探索的データ分析（EDA）の基本ガイド：データの理解から洞察へ（ガイド） | First byte Blog

「探索的データ分析（EDA）を活用したいが、どう判断すればいいかわからない」

そのとき多くの人は、可視化、記述統計、異常値検出、パターン発見など「技術」を学ぶことから始めます。

もちろん技術は重要です。

ただ実務では、技術以前に「前提（目的・戦略・判断軸）」が設計されていないことで、何を学んでも噛み合わない状態になっているケースが少なくありません。

何のために探索的データ分析（EDA）を活用するのか（目的）

どこで勝つのか（戦略）

何を見て良し悪しを判断するのか（判断軸）

ここが曖昧だと、探索的データ分析（EDA）の活用が「作業」になりやすく、改善の方向性もブレます。

結果として、探索的データ分析（EDA）を活用しても成果が出ない、改善施策を打っても成果が出ない、といったズレが起きやすくなります。

データ分析を始める際、多くの人が陥りがちな罠があります。それは「仮説検証に急ぎすぎる」ことです。まるで宝の地図を持たずに宝探しを始めるようなものです。しかし、プロフェッショナルなデータサイエンティストは、分析の前に必ず「探索的データ分析（EDA：Exploratory Data Analysis）」を行います。

EDA は、データの特性を理解し、隠れたパターンを発見するための重要なプロセスです。本記事では、EDA の基本的な手法と実践的なアプローチを解説します。データが語る物語を見つけ出す旅に出かけましょう。

※この記事は、探索的データ分析（EDA）を理解し、判断に活用する方向けです。即効性を求める方や、すでに前提設計が明確な方には、より具体的な実践記事をおすすめします。

この記事を読む前に

この記事では、データ分析と統計学の基礎知識があることを前提としています。以下の記事を事前に読んでおくと、より深く理解できます：

データ分析とは？超初心者向け完全ガイド：データ分析の基礎知識
統計学超入門：統計学の基礎知識（平均、標準偏差、相関など）

1. 探索的データ分析（EDA）とは

探索的データ分析は、統計学者のジョン・テューキー（John Tukey）が 1970 年代に提唱した概念です。これは、データの特性を理解し、隠れたパターンを発見するための体系的なアプローチです。

1.1 EDA の目的

EDA の主な目的は以下の通りです：

データの構造と特性の理解: データの分布、中心傾向、ばらつきを把握する
異常値や外れ値の検出: データクリーニングに必要な情報を得る
変数間の関係性の探索: 相関や依存関係を見つける
パターンや傾向の発見: 時系列データのトレンドや周期性を特定する
仮説の生成: 詳細な分析のための有望な方向性を見出す

1.2 確認的データ分析（CDA）との違い

探索的データ分析（EDA）と確認的データ分析（CDA：Confirmatory Data Analysis）は、データ分析の二つの重要なアプローチです。

特徴	探索的データ分析（EDA）	確認的データ分析（CDA）
目的	データの特性を理解し、パターンを発見する	特定の仮説を検証する
アプローチ	帰納的（データから仮説を生成）	演繹的（仮説からデータを検証）
タイミング	分析の初期段階	EDA の後、または明確な仮説がある場合
手法	可視化、記述統計、データマイニング	仮説検定、回帰分析、モデリング
柔軟性	高い（探索的、反復的）	低い（構造化、計画的）

効果的なデータ分析では、EDA と CDA を相補的に活用することが重要です。EDA でデータの特性を理解し、有望な仮説を生成した後、CDA でその仮説を厳密に検証するという流れが理想的です。

2. EDA の基本ステップ

効果的な EDA を行うための一般的なステップは以下の通りです：

2.1 データの収集と準備

データ分析の第一歩は、適切なデータを収集し、分析に適した形に整えることです。

データソースの特定: 分析目的に合ったデータを選定する
データの取得: API アクセス、データベースクエリ、ファイルのインポート等
データクリーニングの初期段階: 明らかなエラーの修正、列名の標準化等

2.2 データ構造の把握

収集したデータの基本的な特性を理解します。

形状の確認: 行数（サンプル数）と列数（特徴量数）
データ型の確認: 数値型、カテゴリ型、日時型等
欠損値の確認: 各変数の欠損率とパターン
ユニーク値の確認: カテゴリ変数の種類数と分布

2.3 記述統計量の算出

データの基本的な統計量を計算し、全体像を把握します。

中心傾向の指標: 平均値、中央値、最頻値
散布度の指標: 標準偏差、分散、四分位範囲（IQR）
分布の形状: 歪度（skewness）、尖度（kurtosis）
範囲: 最小値、最大値、パーセンタイル

