サンプリング調査 (2/7) - 統計学が最強の学問である

この 2 章では、サンプリングコストが情報コストを激減させる、のタイトルです。

サンプリング調査とは、データ全体から一部のデータ群をサンプルとして抽出して、どれほどの意味があるのかを統計的に計算するという手法です。

この章では例として、1930 年前後のアメリカのニューディール政策のころの失業率の統計手法が挙げられています。

アメリカ政府が比較検討↓

「失業者に登録カードへの必要事項の記入と最寄りの郵便局からの郵便を義務付ける」
vs
「無作為に選んだ全人口の 0.5% ほどに対してサンプルリング調査を実施」

全数の調査を実施出来れば良いですが、現実的ではありません。サンプリング調査に関しては、当時ものすごい批判があったようですが、その数年後に驚くほどの精度が分かったそうです。

ここで著者が指摘しているのは、確かに理論上は全件数の方が精度が高いですが、限られた時間、人手、お金の中で意味のある統計を出して判断や行動に出るにはサンプリング調査でも十分ではないか、ということです。

さらには最近ビッグデータというのが最近流行でありますが、事前に検証すべし、とも書いています。

ごもっともだと思います。何もやみくもに 10 億件、100 億件のデータを解析しなくてもサンプリングで分かるならやることにこしたことないですよね。

統計の凄さ (1/7) - 統計学が最強の学問である

ここでは、統計学が最強の学問である について書いて行きたいと思います。

まず、この本の最初には「統計学思考は読み書きと同じくらい重要」と述べられています。

最初の例として載っているのが、本の著者が関わった小売業では、ただ送ってたダイレクトメールにおいて「どういう客には送り、どういう客には送らない」という最適化を実施した内容です。すると何と結果は売り上げが 6% も上がったそうです。本には売り上げ 1,000 億円の会社とありましたから、これだけで 60 億円もアップです。

ここで重要だと思うのは以下の２点だと思います。
1. 統計的取り組みによってリスクなく自社の売り上げを大幅に上げる事ができた
2. 競合がやる前に取り組んだため、競合に顧客および売り上げを取られなくて済んだ

市場で競争している分、競合にやられず自社でせめて行く事が大切ですからね。

小売業の例に戻ると、本の著者はこのような統計的アプローチは小売業のみならず、どの分野、業種においてもデータを分析することで最善の解を出す事ができると書いてあります。

また、一方で面白い (funny) 事が書かれてあります。「会社においては何か新しい取り組みを行う際に、年を取った人々が "自分の感覚ではうまくいかない" とか "長年の経験によるとうまいくいかない" などを言ってくる事が多々あるが、これは必ず正しくない」とぐさり。確かに、その人 1 人の経験や勘でを頼りして、会社の企画や売り上げ策を決めたくないですからね。

その他の面白い (interesting) な例では、映画にもなった「マネーボール」についても触れられています。ご存知の方も多いかと思いますが、アメリカのお金のない弱小球団が強くなるために野球のプレーに関するありとあらゆる項目を数値化して、データ分析による改善の取り組みでチームが強くなり試合に勝って行くというものです。

上記の例を取り上げて、統計学がこのように流行って来たのは IT の進歩のおかげだと書いてあります。

この部分には全く同感です。私が思うに次の 4 つ要因があるのではないでしょうか。
1. PC などの処理速度自体が大幅に上がり計算が早くなった。複雑な計算式や繰り返し計算など
2. データ分析対象が増えた。アンケート調査などに加えて、Web アクセス情報、ソーシャル、購買履歴など
3. データ分析の結果を他システムへのインプットするようになった。グラフツール、会計、営業施策など
4. 上記の 1 から 4 を繰り返すようになった。1 日ごと、1 時間ごと、1 分ごと、、

この章の最後には次の引用で締めくくっています。

Google チームエコノミストであるハル・バリアン博士が 2009 年にマッキンゼー社にコメントを寄せた。「これからの 10 年で最もセクシーな職業は統計化だ」と。

この 1 章を読むだけでも、ますます次の章を読むのが楽しみになってきますね。

ちょっと頭を使いました。甘い物が欲しくなったので生チョコをネットで注文してしまいました。宇治抹茶の生チョコです。宇治抹茶　生チョコレート(こちらは楽天のリンクになります)