自社のデータや情報が膨大になるにつれ、どう整理すればいいのか?どう活用すればいいのか?悩むこともよくある話です。
今回はそのデータや情報を必要に応じて活用する「分析」の種類についてご説明したいと思います。分析といっても一言で説明するには種類も多く難しいものです。

そもそも分析の意味とは?
「分析」の定義として言われているのが、
『複雑な事柄を一つ一つの要素や成分に分け、その構成などを明らかにすること』

分析の種類や手法は別として言えることは、多くのデータや情報から目的にあわせて関係性(属性)を読み取ることが本質なのかと思います。

ここで紹介するのはビジネスで使える分析手法です。
もちろん業種・業態によっては他の分析手法が良いかもしれません。
データをどう活用したいかを見極めて使い分けてみてください。

クロス分析

最も基本的なデータ分析方法です。クロスとは複数にわたることを指しており、年齢・性別・地域など属性別で集計することをクロス分析といいます。
資料やアンケートの分析として、年齢・性別・地域の2~3項目の複数の属性についての相互関係や属性ごとのトレンドを把握するのに向いています。

クラスター分析

クラスターとは英語で「集団」「群れ」を意味します。クラスター分析とは、異なるものが混ざり合った集団(データ・情報)から互いに似た性質をもつものを集めグループ分けしたものをいいます。分類にあたっては、グループ同士がお互いに「似ているか」または「似ていないか」などを基準に判断し、マーケティングを行なうやり方が一般的です。分析手法としてはよく使われる手法の一つです。

ロジスティック回帰分析

その人の購入履歴から、「この人が次にこの商品を買うかどうか」のような2値の予測を行なうアルゴリズムです。この予測したい変数のことを「目的変数」といい、目的変数を説明する変数のことを「説明変数」といいます。また、未来のデータを予測するアルゴリズムのことを「回帰」と言ったりします。
例えば、「身長・BMI・筋肉量」などを説明変数とし、「男か女か」を目的変数とするような場合を指します。

アソシエーション分析

主に百貨店や店舗などPOSデータを分析するために開発されたものです。関連分析とも呼ばれており、商取引データ(トランザクションデータ)を活用して商品の関連性について分析を行なう手法です。例えば、スーパーやコンビニなどで、どの商品とどの商品が一緒に買われているかを分析するのに使われています。

決定木分析

「ディシジョン・ツリー」とも言い、選択肢や起こりうるシナリオすべてを樹形図の形で段階的に分割していき、それぞれの選択肢を比較検討した上で、実際にとるべき選択肢を決定する手法です。身近なところで説明すると「YES・NO」で枝分かれしていく質問(分析)をみたことがあると思いますが、まさにそれになります。

まとめ

今回ご紹介したもの以外にも「RFM分析」や「SWOT分析」など身近に使われているものもあります。まずは自社のデータ・情報を使って何をしたいのか!
それをするためにどの分析方法が良いかを決める必要があります。

最後に、データ分析は有意義な活用、共有できてこそ価値が生まれるものですが、そこには膨大なデータに対して、次のアクションを決定するための集約作業と、更なる分析で多大なリソースがかかってしまいます。 そのために、近年「BIツール(=ビジネス・インテリジェンスツール)」を活用する企業も増えています。BIツールは企業が持つあらゆるデータを集約・分析するための多機能を持つツールとして、注目が高まっており、その中には無償で利用可能な「Googleデータスタジオ」などで高度な分析をわかりやすく可視化するなどの様々な機能を擁しています。

弊社では多くの広告出稿などを行う企業様の分析と次のアクション決定のため、BIツールを活用したレポートも行っております。
ご興味のある企業様はぜひご相談ください。