2.4 データの可視化

データを視覚的に表現することで、数値だけでは見えない特性やパターンを発見します。

単変量分析: ヒストグラム、箱ひげ図、密度プロット
二変量分析: 散布図、ヒートマップ、箱ひげ図（グループ別）
多変量分析: ペアプロット、平行座標プロット、バブルチャート
時系列データ: 折れ線グラフ、季節分解プロット

2.5 関係性の探索

変数間の関連性やパターンを調査します。

相関分析: ピアソン相関係数、スピアマン相関係数
クロス集計: カテゴリ変数間の関連
条件付き分析: 特定の条件下での変数の挙動

3. EDA の実践的手法

3.1 単変量分析の主要手法

単一の変数を分析する手法は、そのデータ型によって異なります。

数値型変数

ヒストグラム: データの分布の形状を視覚化
箱ひげ図: 中央値、四分位範囲、外れ値を一目で把握
確率密度関数（PDF）プロット: 連続分布の形状を視覚化
QQ プロット: データが特定の理論分布（例：正規分布）に従うかを確認

カテゴリ型変数

棒グラフ: カテゴリごとの頻度を比較
パイチャート: 全体に対する各カテゴリの割合を表示
ワードクラウド: テキストデータの頻度を視覚的に表現

時系列データ

折れ線グラフ: 時間経過に伴う変化を表示
季節分解: トレンド、季節性、残差に分解して分析
自己相関関数（ACF）プロット: 時系列データの自己相関を確認

3.2 二変量分析の主要手法

2 つの変数間の関係を調査する手法です。

数値型 vs 数値型

散布図: 2 変数間の関係性をプロット
ヒートマップ: 相関行列を視覚化
六角ビンプロット: 高密度散布図の代替手法

数値型 vs カテゴリ型

グループ別箱ひげ図: カテゴリごとの数値分布を比較
バイオリンプロット: 確率密度と箱ひげ図を組み合わせた表示
スワームプロット: 個々のデータポイントを重ならないように表示

カテゴリ型 vs カテゴリ型

モザイクプロット: 2 つのカテゴリ変数の関連を表示
ヒートマップ: クロス集計表を視覚化

3.3 多変量分析の手法

3 つ以上の変数間の関係を探索する手法です。

ペアプロット: 複数変数間の散布図と分布を一度に表示
平行座標プロット: 高次元データを視覚化
主成分分析（PCA）: 高次元データの次元削減と可視化
クラスタリング可視化: データのグループを発見

4. 異常値と欠損値の処理

4.1 異常値の検出手法

統計的手法: Z-スコア、IQR メソッド
グラフィカル手法: 箱ひげ図、散布図での視覚的検出
距離ベース手法: マハラノビス距離、ローカル外れ値因子（LOF）

4.2 欠損値のパターン分析

欠損メカニズムの評価: MCAR、MAR、MNAR の区別
欠損パターンの可視化: ヒートマップ、欠損値マトリックス
欠損の関連性分析: 特定の条件下での欠損率の変化

4.3 データ品質の評価

整合性チェック: 論理的制約の違反検出
異常パターンの識別: 定常性の変化、季節パターンの崩れ
信頼性指標の計算: データ完全性スコア、ノイズ推定

5. 実践的な EDA のケーススタディ

5.1 顧客データの分析例

架空の小売企業のデータを例に、EDA の実践例を見てみましょう。

データセット:

顧客 ID
年齢
性別
購入金額
購入頻度
顧客満足度
最終購入日

主要な発見:

年齢と購入金額の間に正の相関（r = 0.42）
購入頻度は 25-40 歳の層で最も高い
顧客満足度が 4 以上の顧客は再購入率が 80%以上
最終購入日から 90 日以上経過すると離脱率が急上昇

ビジネスへの示唆:

40 歳以上の顧客向けの高額商品キャンペーン
25-40 歳層向けのロイヤルティプログラム強化
顧客満足度向上のための施策優先化
最終購入から 75 日経過した顧客への再エンゲージメント施策

5.2 時系列データの分析例

Web サイトのアクセスデータを例に EDA を行った例を紹介します。

データセット:

日付
ページビュー数
ユニークユーザー数
セッション時間
バウンス率
コンバージョン率

主要な発見:

週末にページビュー数が平日比 30%減少
毎月第 1 週にコンバージョン率が上昇するパターン
特定の時間帯（20-22 時）にセッション時間が長い
バウンス率とコンバージョン率に強い負の相関（r = -0.78）

ビジネスへの示唆:

