データ分析について学んでいるとよく「統計分析」という言葉に出会います。なんとなくの意味は理解しているから、そのままスルーしている方も多いのではないでしょうか？本記事では意外と知らない統計分析の意味をご紹介します。学習をより効率的に進めるためにも、ここで理解を深めておきましょう。
統計分析とは？
統計分析とは、手元にある大量のデータを統計学の理論をもとにしながら、さまざまな視点で仮説・検証することです。ちなみに統計学とは、統計に関する研究を行う学問であり、経験的に得られたバラつきのあるデータから、応用数学の手法を用いて数値上の性質や規則性、あるいは不規則性を見出します。
要するに統計分析は「大量のデータを分析フレームワークに当てはめて、データの性質や規則性などを発見するための手法」ということです。そして統計分析は、「記述統計」と「推測統計」とう大きな2つのカテゴリに分かれています。
記述統計
記述統計とは、クロス集計や単純集計などを指し、データから性質や傾向を掴んでようやくする分析手法のことです。
推測統計
推測統計は多変量分析や検定などを指し、現状をもとに全体に性質や特徴を予測する分析手法のことです。
さらに、統計分析は「教師あり学習」と「教師なし学習」という、上記とは異なるカテゴリも存在します。前者はインターネット等からすでに取得しているデータから将来のデータを予測することで、石社はデータ自体の特徴を把握することに重点を置いた分析手法です。
統計分析の種類
ここからはより具体的な統計分析の種類をご紹介します。一般的に知られているものは「SVM」「クラスタリング」「バスケット分析」「回帰分析」「主成分分析」の5つです。
SVM（サポートベクターマシン）
教師あり学習の一種であり、過去のデータをもとに新しいカテゴリを予測する分析手法です。SVMを使用すると、ECサイトなどで顧客の利用頻度や購買額などを分析し、その結果から顧客の購買行動を予測しやすくします。適切なマーケティング施策を考える際の判断材料になるでしょう。
クラスタリング
教師なし学習の一種であり、類似したデータ同士をクラスタと呼ばれる集団に分類します。クラスタリングを使用すると、Webサイト閲覧履歴の分析によって今までにないカテゴリを発見でき、新しい顧客創造などに貢献する可能性が高くなります。また、新しい市場、新しい分野の発見も可能です。
バスケット分析
顧客がバスケット（買い物かご）に何を入れているか？を分析することで、顧客が今求めている商品・サービスを予測する分析手法です。ECサイトのレコメンドシステムに利用されており、一定の関連性や規則性をもとに顧客の行動パターンを分析し、顧客ごとに最適化された広告や宣伝を実施できます。
回帰分析
教師あり学習の一種です。ユーザー数や売上高などの数値の予測によく利用されています。回帰分析を用いて自社の商品・サービスをよく購入・利用する顧客（優良顧客）とそうでない顧客を分析することで、将来の売上予測が経ちます。
もっと見る：ロジスティック回帰分析とは？マーケティング担当者が知っておきたい具体例も解説
主成分分析
多変数を小片数に集約し、データを簡略化する分析手法です。クラスタリングを使って継続した分析を続けると、類似したデータのクラスタ数が膨大になり、分類が複雑になるだけでなく分析がやりづらくなってしまいます。そこで、クラスタリングをやりやすくするために、データを整理してクラスタ数を限定するのが主成分分析です。
この他にも、統計分析の種類はたくさんあります。ただし、あらゆる分析手法を駆使すればよいわけではありません。実務で使用する分析手法は5～10個程度に限定されます。大切なのは、統計分析の目的を明確にした上で、最適な分析手法は何か？という判断を誤らないことです。
[SMART_CONTENT]
データ分析と統計分析の違い
統計分析という言葉は、データ分析に関するコンテンツによく記述されています。このため読者の方の中には「データ分析と統計分析の違いって何？」と気になっている方が多いかもしれません。最後に、データ分析と統計分析の違いを簡単に説明します。
統計分析というのは、データ分析という大枠の中に存在している具体的な分析手法のことと理解していただいて構いません。一方データ分析とは、統計分析を含むさまざまな分析手法やツールを用いてデータを分析し、それをビジネスに有用な情報へと置換することです。
このため、ビジネス上でのデータ活用を目指すのであれば、統計分析のスキルだけでなくデータ分析のスキルも磨かなければいけません。ただし、データ分析のスキルは経験則から上達することが大半なので、まずは多種多様な統計分析を使って手元にあるデータを分析し、それをどんどんビジネスに適用していくのが成長の近道でしょう。
この機会に統計分析への理解を深め、さらなるデータ活用を目指してください。
