01 / UNDERSTAND
データの特徴・全体像を
データの特徴・全体像を
知りたい
データの中心、ばらつき、分布などを確認し、 まず全体の傾向をつかみます。
RELATED METHODS
DATA SCIENCE METHODS
データサイエンス手法を、 「何をしたいか」 から探す。
データの特徴を捉える基本統計から、
予測・分類・クラスタリング、自然言語処理、因果推論まで。
ビジネスで扱われる代表的なデータサイエンス手法を、
目的・使い方・活用場面
とあわせて整理しています。
FIND BY PURPOSE
まず、 何を知りたいか から探す
分析手法の名前を知らなくても大丈夫です。
「何を知りたいか」「何をしたいか」から、
関連するデータサイエンス手法を探せます。
02 / RELATIONSHIP
データ同士の関係を
データ同士の関係を
知りたい
複数の項目がどのように関係しているか、 数値や図を使って確認します。
RELATED METHODS
03 / COMPARE
違いや差を
違いや差を
確かめたい
グループ間に見える違いが、 本当に意味のある差なのかを確認します。
RELATED METHODS
04 / PREDICT
将来や結果を
将来や結果を
予測したい
売上や需要、購入・解約など、 これから起こる結果をデータから予測します。
RELATED METHODS
05 / GROUP
似たものをグループに
似たものをグループに
分けたい
顧客や商品などを特徴の似ているもの同士に分け、 データの中にあるまとまりを見つけます。
RELATED METHODS
06 / ANOMALY
異常や外れを
異常や外れを
見つけたい
通常とは異なるデータや、 他と大きく離れた値・パターンを見つけます。
RELATED METHODS
07 / TEXT
文章・テキストを
文章・テキストを
分析したい
アンケートやレビュー、問い合わせなど、 文章に含まれる情報や傾向を分析します。
RELATED METHODS
08 / EFFECT
施策の効果を
施策の効果を
確かめたい
施策前後やグループ間を比較し、 実施した施策による効果を検証します。
RELATED METHODS
METHOD INDEX
分析手法の種類から探す
データの要約・可視化から統計解析、機械学習、因果推論まで。 分析手法を種類ごとに整理しています。
詳しい解説あり
一覧掲載
01
BASIC STATISTICS
基本統計量
02
DATA VISUALIZATION
データの可視化
03
DATA PREPARATION
データ集計・前処理
04
STATISTICAL ANALYSIS
統計解析
05
SUPERVISED LEARNING
教師あり学習
06
UNSUPERVISED LEARNING
教師なし学習
07
TIME SERIES ANALYSIS
時系列分析
08
ANOMALY DETECTION
異常検知
09
NLP / GENERATIVE AI
自然言語処理・生成AI
10
CAUSAL INFERENCE
因果推論
CHAPTER
CHAPTER
01
BASIC STATISTICS
基本統計量
データの中心やばらつきから、まず全体像をつかむ。
受講前の疑問を解消できます
無料相談する
METHOD 01
平均
AVERAGE / MEANすべてのデータの合計を個数で割った値。データ全体の「中心あたり」を表す、もっとも基本的な代表値。
VISUAL
平均の例
残業時間（時間）
WHAT YOU CAN DO
この手法でわかること・できること
- データ全体の代表的な水準がわかる
- 複数のグループや期間の数値を比較する基準になる
- 他の統計量を計算する際の土台になる
METHOD 02
標準偏差
STANDARD DEVIATIONデータが平均からどれくらいばらついているかを表す数値。値が大きいほどデータの散らばりが大きく、小さいほど平均の周りに集中していることを示す。
VISUAL
標準偏差の例
店舗A（ばらつき小）
店舗B（ばらつき大）
WHAT YOU CAN DO
この手法でわかること・できること