週末向けの特別コンテンツ提供
月初めのプロモーション強化
夜間閲覧者向けのエンゲージメント施策
バウンス率低減のための UX 改善

6. EDA を効果的に行うためのツールとテクニック

6.1 主要な EDA ツール

プログラミング言語とライブラリ:

Python: pandas, matplotlib, seaborn, plotly
R: tidyverse, ggplot2, dplyr
SQL: データ抽出と初期集計

特化型ツール:

Tableau: インタラクティブな可視化
Power BI: ビジネスデータの探索
Google Data Studio: オンラインレポーティング

6.2 効率的なワークフロー

明確な探索目標の設定: 漠然と探索するのではなく、具体的な疑問を持つ
小さく始めて徐々に拡大: 基本から始め、発見に応じて分析を深める
仮説と検証の繰り返し: 発見したパターンに対して仮説を立て、検証する
ドキュメント化の習慣: 分析プロセスと発見を記録する
チーム内での共有と議論: 異なる視点からのフィードバックを得る

6.3 First byte での実践例

当社では、クライアントプロジェクトにおいて以下のような EDA アプローチを採用しています：

心理学的視点の統合: ユーザー行動データの分析において、認知バイアスや行動経済学の知見を活用
因果推論の考慮: 相関関係だけでなく、因果関係を推論するための情報を収集
ベイズ統計学の活用: 不確実性を確率分布で表現し、より柔軟な分析を実施
統計的厳密性の確保: 適切な統計手法の選択と結果の信頼性評価
AI 支援型 EDA: 機械学習アルゴリズムを用いた自動パターン検出
ストーリーテリング重視: 発見したインサイトをビジネス価値に変換する翻訳プロセス

よくある誤解とその構造

探索的データ分析（EDA）を活用する際、「手法を選べば成果が出る」という誤解が生じやすいです。具体的には「探索的データ分析（EDA）を活用すれば成果が出る」「可視化すれば成果が出る」「相関関係があれば因果関係がある」といった形で現れます。

なぜこの誤解が生じるのか

これらの誤解は、「手法の選択」と「前提設計」の関係を逆転させて考えることで生じます。

多くの解説では、手法の選択（EDAの実施、可視化の実施、相関分析の実施など）が重要であることが強調されます。確かに手法の選択は重要です。しかし、手法の選択が先に来るのではなく、「何を達成したいのか」「どこで勝つのか」「何を見て良し悪しを判断するのか」という前提設計が先にあるべきです。

前提設計が明確でない状態で手法を選んでも、どれを選んでも効果が発揮されにくい傾向があります。なぜなら、手法は「手段」であり、目的が明確でなければ、手段の選択基準が曖昧になるからです。

判断の構造を可視化する

探索的データ分析（EDA）を活用する際の判断プロセスを整理すると、以下のようになります：

前提設計（目的・戦略・判断軸の明確化）

何を達成したいのか（データの特性理解？異常値検出？パターン発見？仮説生成？）
どこで勝つのか（どの変数を分析するのか）
何を見て良し悪しを判断するのか（可視化の解釈？相関の強さ？実務的意義？）

データの明確化（分析対象の特定）

どのデータを分析するのか
データの種類と品質はどうか

前処理の実施（前提設計に基づく前処理）

データクリーニング、欠損値処理、外れ値処理など

手法の選択（前提設計に基づく選択）

可視化手法の選択（ヒストグラム、散布図、箱ひげ図など）
相関分析の実施（ピアソン、スピアマンなど）

解釈と活用（実務での活用）

可視化結果の解釈
相関関係の解釈（因果関係ではないことを理解）
仮説の生成

この順序を逆転させると、手法の選択が目的化し、成果につながりにくくなります。

実務で見落とされがちな点

前提設計が欠落している場合、以下のような問題が起きやすいです：

探索的データ分析（EDA）を活用しても成果が出ない
改善施策を打っても成果が出ない
改善の方向性がブレる

これらの問題は、手法の選択ではなく、前提設計の欠落が原因である可能性が高いです。

また、相関関係を因果関係と誤解してしまう誤解も生じやすいです。相関関係は因果関係を意味しません。相関を見つけて因果と解釈してしまうと、誤った結論を導く可能性があります。「相関 ≠ 因果」を常に意識し、交絡因子を探す習慣をつけることが重要です。

一般的に語られる探索的データ分析（EDA）の考え方

探索的データ分析（EDA）について、多くの場合、以下のような考え方が語られます。ただし、これらは一般的な傾向であり、すべてのケースに当てはまるわけではありません。

