仮説設定のコツ：具体性でデータ分析を成功に導く【東京情報大学・嵜山陽二郎博士のAIﾃﾞｰﾀｻｲｴﾝｽ講座】
仮説検証型分析では、具体的な仮説が必要。業務で感じた疑問が仮説になる。具体性が重要で、例えば、特定年齢層の顧客の売り上げ割合や時間帯の影響を検証。データ分析の前に、分析対象を明確に。コンピュータは抽象的な概念を理解できず、専門知識がない人にも理解しやすいように具体的に仮説を設定する必要がある。
▼▼▼▼▼▼▼▼
チャンネル登録はこちら
データで確かめたい仮説を立てる
仮説検証型分析の手順
具体的な仮説を立てることがポイント
仮説検証型分析を行うには、検証するための仮説が必要です。
仮説といっても、難しく考える必要はありません。
日々の業務で感じている疑問が、そのまま仮説になります。
ただ、仮説はなるべく具体的なほうが、データで検証しやすくなります。
例えば、「どんな顧客が会社にとってよいのか」という漠然とした仮説より、「20―30代の若年層では、男女でどちらの売り上げ割合が大きいのか。40―50代の中年層ではどうか。時間帯や曜日ではどうなるか」という具体的な仮説のほうが、仮説を検証するために必要なデータをスムーズに作ることができます。
データは数字としてコンピュータに記録されており、どのデータを分析するのかを明確にしなくてはならないです。
会社にとってよい、という情報は、人間であれば売上高や利益率が高い、ということはわかりますが、コンピュータはわかりません。
また、分析者が業務知識を持っていない場合もわかりません。
そのため、仮説はなるべく具体的にしておきましょう。
分析のための仮説には、具体的な値を設定する。
具体性のない情報はコンピュータが理解できないため、分析が難しい。
同時に、専門知識を持っていない分析者にも伝わらない。
関連記事
