お金の分析：解説編＝ライフイベントの辞書から年代別モデルを作る【第29回】

フェーズD：ライフイベントから重要な検討課題（Issue）を抽出する

　 分析者のノウハウ ：紐付ける力
　 分析手法の例 ：テキストマイニングなど

　フェーズDで重要な検討課題を手っ取り早く抽出するには、関連する膨大なデータをテキストマイニングする（第14回参照）。そこから、ライフイベントのキーワード（たとえば第27回では『早期退職』）に紐付けられた項目を取り上げれば良い。ネット上で簡単にテキストマイニングできるサービスもある。テキストマイニング後は分析者が「紐付ける力」で補正する（第18回参照）。

フェーズE：各検討課題について分析し深い考察（Deep Thinking）と結論を導き出す

　 分析者のノウハウ ：ロジカルシンキング
　 分析手法の例 ：トポロジカルデータ解析、回帰分析、クロス集計など

　検討課題について分析するために、わざわざITツールを使う必要はない。ロジカルシンキング（論理的思考、第8回と第9回の図参照）の各種フレームワークで深堀りすれば良い。ロジックツリーやピラミッド構造でも良いだろう。

　筆者は、分析手法として専門的にはトポロジカルデータ解析を駆使している（第9回参照）。データ群を空間とみなし、その形に注目することでデータ群に埋もれた価値を探す手法である。空間の考えでデータを本質的に抽出できる。

　お金に関するデータを空間とみなすと、x軸、y軸、z軸の属性は、年代、各ライフイベント、考慮すべき議題、必要な金額、テキストマイニングであぶりだされたキーワードといった数値データや非数値データから得られる。極端に言えば、表1もx軸を各ライフイベント、y軸を考慮すべき議題、z軸を年代とすれば、3次元として見ることもできる。

　他にも回帰分析（第6回参照）、クロス集計（第5回参照）など様々な分析手法を使って深堀りしていく。この過程を筆者は「Deep Thinking」と呼んでいる。これにより各年代別の結論を得られる。

フェーズF：生き残る方策（Core Point）をまとめる

　　 分析者のノウハウ ：クリエイティブシンキング
　　 分析手法の例 ：ベイズ推定、決定木分析、ランダムフォレストなど

　フェーズFで生き残る方策を得る段階でも、ITツールを使わなくても条件ごとに、どのように結果が変わっていくか自由闊達に創造できる力、つまり創造力があれば良い。これをロジカルシンキングに対して「創造的思考（クリエイティブシンキング）」と言う。

　古くはブレインストーミング、マインドマップ、最近ではサービスデザイン思考などがある。論理的な矛盾があっても受け入れる柔軟さ、これまでの枠にとらわれない独自な考えが必要になり、AI（人工知能）が苦手とする領域である。頭の中だけならば「想像力」だが、それが他の人にも見える形（ビジネスモデル、ハードウェア、ソフトウェアなど）にするのが「創造力」である。この力がフェーズFでは求められる。

　専門的に分析する場合、ベイズ推定（第7回参照）で分析者が主観的な推論を加え、さらに決定木分析（第5回参照）で絞り込みながら、生き残る方策に仕上げていく。その際、収入・金融資産・不動産などの条件別に予測する段階で、決定木モデルを使う。決定木モデルを使うことで、場合分けが容易になる。

　ただし、この決定木モデルの問題点として「過学習（第14回参照）」が挙げられる。1つのことにこだわり過ぎて本質を見失ってしまう現象だ。過学習への対処には「ランダムフォレスト」が用いられる。決定木を複数作り、それらの結果を総合的に判断するもので、多数決や平均などを取る方法だ。

　これら手法を使いこなすことで、さまざまなタイプの人について、お金で最適な解にたどり着ける。