分析のリアルがここに！現場で使えるデータ分析（1限目）　先生：吉永　恵一

1. 【分析のリアルがここに！現場で使える分析講座】第1回_̲実務家向け統計講座吉永　恵⼀一　(Keiichi Yoshinaga)

2. 1回⽬目_̲実務家向け統計講座のアジェンダ１．実務におけるデータ分析２．現状把握で用いる統計

3. コンサルティング会社、マーケティングリサーチ会社などを経て、 2010年　株式会社リクルート　MIT入社(現リクルートテクノロジーズ) 【As a Data Scientist】・CV予測アルゴリズムの開発・広告予算最適化モジュールの開発 2012年　住宅カンパニーへ移動（現リクルート住まいカンパニー）【As a Marketer】・データ・マネジメントの企画・立案 ※詳細は次ページ　-予測・シミュレーションを用いたCM投資額の策定 -最適化技術を用いた広告ポートフォリオの策定 -パーソナライズ・リコメンデーションの実装 -コンジョイント調査を用いたWEBサイト改善のプランニング 2013年　株式会社　分析屋本舗を起業【As a Entrepreneur】・需要予測や広告予算最適化、分析者養成を核とした業務支援サービス⾃自⼰己紹介

4. 実務家は、何をどの程度度知っていればよいのか？＜世の中に出ている様々な書籍＞＜分析にまつわる専⾨門⽤用語＞＜分析に⽤用いる様々な数式＞上記の知識を全て網羅的に知っていなくても、実務家は、必要最低限の統計知識と分析の考え方を身に付ければ十分戦える！！？？？

5. 噛み合わない実務家と分析者の会話例例現在、2つのクリエイティブ案のどちらを採用するか悩んでいるのですが、A案とB案のどちらがよいか調べて報告してください。わかりました。では、カスタマー調査やフィジビリティ・テストを実施して、結果を報告いたします。差が有意ってどういう意味ですか？結局、Aにするといくら儲かって、Bにするとどれくらい機会損失するの？調査やテストの結果を検定してみると、AとBとの差が統計的に有意なので、Aを採用すべきだと思います。有意差というのは、 2つの母数に差がないという帰無仮説が棄却された場合に言うもので。。。それによって、いくら儲かるかは、わかりません。。。

6. 実務家と分析者の役割 1/2 エンジン開発分析アルゴリズム開発クルマの運転分析結果の活用分析者実務家クルマのエンジンの詳しいメカニズムを知っていなくても、クルマの運転ができるように、実務家は、分析の詳細なアルゴリズム（How To Do）を知っていなくても、分析結果を何に活⽤用するのか（What To Do）に注⼒力力すればよい。ただし、エンジンの必要最低限の知識識がないと、アクセルやブレーキの踏み⽅方やタイミングを⾒見見誤る。

7. 実務家と分析者の役割 2/2 実務分析重なるところが本⽇日の授業内容

8. 全3回の講義内容の紹介 1回⽬目実務家向け統計講座統計という名の武器を⾝身に付ける 2回⽬目分析設計講座ビジネス課題を分析課題へ落落とし込む 3回⽬目ケーススタディ 1,2回の知識識やスキルで課題を体感する

9. 1回⽬目_̲実務家向け統計講座の特徴わかりやすさ正確さ表現数式実務的学問的わかりやすさ＞正確さ表現＞数式実務的＞学問的

10. 実務におけるデータ分析

11. Sales Time 【誕⽣生期】【成⻑⾧長期】【成熟期】【衰退期】・認知拡⼤大・会員獲得・トライアル喚起・リピート促進・クロスセル・アップセル・インセンティブ・サービス差別化・囲い込み・ブランドスイッチ・ロイヤル化・離離反防⽌止・サービス⾒見見直し・サービス収束ビジネスサイクルとデータ分析

12. データ分析を⽤用いた意思決定サイクル ①現状把握 ②未来予測 ③シミュレート ④最適化 time CV time CV alliance 12000 banner 6000 listing 12000 SEO 12000 aﬃliate 6,000