探索的データ分析（EDA）の重要性

探索的データ分析（EDA）は、データ分析プロジェクトの成功に不可欠な基盤として重要とされています。データの特性を理解し、隠れたパターンを発見し、分析の方向性を定めることができ、単変量、二変量、多変量分析を組み合わせて多角的に探索でき、適切なデータ可視化により、数値では見えないパターンの発見が可能になる可能性があります。

判断の軸：

自社の目的（何を達成したいか）に照らして、どの探索的データ分析（EDA）が重要か
自社のリソース（時間・予算・人材）に照らして、どの探索的データ分析（EDA）が現実的か
自社のターゲット顧客に照らして、どの探索的データ分析（EDA）が有効か

実務視点で見ると見落とされがちな点

一般的な考え方とは別に、実務では以下の点が見落とされがちです。ただし、これらもすべてのケースに当てはまるわけではありません。

前提設計の欠落

探索的データ分析（EDA）で成果が出ない最大の原因は、手法の選択ではなく、前提設計（目的・戦略・判断軸）の欠落である可能性が高いです。

何が起きるか：

探索的データ分析（EDA）を活用しても成果が出ない
改善施策を打っても成果が出ない
改善の方向性がブレる

判断の軸：

目的（何を達成したいか）が明確か
戦略（どこで勝つか）が決まっているか
判断軸（何を見て良し悪しを判断するか）が設定されているか

バイアスとその回避方法

確証バイアス: 自分の仮説を支持するパターンのみに注目してしまう可能性があります。反証事例も積極的に探索し、代替仮説を常に検討することが重要とされています。

生存バイアス: データに含まれない「見えない」ケースを無視してしまう可能性があります。データ収集プロセスを理解し、欠けているデータの影響を考慮することが重要とされています。

表現のバイアス: 可視化方法によって印象が大きく変わる可能性があります。複数の可視化手法を試し、スケールの選択に注意することが重要とされています。

一般的な間違いと防止策

過剰なデータ前処理: EDA 前に過度なクリーニングを行い、重要なパターンを消してしまう可能性があります。最小限の前処理から始め、段階的にクリーニングすることが重要とされています。

視覚的な錯覚: グラフの見せ方によって誤った結論を導いてしまう可能性があります。デザイン原則を学び、複数の表現方法を比較することが重要とされています。

因果関係と相関関係の混同: 相関を見つけて因果と解釈してしまう可能性があります。「相関 ≠ 因果」を常に意識し、交絡因子を探す習慣をつけることが重要とされています。

よくある質問（FAQ）

Q1. 探索的データ分析（EDA）とは何ですか？

A. 探索的データ分析（EDA）は、データの構造を理解し、隠れたパターンを発見し、分析の方向性を定めるための分析手法です。

特徴：

データの理解：データの構造、分布、欠損値を理解する
パターンの発見：データに潜むパターンや異常値を発見する
仮説の生成：データから仮説を生成する
分析の方向性：今後の分析の方向性を定める

Q2. EDAと統計的仮説検定の違いは？

A. EDAはデータを探索的に分析し、統計的仮説検定は仮説を検証します。

EDA：データを探索的に分析し、パターンを発見する
統計的仮説検定：事前に立てた仮説を検証する

EDAは統計的仮説検定の前に行うことが推奨されます。

Q3. EDAを始めるにはどうすればいいですか？

A. EDAを始めるには、以下のステップを踏みます：

データの理解：データの構造、分布、欠損値を確認
可視化：ヒストグラム、散布図、箱ひげ図などで可視化
統計量の計算：平均、中央値、標準偏差などの統計量を計算
相関の確認：変数間の相関を確認
パターンの発見：データに潜むパターンや異常値を発見

Q4. EDAを学ぶのに必要な知識は？

A. EDAを学ぶのに、基本的な統計学の知識（平均、標準偏差、相関など）があると理解が深まりますが、必須ではありません。

この記事で紹介している基礎知識から始めて、段階的に理解を深めていくことができます。

Q5. EDAの効果をどう測定すればいいですか？

A. EDAの効果は、以下の指標で測定できます：

分析の効率性：EDAにより、分析の効率が向上したか
仮説の質：EDAにより、質の高い仮説が生成されたか
問題の発見：EDAにより、データの問題が早期に発見されたか
分析の方向性：EDAにより、分析の方向性が明確になったか

