主要解析手法

業務にデータ分析を取り入れるためには、データ分析でどんなことができるかを把握する必要があります。
ここでは、データ分析でどのようなことができるかを俯瞰します。

ここで紹介するものの他にも様々な解析手法がありますが、まずはここで紹介するものをおさえて、その後いろいろと引き出しを増やしてみてください。

 

 

原因と結果がある分析

「原因と結果の関連度合いを把握する」ことや「結果を予測する」ための分析になります。広告効果の予測や、様々な因果関係の構造を調べるために使われます。代表的な解析手法に、回帰分析があります。

解析手順は、モデルの構造を定義し、そのモデルの精度評価や要因間の影響度を定量化します。次に、モデルに予測したいデータの原因となる数値を当てはめ予測します。

次の用語は解析手法を選択する際に役に立つのでおさえておいてください。

・目的変数（結果）：予測対象や分類の基準になる変数

・説明変数（原因）：目的変数に影響を与えるであろう変数

 

SEM

構成概念（直接測定できないもの）を定量化し、因果関係を分析する手法。回帰分析や因子分析なども包括し、汎用性が高い。

 

決定木分析

クロス集計を繰り返し、予測・判別のルールを構築する手法。目的変数が2値（yes or no）の場合に使われる。

 

アソシエーション分析

頻出するアイテムの組み合わせの規則を抽出する手法。

 

 

原因と結果がない分析

現象やプロセスへの理解を深めるための分析になります。具体的には「調査項目間の関連性を把握する」ことや「調査対象をグループ分けする」ことができます。セグメンテーションやポジショニングマップの作成などに使われます。

解析手順は、類似度や関連性を定量化し、それらをもとにグループ分けをします。

 

主成分分析

調査項目間の類似関係を調べたり、変数を合成（要約）する。量的データが対象。

 

コレスポンデンス分析

主成分分析と同等の手法だが、対象は量的データ、質的データになる。特に、クロス集計結果をビジュアル化する際に使われる。

 

クラスター分析

似ている物同士をグルーピングする。