TL;DR
- 前回（Part 2）で隣接県差異から未知の発見を出した（大分の460年医療史、島根vs鳥取の福祉哲学）
- しかし戦略コンサルから見ると 「So What?（だから何？）」「Why Now?（なぜ今？）」「多角的スコアリング」 の3つが足りない
- 8つの合成指標（医療分散度、福祉哲学スコア等）を設計。単一指標の比較から「構造の違い」の可視化に進化
- 高齢化ステージ分析で、年齢中位数を「時間軸のプロキシ」に。「先行投資県」vs「対応遅れ県」を判定
- 結果: 大分は「分散型遠隔診療のモデル県だが、施設供給は高齢化ステージ最下位」、島根は「措置型介護の全国モデル、同ステージ2位の先行投資県」という行動可能な示唆まで到達
前回記事・Part 2: 「裏切り度スコア」は裏切られた ── 隣接県差異で"460年の医療史"と"福祉哲学の分岐"を発掘した話
前々回記事・Part 1: 「AI時代の新しい統計探偵」E-Stat全探索は「意外性」を殺す ── 裏切り度スコアで47都道府県の"常識破り"を発見する
1. Part 2の成果と「3つの壁」
前回までの到達点
Part 1（裏切り度スコア）では、全国回帰の残差から外れた県を検出した。
長野の公民館、沖縄の住宅 ── 発見は全て既知だった。
Part 2（隣接県差異）では、比較対象を「全国」から「隣の県」に変えた。
大分県の有床診療所が全国1位（1557年の西洋医療伝来に遡る）、島根vs鳥取の福祉施設の選択が真逆（措置型vsリハビリ型）という、統計でしか見えない文化の差分を発掘した。
**発見の新規性は上がった。**
だが、ここで壁にぶつかった。
ビジネスレベルとの「3つの差」
戦略コンサルのレポートと自分の分析を並べて比較した時に、明確な差が3つあった。
差1: 「So What?（だから何？）」の深さ
現状: 「大分は分散型医療、福岡は集約型医療という構造がある」
コンサル: 「したがって、大分で遠隔診療サービスを展開する際は、
大病院ではなく『有床診療所のネットワーク化』から入るのが勝ち筋」
発見の先に**「誰が、何を、どうすべきか」**がない。
差2: 「Why Now?（なぜ今？）」の時間軸
現状: 「現在の大分と福岡の差異は2.6倍」
コンサル: 「10年前の差異は1.8倍だったが、直近で2.6倍に拡大。
地域医療構想の推進で大分が独自路線を強化したためだ」
スナップショットのデータしかないので、時系列の比較ができない。
差3: 指標の「合成」による多角的スコアリング
現状: 「有床診療所数が多い」「医師数は普通」を別々に報告
コンサル: 「医師数（入力）に対する有床診療所数（出力）の比率」を
出し、大分の医療リソースの『分散効率』を全国スコアリング
単一指標の比較では構造が見えない。
2. Gap 3を埋める: 合成指標の設計
発想: 「数字」から「比率」へ
Part 2までは「有床診療所数が多い」「医師数は普通」を別々に見ていた。
しかしビジネスでは 「入力に対する出力の比率」 が意思決定の鍵になる。
例えば:
- 「病院が100ある」は事実
- 「医師1人あたり0.06の有床診療所がある」は構造
この発想で8つの合成指標を設計した。
8つの合成指標
| # | 指標名 | 計算式 | 見えるもの |
|---|---|---|---|
| 1 | 医療分散度 | 有床診療所数 / 医師数 | 高い＝分散型、低い＝集約型 |
| 2 | 診療所ベッド密度 | 診療所病床数 / 有床診療所数 | 1施設あたりの入院機能の規模 |
| 3 | 病院集約度 | 病院病床数 / 病院数 | 高い＝大規模集約型 |
| 4 | 福祉哲学スコア | 養護定員 / (養護定員+老健定員) | 1.0＝措置型、0.0＝リハビリ型 |
| 5 | 高齢者施設供給力 | (福祉施設定員+老健定員+養護定員) / 年齢中位数 | 高齢化度あたりの施設充足度 |
