7. 問7
    顧客アンケートの分析において,情報バイアスが生じている例として,最も適切なものはどれか。
    1. 1平日の昼間に店頭で回答を依頼したため,勤めに出ている顧客がほとんど含まれず,顧客全体とは年齢構成の異なる回答者になった。
    2. 2満足度の高い店舗ほど売上高も高かったが,満足度と売上高はいずれも駅からの距離の近さの影響を受けて高くなっていた。
    3. 3過去 1 年間の来店回数を記憶に基づいて回答してもらったため,実際の来店回数と回答された回数との間にずれが生じた。
    4. 4接客研修の効果を信じている担当者が,研修後に満足度が上がった店舗の結果ばかりを取り上げて報告資料を作成した。
    答えと解説

    正解: 3

    情報バイアスは,対象者の情報を測定したり聞き取ったりする方法に問題があり,記録された値が実際の値からずれることで生じる偏りであり,記憶に頼った回答による思い出し違いはその典型である。購買履歴などの記録と突き合わせられるなら,記録のデータを用いるのが望ましい。回答を依頼する時間帯や場所によって回答者が偏るのは選択バイアス,満足度と売上高の両方に影響する立地の要因が隠れているのは交絡バイアス,自分の考えに合う結果ばかりを重視するのは認知バイアスの一つである確証バイアスの例である。

  8. 問8
    A 店と B 店の 1 日当たりの売上高を 1 年分集計したところ,平均はいずれも 50 万円,標準偏差は A 店が 5 万円,B 店が 15 万円であった。この結果から読み取れることとして,最も適切なものはどれか。
    1. 1B 店のほうが日ごとの売上高のばらつきが大きく,日によって売上高が平均から離れやすい。
    2. 2B 店のほうが 1 年間の売上高の合計が大きく,平均を上回る売上高の日が多い。
    3. 3A 店の売上高の分散は,B 店の売上高の分散の 3 分の 1 である。
    4. 4A 店のほうが,売上高の最も多い日と最も少ない日との差が大きい。
    答えと解説

    正解: 1

    標準偏差は,データが平均の周りにどの程度散らばっているかを表す指標であり,値が大きいほどばらつきが大きい。平均が同じでも,標準偏差の大きい B 店は日によって売上高の変動が大きく,仕入れや人員配置の計画が立てにくいと読み取れる。平均が同じなので,集計した日数が同じであれば売上高の合計は等しく,平均を上回る日の多さは標準偏差からは判断できない。分散は標準偏差の 2 乗なので,A 店の分散は B 店の 9 分の 1 であり,3 分の 1 ではない。最大値と最小値の差は標準偏差だけでは決まらず,ばらつきの小さい A 店のほうが差が大きいと読み取る根拠もない。

  9. 問9
    ある営業課の担当者 9 人の今期の受注件数は,3,4,5,5,5,6,7,8,38 件であった。課長は平均値の 9 件を“担当者の標準的な実績”として来期の目標に用いようとしている。このデータの読み取りとして,最も適切なものはどれか。
    1. 1中央値は 9 件であり,平均値と一致しているので,平均値を担当者の標準的な実績とみなしてよい。
    2. 2中央値は 5 件であり,1 人の突出した値に平均値が引き上げられているので,中央値も併せて確認すべきである。
    3. 3中央値は 6 件であり,平均値との差は 3 件にとどまるので,平均値を担当者の標準的な実績とみなしてよい。
    4. 4最頻値は 5 件であるが,最頻値は外れ値の影響を最も強く受ける代表値なので,平均値を用いるべきである。
    答えと解説

    正解: 2

    9 件のデータを小さい順に並べたとき,中央値は 5 番目の値の 5 件である。平均値は合計 81 件を 9 人で割った 9 件だが,38 件という 1 人の突出した値に引き上げられており,9 件以上の担当者は 1 人しかいない。このような外れ値を含むデータでは,平均値だけを標準的な実績とすると実態とずれるので,外れ値の影響を受けにくい中央値を併せて確認する。中央値を 9 件とするのは平均値との混同,6 件とするのは数え方の誤りである。最頻値も 5 件だが,最頻値は外れ値の影響を受けにくく,最も強く影響を受けるのは平均値である。

