現代のビジネス分析

第4章 RとPythonによる統計解析 RとPythonによる統計解析

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

統計学は、データを分析し、パターンを特定し、変数間の関係を決定するために使用されるため、アナリティクスにおいて重要な役割を果たす。統計分析の結果は、ビジネス上の意思決定や予測、あるいは新しいデータの分類に使用することができ、このように幅広い使用例があるため、統計学は学ぶ価値のある科学である。さらに、ビジネスアナリストはアルゴリズムを活用して分析モデルを作成する。アルゴリズムとは、問題の解決やタスクの実行に使用されるステップ、命令、手順のセットである。アナリティクスでは、特定の計算を実行し、データを操作し、モデルを作成するために使用される。そして、これらのモデルに記述的分析、診断的分析、予測的分析、処方的分析が適用される。統計とアルゴリズムは、データの前処理、問題解決に使用するデータ要素の選択、問題解決に最適なモデルを選択するためのモデルの比較に使用される。この章では、統計学の役割、使用される様々なアプローチ、RとPythonでのデータ可視化について説明する。

分析プロジェクトの例

、具体的な内容を探る前に、解決すべき問題の背景を理解することが重要である。これによって、どの統計的アプローチを用いるかが決まるからである。すべての問題をアナリティクスで解決できるわけではないが、アナリストとして取り組む問題は複雑で、構成要素を分解、検討、解釈するためのクリティカルシンキングが必要となる。構成要素を特定したら、次のステップは、問題を説明し解決できるレベルで理解することだ。分析的問題を解決するには、分析メソッドを適用して結論や解決策を導き出す。これらのメソッドには、例えばデータ分析や仮説検証などが含まれる。問題は単独では解決できず、多くの場合、関係性、パターン、傾向を評価し、領域固有の知識を適用する必要がある。

アナリティクスの問題を最もよく理解するために、業界全体に共通するいくつかの例を見てみよう。第3章で説明したアナリティクスのライフサイクルを使用して、アナリティクスの問題がどのように解決されるかを概説する。簡単に復習しておくと、 ライフサイクルのステップには、問題の特定、データの理解と準備、モデルの構築、モデルの評価、実装が含まれる。

テレコム・チャーン

以下を考えてみよう：大手通信会社があなたの組織と契約し、顧客がサービスを解約して他のプロバイダに乗り換える理由を理解する手助けをするよう、あなたのチームに依頼してきた。アナリティクスは、顧客がサービスプロバイダを乗り換える要因を特定することで、顧客の解約管理を支援することができる。アナリティクスは、顧客が解約する可能性があるかどうかを予測することもできる。

この例で言及されているテクニックは、これから数章にわたって実際に見ていくことになるが、ここでは、エンド・ツー・エンドのプロセスの感覚をつかんでもらうために、ハイレベルな概要を説明したい：

ステップ1：問題の定義

ある大手通信会社は、顧客離れの原因を解明したいと考えている。あなたのチームは、顧客離れを引き起こしている原因を解明する任務を負っている。解約は、市場シェアだけでなく収益の損失を意味するため、通信会社にとって大きな問題である。

ステップ2：データの理解

データ把握の段階では、通信事業者の解約データを収集・調査し、その構造と潜在的な洞察を把握することに重点が置かれる。これは、顧客の人口統計、利用パターン、請求情報などの情報源からデータを収集することから始まる。次に、探索的データ分析（EDA） ...