- データのばらつきの大きさを数値で把握できる
- 複数のグループの安定性や均一性を比較できる
- 偏差値や標準化の計算に使える
METHOD 03
偏差値
DEVIATION SCORE平均を50、標準偏差を10とした尺度に変換し、ある値が集団の中でどのくらい高い・低い位置にあるかを表した数値。
VISUAL
偏差値の例
平均より低い
平均付近
平均より高い
WHAT YOU CAN DO
この手法でわかること・できること
- ある値が集団の中でどの位置にあるかを把握できる
- 異なる分布や尺度のデータでも相対的な位置を比較できる
- 平均からどの程度離れているかを共通の尺度で示せる
METHOD 04
中央値
MEDIANデータを小さい順に並べたとき、ちょうど真ん中にくる値。データの半数がこの値より上、半数が下になる代表値。
VISUAL
中央値の例
外れ値
データを小さい順に並べる
WHAT YOU CAN DO
この手法でわかること・できること
- 外れ値の影響を受けにくい「中心」の位置がわかる
- 平均だけでは見えにくいデータの真ん中の水準を把握できる
- 分布が偏っているデータの代表値として使える
CHAPTER
02
DATA VISUALIZATION
データの可視化
数字だけでは捉えにくい差・推移・割合・分布をグラフで可視化し、データの特徴や変化を直感的に読み取ります。
METHOD 06
折れ線グラフ
LINE CHART時間の経過に沿って数値の変化を線でつないだグラフ。増減の方向や変化の大きさ、長期的な傾向を把握するときに使う。
VISUAL
月別売上の推移
1月
2月
3月
4月
5月
6月
全体として上昇
WHAT YOU CAN DO
この手法でわかること・できること
- 時間の経過による数値の増減を把握できる
- 上昇・下降・横ばいなど長期的な傾向がわかる
- 急な変化や転換点を見つけやすい
METHOD 07
円グラフ
PIE CHART全体を100％として、各項目が全体の中でどのくらいの割合を占めているかを扇形の大きさで表すグラフ。
VISUAL
売上構成比の例
100%
TOTAL
商品A
42%
商品B
28%
商品C
18%
その他
12%
WHAT YOU CAN DO
この手法でわかること・できること
- 各項目が全体に占める割合を把握できる
- どの項目の構成比が大きいかを直感的に比較できる
- 全体と各項目の関係を一目で示せる
METHOD 08
ヒストグラム
HISTOGRAMデータをいくつかの区間に分け、それぞれの区間に含まれるデータの個数を棒の高さで表すグラフ。データ全体がどのあたりに集中しているか、ばらつきの形を確認できる。
VISUAL
ヒストグラムの例
年齢（歳）
WHAT YOU CAN DO
この手法でわかること・できること
- データがどの範囲に多いかがわかる
- 平均や中央値だけでは見えない分布の形がわかる
- 極端に多い・少ないデータの有無を確認できる
METHOD 09
箱ひげ図
BOX PLOTデータの中央値、四分位数、ばらつき、外れ値を一つの図にまとめて表すグラフ。複数のグループの分布を比較するときにも使う。
VISUAL
箱ひげ図の例
最小
Q1
中央値
Q3
最大
WHAT YOU CAN DO
この手法でわかること・できること
- 中央値やデータの中心範囲を把握できる
- 複数グループのばらつきを比較できる
- 外れ値の有無を視覚的に確認できる
METHOD 10
散布図
SCATTER PLOT2つの数値の組み合わせを点で表し、点の並び方から2つの変数の関係や傾向を確認するグラフ。
VISUAL
広告費と売上の例
広告費 →
WHAT YOU CAN DO
この手法でわかること・できること
- 2つの数値の関係の方向を確認できる
- 関係の強さや点のばらつきを視覚的に把握できる
- 他の点から離れたデータを見つけやすい
CHAPTER
03
DATA PREPARATION
データ集計・前処理
集計・欠損への対応・尺度の調整などを行い、ばらばらなデータを分析に使える形へ整えます。
METHOD 11
クロス集計