| 6 | 教育投資効率 | 小学校教員数 / 児童数 | 少人数教育の手厚さ |
| 7 | 経済生産性 | 課税対象所得 / 就業者数 | 就業者1人あたりの付加価値 |
| 8 | 医療福祉バランス | 医療施設数 / 福祉施設数 | 医療偏重 vs 福祉偏重 |
ポイントは全てが比率であること。
人口規模の影響を受けず、構造を直接比較できる。
全国ランキング（抜粋）
医療分散度（高い＝分散型）:
| 順位 | 都道府県 | 医療分散度 | 構造 |
|---|---|---|---|
| 1 | 大分県 | 0.064 | 分散型の極致 |
| 2 | 鹿児島県 | 0.060 | |
| 3 | 佐賀県 | 0.056 | |
| ... | ... | ... | |
| 45 | 神奈川県 | 0.008 | |
| 46 | 大阪府 | 0.007 | |
| 47 | 東京都 | 0.006 | 集約型の極致 |
大分は全国1位。東京の10.5倍。
Part 2で見つけた「有床診療所が多い」という事実が、合成指標では「医師あたりの分散効率が日本一」という構造の記述に変わった。
福祉哲学スコア（高い＝措置型）:
| 順位 | 都道府県 | スコア | タイプ |
|---|---|---|---|
| 1 | 宮崎県 | 0.355 | 強い措置型 |
| 2 | 島根県 | 0.328 | 措置型 |
| 3 | 高知県 | 0.277 | |
| ... | ... | ... | |
| 45 | 沖縄県 | 0.071 | |
| 46 | 宮城県 | 0.069 | |
| 47 | 神奈川県 | 0.057 | 強いリハビリ型 |
島根は措置型で全国2位。
一方の鳥取は0.121で中位。
Part 2の「島根＝措置型、鳥取＝リハビリ型」が数値で裏付けられた。
合成指標の隣接県差異TOP10
合成指標に対しても隣接県差異スコアを計算した。
| 順位 | ペア | 合成指標 | スコア | 高い方 | 低い方 |
|---|---|---|---|---|---|
| 1 | 東京 vs 神奈川 | 経済生産性 | 4.77 | 東京(6550) | 神奈川(2838) |
| 2 | 大分 vs 福岡 | 医療分散度 | 4.65 | 大分(0.064) | 福岡(0.024) |
| 3 | 京都 vs 福井 | 診療所ベッド密度 | 4.38 | 福井(15.6) | 京都(8.4) |
| 4 | 山梨 vs 東京 | 経済生産性 | 4.23 | 東京(6550) | 山梨(3202) |
| 5 | 千葉 vs 東京 | 医療福祉バランス | 4.21 | 東京(17.4) | 千葉(6.0) |
| 6 | 島根 vs 鳥取 | 福祉哲学スコア | 4.06 | 島根(0.328) | 鳥取(0.121) |
大分vs福岡の医療分散度が2位、島根vs鳥取の福祉哲学スコアが6位。
Part 2で発見した2つのストーリーが、合成指標でも上位に来ている。
別の角度から検証しても同じ構造が浮かぶ ── これは発見の頑健性を示している。
3. Gap 1を埋める: 「So What?」の付与
合成指標 × 隣接県差異 → 戦略示唆
合成指標の差異が大きいペアに対して、行動可能な示唆を自動生成する仕組みを作った。
大分 vs 福岡: 合成指標で読む8つの構造差
| 合成指標 | 大分 | 福岡 | 比率 | 意味 |
|---|---|---|---|---|
| 医療分散度 | 0.064 | 0.024 | 2.64x | 大分は福岡の2.6倍分散 |
| 診療所ベッド密度 | 15.1 | 13.7 | 1.11x | ほぼ同等 |
| 病院集約度 | 128.9 | 184.3 | 0.70x | 大分の病院は小規模 |
| 福祉哲学スコア | 0.199 | 0.140 | 1.42x | 大分がやや措置型 |
