はじめに

先日、統計学のイベントに参加してきた。統計学をこれから学習・活用していくための準備や心得を得ることができたので、学んだ内容をまとめていきたい。

実務でデータ分析をする機会は多いけど、意外と正しい手法を知らずに進めてしまうことが多い。今回のイベントで「やってしまいがち」なミスや、データを正しく見るための視点を学べたのは非常にためになった。

データの種類を見極める

まず大前提として、扱うデータが質的データか量的データかを見極めることが大事だ。これによって分析の手法が変わってくる。

質的データと量的データ

質的データ: カテゴリや属性を表すデータ（性別、職業、好きな色など）
量的データ: 数値で表されるデータ（身長、体重、売上金額など）

質的データは基本的にカウントして、他の項目との関係性を見ることが中心になる。一方、量的データは平均値や標準偏差などの統計量を算出して分析していく。

データ分析の基本的な手順

データ分析には以下のような手順を踏んで実践すると効果的だ：

データの種類を確認する（質的か量的か）
データの特徴を把握する（中心傾向、散らばり具合）
データを可視化する（グラフ化してパターンを発見）
仮説を立てて検証する（仮説検定）

この流れを意識するだけで、分析の質が大きく変わってくる。

量的データを扱うときの落とし穴

平均値を最初に出すのは間違い！

量的データを扱うとき、ついやってしまいがちなのがいきなり平均値を出してしまうこと。これは気をつけたい。

まず確認すべきは外れ値の有無だ。外れ値は最大値と最小値から算出するのが正しいアプローチ。平均値は外れ値の影響を大きく受けてしまうため、外れ値がある場合は平均値がうまく機能しないケースがある。

中央値の重要性

外れ値がある場合や、データの分布が偏っている場合は、**中央値（メディアン）**を使うと安定した値が出せる。平均値だけに頼らず、状況に応じて適切な代表値を選ぶことが重要だ。

標準偏差＝リスクという視点

データの散らばり具合を表す標準偏差について、非常に分かりやすい説明があった。

標準偏差＝データの散らばりの大きさ＝リスク

平均値＝リターン

この視点で考えると、例えば2つの投資商品があって：

A商品：平均リターン5%、標準偏差10%
B商品：平均リターン5%、標準偏差3%

平均値（リターン）が同じなら、当然リスク（標準偏差）が小さいB商品を選ぶよね、という話。標準偏差を出すことで、正しくデータを見ることができるようになる。

データの可視化が必須

数字だけ見せられても分かりづらいので、**データの可視化（ビジュアライズ）**が必要だ。

量的データの可視化

ヒストグラム: データの分布を確認
箱ひげ図: 外れ値や四分位数を視覚的に把握

質的データの可視化

棒グラフ: カテゴリごとの数量を比較
100%積み上げ棒グラフ: 質的データと量的データの関係を見るときに特に有効

質的と量的のグラフはだいたい100%積み上げ棒グラフを使うことが多いというのも、実務で使えるTipsだと思った。

仮説検定で検証する

データを眺めてだいたい推測が立ったら、それを仮説検定で検証しないといけない。感覚だけで判断せず、統計的に有意な差があるのかを確認することが重要だ。

💡 仮説検定とは？

「その差は、たまたま（誤差）か？それとも意味がある（必然）か？」を判定する統計的な決着の付け方です。

判定のルール
仮説を立てる：「差なんてない（偶然だ）」と仮に決める。

P値を出す：その現象が「偶然起きる確率」を計算する。

結論：確率（P値）が 5%以下なら、「偶然とは言い切れない（意味がある差だ！）」と認定する。

🛠️ Excel・スプシでのやり方
2つのグループ（例：A案とB案）の平均を比べるなら、この関数1つでOK。

=T.TEST(範囲1, 範囲2, 2, 2)

出た数字が 0.05 以下＝「意味のある差がある」

出た数字が 0.05 超え＝「ただの誤差（誤差の範囲内）」

まとめ

今回のイベントで学んだことをまとめると：

データの種類（質的/量的）を見極めることから始める
平均値を最初に出すな、外れ値の確認が先
標準偏差＝リスクという視点を持つことでデータを正しく見られる
データの可視化は必須
仮説検定で推測を検証する

他にもいくつかデータ分析の実例が出てきて非常にためになった。実務でも正確に統計学を活用して、より良い意思決定に生かしていきたいと思う。

統計学は難しそうに見えるけど、基本的な考え方を押さえれば実務でもすぐに活用できる。特に「平均値だけ見ない」「標準偏差でリスクを測る」という2点は、明日から使える知識だと思う。

参考

「【無料】数式なしでわかる！「統計のキホン超入門」仕事で差がつく“数字の読み方・伝え方”」主催 : WAKARA.CO　https://datascience-wakara.connpass.com/event/380333/（2026年2月4日参加）