「データ分析って聞いたことあるけど、なんかむずかしそう…」って思ったことない？実は、データ分析って私たちの身のまわりにめちゃくちゃあふれてるんだよ。YouTubeのおすすめ動画も、Amazonの「この商品もどうですか？」も、全部データ分析の結果なんだ。この記事を読めば、データ分析がどんなものか・なんで大事なのか、スッキリわかるよ。
- データ分析とは、数字や情報を整理して 「なぜ？」「どうすれば？」を見つける 作業のこと。
- コンビニのおすすめ陳列からYouTubeのおすすめまで、データ分析 は身近なところに使われている。
- 基本はExcelでもできて、考え方を身につければ ビジネスの意思決定 に活かせるスキルになる。
もうちょっと詳しく
データ分析には大きく分けて4つのステップがある。「①データを集める」→「②データを整理・クリーニングする（つまりバラバラなデータを使いやすい形に整えること）」→「③分析・可視化する（つまりグラフや表にして見やすくすること）」→「④結果をもとに行動する」という流れだよ。このサイクルをくり返すことで、どんどん精度が上がっていくんだ。たとえば学校の文化祭でたこ焼きを出店するとき、「去年は何個売れたか」「天気は？」「来場者数は？」を集めて整理して「今年は何個用意すればいい？」を判断する——これがまるごとデータ分析のプロセスなんだよ。
分析より「整理」に時間がかかる。データの質が結果の質を決める！
⚠️ よくある勘違い
→ AIは分析手法のひとつにすぎない。グラフを作るだけでも立派なデータ分析で、AIがなくても分析はできる。
→ 簡単な集計でゴールに届くなら、AIは不要。手段より「何を知りたいか」を先に決めることが大切。
[toc]
データ分析とは何か？まず基本を押さえよう
「データ」ってそもそも何？
データという言葉、よく聞くよね。でも「データって具体的に何？」って聞かれると、ちょっと迷うんじゃないかな。データとは、つまり「記録された事実や数字のこと」だよ。たとえば、今日の気温「23度」も、あなたが昨日寝た時間「7時間」も、クラスメートの身長の一覧も、全部データなんだ。
データには大きく2種類ある。「定量データ（つまり数字で表せるデータのこと）」と「定性データ（つまり言葉や感想など数字にしにくいデータのこと）」だよ。テストの点数は定量データ、アンケートの「おいしかった」という感想は定性データ。データ分析では主に定量データを扱うことが多いけど、定性データも大切なんだ。
分析とは「意味を見つけ出すこと」
数字がただ並んでいるだけでは、なにもわからないよね。たとえば「100、80、60、90、70」という点数の一覧を見ても「ふーん」で終わる。でも「平均は80点」「60点が最低で、勉強が足りない単元がある」とわかると、「次はここを重点的に勉強しよう」という行動に結びつく。この「ただの数字から意味を引き出す作業」が、まさに分析なんだよ。
友だちに「昨日のゲームの勝率どうだった？」って聞いて「10戦6勝だから勝率60%だね、でも特定のキャラを使ったときは8割勝ってたよ」って答えるのも、もうデータ分析の発想なんだ。日常の中にすでにデータ分析的な思考は埋まってる。
なぜ今「データ分析」が注目されているの？
スマホやインターネットが普及して、毎日ものすごい量のデータが生まれるようになったんだ。SNSのいいね数、ECサイトの購入履歴、GPSの移動ログ……これらを分析することで、これまで「経験と勘」に頼っていた判断が、「数字と根拠」に基づくようになった。これを「データドリブン」（つまり「データを運転席に乗せて意思決定する」という考え方）と呼ぶよ。
データ分析の4ステップをわかりやすく解説
ステップ①：目的を決める（これが一番大事！）
「とりあえずデータを集めよう」はNG。まず「何を知りたいのか？」を明確にすることが最重要だよ。たとえば「売上を上げたい」という目的なら「どの商品が売れてないのか？」「どの時間帯に客が来てないのか？」という具体的な問いに落とし込む。問いがぼんやりしていると、集めるデータも分析の方向も全部ぼやけてしまうんだ。
学校で例えると「成績を上げたい」ではなく「数学の方程式が苦手なのはなぜか？」という問いにする感じ。目的が具体的なほど、分析の精度は上がるよ。
ステップ②：データを集める
目的が決まったら、必要なデータを集める。データの取り方には色々あるよ。
- アンケート：自分で質問を作って回答してもらう
- ログデータ：アプリやウェブサイトが自動的に記録した行動履歴
- 公開データ：政府や企業が公開している統計情報（たとえば人口統計など）
- センサーデータ：温度計やGPSなど機器が自動収集したデータ
大切なのは「目的に合ったデータを集めること」。売上を分析したいのに、気温データだけ集めても意味がないよね（まあ、アイスクリームの売上分析なら関係あるかもしれないけど！）。
ステップ③：データを整理・クリーニングする
集めたデータは、そのままでは使えないことが多い。たとえばアンケートで「年齢を書いてください」という質問に「21歳」「21」「二十一歳」という3通りの答えがあったら、コンピューターは同じ意味だと判断できないんだ。こういったデータクリーニング（つまり「データのゴミや誤りを取り除いて使いやすい形に整える作業」のこと）が、実はデータ分析の作業時間の6〜7割を占めるとも言われているよ。
プロのデータアナリストでも「分析より準備のほうが大変」とよく言う。地味だけど、ここをしっかりやらないと分析結果が全部ズレてしまうから、手が抜けない大事な工程なんだ。
ステップ④：分析して、行動に移す
