データ分析の進め方：問い→仮説→検証のサイクル｜マーケターのためのデータ分析・統計入門 第1回

KOUZAマーケターのためのデータ分析・統計入門

第1回／全10回

講師：田中 磨生（株式会社Abin 代表取締役）

この講座の目次を見る

1. 第1回データ分析の進め方：問い→仮説→検証のサイクル
2. 第2回平均・中央値・ばらつき：「ふつう」と「ぶれ」を正しくつかむ
3. 第3回グラフの選び方と、誤解を生む見せ方会員
4. 第4回相関と因果の違い：「一緒に動く」は「原因」ではない会員
5. 第5回A/Bテストと有意差：偶然の差か、本当の差か会員
6. 第6回サンプルサイズと誤差：何人のデータがあれば信じられるか会員
7. 第7回セグメント分析・RFM・コホート：顧客を分けて見る会員
8. 第8回回帰分析の考え方：数字を動かす要因を探る会員
9. 第9回Excel・スプレッドシートで実践する：関数・ピボット・分析ツール会員
10. 第10回分析結果の伝え方：結論から話すレポートと次の一手会員

この回で分かること：①データ分析は「数字を眺めること」ではなく、「何かを決めるための材料を作ること」だという考え方、②分析の基本の型である「PPDACサイクル」、③良い問いと仮説の立て方、分析でよくある失敗の避け方。最初の回なので、計算の方法よりも「どう考えて分析を始めるか」を固めることに集中します。

データ分析とは「決めるための材料」を作る仕事

マーケティングの現場には数字があふれています。広告のクリック数、サイトの訪問数、メールの開封率、商品ごとの売上、アンケートの回答。毎月こうした数字を集めてグラフにし、会議で報告している人も多いでしょう。ところが、報告のあとに「で、来月は何をするの？」と聞かれて言葉に詰まる。これは、データ分析ではなく「データの報告」で止まっている状態です。

この講座では、データ分析を次のように定義します。

データ分析とは、何かを決めるために、データを使って判断の材料を作ること。

たとえるなら、データ分析は「健康診断の結果表」と「医師の診断」の違いです。結果表には血圧や血糖値などの数字がずらりと並んでいますが、それだけでは何をすればよいか分かりません。医師は「この数値がこの範囲を超えているので、食事をこう変えましょう」と、数字を行動につなげます。分析する人に求められているのは、この医師の役割です。

よくある誤解：「データを集めれば、答えは自然に見えてくる」

データを大量に集めて片っ端から集計すれば、何か面白い発見があるはずだ。そう考えて分析を始めると、たいていうまくいきません。理由は2つあります。

1つ目は、目的がないと「何を比べればよいか」が決まらないことです。同じ売上のデータでも、新商品の評価をしたいのか、値上げの影響を見たいのかで、比べる相手も期間もまったく変わります。

2つ目は、たくさんの切り口で数字を眺めると、偶然の差を「発見」と勘違いしやすくなることです。20通りの切り口で比べれば、本当は何の違いもなくても、たまたま大きな差が出る切り口が1つや2つ見つかることは珍しくありません。この「偶然の差」をどう見分けるかは、第5回と第6回で詳しく扱います。

分析の基本の型：PPDACサイクル

では、どういう順番で分析を進めればよいのでしょうか。統計の教育でよく使われる型に「PPDACサイクル」があります。総務省統計局の学習サイト「なるほど統計学園」でも、問題を解決する手順として紹介されています。

ポイントは、最初の2つ（問題と計画）に時間をかけることです。料理にたとえると、問題は「誰に何を食べてもらいたいか」、計画は「献立と買い物リスト」です。献立を決めずにスーパーに行けば、余計なものを買い込んだうえに、肝心の食材を買い忘れます。分析も同じで、問題と計画があいまいなままデータを集めると、集計に時間がかかるわりに判断に使えない結果しか出てきません。

もう1つのポイントは、これが「サイクル（循環）」になっていることです。結論が出ると、たいてい次の問いが生まれます。「検索からの訪問が減った」と分かれば、次は「なぜ検索順位が落ちたのか」が問いになります。一度で完璧な答えを出そうとせず、問いを少しずつ深めていくのが分析の進め方です。

PDCAサイクルとの違い

よく似た言葉に、業務改善のPDCAサイクル（計画・実行・評価・改善）があります。PDCAは「施策を回して改善する」ための型で、PPDACは「データで問いに答える」ための型です。実務では、PDCAの「評価（Check）」の中でPPDACを1周させる、と考えると分かりやすいでしょう。

「良い問い」の立て方

分析の出発点は「問い」です。問いの質が、分析の質をほぼ決めると言ってもかまいません。

図2の左側の問いは、どれも答えを出しても「次に何をするか」が決まりません。「SNSは効果があるの？」には「あるとも言えるし、ないとも言える」としか答えられません。一方、右側の問いは、答えが出れば打つ手が決まります。良い問いには、次の3つの条件があります。

1. 判断につながる：答えが分かったら、何をどう変えるかが決まっている
2. 答えられる：手に入るデータで、比べ方を決めて確かめられる
3. 範囲が決まっている：対象（どの商品・どの顧客）と期間がはっきりしている