  10. 問10
    営業企画部の担当者が,分析担当者から報告された分析結果を次のように解釈した。解釈として,適切でないものはどれか。
    1. 1研修の受講時間と処理ミスの件数との相関係数が -0.6 であったので,受講時間の長い担当者ほど処理ミスが少ない傾向があると読み取る。
    2. 2気温と来店者数との相関係数がほぼ 0 であったが,暑すぎても寒すぎても来店者数が減るような関係がないかを散布図で確かめる。
    3. 3値引き率と販売数量の回帰分析で得た回帰式を,分析に用いたデータの範囲を大きく超える値引き率の予測にそのまま用いることは避ける。
    4. 4店舗ごとの広告費と売上高との相関係数が 0.9 であったので,広告費を増やせば売上高が増えるという因果関係が確かめられたと判断する。
    答えと解説

    正解: 4

    相関係数は二つの変数が直線的に連動する度合いを表すが,一方が他方の原因であることまでは示さない。売上高の大きい店舗ほど広告費を多く割り当てているだけかもしれず,因果関係を確かめるには,広告費を変えた店舗と変えない店舗を比べる実験などが必要になる。負の相関係数から一方が大きいほど他方が小さい傾向を読み取ること,相関係数がほぼ 0 でも曲線的な関係がないかを散布図で確かめること,データの範囲を超える予測に回帰式を使わないことは,いずれも適切な解釈である。

  11. 問11
    ある工程で製造される部品の重量は,平均 100 g,標準偏差 2 g の正規分布に従っている。この部品の重量の分布に関する記述として,最も適切なものはどれか。
    1. 1重量が 96 g 以上 104 g 以下の部品が,全体の約 95% を占める。
    2. 2重量が 98 g 以上 102 g 以下の部品が,全体の約 95% を占める。
    3. 3重量が平均より重い部品と軽い部品との割合は,およそ 7 対 3 になる。
    4. 4重量の最頻値は平均値より大きく,中央値は平均値より小さくなる。
    答えと解説

    正解: 1

    正規分布は平均を中心に左右対称な釣鐘形の分布であり,平均値,中央値,最頻値が一致する。平均から標準偏差 1 個分の範囲には全体の約 68%,標準偏差 2 個分の範囲には約 95% が含まれる。この部品では,100 g±2 g の 98 g 以上 102 g 以下に約 68%,100 g±4 g の 96 g 以上 104 g 以下に約 95% が入る。左右対称なので平均より重い部品と軽い部品の割合はほぼ半々であり,最頻値や中央値が平均値からずれることもない。この性質は,規格値を外れる部品の割合の見積りなどに使われる。

  12. 問12
    データストーリーテリングの説明として,最も適切なものはどれか。
    1. 1分析に用いたデータの項目の定義,出所,加工の履歴を記録し,分析結果の信頼性を後から確かめられるようにする手法
    2. 2取得したデータの全ての項目と集計結果を漏れなく一覧表にまとめ,結果の解釈を受け手に委ねて中立性を保つ手法
    3. 3分析結果を,聞き手の課題や関心に沿った筋道で,データ,可視化及び説明を組み合わせて伝え,理解と行動を促す手法
    4. 4概念やキーワードを節点とし,それらの関係を線とラベルで結んで,知識の構造を一枚の図として表す手法
    答えと解説

    正解: 3

    データストーリーテリングは,分析結果を,聞き手が抱える課題や関心に沿った筋道(ストーリー)として組み立て,データ,グラフなどの可視化及び言葉による説明を組み合わせて伝えることで,内容の理解と意思決定や行動を促す手法である。何を伝えたいかを先に決め,それを裏付けるデータと図表を選ぶ点が特徴である。全ての項目を一覧表にして解釈を委ねるだけでは,聞き手が要点をつかめない。データの定義や出所,加工の履歴を記録するのはデータリネージの管理であり,概念の関係を線で結んで図にするのはコンセプトマップである。

