レッスン1：データ分析とは何か——なぜ今、数字を読む力が必要なのか

このレッスンで学ぶこと

データ分析が何のために行われるかを説明できる
データドリブンという考え方の意味を理解する
分析の基本プロセス（問い→収集→整理→分析→解釈→意思決定）を把握する
自分の業務とデータ分析の関係を整理できる

データ分析とは

データ分析とは、集めた数字や記録から何かを読み取り、意思決定や行動につなげる営みです。難しそうに聞こえるかもしれませんが、本質はとてもシンプルです。「事実をなるべく正確に見て、そのうえで判断する」——これがデータ分析の核心です。

逆の状態を想像してみるとわかりやすいでしょう。「なんとなく」「これまでの経験では」「上司の感覚で」決めた施策が、思った成果につながらなかった経験は誰にでもあります。データ分析は、こうした「感覚だけで決める」の対極にある考え方を提供してくれます。

💡 ポイント データ分析は「データを使った占い」ではありません。あくまで判断材料を増やすための道具で、最終的に決断するのは人間です。データを「絶対の正解」と捉えるのではなく、判断を助ける材料として扱う姿勢が大切です。

なぜ今、データを読む力が必要なのか

近年、ビジネスの現場でデータを扱う機会は急速に増えています。背景には、いくつかの大きな変化があります。

1つ目は、データそのものが増えていることです。POSレジ、Webアクセスログ、SNSの投稿、IoT機器のセンサーなど、日々あらゆる場所でデータが自動的に蓄積されています。

2つ目は、ツールが使いやすくなっていることです。かつてはエンジニアにしか扱えなかった分析作業が、ExcelやBIツールの進化で、誰でも触れられるようになりました。

3つ目は、競合との差がデータ活用で決まるようになっていることです。経験と勘だけで戦っていた時代から、データを使って速く・正確に判断する企業や個人が成果を出す時代へと変わってきました。

つまり、データを読む力は、もはや一部の専門職だけのものではなく、ビジネスパーソン全般に求められる教養になりつつあります。

データドリブンとは

「データドリブン（data-driven）」という言葉を聞いたことがあるでしょうか。直訳すると「データに駆動される」、つまり「データを根拠にして判断や行動を進める」という意味です。

データドリブンの反対は「勘ドリブン」「経験ドリブン」と言えるかもしれません。もちろん、経験や勘がすべて悪いわけではありません。長年の現場感覚は貴重な資産です。ただ、それを「絶対」とせず、データで裏付けたり修正したりする姿勢が、データドリブンの考え方です。

📝 補足 「データドリブン」と似た言葉に「データインフォームド（data-informed）」があります。後者は「データを使うが、最終判断は人間の総合判断で行う」というニュアンスで、より現実的な姿勢として近年は支持されています。本コースでも、データを絶対視せず、判断材料として活用する立場で進めます。

データ分析の基本プロセス

データ分析は、行き当たりばったりに数字をいじることではありません。基本となるプロセスがあります。次の6つのステップで進むのが標準的な流れです。

1つ目は「問いを立てる」。何を知りたいのか、何を判断したいのかを明確にします。これが最も大事なステップです。「なんとなくデータを見る」では、得られるものが少ないからです。

2つ目は「データを集める」。問いに答えるために必要なデータをどこから集めるかを決め、実際に手元に持ってきます。

3つ目は「整理する」。集めたデータをそのまま使える状態にする工程です。欠損があれば対処し、表記のばらつきがあれば揃え、不要なものは取り除きます。これは本コースのレッスン5で扱う「データクレンジング」にあたります。

4つ目は「分析する」。整えたデータに対して、平均を取る、ばらつきを見る、関係性を調べる、といった処理を行います。

5つ目は「解釈する」。分析の結果が何を意味するかを言葉にします。数字そのものではなく、「だから何が言えるのか」を読み取る工程です。

6つ目は「意思決定する」。分析結果を踏まえて、どう行動するかを決め、実際に動きます。

💡 ポイント 6つのステップの中で、最初の「問いを立てる」と最後の「意思決定する」が最も価値を生む工程です。中間の作業はツールが助けてくれることが多いですが、問いと意思決定は人間の役割です。