13. ①現状把握 ②未来予測 ③シミュレート ④最適化現状把握とは？ 1/5 体調不不良良に気付く病名を特定する薬や注射で治療療する治療療の効果を測る

14. ①現状把握 ②未来予測 ③シミュレート ④最適化現状把握とは？ 2/5 KPI不不調に気付く原因を特定する施策で改善を図る改善の効果を測る

15. ①現状把握 ②未来予測 ③シミュレート ④最適化現状把握とは？ 3/5 利利⽤用経験ツイート CPA CTR 売上 CV PV 現利利⽤用助成想起純粋想起ブランド知覚 CVR 検索索数 CPC UU ブログ利利益⼝口コミ

16. ①現状把握 ②未来予測 ③シミュレート ④最適化現状把握とは？ 4/5

17. ①現状把握 ②未来予測 ③シミュレート ④最適化現状把握とは？ 5/5 SUUMO

18. ①現状把握 ②未来予測 ③シミュレート ④最適化予測とは？未来を確率率率的に推し量量ること予測予⾔言予知予告予想

19. ①現状把握 ②未来予測 ③シミュレート ④最適化天気予報における降降⽔水確率率率⾬雨が降降るかどうかを確率率率的に推し量量る

20. ①現状把握 ②未来予測 ③シミュレート ④最適化 2つの予測アプローチノンパラメトリックアプローチ予測を当たるかどうかを重視し、中身がブラックボックスでもよいパラメトリックアプローチどの要因がどれくらい効いているのかを踏まえて予測する

21. ①現状把握 ②未来予測 ③シミュレート ④最適化パラメトリック・アプローチの原理理現象現象の再現モデル現象をモデル化現象を再現

22. ①現状把握 ②未来予測 ③シミュレート ④最適化パラメータ推定の論論理理 listing CV listing 売上ｙ＝ a x+ b listing CV ｙ＝ a x+ b listing 売上 listing CV

23. 予測値実測値予測区間 ①現状把握 ②未来予測 ③シミュレート ④最適化予測結果 ○○％の確率率率的で予測区間の中に値が⼊入る

24. ①現状把握 ②未来予測 ③シミュレート ④最適化シミュレーションとは？？？？

25. ①現状把握 ②未来予測 ③シミュレート ④最適化数式に値を代⼊入シミュレーションを実施する際には、『もしも●●だったら、△△になる』ということを数式で表現する必要があります。下記の式にlistingのコスト、SEOのコスト、bannerのコストを代⼊入すると、CV数を推定することができます。 Ex1.)listingのコストが100、SEOのコストが200、bannerのコストが50の場合、と推定されました。

26. ①現状把握 ②未来予測 ③シミュレート ④最適化シミュレーション＝What IFの分析シミュレーションとは、現状の様々な要因が変動した場合の状況の変動をみる⾏行行為です。 Ex.1)もしもGRPが500から1000に変動したら、　　　　　　　　　　　　　　　CV数は800から1200になるでしょう Ex.2)もしもブランドAの価格を250円から230円に値下げしたら、　　　　　　ブランドAのマーケットシェアは30％から35％に増え、　　　　　　　ブランドBのシェアは40％から33％に減るでしょう要因の変動状況の変動要因の変動状況の変動

27. ①現状把握 ②未来予測 ③シミュレート ④最適化プライシング・サイエンス A B C D 【価格シミュレーションの例例】各ブランドの販売価格ブランドシェア S

28. ①現状把握 ②未来予測 ③シミュレート ④最適化最適化とは？ Ac&on↑ Cost↓ コストは最⼩小化したい、アクションは最⼤大化したいという相反するニーズの均衡点を導き出すこと