  13. 問13
    BI ツールのダッシュボードに表示された図表を業務の判断に用いる際の注意として,適切でないものはどれか。
    1. 1棒グラフの縦軸の目盛りが 0 から始まっていない場合は,棒の長さの違いが実際の値の違いより大きく見えるので,目盛りの値で差を確かめる。
    2. 2箱ひげ図で二つの店舗の箱の長さが同じであれば,両店舗で集計の対象となったデータの件数は同じであるとみなして比較する。
    3. 3ヒートマップでは,色の濃淡がどの範囲の値に対応しているかを凡例で確かめてから,セル同士の値の大小を比べる。
    4. 4クロス集計表で属性ごとの比率を比べるときは,各区分の件数が少なすぎて比率が偶然に左右されていないかを併せて確かめる。
    答えと解説

    正解: 2

    箱ひげ図の箱は,データを小さい順に並べたときの第 1 四分位数から第 3 四分位数までの範囲を表し,箱の長さは中央の約半数のデータの散らばりを示す。データの件数は箱の長さには表れないので,箱の長さが同じでも件数が同じとはいえず,件数は別に確かめる必要がある。縦軸が 0 から始まらない棒グラフは差が誇張されて見えること,ヒートマップは凡例で色と値の対応を確かめてから読むこと,クロス集計表の比率は件数が少ない区分では偶然に左右されやすいことは,いずれも図表を正しく読むための適切な注意である。

  14. 問14
    小売業の販売企画部の担当者が,次の a〜c を行う際に用いるものの組合せとして,最も適切なものはどれか。 a 既存店の売上高の減少の原因を“客数”と“客単価”に分け,それぞれを更に細かな要因に分解して,打ち手を検討する。 b 市区町村ごとの会員数を地図上で色分けして示すために,市区町村の境界の位置や形状を属性情報と共に GIS ソフトウェアに読み込む。 c 価格,品質,接客,品ぞろえの四つの評価項目について,自社と競合 2 社の評価を重ねて示し,強みと弱みのバランスを比べる。
    1. 1a:ロジックツリー,b:ヒートマップ,c:レーダーチャート
    2. 2a:コンセプトマップ,b:シェープファイル,c:クロス集計表
    3. 3a:コンセプトマップ,b:ヒートマップ,c:クロス集計表
    4. 4a:ロジックツリー,b:シェープファイル,c:レーダーチャート
    答えと解説

    正解: 4

    a のように,課題をその構成要素に漏れなく重複なく分解し,原因や打ち手を階層的に掘り下げるにはロジックツリーを用いる。概念同士の関係を線で結んで知識の構造を表すコンセプトマップは,原因の分解には向かない。b の地図の境界などの図形の位置や形状を属性情報と共に格納し,GIS ソフトウェアで読み込むデータ形式がシェープファイルである。ヒートマップは値を色の濃淡で表す図であり,境界の形状を格納するものではない。c のように,複数の評価項目のバランスを対象ごとに重ねて比べるにはレーダーチャートが適しており,クロス集計表は件数などを属性の組合せごとに集計する表である。

  15. 問15
    ある通信販売会社では,過去 1 年間に購入履歴のある顧客を優先して販促 DM を送付し,送付の有無別に翌月の購入状況を集計した。表の結果の読み取りとして,最も適切なものはどれか。 区分 | 購入あり | 購入なし | 計 DM 送付あり | 60 人 | 340 人 | 400 人 DM 送付なし | 60 人 | 540 人 | 600 人
    1. 1購入者数はどちらも 60 人で同じなので,DM の送付は翌月の購入に影響しなかったと判断できる。
    2. 2送付ありの購入率は 60÷1,000 で 6% であり,送付なしの 10% を下回るので,DM は逆効果であった。
    3. 3購入率は送付ありが 15%,送付なしが 10% であり,DM によって購入率が 5 ポイント上がったと結論付けられる。
    4. 4購入率は送付ありが 15%,送付なしが 10% だが,送付先が偏っているので,差をそのまま DM の効果とはみなせない。
    答えと解説

    正解: 4

    購入率は区分ごとの人数を分母にして求める。送付ありは 60÷400=15%,送付なしは 60÷600=10% である。ただし,DM は購入履歴のある顧客を優先して送付しているため,送付ありの群には元々購入しやすい顧客が多く,この差には送付先の選び方による選択バイアス(購入履歴が送付の有無と翌月の購入の両方に影響する交絡)が含まれる。DM の効果を確かめるには,条件のそろった顧客を無作為に送付する群としない群に分けて比べる必要がある。購入者数だけで比べるのは人数の異なる群の比較として誤りであり,6% は全体の人数を分母にした誤りである。5 ポイントの差をそのまま DM の効果とするのは,選択バイアスを見落とした解釈である。

