データ分析とは？最初の数字から、判断につなげる七つの手順

「問い合わせは85件でした」。この数字だけで、フォームを改善できるでしょうか。送信ボタンのクリック回数か、届いた問い合わせ数か、同じ人の再送を含むかで、意味は変わります。

データ分析とは、集めた記録を問いに合わせて整理し、比較や解釈を通して判断の材料にすることです。グラフやレポートは、その過程や結果を伝える道具です。レポートにも分析を含められますし、分析の結果が「まだ施策を変えず、計測を直す」になることもあります。

初めて担当した数字の報告から、何を確かめればよいかを一周できるよう、フォームを題材に説明します。

30秒で要点

• 判断したいことを一文にしてから、データを選びます。
• 何を一件と数えるか、期間、分子・分母を揃えます。欠損とゼロは別です。
• 傾向の発見と原因の検証を分け、次の確認を一つ決めます。

どこから読むか — 自分の状況から選ぶ

この記事は最初の数字を判断につなげる七つの手順を扱います。個別の落とし穴・手法・指標はそれぞれ別の記事にあります。

数字の読み違いを先に潰したい。 平均だけで決めない話は平均の罠、セグメントで結論が逆転する現象はシンプソンのパラドックス、成功事例だけを見る危険は生存者バイアス、母数を忘れる失敗はベースレート無視。

相関と因果を分けたい。 典型的な事故例は相関と因果の違い、比較の条件を確かめる枠組みは因果推論入門、計測値そのものを疑うなら観測バイアス。

検証を設計したい。 比較できる形にする手順は実験計画法入門、件数の落とし穴はサンプルサイズ・A/Bテストの罠、有意差の読み方はp値の誤解を解く。

顧客を分けて見たい。 三軸で切るならRFM分析、上位層の寄与はデシル分析、時間で追うならコホート分析とは？、長期の価値は顧客生涯価値（LTV）の考え方。

見せ方で迷っている。 グラフの選び方はデータ可視化入門、行動の追い方はユーザー行動分析の進め方。

数字を経営判断につなげたい。 進め方の型はデータドリブン意思決定の進め方、どの前提が結論を変えるかは感度分析とは？、社内の数字の使い分けは管理会計とは？。

組織にデータが根付かない。 足りないものの見立てはツールより何か、他社の真似が効かない理由は成功事例を真似しても成功しない理由、AI分析ツールの前提は「何を数えるか」が決まっている前提。

最初に、数字へ聞く問いを選ぶ

「分析する」は広い言葉です。必要なデータと方法は、次のどの問いを調べるかで変わります。

表が収まらない場合は、横にスクロールできます

NISTの探索的分析の説明は、グラフだけでなく、構造や外れ値、前提を調べる姿勢を重視しています。気になる点を見つけることは分析の成果ですが、そこで考えた説明を、確かめ終わった原因として報告しないことが大切です。

一つのフォームでも、数え方は複数ある

以下は仕組みを説明する仮想例です。同じ4週間の対象1,000セッションを考えます。セッションは、この分析で一回の訪問として扱う記録単位です。同じ人が再訪すれば別のセッションになり、人数とは一致しません。

対象の条件や社内テストなどの除外は先に揃え、同じセッション内で開始から送信完了まで確認できるものを数える設定にします。完了イベントは85回記録されましたが、セッションIDで一回ずつ数えると完了は70セッションでした。再送や重複記録などにより、イベントは一つのセッションに複数回ある場合があります。

表が収まらない場合は、横にスクロールできます

85回を開始100セッションで割った85%を、そのまま「完了した訪問の割合」とは呼べません。分子の単位が違うためです。イベント回数自体を調べることはできますが、何を表す指標かを変える必要があります。

また、この分析は「記録できた対象の、同じ訪問内の完了」を表します。翌日の再訪で送信する人まで追うなら、識別方法や追跡期間を別に設計します。ツールの画面に出た数値だけで定義を推測せず、イベントがいつ記録されるか、どのIDでまとめるかを確認してください。

七つの手順で、一つの判断材料を作る

手順は、途中で疑問が見つかれば前へ戻ってかまいません。最初から全データを集めるより、問いと記録の対応を確かめます。

1. 変えたい判断を一文にする

「データを活用する」では広すぎます。例えば「必須項目の説明を直す前に、何につまずいているかを確かめる」と置きます。この段階では、つまずきが原因なのかも仮説です。

KPIは、目的に対する進み具合を確認する重要指標です。今回なら完了率が候補ですが、相談内容の不足や誤送信も見ます。送信だけ増え、利用者が意図しない問い合わせが増えるなら、それを改善とは呼べません。

2. 定義を短いメモにする

指標名、分子・分母、期間、対象、重複や対象外の扱い、取得元を記録します。割合には、なるべく元の件数も併記します。

「直近4週間」だけでは、日付をまたいで確認した人と結果が変わります。開始日と終了日、時刻の基準も残します。途中で定義を直したときは変更履歴を残し、同じ条件で再集計できない期間を一本の推移として比較しないようにします。