CROSS TABULATION2つ以上の項目を組み合わせて表形式に集計し、属性や条件ごとの件数・割合・平均などの違いを確認する方法。
VISUAL
年代 × 購入商品のクロス集計
商品A
商品B
商品C
20代
28
46
19
30代
35
31
25
40代
40
24
37
WHAT YOU CAN DO
この手法でわかること・できること
- 属性ごとの件数や割合の違いを比較できる
- 2つの項目の組み合わせに特徴があるか確認できる
- 全体集計では見えないセグメントごとの差を把握できる
METHOD 12
欠損値処理
MISSING VALUE HANDLINGデータの一部が欠けている「欠損値」に対し、削除・補完などの方法を選び、分析に利用できる状態へ整える処理。
VISUAL
欠損データの例
ID
年齢
売上
評価
01
34
82
4.2
02
欠損
65
3.9
03
41
欠損
4.5
WHAT YOU CAN DO
この手法でわかること・できること
- 欠損しているデータの場所や割合を把握できる
- 欠損の状況に応じて削除・補完を選択できる
- 分析結果への影響を抑えたデータを準備できる
METHOD 13
標準化・正規化
STANDARDIZATION / NORMALIZATION単位や値の大きさが異なるデータを共通の尺度へ変換し、変数同士を比較しやすくする前処理。
VISUAL
尺度をそろえるイメージ
BEFORE｜尺度が違う
→
AFTER｜共通尺度
WHAT YOU CAN DO
この手法でわかること・できること
- 単位の異なる変数を同じ尺度で扱える
- 値の大きい変数だけが分析を支配するのを防げる
- 機械学習や距離計算に適したデータを準備できる
METHOD 13
標準化・正規化
STANDARDIZATION / NORMALIZATION単位や値の大きさが異なるデータを共通の尺度へ変換し、変数同士を比較しやすくする前処理。
VISUAL
尺度をそろえるイメージ
BEFORE｜尺度が違う
→
AFTER｜共通尺度
WHAT YOU CAN DO
この手法でわかること・できること
- 単位の異なる変数を同じ尺度で扱える
- 値の大きい変数だけが分析を支配するのを防げる
- 機械学習や距離計算に適したデータを準備できる
CHAPTER
04
STATISTICAL ANALYSIS
統計解析
データの特徴を要約し、関係・差・要因を統計的に確かめながら、観察された結果を解釈します。
METHOD 15
記述統計
DESCRIPTIVE STATISTICSデータの平均・中央値・ばらつき・最小値・最大値などを計算し、データ全体の特徴を数値で要約する方法。
VISUAL
データを要約する
MEAN
54.2
平均
MEDIAN
51.0
中央値
STANDARD DEV.
12.8
標準偏差
RANGE
28–86
最小値–最大値
WHAT YOU CAN DO
この手法でわかること・できること
- データの中心的な水準を把握できる
- ばらつきや範囲を数値で確認できる
- データ全体の特徴を短い指標で要約できる
METHOD 16
相関分析
CORRELATION ANALYSIS2つの数値がどの程度一緒に増減するかを調べ、関係の方向と強さを相関係数などで確認する方法。
VISUAL
正の相関の例
WHAT YOU CAN DO
この手法でわかること・できること
- 2つの数値の関係の方向を確認できる
- 関係の強さを相関係数で表せる
- 次に詳しく分析すべき関係を見つけられる
METHOD 17
回帰分析
REGRESSION ANALYSISある数値が、別の数値や複数の要因によってどのように変化するかを数式で表し、影響の大きさや予測値を求める方法。
VISUAL
回帰直線の例
WHAT YOU CAN DO
この手法でわかること・できること
- ある要因が結果とどう関係するか確認できる
- 変数の影響の方向や大きさを推定できる
- 説明変数から目的変数の値を予測できる
METHOD 18
ロジスティック回帰分析
