SlideShare a Scribd company logo
1 of 16
–http://www.kke.co.jp/cb/
– 株式会社 構造計画研究所
–Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved.
–1
http://www.kke.co.jp/cb/
株式会社 構造計画研究所
〒164-0011東京都中野区中央 4-5-3
TEL:03-5342-1090
Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved.
Crystal Ball データ分析
–http://www.kke.co.jp/cb/
–Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –2 http://www.kke.co.jp/cb/
Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved.
はじめに
本資料では、実データそのものを分析する「データ分析」機能を
ご紹介します
– ヒストグラムやデータの相関・散布図を調べるには有効な機能です
– シミュレーションを行う前の実データの分析に有用です
実データ
散布図行列
ヒストグラム
–http://www.kke.co.jp/cb/
–Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –3 http://www.kke.co.jp/cb/
Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved.
データ1つの概要を知る
度数分布(ヒストグラム)
– データを等間隔で分割し、範囲内のデータ数を計測することにより、
データの概要を知ることができる
値
の
出
現
個
数
値の出現範囲(等間隔に分割)
データの個数
–http://www.kke.co.jp/cb/
–Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –4 http://www.kke.co.jp/cb/
Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved.
データ同士の関係性を知る
散布図の形状によって、データ間の関係性がわかる
正の線形関係
Xの高い値に対して、
Yの高い値が対応します。
負の線形関係
Xの高い値に対して、
Yの低い値が対応し ます。
無関係
変数同士に何らかの
関係にはありません。
 Crystal Ballで扱う相関はスピアマンの順位相関
– 一般的な相関係数(ピアソンの積率相関)とは異なるので注意
– 2つの変数をそれぞれ順位付けしたとき、
対応する順位の関係性を数値で表したもの
• 2つの変数の順位が完全に一致する場合の相関係数は1
• 全く逆の場合の相関係数は-1
– -1から+1の範囲で変動し、絶対値が1に近いほど関係が強い
–http://www.kke.co.jp/cb/
–Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –5 http://www.kke.co.jp/cb/
Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved.
データ分析 演習問題
• データ分析 演習
– CBwebサイトにあるサンプルファイル「雑誌販売モデル.xls」
• http://www4.kke.co.jp/cb/sample/download/SampleFiles_JP/Magazine%20Sales.xls
• 「販売データ」シートに移動
–http://www.kke.co.jp/cb/
–Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –6 http://www.kke.co.jp/cb/
Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved.
Crystal Ball上での操作
「その他のツール」→「データ分析」
http://www.kke.co.jp/cb/
Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 7
データ分析 –データ系列の参照–
予測の選択
– モデルに存在する予測から1つ選択する
「次へ」をクリック
http://www.kke.co.jp/cb/
Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 8
データ分析 –データ系列の参照–
オプション
– 分析用データに対してヒストグラム/散布図の自動表示を設定
– 「分布の適合」機能を利用することも可能
データのヒストグラムを表示
するときにチェックを入れる
ヒストグラムの表示方法と
「分布の適合」を実施するか否か
散布図行列表示の有無
選択したデータの分析と同時に、
開かれたすべてのワークブックで
シミュレーションが実行される
http://www.kke.co.jp/cb/
Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 9
分析用データの出力結果
出力結果
– 各データ系列に対するヒストグラムと適合結果
ヒストグラム
雑誌Aの売上
雑誌Bの売上
雑誌Cの売上
雑誌Dの売上
499 355 639 481
相関:
雑誌Aの売上 1.0000 0.0166 -0.0128 -0.0124
雑誌Bの売上 1.0000 -0.0059 0.0607
雑誌Cの売上 1.0000 -0.0392
雑誌Dの売上 1.0000
予測グラフ
傾向グラフ
重ねグラフ
散布図
相関マトリクスと表示オプション
http://www.kke.co.jp/cb/
Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 10
ヒストグラムを表示
傾向グラフを表示
重ねグラフを表示
散布図行列を表示(詳細は次ページ以降)
分析用データの出力結果
表示オプション
– 予測(青いセル)を複数選択することにより、様々な結果表示が可能
• 図は各グラフの例
雑誌Aの売上
雑誌Bの売上
雑誌Cの売上
雑誌Dの売上
499 355 639 481
相関:
雑誌Aの売上 1.0000 0.0166 -0.0128 -0.0124
雑誌Bの売上 1.0000 -0.0059 0.0607
雑誌Cの売上 1.0000 -0.0392
雑誌Dの売上 1.0000
予測グラフ
傾向グラフ
重ねグラフ
散布図
雑誌Aの売上
雑誌Bの売上
雑誌Cの売上
雑誌Dの売上
499 355 639 481
相関:
雑誌Aの売上 1.0000 0.0166 -0.0128 -0.0124
雑誌Bの売上 1.0000 -0.0059 0.0607
雑誌Cの売上 1.0000 -0.0392
雑誌Dの売上 1.0000
予測グラフ
傾向グラフ
重ねグラフ
散布図
雑誌Aの売上
雑誌Bの売上
雑誌Cの売上
雑誌Dの売上
499 355 639 481
相関:
雑誌Aの売上 1.0000 0.0166 -0.0128 -0.0124
雑誌Bの売上 1.0000 -0.0059 0.0607
雑誌Cの売上 1.0000 -0.0392
予測グラフ
傾向グラフ
重ねグラフ
散布図
雑誌Aの売上
雑誌Bの売上
雑誌Cの売上
雑誌Dの売上
499 355 639 481
相関:
予測グラフ
傾向グラフ
重ねグラフ
散布図
http://www.kke.co.jp/cb/
Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 11
分布の適合
分布の適合オプション
– 「分布の適合」を実施することで、最も当てはまりの良い
確率分布を自動判別
データの統計量と
適合した確率分布の比較
(「表示」→「分割ビュー」)
適合した確率分布の線
http://www.kke.co.jp/cb/
Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 12
データ同士の関係性を知る
散布図行列
– 各項目同士の散布図をマトリクス状に並べた表のこと
– 相関係数が1となる線が直線にならないことに注意
• 直線になるのは正規分布同士をプロットしたとき
http://www.kke.co.jp/cb/
Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 13
散布図行列
散布図表示
– 1つの項目に着目して分析することも可能(目標値設定)
http://www.kke.co.jp/cb/
Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 14
散布図行列
散布図表示
– 目標値設定により、1つの項目と他の項目の
散布図のみを表示することが可能
http://www.kke.co.jp/cb/
Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 15
使用できそうな実データがあれば分析する
– データ間の相互関係をかくにんする
– エラーのない正しいデータかどうかを確認する
データが「存在する」ことよりも「有益である」ことのほうが重要
– 実際には分析を行う前に、中身や取得方法を確認したほうがよい
– 「データ分析」が手掛かりを与えてくれる
データについてのまとめ
–http://www.kke.co.jp/cb/
–Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –16 http://www.kke.co.jp/cb/
Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved.
お問い合わせ
E-mail: cb@kke.co.jp
URL:http://www.kke.co.jp/cb/
– 最新情報、セミナー・イベント、事例ファイルなど

