戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック

212

7 章　意思決定のための分析思考 I：良いモデルとは何か

分析のための要素、

3.

対象のデータ以外の情報源から得る必要がある分析のための要素（例

えば対象分野の専門的なビジネス知識）。

期待値を計算するには、まず、ある状態において取り得る結果をすべて列挙します。そし

て、それぞれの結果が示す値にその結果が起きる確率に応じて重み付けし、合計することで

期待値を得ることができます。例えば列挙したそれぞれの結果が利益を表しており、それら

の発生確率が異なる場合、期待利益の計算では、高い確率で発生する利益により大きく重み

付けする一方で、あまり発生しない利益にはほとんど重み付けしません。この本では、繰り

返し行う作業（多数の顧客を対象として選択する、多くの問題を調査する、など）を議論の

対象にしており、期待利益を最大化することに注目していきます

†

。

期待値フレームワークでは、式

7-1

の期待値計算の一般式によって、分析思考における問

題の構造

1.

を得られます。

式

7-1

 期待値計算の一般式

EV

＝

p(o

1

)

・

v(o

1

)

＋

p(o

2

)

・

v(o

2

)

＋

p(o

3

)

・

v(o

3

). . .

それぞれの

o

i

は、ある条件において何らかの決定をするときの取り得る結果を表していま

す。

p(o

i

)

はその発生確率を、

v(o

i

)

は結果の値を示しています。多くの場合、各結果の発生

確率はそのデータから予測することができますが（

2.

対象のデータから得られる分析のため

の要素）、それぞれのビジネスにおける価値はそのデータ以外の情報源から得る必要があり ...