営業もマーケティングも、データ分析をするぞ！ と考えたとき、最初に手を付けるべきことがあります。
それは、グロスの売上データを時系列に並べ、グラフ化などをして眺めることです。グロスとは全体という意味で、会社全体の売上とか、扱っている商品全体の売上とか、所属している部署全体の売上とかです。
そんなこと当たり前だろ！ と思いがちですが、意外とできていない。
今回は、やっていそうで十分にできていない、売上分析で先ずやるべき、グロスのデータを眺めてみる、ということについてお話しいたします。
どうも売上分析しているのに、売上に貢献していないなと感じられていましたら、一つのきっかけになるかもしれません。
グロスのデータを眺めているようで、眺めていない
グロスとは、全体という意味です。何を全体とするかで、変わってきます。
全体を、会社とするのか、自分の扱っている商品とするのか、自分の所属する部署とするのか、で変わってきます。何を全体とするかは、人それぞれですが、意外とグロスのデータを、見ているようで見ていないように感じています。
過去に何社かデータ活用のお手伝いをさせて頂きました。そのとき最初にやるのが、グロスのデータ（例：売上など）を眺めることです。
グロスのデータを眺めただけで、色々なことが見えてきます。
例えば……
- データがどの程度キレイか？
- データに異常値はないか？
- 使えそうなデータはいつからか？
データ分析上、「使えそうなデータはいつからか？」を決めるために、グロスのデータを眺めます。そのため、「データがどの程度キレイか？」と「データに異常値はないか？」という視点で徹底的に見ていきます。
そしてすでにデータ分析している企業の場合、「このデータを使って、よく今まで分析していたなぁ～」と私自身驚きます。汚いデータのままデータ分析をしている企業が、結構多いようです。
実は、グロスのデータを眺めることは、「データ分析そのもの」だけでなく、その先の「データ分析の活用」上いい効果があります。データ活用上のビジネス理解が深まるからです。
データ活用上のビジネス理解が深まる
グロスのデータを眺めることで、データ活用上のビジネス理解が深まります。
丁寧に、売上などのグロスのデータを眺めると、通常では考えられない動きをしていたり、明らかに可笑しな跳ね方や落ち方をしているデータが発見されます。場合によっては、データが欠測（データが取得できていない）している場合もあります。
なぜ、売上などのグロスのデータが通常では考えられない動きをするのかは、データからは分かりません。そのとき、現場の人にヒアリングするしかありません。そうすることで、データ活用上のビジネス理解が深まっていきます。
データは、最近たくさん蓄積されるようになるといっても、まだまだほんの一部です。データからすべてが分かるほど、世の中にはデータは蓄積されていません。データだけで分からないことは、そのデータに近しい現場が知っています。
グロスのデータを眺め、変だなと思う個所は現場などに聞きに行く。その聞きに行くきっかけになるのです。
異常スコア（もしくは、外れ値スコア）
売上などのデータをパッと見ただけで、可笑しな箇所を発見することもあれば、そうでない場合もあります。見るべきデータがたくさんあると、ウンザリします。
データが欠測していれば分かりやすいですが、データがきちんと測定されている場合、そもそも、どのくらい逸脱したデータであれば可笑しいのか、判断に迷うこともあるでしょう。
そのようなときは、よく異常スコア（もしくは、外れ値スコア）という指標を使います。データの異常の度合いです。
例えば、ある統計モデルの残差を使い、異常スコア（もしくは、外れ値スコア）を算出します。ここでは詳しい話は割愛しますが、異常スコア（もしくは、外れ値スコア）は簡単に求めることができます。
つまり、売上などのグロスのデータを見るとき、ローデータをざっと眺めたりグラフ化し眺めるとともに、異常スコア（もしくは、外れ値スコア）をざっと眺めたりグラフ化し眺めるとよいでしょう。
ある統計学的な閾値を設定し、Excelなどでそこだけデータに色を付けて分かりやすくするのもよいでしょう。これだけで結構な割合で、データの可笑しな箇所を発見できます。
データクレンジングが甘いと成果が出にくい
このような、異常スコア（もしくは、外れ値スコア）を使ったやり方は、データ分析のデータ整備上、非常に重要になってきます。
そもそも、分析で使うデータが汚いとろくな目にあいません。データ分析結果の良し悪しは、利用したデータに大きく依存します。
より良いデータ分析結果を出したいなら、利用するデータもより綺麗なデータがよいでしょう。そのデータを綺麗にするために、異常スコア（もしくは、外れ値スコア）は非常に重要になってきます。
異常スコア（もしくは、外れ値スコア）をもとに、データの可笑しな箇所を発見したら、データ分析する上で次にすべきは、データのクレンジングです。つまり、データを綺麗にし分析で使っても問題ないようにします。
しかし、クレンジングできないような場合もあります。それでも構いません。そのクレンジングできない問題を抱えたまま、データ分析をし、後はデータ分析結果の解釈でカバーします。
要するに、異常スコア（もしくは、外れ値スコア）を使いグロスのデータを眺め、可笑しな箇所を発見することは、データのビジネス活用上も、データ分析上も、どちらにとっても非常に有意義なことなのです。
今回のまとめ
今回は、「売上分析で先ずやること……、それはグロスのデータを眺め、あることに気づくこと」というお話しをしました。
データ分析をする前、誰もがやることと言えば、ローデータのグロスをグラフ化したりし眺めることだと思います。
しかし、データ分析もしくはその活用が上手くいっていない場合、その誰もがやることが、甘かったりします。
ちなみにグロスとは全体という意味で、何を全体とするかで見えてくるものは変わってきます。全体を、会社とするのか、自分の扱っている商品とするのか、自分の所属する部署とするのか、で変わってきます。
そのグロスのデータを眺めることで……
- データ分析結果の精度がよくなる
- データ分析結果のビジネス活用が良い方向に向く
……という恩恵があります。
ぜひ、どうも売上分析しているのに、売上に貢献していないなと感じられていましたら、ぜひ試してみてください。データ分析のビジネス活用が進展する、一つのきっかけになるかもしれません。