3. 必要な記録を集め、品質を確かめる

アクセス計測、問い合わせ管理、表計算、利用者との対話は、得意な情報が違います。数値は行動の量、対話は理由の候補や言葉の理解を調べる材料になります。ただし、本人が話した理由だけで、実際の行動の原因が確定するわけではありません。

英国政府のデータ品質指針は、品質を用途への適合として捉え、完全性、重複、整合性、時点などを分けます。実務では次の点を先に確認すると、数字の読み違いを見つけやすくなります。

• 元の記録を残した上で、集計用のコピーを作る。
• 空欄を、実際にゼロだった記録と分ける。
• 重複を消す前に、一件の識別方法と再送の意味を確かめる。
• 桁違いの値は、入力ミスか本当に起きた事象かを確認する。

必要のない個人情報まで集める理由にはなりません。分析の目的に必要な範囲、利用できる権限、保管や共有の条件も確認します。

4. まず件数、割合、分布を見る

合計・割合・推移に加え、数値の散らばりを見ます。例えば処理時間なら、平均だけでなく中央値や、極端に長かった記録も確認します。中心の指標に関するNISTの解説では、分布の歪みで平均と中央値が違うことが示されています。

グラフは問いに合わせます。時間による変化は折れ線、区分の件数は棒、値の散らばりはヒストグラム、二つの量の関連は散布図などが候補です。軸・単位・対象件数を添え、小さな差を大きく見せる軸や、面積と値が対応しない図に注意します。

5. 比較できる条件かを確認する

今週と先週で広告や休日、端末の構成が違えば、完了率の差には複数の説明があります。集計を条件ごとに分けることは手がかりになりますが、区分を増やすほど一つの件数は小さくなります。都合のよい区分だけを選んで全体の結論にしないでください。

アンケートでも、回答した人と回答しなかった人は同じとは限りません。AAPORの調査指針は、対象や回答方法、未回答の扱いを報告することを求めています。回答のない欄を「不満なし」に置き換えると、分母も意味も変えてしまいます。

6. 説明の候補と、確かめる方法を分ける

「ある入力欄の後で離脱が多い」は観測、「その説明が分かりにくい」は仮説です。離脱する人は、入力に必要な資料を持っていないのかもしれませんし、別の用事で中断したのかもしれません。

数人に操作してもらう確認は、分かりにくい言葉を見つける材料になります。それだけで、変更後に全体の完了率が何ポイント上がるとは言えません。NISTの散布図の解説が示すとおり、関連の発見と因果の確認は別です。

小さな率の差を評価したいときは、A/Bテストなどの比較を計画します。Microsoftの実験設計の指針を参考に、対象・指標・割付単位・人数を定めます。「4週間あれば十分」のような一律の期間にはできません。

7. 結果と次の一手を、一緒に残す

報告は「70%だった」で終えず、何が分かり、何が残ったかを分けます。例えば、仮想例なら次のように書けます。

同じ訪問内の完了は開始100セッション中70。送信イベントは85回あるため、完了率にはIDでまとめた70を使用した。未完了の理由は未確認。次は説明文の理解と計測の重複を別々に確認する。

実験をする場合は、期間と必要人数、採用の条件、重大な不具合で止める条件を始める前に決めます。通常のp値を繰り返し見て、有意になった時だけ成功として終了する方法には問題があります。実験分析の研究では、安全停止と統計的な早期判定を区別しています。

道具より先に、一つの集計を確かめる

最初は表計算で十分な場合があります。処理が増えたら、再利用する集計やデータの結合を自動化します。高度なツールやAIを使っても、単位、除外、意味の説明を省くことはできません。生成した式や説明は元の記録へ戻って確認します。

最小の確認として、手元の記録から同じIDが複数ある数件を選び、手計算と集計結果を突き合わせてみてください。これは計測と集計の点検です。全体の効果を検証したことにはなりませんが、その後の判断に使える数字かを確かめる一歩になります。

次に深める問いから読む

この入口を一周したら、いま困っている問いに合わせて進めます。

表が収まらない場合は、横にスクロールできます

すべての手法を覚えることから始めなくてもかまいません。いまの判断に必要な記録を選び、分かる範囲を一つずつ確かめることが、分析を仕事へつなげます。

参考資料・引用元

本記事は2026年10月8日に、NIST の探索的データ分析、AAPOR の調査設計、英国政府のデータ品質、Microsoft の実験設計資料を再確認し、記述を見直しています。

分析は図を作るだけでなく、構造・外れ値・前提・母集団・抽出枠・単位・期間・欠測・重複・定義・時点を確認する進め方です。散布図の関連や前後差だけで因果を証明することはできません。本文中の1000セッション→100開始→70完了セッション→85完了イベントという数値は実測ではなく、分母・単位・期間を分けて考えるための教材です。