データ分析・統計分析

アンケートデータ、売り上げデータ、消費者行動データ、
行動履歴などのデータを分析・解析することで、
そのデータから導かれる様々な事実を明らかにしデータに価値を生み出します。(データマイニング)

研究論文の分析コンサルティングでは、
研究用に取得したデータの分析方針を提案し実際に分析することで、
査読付き論文でも利用可能な新知見を導き出します。(論文統計、医療統計、心理統計)

集計・クロス集計

分析の基本はデータの集計にあります。アンケート調査などで収集したデータについて、「度数」や「割合」でその結果を要約することを「集計」といいます。また設問間(問1×問2、など)や項目間(売上げ×年度、など)を掛け合わせて集計することを「クロス集計」といいます。
全体を集計した単純集計とクロス集計を実施することで、行動別、特性別、性別、年代別など様々な切り口で回答の違いを比べることができます。

有意差検定

有意差とは、複数のグループの数値の間に客観的な差があることをいう。(統計的)有意差検定とは統計的仮説検定を実施することで、有意差の有無を判定します。代表的な有意差検定には、母平均の差の検定と母比率の差の検定が挙げられます。前者はある実験やアンケートで得られた数値の平均値(例えば体重など)が、ある群間(例えば男女など)で統計的に有意に差があるのかを判定し、後者は2値データ(例えば車の所有率)が群間(例えば、東日本と西日本)で統計的に有意に差があるのかを判定します。他には分散分析などの多重比較も研究論文では多用されています。
有意差検定により、集計結果・クロス集計の結果がより有益な情報に深化します。

多変量解析

統計学において、複数の独立変数(説明変数)からなる多変量データを統計的に扱う手法のことを多変量解析といい、多くの情報(変数に関するデータ)の因果関係を探索したり、集約化することで関連性を明確にすることができます。アプローチ手法は、1)予測の手法、2)要約の手法、に大別することができます。予測の手法には、重回帰分析、ロジスティック回帰分析、判別分析、数量化Ⅰ類、数量化Ⅱ類などが、要約の手法には、主成分分析、因子分析、クラスター分析、コレスポンデンス分析、数量化Ⅲ類、数量化Ⅳ類、MDS、コンジョイント分析、共分散構造分析などがあります。
多変量解析により、データ間の見えていなかった関連性を明らかにします。

ビッグデータ分析

ビッグデータ分析とはアンケートデータにとどまらない大規模なデータ(POSデータ、IS-POSデータ、会員データ、アクセスログデータなど)内の、それぞれの関連性や近似性などを明らかにしマイニングすることをいいます。クロス集計や多変量解析の手法を用いて分析を進めます。
また解析から得られた分類や規則性をモデル化することで、各種マーケティング施策をAIとして機能させることができます。

テキストマイニング

テキスト情報からなる質的データから、関連性や特徴を明らかにすることをテキストマイニングといいます。テキスト情報によるデータマイニング手法であり、品詞や単語の出現頻度や共起語の頻度、共起ネットワーク、クラスター分析、時系列変化などを解析します。