2026年10月8日にNIST/SEMATECHのEDA導入本文とNIST出版情報を再確認した。EDAはグラフの技法一覧ではなく、構造を探り、変数・外れ値・異常・仮定を点検し、簡潔なモデル候補を作る分析の姿勢である。探索で見つけた関係を確認済みの因果へ昇格させず、観測単位・定義・欠測・ベースライン・判断基準・運用後の監視を分けて記録する。
データ分析は表を集計する作業、データサイエンスは機械学習を導入する作業、と分けるだけでは実務の判断につながりません。まず問い、観測単位、データ品質、意思決定の基準をそろえ、探索から検証へ段階を進めます。
公式資料を読み直した日と範囲
2026年10月7日に、NIST/SEMATECHの統計手法ハンドブックのEDA解説と公式の出版情報を確認しました。探索的データ分析（EDA）は、構造を見つけ、外れ値や異常を調べ、仮定を点検し、説明しやすいモデルへ進むための考え方です。グラフを作ることだけでも、因果関係を証明することでもありません。
30秒で要点
- データ分析は現状・差・傾向を記述し、データサイエンスは予測や推定を含む選択肢を設計する
- どちらも問い、観測単位、期間、欠測、定義、判断基準を先に固定する
- EDAで構造・外れ値・仮定を確かめ、モデルや施策の前提を明示する
- 相関、予測精度、施策効果を混同せず、検証データと運用後の監視を置く
表が収まらない場合は、横にスクロールできます
| 段階 | 主な問い | 成果物 | まだ言えないこと |
|---|---|---|---|
| 問い | 何を決めるのか | 判断文、対象、期限 | 最適な手法 |
| 探索 | どんな構造・欠測・外れ値があるか | 分布、層別、品質メモ | 原因や将来の確実な予測 |
| 検証 | 仮説やモデルは別データでも働くか | 指標、誤差、感度 | すべての顧客への再現性 |
| 実行 | 誰が何を変えるか | 施策、責任者、停止条件 | 一度の成功による恒久的効果 |
データ分析とデータサイエンスを使い分ける
記述統計、可視化、比較は「何が起きているか」を整理する道具です。予測、分類、シミュレーション、最適化は「次に何が起こりそうか」「どの選択肢を比べるか」を扱います。後者を使うほど、目的変数、学習時点、情報漏えい、誤判定コスト、更新頻度を明示する必要があります。
EDAで最初に点検する
- 行、列、単位、期間、母集団、重複の定義を確認する。
- 欠測、外れ値、分布、季節性、セグメント差を可視化する。
- 指標の分母、集計方法、除外条件、データ取得時点を記録する。
- 仮説と反証になりうる観察を並べ、追加データの必要性を決める。
EDAで見つかったパターンは、収集方法や選択バイアスの影響を受けます。見栄えのよい相関だけを選ばず、欠測や反対の層別結果も報告します。
モデルと施策を検証する
モデルを作る場合は、学習・検証・テストの分割、ベースライン、主要指標、許容誤差、再学習条件を先に決めます。予測が当たっても、施策で結果を変えられるとは限りません。施策の効果を知りたいなら、比較対象、期間、干渉、停止条件を別に設計します。
最小の実務フロー
- 判断文：「誰が、いつ、どの選択肢を決めるか」を一文にする
- データ台帳：出所、定義、期間、欠測、更新者、利用目的を書く
- EDAメモ：構造、外れ値、仮定、反証、追加データを残す
- 検証計画：指標、ベースライン、比較対象、停止条件を固定する
- 運用記録：予測の誤差、施策後の実績、例外、次の修正を更新する
データサイエンスという名前が付いていても、目的・データ品質・判断の責任は自動で整いません。小さな問いで探索と検証を一周させ、必要な複雑さだけを追加してください。
次の一手：データ可視化入門／データ分析ツール入門／統計の判断ハブ