  16. 問16
    ある工場では,使用できる原材料の量と機械の稼働時間に上限がある中で,製品 X と製品 Y をそれぞれ何個生産すれば利益が最大になるかを求めたい。用いる手法として,最も適切なものはどれか。
    1. 1クラスタ分析法
    2. 2線形計画法
    3. 3回帰分析
    4. 4移動平均法
    答えと解説

    正解: 2

    線形計画法は,資源の量などの制約条件を一次式の不等式で表し,その範囲の中で利益や費用などを表す一次式の目的関数を最大又は最小にする変数の値を求める手法である。製品ごとの原材料の使用量や機械の稼働時間,1 個当たりの利益を基に,生産量の最適な組合せを求める問題に用いる。クラスタ分析法は,似た性質をもつデータ同士をグループにまとめる手法,回帰分析は,変数間の関係を式で表して予測などに用いる手法,移動平均法は,一定期間の平均を順にずらして求め,時系列データの傾向をつかむ手法であり,いずれも制約の下での最適化には用いない。

  17. 問17
    業務改善のための分析手法と,その活用例の組合せとして,適切でないものはどれか。
    1. 1パレート図:不良品の発生件数を原因別に多い順に並べ,累積比率と併せて示し,重点的に対策すべき原因を絞り込む。
    2. 2ヒストグラム:製品の寸法の測定値を区間ごとの度数で表し,分布の形やばらつき,規格から外れた値の出方を確かめる。
    3. 3クラスタ分析法:“優良”“一般”の区分が付いた過去の顧客データを基に,新規の顧客がどちらの区分に当たるかを判定する。
    4. 4散布図:店舗ごとの従業員数と売上高を縦軸と横軸にとって点で表し,二つの項目の間の関係の有無や強さを確かめる。
    答えと解説

    正解: 3

    クラスタ分析法は,あらかじめ区分が決まっていないデータを,項目の値の似ているもの同士が同じグループになるようにまとめる手法であり,購買傾向の似た顧客をグループに分けて販促策を考えるといった用い方をする。区分の付いた過去のデータを基に新しいデータの区分を判定するのは分類(判別)であり,クラスタ分析法の活用例ではない。原因別の件数を多い順に並べて重点対策の対象を絞り込むパレート図,測定値の分布やばらつきを確かめるヒストグラム,二つの項目の関係を確かめる散布図は,いずれも適切な活用例である。

  18. 問18
    弁当の製造販売を行う企業では,店舗ごとに翌週の日別の販売数を予測し,仕込み量を決めることにした。予測には過去 2 年間の日別の販売実績データを用いる。予測の進め方として,最も適切なものはどれか。
    1. 1曜日,天候,近隣の催しなど販売数に影響する要因を現場の知見も基に洗い出してモデル化し,予測と実績の差を定期的に確かめてモデルを見直す。
    2. 2曜日や季節による変動は日によって打ち消し合うので,過去 2 年間の全ての日の販売数の平均値を,翌週の毎日の予測値として用いる。
    3. 3売り切れで販売を終えた日の販売数も,その日の需要を正しく表した値とみなし,補正を加えずにそのまま予測モデルの学習に用いる。
    4. 4予測が大きく外れた日のデータは外れ値として除外し,一度作成した予測モデルは結果の安定のために見直さずに使い続ける。
    答えと解説

    正解: 1

    需要予測では,販売数を左右する要因を整理して数式などで表すモデル化を行い,予測と実績の差を継続的に確かめて,要因の追加やモデルの見直しを行うことが重要である。曜日や天候,催しの影響は店舗の担当者がよく知っていることが多く,現場の知見が役立つ。全期間の平均値だけでは曜日や季節の変動を反映できない。売り切れた日の販売数は実際の需要を下回っている可能性があるので,補正せずに用いると予測が過小になりやすい。外れた日を除外し続けてモデルを見直さないと,客層や競合の変化に追従できなくなる。