きれいになったデータをグラフや表にして、傾向やパターンを探す。「木曜日の夕方だけ売上が落ちてる」「20代女性のリピート率が高い」といった発見が出てきたら、そこから「木曜夕方にキャンペーンをやろう」「20代女性向けの新商品を出そう」というアクション（行動）に結びつける。分析して「ふーん、そうなんだ」で終わらせず、行動につなげることが大事なんだよ。
データ分析で使われる代表的な手法
記述統計：まずデータの「全体像」をつかむ
記述統計とは、つまり「データの特徴を数字でまとめること」だよ。代表的なものを見てみよう。
- 平均値：全部の数字を足して個数で割ったもの。テストの平均点がわかりやすい例だね
- 中央値：データを小さい順に並べたとき、真ん中にくる値。年収の話題でよく使われるよ
- 最頻値：一番多く出てくる値。「クラスで一番多い靴のサイズ」みたいな使い方をする
- 標準偏差：データのバラつき具合を表す数字。小さいほど「みんな似たような値」、大きいほど「バラバラ」
学校の数学でこれを習ったとき「なんで覚えるの？」と思った人も多いよね。でも実際のデータ分析では、これが基礎中の基礎として毎日使われてるんだよ。
相関分析：「関係性」を見つける
相関分析とは、つまり「2つのデータがどれくらい連動しているかを調べること」だよ。たとえば「気温が高いほどアイスの売上も上がる」という関係性が見えたとき、これを「正の相関がある」と言う。逆に「気温が高いほど鍋料理の売上が落ちる」なら「負の相関がある」。
ただし注意点がある。相関があるからといって「原因と結果の関係（因果関係）がある」とは限らないんだ。たとえば「アイスの売上と水難事故が同時に増える」というデータがあっても、アイスが原因で水難事故が増えるわけじゃないよね。どちらも「暑い夏」が原因で、たまたま同じ方向に動いてるだけ。このような誤解を「疑似相関」と呼ぶよ。
予測分析：未来を「読む」
過去のデータをもとに「この先どうなるか」を予測するのが予測分析だよ。コンビニが「明日の唐揚げの仕入れ数」を予測するのも、天気予報も、株価の予測も全部これ。最近はAI（機械学習）を使った予測分析が増えていて、精度がどんどん上がっているんだ。
データ分析はどんな仕事で使われているの？
マーケティング：「何が売れるか」を予測する
企業のマーケティング担当者は、データ分析を毎日使っているよ。「どのSNS広告がクリックされやすいか」「どのキャッチコピーで購買率が上がるか」「どのターゲット層に向けて広告を出せば効果的か」。これらを全部、過去のデータから分析して判断するんだ。
たとえばNetflixは、あなたの視聴履歴をもとに「次に見たい作品」を高精度に予測してくれるよね。あのアルゴリズムも、膨大なユーザーデータの分析によって作られているんだ。
医療：「病気を早期発見」する
医療の世界でも、データ分析は命を救っている。患者の検査データや症状のパターンを分析して、「この数値の組み合わせがある人は〇〇病のリスクが高い」という知見を引き出す。早期発見・早期治療につなげられるんだよ。最近は人間ドックや健康診断のデータをAIが分析して、医師の診断をサポートするシステムも増えているよ。
スポーツ：「勝つための戦略」を作る
プロ野球やサッカーでも、データ分析は当たり前になってる。「このピッチャーはどのコースが得意か」「このバッターはどのボールに弱いか」を徹底的にデータで分析して、作戦を立てる。最近は選手の走行距離や心拍数のデータを使って、怪我のリスクを下げるための起用法を考えるチームも増えているよ。
教育：「学習効果を最大化」する
学校や学習アプリでもデータ分析が活躍している。どの問題で間違いが多いか、どのタイミングで学習が止まりやすいか、どういう順番で学べば定着しやすいかを分析して、より効果的な学習プランを提供する。スタディサプリやDuolingoみたいなアプリが「あなたに合った問題」を出せるのも、データ分析のおかげなんだ。
データ分析を学ぶにはどうすればいい？
まずはExcelから始めよう
いきなりプログラミングをやる必要はないよ。まずはExcelやGoogleスプレッドシートで「データをグラフにする」「平均を計算する」「フィルターで絞り込む」の3つができれば、基本的なデータ分析は十分できる。身近なデータを使って試してみよう。たとえば「今月の自分の勉強時間と成績の関係」を表にしてグラフにするだけで、立派なデータ分析の練習になるよ。
「問い」を立てる習慣をつけよう
ツールより大事なのが「問いを立てる力」。データ分析で一番価値があるのは「何を知りたいか」を明確にする能力なんだ。日常でも「なんでこうなってるんだろう？」「もしデータがあったら何がわかるだろう？」って考える癖をつけると、自然とデータ分析的な思考が身につくよ。ニュースを見たとき「このグラフ、どこが気になる？」と考えるのも良い練習になる。
統計の基礎を学ぼう
平均・中央値・標準偏差・相関係数……学校で習う統計の知識が、データ分析の土台になる。「なんで学校でこれを習うんだろう？」と思っていた知識が、実はめちゃくちゃ実用的なんだよ。数学が苦手でも、「この数値はデータの真ん中を表す」くらいの感覚的な理解から始めれば大丈夫。完璧に計算できなくても、意味がわかれば十分使えるよ。
次のステップ：PythonとSQLを覚えると最強に
もっと本格的にやりたくなったら、次はPython（データ分析に最も広く使われるプログラミング言語）とSQL（つまり「データベースからデータを取り出すための言語」のこと）を学ぼう。この2つができるようになると、扱えるデータの量と種類が爆発的に増えて、仕事でも強力な武器になるよ。PythonはYouTubeやUdemyに無料・格安の教材がたくさんあるから、自分のペースで学べるよ。
