【データの活用】データ活用の３つの方法

データ活用の３つの方法

（１データの活用には、以下３つの方法があります。

（２）それぞれに長所・短所があり、使い分けることが必要です。

指標のグラフ化

（１）取得したデータをグラフ化して単純に見比べる方法です、

（２）運営状況に異常がないかをチェックすることができます。データから、直感的に予想を立てるのに役立ちます。

（３）データを加工せずに利用するために、簡便です。

（４）データからの予想の読み取りは、結局、分析者のカンに頼るところがあります。

回帰分析

（１）回帰分析（重回帰分析）は、３種類、４種類のデータを使って予想モデルを作るものです。

（２）例えば、賃料を予想するのであれば、「駅からの距離」、「建築されてからの年数」等のデータを入力します。
　イメージで言えば、Ⅹ軸に「地価」、Ｙ軸に、「駅からの距離」、Ｚ軸に、「家賃」を入力して点を打っていきます。そして、その点が密集している固まりに線を引いて、仮説の計算式を作るようなイメージです。
　　　賃料=40.969×「駅からの距離」＋0.5978×「建築されてからの年数」という計算式ができます。

（３）回帰分析等では、いろいろなデータ（変数）を入力することはできません。それぞれの変数が独立していることが必要です。変数の相関関係が強い（依存関係がある変数がある）と、予測結果が不安定になり、変数をしぼる必要があります（多重共線性）。

（４）回帰分析は、ビジネスにとって活用しやすい分析方法です。機械学習ほど、データ数が不要です。変数（結果に影響力の高い数字）を予想して、トライアンドエラーで成果を測定し、予想モデルの上げていきます。仮説と検証がビジネスでの思考と類似性が高いです。

（５）回帰分析は、AI（機械学習）と比べて、使える変数が少ない入力データの選定という過程があり、分析者のカンに頼るところがあるところです。一般論として、回帰分析の予測精度は、AI（機械学習）に劣ります。

機械学習

（１）機械学習は、膨大なデータを学習し、分類方法や予測を出す方法を自動的に構築するものです。

（２）機械学習には、膨大なデータを分析し判断します。人が介入せずとも結論を出せます。機械学習の予想精度は、高レベルを期待できます。

（３）機械学習には、膨大なデータを用意しなければ活用できない、という欠点があります。

（４）基本的に、機械学習がなぜその判断をしたのかは分かりません。どの変数が、結果に強い影響力を及ぼすのか、どの点に注力すればよいのか回答してくれば、トライアンドエラーで精度を上げていくビジネスには使いにくいところがあります。

参考

　 ハーバードビジネス レビュー２０２４年１月号３２頁以下