29. ①現状把握 ②未来予測 ③シミュレート ④最適化 2つの最適化問題 Cost CV 1000 0 制約条件 5000 制約条件

30. お菓⼦子の詰め放題も、最適化問題目的制約条件総額の最大化袋のキャパお菓子の体積 ①現状把握 ②未来予測 ③シミュレート ④最適化

31. ①現状把握 ②未来予測 ③シミュレート ④最適化利利益の最⼤大化問題

32. ①現状把握 ②未来予測 ③シミュレート ④最適化最適解探索索のイメージ（内点法、単体法）

33. 100万 200万 300万 400万 500万リスティングバナー CV コストリスティング：500万円、バナー：0万円⇒CV：100件 100 80 60 40 20 リスティング：400万円、バナー：100万円⇒CV：110件リスティング：250万円、バナー：250万円⇒CV：112件リスティング：300万円、バナー：200万円⇒CV：115件トータル500万円で最大のCVを得るためには、リスティングとバナーにいくらづつ投資するのが最適か？広告最適化のイメージ

34. 予算の最適化問題目的制約条件 CVの最大化総予算のキャパ各広告投下金額のキャパ ①現状把握 ②未来予測 ③シミュレート ④最適化 CM ネット広告紙広告ラジオ広告マス広告ネット広告

35. 現状把握で用いる統計

36. データとは、情報を生み出すための素材！！データの抽象度を高め、数量化されたデータを統計データと呼ぶ。統計データを様々な角度から読み解くことで、有益な情報を取得する。数量化売上貢献が⾼高い優良良顧客のプロファイルは？競合にスイッチしやすい　　　　　　　　バラエティシーカーの割合は？ CVを最⼤大化させる広告の配分はどれくらい？データとは？ 1/2

37. データとは？ 2/2 データは、そのデータ固有の特徴（構造）とその特徴をぼやかせる不不確かさ（誤差）から成り⽴立立っている

38. データの種類 <実例例> <定義>

39. データの尺度度尺度度数量量データカテゴリデータ名義尺度度順序尺度度種類特徴名義化された集合に含まれる要素を数える⼀一対⼀一変換が可能である順序を表しており、間隔は問題にしていない単調増加または減少変換が可能である間隔尺度度⽐比率率率尺度度原点０は量量がないことを意味しない等間隔性が保証されているので、加減計算ができる原点０が⼀一義的に決まる間隔尺度度である四則演算を適⽤用できる

40. ※　カテゴリデータの場合はバーチャートや円グラフなどを作成するデータの特徴を掴む３ステップ ƒ(χ) χ最小値最大値最頻値平均中央値データの特徴のつかみ⽅方

41. ヒストグラムとは？ヒストグラムとは、データのバラツキの分布状態を棒グラフで表⽰示したものであり、以下のような種類がある

42. 代表値（分布の中⼼心）と散布度度（分布の幅の⼤大きさ）を⾒見見るヒストグラムを⾒見見るポイント

43. 統計量量とは、データの特徴を数学的に要約したものであるデータ個数データ分布を要約した数値（データの重⼼心）データの散らばり度度合いを表した数値データ分布の⾮非対称性や範囲のズレを⽰示した数値 2つ以上のデータの関係を⽰示した数値統計量量とは？

44. 代表値（平均値、中央値、最頻値） M=(∑X)÷Ｎ ƒ(χ) χ 平均標準偏差

45. 代表値（平均値、中央値、最頻値） ƒ(χ) χ 平均中央値第1四分位  （25％）第2四分位  （50％）第3四分位  （75％）（Ｎ＋１）×1/2番⽬目にくる値

46. 代表値（平均値、中央値、最頻値）最も頻度度が⾼高いカテゴリの値

47. 散布度度（分散、標準偏差）

48. 平均値の罠 1/2 データが正規分布している場合に、平均値が代表値として機能する。この場合は、中央値も平均値と合わせて⾒見見ることが必要。

49. 平均値の罠 2/2 データの分布が異異なる場合、平均値のみの⽐比較による意思決定は、判断を⾒見見誤るリスクがある。必ず、データの分布を確認し、その分布に合った統計量量を算出しよう！ N χ 平均 N χ 平均サービスAの一日当たりＣＶ数サービスBの一日当たりＣＶ数

