METHOD 33
外れ値検出
OUTLIER DETECTION
PURPOSE
他と大きく異なる値を見つけたい
CATEGORY 08
異常検知
多くのデータの中から、ほかの値と比べて極端に大きい・小さいなど、 通常の範囲から大きく外れたデータを見つける方法。 統計的な基準やデータの分布を使って候補を抽出します。
VISUAL GUIDE / 通常の集まりから外れた点
WHAT YOU CAN DO / できること
A
極端な数値や通常と異なる観測値を抽出する
B
入力ミスや測定エラーの候補を見つける
C
重要な例外事象を調査するきっかけを作る
BUSINESS CASE
通常より極端に高い注文金額を発見
受注データの金額分布を確認し、一般的な取引と大きく異なる注文を抽出。 入力ミスなのか、大口顧客による正当な注文なのかを確認し、 修正や追加対応につなげます。
OVERVIEW / 手法の考え方
平均からの距離、四分位範囲（IQR）、標準偏差などを基準に、 通常と大きく異なる観測値を判定します。 適切な基準はデータの分布や業務上の目的によって異なります。
＋ メリット
比較的シンプルな基準から始められ、結果を説明しやすい。
！ 留意点
外れ値は必ずしも誤りではありません。機械的な削除は重要な情報を失う場合があります。
OUTLIER CHECK / 判断の3段階
01中心を見る
平均値や中央値を確認する
02ばらつきを見る
通常範囲の広さを把握する
03原因を確認
誤りか重要な例外かを判断する
POINT
「通常と違う」ことと「間違っている」ことは別です。検出後の原因確認が重要です。