| 高齢者施設供給力 | 1.61 | 1.47 | 1.10x | ほぼ同等 |
| 教育投資効率 | 7.86 | 6.43 | 1.22x | 大分がやや手厚い |
| 経済生産性 | 2878 | 2321 | 1.24x | 大分がやや高い |
| 医療福祉バランス | 5.80 | 8.60 | 0.67x | 福岡は医療偏重 |
読み解き:
- 大分は「医師が少ない代わりに、小さな有床診療所を多数配置している」（医療分散度2.64倍）
- 福岡は「大規模病院に医師を集中させている」（病院集約度1.43倍）
- 福岡は医療偏重（バランス8.6）、大分は相対的に福祉もカバー（バランス5.8）
So What?:
大分で遠隔診療サービスを展開するなら、大病院ではなく「有床診療所のネットワーク化」から入るのが勝ち筋。
既に0.064という全国1位の分散インフラがある。これを遠隔でつなげば、大規模投資なしに「面の医療」が実現する。逆に福岡で同じことをやるなら、九州大学病院を頂点とした「ハブ&スポーク型」の遠隔診療が合理的。集約型の既存構造を活かす。
島根 vs 鳥取: 福祉哲学スコアが語る参入戦略
| 合成指標 | 島根 | 鳥取 | 比率 |
|---|---|---|---|
| 医療分散度 | 0.018 | 0.019 | 0.92x |
| 福祉哲学スコア | 0.328 | 0.121 | 2.71x |
| 高齢者施設供給力 | 2.21 | 2.03 | 1.09x |
| 教育投資効率 | 9.24 | 8.57 | 1.08x |
| 医療福祉バランス | 4.46 | 4.00 | 1.11x |
福祉哲学スコアの差が圧倒的（2.71倍）。他の指標はほぼ同等。
So What?:
島根で介護事業に参入するなら「施設型」から。 養護老人ホームの運営ノウハウが県内に蓄積されている。人材採用も施設型の方が有利。
鳥取で参入するなら「通所リハビリ・在宅介護」から。 老健施設を卒業した高齢者の在宅復帰を支える「アフターケア」市場が大きい。
4. Gap 2を埋める: 高齢化ステージ分析
問題: 時系列データがない
e-Statから取得したデータはスナップショット（1時点）。
「10年前はこうだった」と比較することができない。
しかし、年齢中位数は「その県が高齢化の時間軸のどこにいるか」を示すプロキシ になる。
発想: 47都道府県 = 47の「時間断面」
日本の高齢化は地域差がある。
- 沖縄（年齢中位数 47.3歳）は「10年後の東京」かもしれない
- 秋田（59.5歳）は「20年後の東京」かもしれない
つまり47都道府県を年齢中位数で並べると、時系列のない横断データから「擬似的な時間軸」が作れる
5段階分類（五分位）
47都道府県を年齢中位数の五分位で5ステージに分類した。
| ステージ | 年齢中位数 | 県数 | 代表県 |
|---|---|---|---|
| Stage 1（若年） | < 51.5歳 | 10 | 東京(47.2), 沖縄(47.3), 愛知(47.4) |
| Stage 2（中間前期） | 51.5-52.9歳 | 9 | 茨城(51.7), 広島(52.6), 福井(52.7) |
| Stage 3（中間） | 52.9-55.1歳 | 9 | 香川(53.2), 新潟(54.0), 長崎(54.7) |
| Stage 4（高齢化中期） | 55.1-56.5歳 | 9 | 長野(55.3), 北海道(55.9), 和歌山(56.4) |
| Stage 5（高齢化先進） | > 56.5歳 | 10 | 島根(58.6), 秋田(59.5), 高知(60.4) |
施設充足度 × 高齢化ステージ = 4つの戦略ポジション
各県の「高齢者施設供給力」と「高齢化ステージ」を2軸にとると、4象限のマトリクスになる。
