Home - MM-LAB NEWS

球春到来！我らが阪神タイガースは2015年セリーグを制覇するのか？を統計学で考えてみた

March 10, 2015

【文責】松本　健太郎事業企画室所属マーケティングメトリックス研究所主任研究員球春到来！プロ野球がもうすぐ開幕しますね。去年は37年ぶりに２年連続同じ順位で終わったセリーグですが、今年は我らが阪神タイガースは優勝することができるのか、今からソワソワしています。悩む前に動く、ということでセイバーメトリクスを用いて我らが阪神タイガースが優勝する可能性を調べてみました。セイバーメトリクスとは？統計学的見地から客観的に分析して選手の評価やゲームの戦略を考える分析手法。映画「マネー・ボール」以降、市民権を獲得しました。MLBの公式記録項目の幾つかはセイバーメトリクスに基づく指標が用いられています。何勝すれば優勝するのか？（箱ひげ図編）阪神タイガースが今年優勝するのかを考える前に、そもそも優勝とは何かを定義しましょう。というのも、単純に勝利数だけで見てはいけないからです。プロ野球とは、決められた試合数を闘い、その年で一番高い勝率を得たチームが優勝フラッグを手にできるゲームです（2001年は例外的に勝ち星の多い順になりました）。例えば2010年。読売ジャイアンツと同じ勝利数79でありながら勝率で上回る中日ドラゴンズが優勝し、勝利数は1つ少ない78でありながら勝率で上回る阪神タイガースが2位という結果に終わりました。...

Article

【書評】幸せのメカニズム~実践・幸福学入門~　前野隆司著

August 5, 2014

【文責】豊澤　栄治マーケティングメトリックス研究所　所長 Markezineにて「実践！WebマーケターのためのR入門」連載中先日、友人が「離婚調停中の俺が”幸せのメカニズム”について語るなんて、どうかしてると思われるかもしれないけど…」と言いながら推薦してくれた一冊。同書は内容の面白さもさることながら、議論の土台となる「因子分析」(多変量解析の一つ)を非常に有益に活用している素晴らしいだと思えました。同書では1,500名に対して29項目、87個の質問を実施しています。この質問結果について分析を行っているのですが、因子分析の結果は数値の羅列にすぎません。行動経済学、心理学、社会学など分野に囚われず先行研究の知見を活かして、その数値を丁寧に読み取り想像を豊かに解釈することで、幸せのメカニズムには４つの因子があると結論付けています。 ①やってみよう因子：自己実現と成長の因子 ②ありがとう因子：つながりと感謝の因子 ③なんとかなる因子：前向きと楽観の因子...

Article

Excelで始めるデータ分析　～第5回　ポアソン分布でマーケティングを博打にしない～

April 23, 2014

【文責】松本　健太郎アドエビス開発ユニット所属マーケティングメトリックス研究所主任研究員最近の趣味は、漫画喫茶で何時間もマンガを読み耽ることです。ちょっとした自慢は、二晩で島耕作の課長から会長までの人生を一気通貫で読んだことです。小さい頃からマガジン派だったので、最初は「神様の言うとおり」「サイコメトラー」「進撃の巨人」「アルスラーン戦記」「金田一少年の事件簿」を読んでいました。最近はジャンプ系に手を伸ばし始めています。「友情」「努力」「勝利」。基本コンセプトがしっかりしているので読んでいて飽きません。「暗殺教室」のような突拍子もない設定であっても、コンセプトが明確ならば応用は可能という証明がされたことは記憶に新しいですね。圧倒的に不利な状況で、全員がもうダメだと諦めていても、主人公だけは「まだまだ解らない、チャンスはある」と前を向きます。その姿に私は感化され、時に涙を流すこともあります。マンガは常に勇気と希望を与えてくれます。ただし、それに感化され過ぎて、絶望的に不利な状況で、四方八方手を尽くして何もやりようが無いとき、いきなり「まだまだ解らない、とにかく頑張ろうぜ」と根性論をぶつ人は、ちょっと苦手です。大学生の頃、文化祭にポップコーンを出店したのですが、残暑厳しい夏空の下で水分を必要とする食べ物を誰が好き好んで買うのか、というマーケティング思想が抜け落ちていたため、目眩を起こすような在庫を抱えてしまいました。どうやって売るか。水分とセットで販売する？でも今更水を買えばさらに赤字膨らむぞ。2個セットなら安くする？値段は問題じゃないだろ。メンバー間で険悪な空気が流れたとき、飛び出したのが前述した根性論だったのです。...