More Related Content

Similar to Crystal Ball - Data analysis

[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
Insight Technology, Inc.
 
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -
Silicon Studio Corporation
 
第2回 R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜相関分析による需要予測編〜
第2回 R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜相関分析による需要予測編〜第2回 R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜相関分析による需要予測編〜
第2回 R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜相関分析による需要予測編〜
Yasuyuki Sugai
 
Big data解析ビジネス
Big data解析ビジネスBig data解析ビジネス
Big data解析ビジネス
Mie Mori
 

Similar to Crystal Ball - Data analysis (20)

【2018年3月時点】Oracle Data Visualizaion ご紹介
【2018年3月時点】Oracle Data Visualizaion ご紹介【2018年3月時点】Oracle Data Visualizaion ご紹介
【2018年3月時点】Oracle Data Visualizaion ご紹介
 
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
 
超高速な機械学習を Oracle Database で実現!
超高速な機械学習を Oracle Database で実現!超高速な機械学習を Oracle Database で実現!
超高速な機械学習を Oracle Database で実現!
 
[data analytics showcase] B11: ビッグデータを高速に検索・分析する「Elasticsearch」~新プラグイン「Graph」...
[data analytics showcase] B11: ビッグデータを高速に検索・分析する「Elasticsearch」~新プラグイン「Graph」...[data analytics showcase] B11: ビッグデータを高速に検索・分析する「Elasticsearch」~新プラグイン「Graph」...
[data analytics showcase] B11: ビッグデータを高速に検索・分析する「Elasticsearch」~新プラグイン「Graph」...
 