50. データ同⼠士の関係性の分析【主な⽬目的】特定の集団の特⾊色や傾向を調べるクロス分析相関分析【主な⽬目的】データ間の関連の強さを調べる【カテゴリデータ×カテゴリデータの場合】【カテゴリデータ×数量量データの場合】【数量量データ×数量量データの場合】身長体重【未既婚】【平均年収】相関係数:データの関連の強さをー1〜～1の間で表した数値統計的な意味２つの変数に関するデータのバラツキの⼤大きさと関係の⽅方向性 ( 散布図上での点の散らばり⽅方 ) を⽰示す指標 ⇒標準化された共分散 ※ 　因果関係ではないことに注意！！

51. 散布図から⾒見見る相関関係 1/2 正の完全相関正の強い相関正の弱い相関無相関負の強い相関曲線相関 rxy=1.0 rxy=0.8 rxy=0.3 rxy=0.0 rxy=-0.8 rxy=0.0

52. 散布図から⾒見見る相関関係 2/2 正の強相関 rxy=0.9 正の強相関 rxy=0.9 どちらも、相関係数を⾒見見ただけでは、0.9と⾮非常に⾼高い値ですが、実際は、右図は特定の値に集中していることが確認されている。データ同⼠士がどのような関係性にあるのかは必ず視覚的に確認しよう。

53. 数字から⾒見見る相関関係

54. 休息時間と就寝前の⾎血圧負の相関正の相関夫の年年齢と妻の年年齢⾷食事の量量と体重気温とエアコンの販売台数気温と航空事故発⽣生率率率台⾵風の頻度度と靴の売れ⾏行行き相関なしテレビ普及率率率と犯罪率率率？？？養⽑毛剤の値段と抜け⽑毛の数タミフル接取と精神異異常喫煙本数とがん発⽣生率率率相関のあれこれ相関と因果は別。因果は、分析する側が仮定するものであって、分析から⾃自動的に出てこない。

55. 相関関係都市化の進⾏行行具合コウノトリの巣の数新⽣生児の数 ≒都市化が進んだ町では出⽣生率率率が低下するコウノトリの巣が減少した町では出⽣生率率率が低下する観測された相関関係が擬似相関であった場合、⼤大きな誤解を招いてしまう危険がある。ただし、「擬似相関＝使えない情報」ではなく、⽬目的に応じた正しい解釈をすることが重要となる。相関を⾒見見る注意点

56. 正の相関 rxy=0.7 rxy=0.5 rxy=0.9 男性⼥女女性男性が⼥女女性に⽐比べて相関が低いので、全体を低めている原因になっている分割相関

57. 変数をセグメントごとに分割して、真の相関を⾒見見る分析⼿手法相関係数は外れ値の影響を受けやすい！ ⇒1つの外れ値で正負の符号が逆転することも第３の変数の影響を排除して、真の相関を⾒見見る分析⼿手法線形なのか、⾮非線形なのか？ ⇒相関係数は変数間の線形関係が前提相関を⾒見見る⽬目的に⽴立立ち返り、相関の意味を⾃自問⾃自答し、因果関係は担当者が判断する相関関係を正しく⾒見見るコツ

58. 現状把握のまとめ

59. おわりに

60. データを基にしたコミュニケーション Make It Simple！分析者実務家意思決定者意思決定を誤らない情報を確かな⽅方法論論で！

61. 次回の講座に向けて分析者実務家意思決定者ビジネス課題の分析課題への落落とし込み！！

62. 【再掲】全3回の講義内容の紹介 1回⽬目実務家向け統計講座統計という名の武器を⾝身に付ける 2回⽬目分析設計講座ビジネス課題を分析課題へ落落とし込む 3回⽬目ケーススタディ 1,2回の知識識やスキルで課題を体感する

63. 次回講義に向けた宿題１．統計量を復習しておこう！２．自分で一つビジネス課題を見つけておこう！

64. ご清聴、ありがとうございました。

分析のリアルがここに！現場で使えるデータ分析（1限目）　先生：吉永　恵一

You are reading a preview.

Check these out next

分析のリアルがここに！現場で使えるデータ分析（1限目）　先生：吉永　恵一

More Related Content

Slideshows for you (20)

Viewers also liked (20)

Similar to 分析のリアルがここに！現場で使えるデータ分析（1限目）　先生：吉永　恵一 (20)

More from schoowebcampus (20)