施設供給力: 高い
│
┌─────────────────────┐ │ ┌─────────────────────┐
│ 先回り投資型 │ │ │ 先行投資型 │
│ まだ若いのに施設充実 │ │ │ 高齢化が進み施設も充実│
│ │ │ │ │
│ 福井、茨城、佐賀 │ │ │ 秋田、島根、山形 │
│ 岐阜、富山、香川、 │ │ │ 新潟、岩手、鳥取 │
│ 三重 │ │ │ 徳島、鹿児島 │
└─────────────────────┘ │ └─────────────────────┘
│
─── 高齢化: 若い ────────┼──────── 高齢化: 進行 ───
│
┌─────────────────────┐ │ ┌─────────────────────┐
│ 様子見型 │ │ │ 対応遅れ型 │
│ まだ若く施設も少ない │ │ │ 高齢化が進むのに不足 │
│ │ │ │ │
│ 東京、神奈川、大阪 │ │ │ 北海道、青森、高知 │
│ 愛知、沖縄、栃木 │ │ │ 山口、熊本、大分 │
└─────────────────────┘ │ └─────────────────────┘
│
施設供給力: 低い
分布:
- 先行投資型: 17県（高齢化が進んでいるが施設も充実）
- 様子見型: 16県（まだ若く施設も少ない）
- 先回り投資型: 7県（まだ若いのに施設が充実）
- 対応遅れ型: 7県（高齢化が進んでいるのに施設不足） ← ここが最も注目すべき象限
注目: 各ステージの「最も充実」と「最も不足」
| ステージ | 最も充実 | 供給力 | 最も不足 | 供給力 |
|---|---|---|---|---|
| Stage 1 | 佐賀 | 1.78 | 東京 | 1.07 |
| Stage 2 | 福井 | 1.99 | 千葉 | 1.34 |
| Stage 3 | 新潟 | 2.23 | 山梨 | 1.58 |
| Stage 4 | 山形 | 2.15 | 北海道 | 1.45 |
| Stage 5 | 秋田 | 2.37 | 大分 | 1.61 |
秋田が全国1位。
年齢中位数59.5歳で最も高齢化が進んでいるが、施設供給力も2.37で全国トップ。
高齢化の最前線で戦い続けてきた結果、施設整備が進んでいる。
大分がStage 5最下位。
医療分散度は全国1位なのに、高齢者施設供給力はステージ最下位。
「医療は強いが福祉が弱い」という構造が数値で可視化された。
So What?（ステージ分析版）
大分: 460年の分散型医療の伝統があり、有床診療所のインフラは全国1位。しかし高齢化ステージ5（年齢中位数56.9歳）で施設供給力がステージ内最下位。医療インフラを福祉に転用する施策が急務。具体的には、有床診療所を「医療型ショートステイ」の拠点に転換する。
秋田: 全国で最も高齢化が進んでいる（年齢中位数59.5歳）が、施設供給力も全国1位。「高齢化先進県」としてのノウハウを他県に横展開するビジネスモデルが成立する。介護人材の育成カリキュラム、施設運営の効率化ノウハウを「秋田モデル」としてパッケージ化できる。
東京: Stage 1（最も若い）かつ施設供給力が全国最下位（1.07）。今は問題ないが、団塊ジュニア世代の高齢化が本格化する2035-2040年に向けて、今から施設整備を始めないと間に合わない。
5. 統合: Part 1→2→3の進化を振り返る
同じデータから何が見えたか
| 手法 | Part 1（裏切り度） | Part 2（隣接県差異） | Part 3（合成指標+ステージ） |
|---|---|---|---|
| 何と比べるか | 全国平均 | 隣の県 | 構造の比率 + 高齢化位置 |
| 大分の見え方 | 検出されない | 有床診療所が全国1位 | 医療分散度1位 × 施設供給ステージ最下位 → 医療の福祉転用が急務 |
