迅速にデータ分析を行いビジネスに生かすことの重要性は、日増しに高まっています。そのためデータ分析を実践したいと感じている方は少なくないでしょう。
そこでここでは、データ分析の代表的な6つの手法、データを利活用するためのデータ分析の内製化に関するポイントなどをご説明します。
データ分析の代表的な6つの手法
それではさっそく、データ分析の代表的な6つの手法について、それぞれの概要、事例、どういったデータ分析に向いているのかをご説明します。
クロス集計分析
クロス集計分析とは、得られたデータを複数の分析軸をかけ合わせて集計することで、より細かい分析ができる方法です。アンケートなどでよく使われています。
分析軸は、回答者の属性（年齢、性別、居住地、職業、所得など）や、属性以外の質問がよく使われます。
例えば、ある商品の満足度のアンケート調査を行うとします。「どの程度、この商品に満足されていますか？」と問うアンケートを採った結果、満足度は45％でした。これは単純集計という基本的な集計方法です。しかし、これをクロス集計にして分析軸に「年代」を入れると、実は「10代・20代の満足度は20％、30代・40代では40％、50代・60代では80％、80代以上では40％」と、年代によって満足度が大きく異なるという結果になります。
このように、クロス集計分析を用いることで、属性による傾向・相関関係などの把握につなげられます。Excelでもピボットテーブルを使って簡単にクロス集計をすることが可能です。
クラスター分析
パンデミックで「クラスター」という言葉が広く知られるようになりましたが、本来クラスター（cluster）とはブドウの房など、同種のものの集まりのことを指します。
そのため、さまざまな異なる性質などを持つ集まりの中から、類似性のあるもの（類似性のないもの）同士をグループ分けして、客観的にグループごとの傾向・性質などを読み解くという分析方法をクラスター分析と呼んでいます。
とても汎用性の高い分析方法ですが、ビジネスにおいては、ユーザーをグループ分けした上で、それぞれのニーズにより合ったサービス・製品などを提供する目的などで使われます。
主成分分析
主成分分析とは、多くのデータの意味をできるだけ損なわずに、1～3つ程度の項目に要約することで、よりわかりやすくする方法のことです。
ビジネスで主成分分析が使われるケースとして最もポピュラーなのが、アンケート結果の集計でしょう。複数の項目から成る顧客満足度評価を、主成分分析を用いることで、総合評価を出すなどといった使い方がされます。
また、散らばったデータを散布図にして可視化し、全体的な傾向、それぞれの項目のつながりを直感的に把握するためにも使われます。自社と他社のブランディングの違いなどを可視化するために、ポジショニングマップを作成するといった場合にも有用です。
回帰分析
回帰分析は、実生活やビジネスで幅広く用いられる、シンプルで汎用性の高い分析方法です。関連性のあるデータの数値関係を分析することで、予測値や因果関係を推測することができます。
例えば、「気温が上がるとビールの消費量が上がる」など、2つのデータの関係性を調べたい場合などに活用します。2つのデータだけでは事足りない場合は、複数のデータの相関関係を分析する「重回帰分析」を用いるのも良いでしょう。
ただし、重回帰分析では複数の要因が複雑に絡み合って、適切な予測・因果関係の分析結果が得られないこともあるため、何度も分析結果が妥当であるかをチェックすることが大切です。
また、予測値を出すのではなく、その「結果が起こる確率（yes／noの確率」「起こる確率と起こらない確率の比（オッズ）」を予測するのには「ロジスティック回帰分析」という手法が使われます。
ABC分析
主に在庫管理、品質管理、取引先管理などに用いられるのが、「ABC分析」です。ABC分析を行う対象にA、B、Cと優先順位を付けていき、優先順位の高いものにウエイトをかけることで、少ない労力で最大限の効果を得るために便利です。
このABC分析は、経済学者のパレートが唱えた「20％ほどの高額所得者の所得が、総所得の約80％を占めている」という所得分布の経験法則「パレートの法則」を応用しています。
この法則は「20対80の法則」のとも呼ばれ、「上位20％の商品が売上の80％を占める」「上位20％の顧客が売上の80％を占める」など、約20％という少数が80％という大部分を担っているというもので、マーケティングの分野でよく使われています。
決定木分析
「決定木分析（ディシジョンツリー）」は、ツリー（樹形図）を使って可視化しながらデータを段階的に解釈していく方法で、分類のルールを可視化する「分類木」、数値を予測する「回帰木」の総称です。「yes／noで答えられる質問を積み重ねて、正解へと到達するクイズ」という表現がしばしばなされます。
どのような流れをたどって予測結果にたどりついたのかを把握しやすいというだけでなく、どのようなタイミング・どのような基準で分類したかが段階ごとに分かるのがメリットです。ただし、予測結果と現実がかけ離れていることがあるため、乖離の可能性を常に考慮しましょう。
データ分析は内製化の時代
ここまで挙げたような分析手法を使ってデータ分析を進めるには、分析に足るデータの収集、分析環境の構築、データ分析人材の育成が欠かせません。また、分析したデータを有効に管理・活用するためには、業務プロセス自体を再度構築し、適宜見直していく必要もあります。
そういった場合、アウトソーシングを頼るのがこれまでの流れでした。しかし、近年はDX（デジタルトランスフォーメーション、デジタル革命）が推進されており、市場の志向に柔軟・迅速に対応して企業の競争力を高めるためにも、データの利活用に対する内製化の潮流が生まれています。
データ分析の専門家にアウトソーシングするのは有効ですが、分析業務を完全に外注することによって起こり得る問題もあります。システムエラーなどのトラブル発生時、よりスピーディに顧客のニーズに応えたい場合に、社内にノウハウが蓄積されていないと、企業としての競争力が弱まってしまうでしょう。また、ただでさえ「ハンコ文化」に代表されるようにデジタル化に出遅れている日本においては、より積極的にみずからデータ分析の内製化を進めていかなければ、他国よりも一層遅れを取ることになります。
これからの時代は、データの収集、分析、可視化、そして客観的なデータに基づいた意思決定、行動をする「データドリブン」に一層注力しかなければ、グローバルビジネスの場で価値を提供し続けるのは困難になってしまうでしょう。
マイクロソフトのデータ分析内製化プログラム「Cloud Native Dojo for Data」
そういった日本の状況をふまえて、Microsoft（マイクロソフト）では、データ分析・活用の内製化を支援するプログラム「Cloud Native Dojo for Data」を提供しています。
長期プログラム／短期プログラムの2種類があり、長期プログラムでは、ただ単にデータ分析のみをレクチャーするだけでなく、データドリブンを企業に根づかせるために、組織やマネジメント体制からの抜本的な見直し、データ活用人材の育成なども含めた、一貫したコンサルティングを行います。短期プログラムでは、短期間でデータの利活用に関する一連のフローを体験できるでしょう。
Cloud Native Dojo for Dataなどを活用してデータ分析を内製化することで、データ分析のノウハウが蓄積されるだけでなく、企業にデータドリブンが定着するでしょう。そうすると市場の志向をより深く分析できるようになるため、顧客満足度の向上、競合優位性の獲得につながります。
まとめ
企業の競争力をより高めるために、今後ますますデータ分析の必要性が高まってきます。アウトソーシングも良いですが、社内にデータ分析のノウハウを蓄積するには、内製化がおすすめです。
Microsoftが提供する「Cloud Native Dojo for Data」などのツールを活用し、ぜひデータ分析の内製化を進めてください。
