要素Aが要素Bに影響を及ぼしている（A→B）という関係の分析には、前回ご紹介した回帰分析が使えます。関係が可視化できれば、要素Bを改善するために要素Aの打ち手を考えることができます。

しかし、実際のビジネスには、要素Cが要素Aに影響を及ぼしており、それが要素Bに影響している（C→A→B）ことがあります。この時、影響の大きさがC＞Aであるなら、本当に打ち手を考えるべきは要素Aではなく要素Cでしょう。このように、間接的な影響を考慮した分析には共分散構造分析が適しています。同様の狙いを簡略的な分析で実現したものをパス解析と言います。

具体例を挙げましょう。従業員満足度調査を分析したところ、「従業員満足度」の形成には「働きがい」が影響していることが分かりました。そこで配属の見直しや人事制度の改革を進めましたが、思ったほど効果がありません。共分散構造分析を行ってみると、「会社への共感」が間接的に効いていることがわかりました。つまり、「会社への共感→働きがい→従業員満足度」という関係です。会社への共感が十分でないことが、働きがいの向上にブレーキをかけていたのです。

マーケティングであれば、新聞等のマスメディアへの広告出稿が購買行動にどのように影響しているのか？といった可視化しづらい問題も、こうした手法で分析できます。

（6）決定木分析「結局、どこが勝負の分かれ目なの？」

決定木分析は視覚的に分かりやすい分析手法です。ある結果を目的変数として、そこに至る分岐を可視化します。　例えば、顧客がどのような場合にサービス解約に至るかを推定できます。顧客データベースをもとに、「利用頻度が月に3回を下回った場合」、「カスタマーセンターへの問い合わせが累計で2回以上になった場合」、「契約から6カ月が経過した場合」のように、解約に結びつきやすいパターンを導出し、それを末広がりの樹形図で表現します。樹形図の上方に位置するほど影響が大きい条件のため、対策の優先度もわかります。

人間は時に不合理な意思決定を行うので、決定木で精緻な予測ができるかと言えばそうとも限りません。しかし、複雑な行動（例：消費行動など）の中にある種のパターンを発見することは、全くの手がかりなしで相手を理解しようとする場合と比べて、大きな助けとなるはずです。何となく想像していたパターンを確認して仮説に自信を深めたり、想定していなかったパターンを見つけることでインサイトの理解を得られたり、使い所が多い分析です。

データは過去、アートは未来

他にも複数の変数間の関係性を2次元で表現するコレスポンデンス分析、変数の分類に確率を導入することでクラスター分析よりも柔軟な分類が可能なトピックモデルなど、多様な分析手法があり、いずれもアートの起点になったり、アートに対するエビデンスとして役立ちます。

最近、複雑な推論をこなせるAIモデルが登場するなど、AIを仕事に使う環境が整ってきました。AIが計算を安定的に代行できれば、サイエンスのハードルは更に下がり、経営の高度化が期待できます。残念ながら、今のAIモデルではまだ実務に投入するには不安が大きいのですが、そもそも上述の分析であれば、市販のソフトを使えばノンプログラミングで実行可能であり、すでに十分、サイエンスのハードルは低くなっているとも言えます。最大のハードルは、サイエンスに対する苦手意識なのかもしれません。

（次回は11月15日号に掲載予定）

• 生産性新聞2024年10月15日号(第3面)（PDF：140B）

◇記事の問い合わせは日本生産性本部コンサルティング部、電話03-3511-4060まで