LOGISTIC REGRESSION「購入する・しない」「退職する・しない」など、結果が2つに分かれる事象について、その発生確率と要因の関係を分析する方法。
VISUAL
確率を表すS字曲線
0
1
WHAT YOU CAN DO
この手法でわかること・できること
- ある事象が起こる確率を推定できる
- 各要因が発生確率とどう関係するか確認できる
- 確率をもとに2つのクラスへ分類できる
METHOD 19
仮説検定
HYPOTHESIS TESTING観測された差や関係が偶然によって生じたと考えられる範囲かを統計的に評価し、あらかじめ立てた仮説を検討する方法。
VISUAL
棄却域のイメージ
WHAT YOU CAN DO
この手法でわかること・できること
- 観測された差が偶然だけで説明できるか評価できる
- 比較結果を一定の基準で判断できる
- 施策や条件の違いを統計的に検討できる
METHOD 20
分散分析
ANALYSIS OF VARIANCE / ANOVA3つ以上のグループについて平均値に差があるかを、グループ間とグループ内のばらつきを比較して統計的に検討する方法。
VISUAL
3グループの比較
A
B
C
WHAT YOU CAN DO
この手法でわかること・できること
- 3つ以上のグループの平均をまとめて比較できる
- 観測された差が偶然かどうかを統計的に評価できる
- 条件や施策の違いによる影響を検討できる
CHAPTER
05
SUPERVISED LEARNING
教師あり学習
正解データをもとにパターンを学習し、未知のデータに対する分類や予測を行います。
METHOD 21
決定木
DECISION TREE条件によってデータを枝分かれさせながら分類・予測する方法。判断の流れを木のような構造で表すため、結果を理解しやすい。
VISUAL
購入予測の決定木
閲覧回数 ≥ 5？
年齢 ≥ 30？
購入しない
購入する
購入しない
要確認
WHAT YOU CAN DO
この手法でわかること・できること
- 条件の組み合わせから分類・予測ができる
- どの変数が判断に使われたか確認しやすい
- 結果に至る判断ルールを視覚化できる
METHOD 21
決定木
DECISION TREE条件によってデータを枝分かれさせながら分類・予測する方法。判断の流れを木のような構造で表すため、結果を理解しやすい。
VISUAL
購入予測の決定木
閲覧回数 ≥ 5？
年齢 ≥ 30？
購入しない
購入する
購入しない
要確認
WHAT YOU CAN DO
この手法でわかること・できること
- 条件の組み合わせから分類・予測ができる
- どの変数が判断に使われたか確認しやすい
- 結果に至る判断ルールを視覚化できる
METHOD 22
ランダムフォレスト
RANDOM FOREST複数の決定木を作り、それぞれの予測結果を組み合わせて最終結果を決める方法。1本の決定木より安定した予測を得やすい。
VISUAL
複数の木で予測する
購入
購入
非購入
WHAT YOU CAN DO
この手法でわかること・できること
- 複数の決定木を組み合わせて分類・予測できる
- 1本の木より安定した結果を得やすい
- 予測に重要な変数を確認できる
METHOD 23
サポートベクターマシン
SUPPORT VECTOR MACHINE / SVM異なるグループのデータをできるだけ広い間隔で分ける境界を探し、新しいデータをどちらのグループに属するか分類する方法。
VISUAL
2つのグループを分ける境界
WHAT YOU CAN DO
この手法でわかること・できること
- 複数のグループを分ける境界を求められる
- 新しいデータを分類できる
- 変数が多いデータにも適用できる
METHOD 24
ニューラルネットワーク
NEURAL NETWORK多数の小さな計算単位を層状につなぎ、データの複雑なパターンを学習して分類や予測を行う方法。
VISUAL
入力から出力まで情報を伝える
WHAT YOU CAN DO
この手法でわかること・できること
- 複雑な非線形パターンを学習できる
- 画像・音声・文章など多様なデータを扱える
- 大量のデータから高精度な分類・予測を行える