データ分析で Excel を活用しよう
データ分析で Excel を活用しようデータ分析で Excel を活用しよう
データ分析で Excel を活用しよう
 
Kinesis Analyticsの適用できない用途と、Kinesis Firehoseの苦労話
Kinesis Analyticsの適用できない用途と、Kinesis Firehoseの苦労話Kinesis Analyticsの適用できない用途と、Kinesis Firehoseの苦労話
Kinesis Analyticsの適用できない用途と、Kinesis Firehoseの苦労話
 
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例 by 株式会社日立製作所 ...
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例  by 株式会社日立製作所 ...[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例  by 株式会社日立製作所 ...
[db tech showcase Tokyo 2014] B33: 超高速データベースエンジンでのビッグデータ分析活用事例 by 株式会社日立製作所 ...
 
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
[D24] あなたのビジネスを変えるInfiniDBケーススタディ by Toshihide Hanatani
 
オンプレ、クラウドを組み合わせて作るビックデータ基盤 データ基盤の選び方
オンプレ、クラウドを組み合わせて作るビックデータ基盤  データ基盤の選び方オンプレ、クラウドを組み合わせて作るビックデータ基盤  データ基盤の選び方
オンプレ、クラウドを組み合わせて作るビックデータ基盤 データ基盤の選び方
 
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -
 
Backlog APIを使ってチケットの進捗を可視化する取組みをやってみる.pdf
Backlog APIを使ってチケットの進捗を可視化する取組みをやってみる.pdfBacklog APIを使ってチケットの進捗を可視化する取組みをやってみる.pdf
Backlog APIを使ってチケットの進捗を可視化する取組みをやってみる.pdf
 
第2回 R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜相関分析による需要予測編〜
第2回 R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜相関分析による需要予測編〜第2回 R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜相関分析による需要予測編〜
第2回 R言語で始めよう、データサイエンス(ハンズオン勉強会) 〜相関分析による需要予測編〜
 
Japan elasticusergroup01 Acroquest
Japan elasticusergroup01 AcroquestJapan elasticusergroup01 Acroquest
Japan elasticusergroup01 Acroquest
 
Synapse lakedatabase
Synapse lakedatabaseSynapse lakedatabase
Synapse lakedatabase
 
Power BI 勉強会 #6
Power BI 勉強会 #6Power BI 勉強会 #6
Power BI 勉強会 #6
 
Big Data Architecture 全体概要
Big Data Architecture 全体概要Big Data Architecture 全体概要
Big Data Architecture 全体概要
 
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しようMicrosoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
Microsoft Azureのビッグデータ基盤とAIテクノロジーを活用しよう
 
What's New in the Elastic 8.5 Release
What's New in the Elastic 8.5 ReleaseWhat's New in the Elastic 8.5 Release
What's New in the Elastic 8.5 Release
 
Big data解析ビジネス
Big data解析ビジネスBig data解析ビジネス
Big data解析ビジネス
 
PSpiceの活用方法 (2005年)
PSpiceの活用方法 (2005年)PSpiceの活用方法 (2005年)
PSpiceの活用方法 (2005年)
 

More from KaitoKojima

More from KaitoKojima (10)

Crystal Ball - 13.Tornado Diagram
Crystal Ball - 13.Tornado DiagramCrystal Ball - 13.Tornado Diagram
Crystal Ball - 13.Tornado Diagram
 
Crystal Ball - 10.Output and Analytics of Results
Crystal Ball - 10.Output and Analytics of ResultsCrystal Ball - 10.Output and Analytics of Results
Crystal Ball - 10.Output and Analytics of Results
 
Crystal Ball - 9.Difine Forecast and Simulation Setting
Crystal Ball - 9.Difine Forecast and Simulation SettingCrystal Ball - 9.Difine Forecast and Simulation Setting
Crystal Ball - 9.Difine Forecast and Simulation Setting
 
Crystal Ball - 8.Difine Assumption(corralation)
Crystal Ball - 8.Difine Assumption(corralation)Crystal Ball - 8.Difine Assumption(corralation)
Crystal Ball - 8.Difine Assumption(corralation)
 