「ちゃんと分析するための分析」は運動の前の準備体操みたいなものである

9 Aug 2017

今回は「課題発見のためのデータ分析手法」を紹介します。「（ビッグ）データがあるから分析して下さい。何か分かるでしょ？」と偉い人から言われて、泣く泣く分析作業に取り掛かった戦士たちの血と汗と涙の記録です。 ”発見”のための分析は必要だ準備運動もせず、いきなり100kmマラソン走ってくださいと言われたら、誰だって「えっ？」と仰け反りますよね。しかし、これが多くのデータ分析の現場で起きていることだと考えていただければ幸いです。どういうデータなのか、どういう課題があるのか、何を解決して欲しいのか、まったく説明もないままに「データ渡すから何かわかるでしょ？」と言われて「えっ？」と仰け反っている人は多いです。筋肉が目覚めていないのに急に身体を動かしたら、悲鳴をあげるに決まっています。したがって、まずは筋肉を目覚めさせるストレッチをする。これを私は「ちゃんと分析するための分析」だと呼んでいます。通常、データ分析は課題を発見し、課題の原因となる仮説を構築し、仮説を立証して課題を解決します。重要なのは「どんな課題があるか？」だと考えています。言い換えると「何を解決したいのか？」を決めることです。これだけはデータ分析だろうが人工知能だろうが何だろうが自動的に導き出されるものではなく、誰かの意思決定の元で「それが課題です」「それを解決したいです」という議論が必要です。しかし、ある程度なら「これが課題じゃないですか？」と提案することはできます。貰ったデータを読みほぐしていけば「こういう傾向が出ているな」「こういう可能性があるな」と、様々な仮説を発見できます。こうした「ちゃんと分析するための分析」は意外と不人気だし、高名なデータサイエンティストともなると「それぐらいは下処理してから暖簾くぐれや！」と言っているとか言っていないとか。とはいえ、データ分析業界の深夜食堂を自称したいマメ研としては、こうした下処理もコツコツ励んでおります。今回紹介する手法が全てではないですが、こういう下処理もあることを知って頂ければ幸いです。横断面データの場合その１データが横断面データだった場合を考えます。横断面データって何？という方は、以下のコンテンツを参照してください。「1+リンゴ」は足せない！質的データと量的データの違いを知ろう https://www.mm-lab.jp/report/correct-understanding-as-type-and-form-of-data/ 対象のデータが定性的データ（名義尺度や順序尺度など整理するために数値を使っているデータ）の場合、まずはクロス集計の作成に取り掛かります。層別集計とも言います。「層別」はQC7つ道具に取り入れられており、傾向や特徴を明らかにするためのメジャーな手法の1つです。例えばアンケートデータの場合、ユーザー属性という「層」と属性の行動結果（アンケート回答）の二軸に分かれます。そこで、まずは一方のユーザー属性（性別、年齢別など）で、もう一方の行動結果（例：品質に満足いただけましたか？）を集計します。つまりデータをまず分けるのです。次に、分けて集計したデータに対して、差が現れているか確認します。そのためにデータを分けたと言ってもいいでしょう。差が現れているなら「なぜ差は生まれたのか？」を考えます。これが、1つの課題発見に繋がります。もちろん、白銀号事件よろしく「犬が吠えなかったことがおかしい！」と同様に「なぜ差は生まれなかったのか？」を考えても良いかもしれません。差をキチンと見る場合、カイ二乗検定やフィッシャーの直接確率検定を用います。分割表のセルの期待値に10未満のものがある場合や、表中の数値の偏りが大きい場合はフィッシャーの直接確率検定を用いましょう。 > q=matrix(c(67,41,21,3,1, + 51,34,17,5,2),nrow=2,byrow=T)...