| 島根の見え方 | 検出されない | 養護老人ホームが多い | 福祉哲学スコア2位 × 供給力3位 → 措置型介護の全国モデル |
| アウトプット | 「外れている」 | 「隣と違う」 | 「だから何をすべきか」 |
大分の例で見る深さの違い
Part 1: （大分は全国平均から大きく外れていないため検出されない）
Part 2: 「大分は有床診療所が全国1位。隣の福岡の2.6倍。
1557年の西洋医療伝来以来の分散型医療の伝統がある」
Part 3: 「大分の医療分散度は全国1位（0.064、東京の10.5倍）。
医師1人あたりの有床診療所数が突出している。
しかし高齢者施設供給力はStage 5内で最下位（1.61）。
医療インフラは強いが福祉インフラが追いついていない。
したがって、有床診療所を医療型ショートステイの拠点に
転換する施策が有効。分散型の既存アセットを活かして
『面の介護』を実現できる可能性がある」
6. 限界と誠実な自己評価
3つのGapはどこまで埋まったか
| Gap | 目標 | 到達度 | 残りの差 |
|---|---|---|---|
| So What? | 意思決定の示唆 | 60% | 示唆は出せたが、実現可能性の検証（コスト、規制、人材）がない |
| Why Now? | 時系列の変化 | 30% | 高齢化ステージは「擬似時間軸」であり、真の時系列比較ではない |
| 多角化 | 合成指標 | 80% | 比率による構造可視化は成功。ただし指標の網羅性に限界あり |
正直に言えること
できたこと:
- 単一指標の比較から「構造の比率」への進化
- 発見に対する行動可能な示唆の付与
- 高齢化ステージによる緊急度の可視化
できていないこと:
- 定性情報の統合: データには載らない規制環境、政治状況、地域コミュニティの力学
- ヒアリングによる検証: 大分の医療関係者に「分散型は意図的か歴史的必然か」を聞いていない
- 実行可能性の評価: 「有床診療所の転換」は法規制、経営者の意向、人材確保のハードルがある
- 真の時系列分析: e-Statから複数年のデータを取得すれば「いつから差が開いたか」が検証できる
コンサルとの残りの差は「データの外」にある。
統計分析が到達できる限界がここで見える。
7. まとめと次の一手
Part 1→2→3の進化
| Part | 比較対象 | 発見の質 | アウトプット |
|---|---|---|---|
| 1 | 全国平均 | 既知の再発見 | 「この県は外れている」 |
| 2 | 隣の県 | 未知の発見 | 「隣と違う。なぜか」 |
| 3 | 構造の比率 + 高齢化位置 | 行動可能な示唆 | 「だから何をすべきか」 |
次の一手
- e-Statから過去データを取得して真の時系列分析: 「10年前の大分の医療分散度はいくつだったか」を検証すれば、Gap 2が本当に埋まる
- 市区町村レベルへの分解: 県単位では見えない「県内の格差」を可視化。大分県内でも大分市と中山間部では構造が違うはず
- クラスタリングとの統合: 合成指標で47都道府県をクラスタリングし、「大分型」「福岡型」「島根型」「鳥取型」のアーキタイプを定義
Part 1で「何が外れているか」を見た。
Part 2で「何が隣と違うか」を見た。
Part 3で「だから何をすべきか」に踏み込んだ。データ分析の進化は「何を測るか」ではなく 「何を比べるか」 と 「何を割るか」 の進化だ。
単一指標から比率へ。スナップショットから擬似時間軸へ。
まだコンサルのレベルには遠いが、「データだけでどこまで行けるか」の限界が見えたこと自体が、次に何をすべきかを教えてくれる。
使用データ: e-Stat 社会・人口統計体系（47都道府県 x 354指標、空き家除外後194指標）
コード: Python / pandas / numpy / 合成指標8本 / 高齢化5ステージ分類