Crystal Ball - 6.Difine Assumption(standard)
Crystal Ball - 6.Difine Assumption(standard)Crystal Ball - 6.Difine Assumption(standard)
Crystal Ball - 6.Difine Assumption(standard)
 
Crystal Ball - 5.Probability Statistics and Probability Distribution
Crystal Ball - 5.Probability Statistics and Probability DistributionCrystal Ball - 5.Probability Statistics and Probability Distribution
Crystal Ball - 5.Probability Statistics and Probability Distribution
 
Crystal Ball - 4.How to use Crystal Ball
Crystal Ball - 4.How to use Crystal BallCrystal Ball - 4.How to use Crystal Ball
Crystal Ball - 4.How to use Crystal Ball
 
Crystal Ball - 3.Application Examples
Crystal Ball - 3.Application ExamplesCrystal Ball - 3.Application Examples
Crystal Ball - 3.Application Examples
 
Crystal Ball - 2.What's Crystal Ball
Crystal Ball - 2.What's Crystal BallCrystal Ball - 2.What's Crystal Ball
Crystal Ball - 2.What's Crystal Ball
 
Crystal Ball - 1.What's Risk
Crystal Ball - 1.What's RiskCrystal Ball - 1.What's Risk
Crystal Ball - 1.What's Risk
 