実例で見る分析プロセス

抽象的なプロセスだけではわかりにくいので、具体例で追ってみましょう。あるカフェの売上が、ここ3か月で下がってきているとします。

問いを立てる：なぜ売上が下がっているのか。曜日や時間帯によって違うのか。

データを集める：POSレジの売上データ（日時・商品・金額）を3か月分用意する。

整理する：データに欠損があれば補い、商品名の表記揺れ（「カフェラテ」と「カフェラッテ」など）を統一する。

分析する：日別・曜日別・時間帯別の売上を集計し、平均と推移を見る。

解釈する：「平日の午後の売上が特に落ちている」「常連顧客の来店頻度が下がっている」といった事実を読み取る。

意思決定する：平日午後のテコ入れ施策を打つ。例えば14〜17時限定のドリンク割引を試す。

これがデータ分析の典型的な流れです。難しい統計や複雑なツールは使っていませんが、立派なデータ分析です。

「データを見ているだけ」では分析にならない

ここで注意したい落とし穴があります。データを眺めているだけ、グラフを作っているだけでは、分析にはなりません。

例えば「先月の売上は120万円でした」というデータだけを示しても、それは事実の報告であって分析ではありません。「先月の売上は120万円で、前月比10%減でした。減った原因は新規顧客の獲得が鈍ったことによるものです」と踏み込むと、ようやく分析になります。

データ分析の価値は、「何が起きているか」を超えて「なぜ起きているか」「どう動くべきか」まで踏み込むことにあります。

⚠️ 注意 「データを集めること」自体が目的になってしまう状態を「データのコレクター」と揶揄することがあります。きれいな数字やグラフを作ることに満足してしまい、肝心の意思決定や行動につながらないケースです。本コースを通じて、こうした罠を避ける感覚を養っていきましょう。

自分の業務とデータ分析

データ分析は、特別な部署や役職の人だけが行うものではありません。職種別に、データ分析が役立つ場面の例を挙げてみます。

マーケティング：施策ごとの効果測定、ターゲット顧客の特徴の把握
営業：受注確度の分析、商談履歴からの傾向の読み取り
企画：市場規模の推定、競合の動向把握、新商品の需要予測
人事：採用ファネルの分析、離職率の傾向、エンゲージメントの測定
経営企画：KPIのモニタリング、事業ポートフォリオの評価
店舗運営：曜日・時間帯別の来客傾向、商品別の売上構成

ご自身の職種に近いものはありましたか。あるいは、まったく違う分野でも、扱っているデータは違えど考え方は同じです。

このコースで学ぶこと

本コースを通じて、次のような流れで学んでいきます。

レッスン2：データの種類を見分ける（量的・質的・構造化・非構造化）
レッスン3：記述統計で全体像をつかむ（平均・中央値・標準偏差）
レッスン4：適切なグラフを選んで可視化する
レッスン5：データクレンジングで分析の前準備を整える
レッスン6：相関と因果の違いを理解する
レッスン7：仮説検証とA/Bテストの基本
レッスン8：KPI設計と業務での活かし方、次の学習方向

すべて、ビジネスの現場で本当に役立つ基礎に絞っています。難しい数式や専門的なツールは最小限に抑え、考え方を中心に進めます。

🔰 初学者の方へ 「数字や統計が苦手」という方こそ、このコースの対象です。専門用語が出てきても、必ず例え話や実例で説明します。1レッスンずつ、自分のペースで進めてください。

まとめ

このレッスンでは、以下のことを学びました。

データ分析とは、データから事実を読み取り、判断や行動につなげる営みである
データドリブンは「データを根拠に判断する」考え方であり、勘や経験を補強・修正する役割を持つ
分析の基本プロセスは「問い→収集→整理→分析→解釈→意思決定」の6ステップ
「データを見るだけ」では分析にならない。「なぜ」「どう動くか」まで踏み込むことが分析の価値
職種を問わず、データ分析の考え方は活用できる

次のレッスンでは、データの「種類」を見分けられるようになります。量的データと質的データ、構造化データと非構造化データといった分類を学ぶことで、扱うデータに合った分析方法が選べるようになります。

確認クイズ

このレッスンの理解度をチェックしましょう。