5分診断：探索的データ分析（EDA）を活用する前に確認すべきこと

探索的データ分析（EDA）を活用する前に、以下の診断で自社の状況を確認することが有効な場合があります。

Q1：前提設計（目的・戦略・判断軸）が明確か？

Yes → Q2へ
No → 前提設計を明確にする（探索的データ分析（EDA）活用の目的、どの指標を重視するか、何を見て良し悪しを判断するか）

Q2：データ（どのデータを分析するか）が明確か？

Yes → Q3へ
No → データを明確にする（分析対象のデータ、データの種類、データの品質など）

Q3：継続的な改善（効果測定・改善サイクル）ができているか？

Yes → 次のステップへ
No → 継続的な改善の仕組みを作る（効果測定、改善サイクル、次の施策の決定）

診断結果に基づく次のアクション：

Q1がNoの場合：前提設計を明確にする（探索的データ分析（EDA）活用の目的、どの指標を重視するか、何を見て良し悪しを判断するか）
Q2がNoの場合：データを明確にする（分析対象のデータ、データの種類、データの品質など）
Q3がNoの場合：継続的な改善の仕組みを作る（効果測定、改善サイクル、次の施策の決定）

探索的データ分析（EDA）の要点と判断の軸

探索的データ分析（EDA）は、データ分析プロジェクトの成功に不可欠な基盤です。EDA を通じて、データの構造を理解し、隠れたパターンを発見し、分析の方向性を定めることができます。

ただし、これらは一般的な傾向であり、すべてのケースに当てはまるわけではありません。状況に応じて、複数の視点から検討し、最適な方法を見つけることが重要です。

判断の軸

探索的データ分析（EDA）を活用する際は、以下の判断軸を参考にすることが有効な場合があります：

前提設計（目的・戦略・判断軸）が明確か
データ（どのデータを分析するか）が明確か
継続的な改善（効果測定・改善サイクル）ができているか

重要なポイント

EDA はデータの特性を理解し、隠れたパターンを発見するための体系的なアプローチ
単変量、二変量、多変量分析を組み合わせて多角的に探索することが重要
適切なデータ可視化は、数値では見えないパターンの発見に不可欠
異常値と欠損値の理解と適切な処理がデータ品質を担保する
効果的な EDA には、技術的スキルだけでなく、好奇心と創造性も必要

次のステップ

今回紹介した考え方は、あくまで一つの視点です。重要なのは、自社の状況・リソース・目的に照らして、どこを採用し、どこを捨てるかを考えることです。

「正解」は存在しませんが、「自社にとって可能性が高い選択肢」を複数の視点から検討し、検証を繰り返すことで、成果につながる可能性があります。

具体的には、以下のステップを検討することが有効な場合があります：

前提設計（目的・戦略・判断軸）を明確にする
診断フローで自社の状況を確認する
データの収集と準備：適切なデータを収集し、分析に適した形に整える
データ構造の把握：形状、データ型、欠損値、ユニーク値を確認
記述統計量の算出：中心傾向、散布度、分布の形状、範囲を計算
データの可視化：単変量、二変量、多変量、時系列データを可視化
関係性の探索：相関分析、クロス集計、条件付き分析を実施
異常値と欠損値の処理：異常値の検出、欠損値のパターン分析、データ品質の評価

はじめて取り組む方へ（補足）

探索的データ分析（EDA）は、最初から完璧を目指すよりも、目的→判断軸→小さな検証の流れを一度回してみる方が前に進みやすいです。まずは自社にとって重要度が高い論点を1つだけ選び、身近なデータで小さく試してみてください。

EDA のスキルを向上させるには、実践が最も重要です。公開データセットを使って様々な可視化手法を試し、自社のデータに対して EDA を行い、新たなビジネスインサイトを探すことから始めてみてください。

探索的データ分析についてのご相談はこちら

次に読むおすすめの記事

探索的データ分析について理解を深めたら、以下の記事も参考にしてください：

より深く学ぶ

データ分析とは？超初心者向け完全ガイド：データ分析の基礎知識とEDAの位置づけ
統計的仮説検定入門：EDAの後に実施する仮説検定
回帰分析入門：EDAで発見した関係性をモデル化する方法

実践的な活用

データドリブンUX改善ガイド：EDAをUX改善で活用する方法
データドリブンマーケティング完全ガイド：EDAをマーケティングで活用する方法
GA4入門：WebサイトのデータをEDAで分析する方法

参考資料・引用元

Tukey, J. W. (1977). _Exploratory Data Analysis_. Addison-Wesley.
Wickham, H., & Grolemund, G. (2017). _R for Data Science_. O'Reilly Media.
McKinney, W. (2017). _Python for Data Analysis_. O'Reilly Media.
Few, S. (2009). _Now You See It: Simple Visualization Techniques for Quantitative Analysis_. Analytics Press.
Munzner, T. (2014). _Visualization Analysis and Design_. A K Peters/CRC Press.