Crystal Ball - Data analysis

  • 1. –http://www.kke.co.jp/cb/ – 株式会社 構造計画研究所 –Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –1 http://www.kke.co.jp/cb/ 株式会社 構造計画研究所 〒164-0011東京都中野区中央 4-5-3 TEL:03-5342-1090 Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. Crystal Ball データ分析
  • 2. –http://www.kke.co.jp/cb/ –Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –2 http://www.kke.co.jp/cb/ Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. はじめに 本資料では、実データそのものを分析する「データ分析」機能を ご紹介します – ヒストグラムやデータの相関・散布図を調べるには有効な機能です – シミュレーションを行う前の実データの分析に有用です 実データ 散布図行列 ヒストグラム
  • 3. –http://www.kke.co.jp/cb/ –Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –3 http://www.kke.co.jp/cb/ Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. データ1つの概要を知る 度数分布(ヒストグラム) – データを等間隔で分割し、範囲内のデータ数を計測することにより、 データの概要を知ることができる 値 の 出 現 個 数 値の出現範囲(等間隔に分割) データの個数
  • 4. –http://www.kke.co.jp/cb/ –Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –4 http://www.kke.co.jp/cb/ Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. データ同士の関係性を知る 散布図の形状によって、データ間の関係性がわかる 正の線形関係 Xの高い値に対して、 Yの高い値が対応します。 負の線形関係 Xの高い値に対して、 Yの低い値が対応し ます。 無関係 変数同士に何らかの 関係にはありません。  Crystal Ballで扱う相関はスピアマンの順位相関 – 一般的な相関係数(ピアソンの積率相関)とは異なるので注意 – 2つの変数をそれぞれ順位付けしたとき、 対応する順位の関係性を数値で表したもの • 2つの変数の順位が完全に一致する場合の相関係数は1 • 全く逆の場合の相関係数は-1 – -1から+1の範囲で変動し、絶対値が1に近いほど関係が強い
  • 5. –http://www.kke.co.jp/cb/ –Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –5 http://www.kke.co.jp/cb/ Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. データ分析 演習問題 • データ分析 演習 – CBwebサイトにあるサンプルファイル「雑誌販売モデル.xls」 • http://www4.kke.co.jp/cb/sample/download/SampleFiles_JP/Magazine%20Sales.xls • 「販売データ」シートに移動
  • 6. –http://www.kke.co.jp/cb/ –Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –6 http://www.kke.co.jp/cb/ Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. Crystal Ball上での操作 「その他のツール」→「データ分析」
  • 7. http://www.kke.co.jp/cb/ Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 7 データ分析 –データ系列の参照– 予測の選択 – モデルに存在する予測から1つ選択する 「次へ」をクリック
  • 8. http://www.kke.co.jp/cb/ Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 8 データ分析 –データ系列の参照– オプション – 分析用データに対してヒストグラム/散布図の自動表示を設定 – 「分布の適合」機能を利用することも可能 データのヒストグラムを表示 するときにチェックを入れる ヒストグラムの表示方法と 「分布の適合」を実施するか否か 散布図行列表示の有無 選択したデータの分析と同時に、 開かれたすべてのワークブックで シミュレーションが実行される
  • 9. http://www.kke.co.jp/cb/ Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 9 分析用データの出力結果 出力結果 – 各データ系列に対するヒストグラムと適合結果 ヒストグラム 雑誌Aの売上 雑誌Bの売上 雑誌Cの売上 雑誌Dの売上 499 355 639 481 相関: 雑誌Aの売上 1.0000 0.0166 -0.0128 -0.0124 雑誌Bの売上 1.0000 -0.0059 0.0607 雑誌Cの売上 1.0000 -0.0392 雑誌Dの売上 1.0000 予測グラフ 傾向グラフ 重ねグラフ 散布図 相関マトリクスと表示オプション
  • 10. http://www.kke.co.jp/cb/ Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 10 ヒストグラムを表示 傾向グラフを表示 重ねグラフを表示 散布図行列を表示(詳細は次ページ以降) 分析用データの出力結果 表示オプション – 予測(青いセル)を複数選択することにより、様々な結果表示が可能 • 図は各グラフの例 雑誌Aの売上 雑誌Bの売上 雑誌Cの売上 雑誌Dの売上 499 355 639 481 相関: 雑誌Aの売上 1.0000 0.0166 -0.0128 -0.0124 雑誌Bの売上 1.0000 -0.0059 0.0607 雑誌Cの売上 1.0000 -0.0392 雑誌Dの売上 1.0000 予測グラフ 傾向グラフ 重ねグラフ 散布図 雑誌Aの売上 雑誌Bの売上 雑誌Cの売上 雑誌Dの売上 499 355 639 481 相関: 雑誌Aの売上 1.0000 0.0166 -0.0128 -0.0124 雑誌Bの売上 1.0000 -0.0059 0.0607 雑誌Cの売上 1.0000 -0.0392 雑誌Dの売上 1.0000 予測グラフ 傾向グラフ 重ねグラフ 散布図 雑誌Aの売上 雑誌Bの売上 雑誌Cの売上 雑誌Dの売上 499 355 639 481 相関: 雑誌Aの売上 1.0000 0.0166 -0.0128 -0.0124 雑誌Bの売上 1.0000 -0.0059 0.0607 雑誌Cの売上 1.0000 -0.0392 予測グラフ 傾向グラフ 重ねグラフ 散布図 雑誌Aの売上 雑誌Bの売上 雑誌Cの売上 雑誌Dの売上 499 355 639 481 相関: 予測グラフ 傾向グラフ 重ねグラフ 散布図
  • 11. http://www.kke.co.jp/cb/ Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 11 分布の適合 分布の適合オプション – 「分布の適合」を実施することで、最も当てはまりの良い 確率分布を自動判別 データの統計量と 適合した確率分布の比較 (「表示」→「分割ビュー」) 適合した確率分布の線
  • 12. http://www.kke.co.jp/cb/ Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 12 データ同士の関係性を知る 散布図行列 – 各項目同士の散布図をマトリクス状に並べた表のこと – 相関係数が1となる線が直線にならないことに注意 • 直線になるのは正規分布同士をプロットしたとき
  • 13. http://www.kke.co.jp/cb/ Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 13 散布図行列 散布図表示 – 1つの項目に着目して分析することも可能(目標値設定)
  • 14. http://www.kke.co.jp/cb/ Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 14 散布図行列 散布図表示 – 目標値設定により、1つの項目と他の項目の 散布図のみを表示することが可能
  • 15. http://www.kke.co.jp/cb/ Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. 15 使用できそうな実データがあれば分析する – データ間の相互関係をかくにんする – エラーのない正しいデータかどうかを確認する データが「存在する」ことよりも「有益である」ことのほうが重要 – 実際には分析を行う前に、中身や取得方法を確認したほうがよい – 「データ分析」が手掛かりを与えてくれる データについてのまとめ
  • 16. –http://www.kke.co.jp/cb/ –Copyright © 2005 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. –16 http://www.kke.co.jp/cb/ Copyright © 2012 KOZO KEIKAKU ENGINEERING Inc. All Rights Reserved. お問い合わせ E-mail: cb@kke.co.jp URL:http://www.kke.co.jp/cb/ – 最新情報、セミナー・イベント、事例ファイルなど