データ分析で重要なのは「列（属性）」を増やすこと【第２回】

　「分析」の語源は、その漢字が示すとおり「木を斧で切り分けて使いやすくすること」である（図1）。木をデータの集まりだと考えれば、横に切ると「行」が増え、縦に切ると「列」になる。この「行」がデータの単位となる「レコード」であり、「列」は、そのレコードの属性だ。例えば、日本の人口という木には2017年9月時点で、1億2667万の行があり、年齢や住所、学歴、身長、体重といった列（属性）で分けられる。

図1：「分析」の語源は「木を斧で切り分けて使いやすくすること」である

　データ分析で重要なのは「列」である。いくら「行」が多くても「列」が少なければ分析の視点からは全く意味がない。属性が分析の基準になるため、基準が少ないデータは単なる“ゴミの山”である。自ら作りだすデータ、市場で売られている調査データ、誰でも自由に使えるオープンデータのいずれもが「列」が限られているだけに、新たな「列」をどう作るかが勝負の鍵になる。

　さて、ここに“魔法の箱”があり、データを入れれば答えが出てくるとしよう（図2）。例えば、ある商品の今の需要量を箱に入れると、1年後の最適な需要量が予測されて出てくるような箱だ。この箱が「関数」である。「箱」には「函」という漢字もあるが、「関数」には「函数」のほうがしっくりくると筆者は感じている。

図2：ビジネスリーダーが知りたい「答え」を導き出すのが「函数」

　函数は英語で「function」である。なので函数は、その頭文字を取って y = f (x) で表す。先の例を当てはめると、xが現在の需要量で、yが1年度の予想需要量である。数学で出てくる函数と方程式を勘違いされる人も多い。函数はx からy を求める順問題である。一方の方程式は、例えば100 x + 50 = 350などxを求める逆問題である。学校では、こうしたことも明確には教えてくれない。

自由な分析指標で相関関係を見出す

　ビジネスリーダーが知りたいことに相関関係がある。2つ以上の事象の間にある関係性のことだ。ある雑誌に「『フィットネスを活用する人数』（事象A）を『外国語学習者の数』（事象B）で割ったものが『6カ月後の株価』（事象C）と相関関係がある」という内容があった。

　つまり　事象A ÷ 事象B ≒ 事象C　である。

　また「『家計調査でのマグロの消費額』（事象A）から『家計調査でのアジの消費額』を引いたものが『６カ月後の内閣府・景気ウオッチャー調査の景気指数』（事象C）と相関関係がある」との内容もある。

　これは　事象A － 事象B ≒ 事象C　である。

　このように自由な発想で独自の分析指標を作ればいい。事象間の関係性を見る場合、別に割り算や引き算だけでなく、足し算やかけ算、log、ルート、微積分などでもいい。2つ以上の事象の関係性を、数学を駆使して、あぶり出せるかどうかにかかっている。