問いを良くするための一番の質問は、「その答えが分かったら、何を決めますか？」です。上司やクライアントから「先月の数字をまとめて」と頼まれたら、この質問を返してみてください。「来月の広告予算をどこに増やすか決めたい」という答えが返ってくれば、分析すべきことは「チャネルごとの費用対効果の比較」だと分かります。

仮説を立てて、確かめる順番を決める

問いが決まったら、次は仮説です。仮説とは「たぶんこうなっているのではないか」という、確かめる前の答えの候補のことです。

ここでは架空の例として、コーヒー豆のネット通販をしているA社を考えます。A社では「新規の注文が先月より2割減った」という問題が起きました。図3のように、まず注文数を「訪問数×購入率」に分解し、それぞれが下がる原因の候補を書き出します。分解しておくと、仮説の抜けや重なりに気づきやすくなります。

次に、仮説ごとに「何のデータを見れば確かめられるか」「もし正しければ、どんな数字になっているはずか」を決めておきます。

この表を先に作っておくと、データを見たときに「仮説Aは外れ、仮説Cが当たり」と判断が速くなります。また、確かめる順番も決められます。手間が少なく、当たったときの影響が大きい仮説から確かめるのが基本です。

自分の仮説の「反証」を探す

人には、自分の考えに合う情報ばかりを集め、合わない情報を軽く見てしまう傾向があります（確証バイアスと呼ばれます）。仮説を立てたら、「この仮説が間違っているとしたら、どんな数字が出るはずか」も考えておきましょう。仮説Aが正しいなら自然検索だけが減っているはずで、もし広告やメールからの訪問も同じように減っていれば、原因は検索ではなく、季節や景気のようなもっと全体的なものかもしれません。

データの種類と、そろえ方

仮説を確かめるには、データが必要です。データにはいくつかの分け方があり、分析の前に「手元のデータがどの種類か」を意識しておくと、使える分析の方法が見えてきます。

特に大事なのは、明細データと集計データの違いです。明細データは「1行＝1件の注文」のように、出来事を1件ずつ記録したデータです。集計データは「月別の売上合計」のように、明細をまとめた表です。集計データからは明細に戻れないので、あとで「新規客と既存客に分けたい」と思っても分けられません。分析のためのデータは、できるだけ明細の形で取っておくのが基本です。

もう1つ大事なのは、データの「定義」をそろえることです。たとえば「問い合わせ数」と言っても、フォームの送信数なのか、電話も含むのか、重複やいたずらを除いたあとの数なのかで、数字は変わります。部署によって定義が違えば、同じ会議で違う数字が出てきて、議論がかみ合いません。分析を始める前に、使う指標の定義を1行で書き出しておきましょう。

この記事の監修者に相談できます

監修者の田中磨生が代表を務める株式会社Abinで、ご相談をお受けしています。

相談無料ツギノテ編集部に相談する→

分析でよくある4つの失敗

最後に、分析でよくある失敗を4つ紹介します。どれもこの講座の後半で詳しく扱うテーマです。

1. 結論ありきで数字を探す：先に「SNSは効果がある」と決めて、それを支える数字だけを集めてしまう。問いと仮説を先に立て、反証も探すことで防ぎます（この回）。
2. 平均だけを見る：一部の大口顧客が平均を押し上げていて、「ふつうの顧客」の姿が見えていない。中央値やばらつきを合わせて見ます（第2回）。
3. 一緒に動く＝原因と思い込む：広告費を増やした月に売上が伸びたからといって、広告が原因とは限らない。季節など第三の要因を疑います（第4回）。
4. 偶然の上下に一喜一憂する：先週より成約率が0.5ポイント上がったと喜んだが、実はふだんのぶれの範囲内だった。有意差や誤差の考え方で判断します（第5回・第6回）。

実務ではこう使う：分析の「依頼書」を1枚書く

分析を頼まれたとき、あるいは自分で始めるときは、作業に入る前に次のような「依頼書」を1枚にまとめておくと、手戻りが大きく減ります。

依頼書は、分析を外部の会社に頼むときにもそのまま使えます。データ分析を専門の会社に任せる場合の選び方はデータ分析会社おすすめ比較で、実際に分析を施策に生かした会社の話はデータ分析会社の成功事例で紹介しています。また、Webサイトの数字の場合は、目的からKPIを決める考え方をアクセス解析とGA4 第1回で詳しく説明しています。

この回のまとめ

• データ分析は、数字を報告することではなく、何かを決めるための材料を作ること。
• 分析は「問題→計画→データ→分析→結論」のPPDACサイクルで回す。特に問題と計画に時間をかける。
• 良い問いは、判断につながり、答えられ、範囲が決まっている。「答えが分かったら何を決めるか」を確かめる。
• 仮説は分解して複数出し、見るデータと「正しければどうなるか」を先に決める。反証も探す。
• データは明細の形で残し、指標の定義をそろえる。

確認テスト

次回予告

次回は、数字の「ふつう」と「ぶれ」をつかむ方法を学びます。平均だけを見ていると見落としてしまうことを、中央値やばらつき（標準偏差・四分位）を使って見えるようにしていきます。

参考資料

• 総務省統計局「なるほど統計学園：問題の解決（PPDACサイクル）」（確認日：2026年11月12日）https://www.stat.go.jp/naruhodo/12_ppdac/index.html