◆ 売上分析指標（KPIなど）の3つの見方
売上分析をするデータの多くは、時系列データと呼ばれるものです。時系列データとは、時系列に推移したデータです。例えば、売上そのものは典型的な時系列データです。そう考えると、時系列でないデータの方が、売上や受注件数、訪問回数などの売上分析指標（KPIなど）の中には少ないくらいです。昔から、時系列解析という統計学の分野があるぐらい、社会的ニーズがあり、そして奥の深い分野です。奥の深いというのは、「ややこしい」ということです。定常性だの単位根だの、一般社会からかけ離れた概念がたくさんでてきます。
ここでは、時系列解析の「ややこしい議論」はいたしません。このような概念は非常に有用なものですが、こだわり過ぎると、にっちもさっちもいかなくなります。そういうものは、実務上はいったんわきに置いた方がよいでしょう。こだわったからと言って、ものすごいビジネス成果を得るわけではありません。そもそもスピード感がなくなります。タイミングを逃してしまったら、元も子もありません。そのあたりは、データの見方や解釈でカバーした方がよいでしょう。その解釈をするときに、気を付けた方がよいポイントがあります。
今回は、時系列解析の視点から、売上をはじめとした時系列データの3つの見方について説明します。
この3つの見方は重要で、時系列データをどの視点で見ているのかを議論するとき、この見方がズレていると議論がかみ合わなくなり、混乱してきます。売上や受注件数、訪問回数などの売上分析指標（KPIなど）をはじめとした時系列データを見るときとの、ちょっとし見方に過ぎませんが、知っていると売上分析が少しプロっぽくなり、売上分析のビジネス活用がちょっと前進することでしょう。
1. 3つの見方
いきなり3つの見方について紹介します。
- 予測（forecasting）
- フィルタリング（filtering）
- 平滑化（smoothing）
「予測（forecasting）」以外は、ピンとこない方もいるかもしれません。時系列解析という統計学の分野では、結局のところこの3つの問題（いかに推定するか）うぃ扱っていると、私は感じています。この3つがそのまま、売上や受注件数、訪問回数などの売上分析指標（KPIなど）をはじめとした時系列データを「どのように見るのか」、さらにその先の「どのように活用するのか」につながっていきます。
厳密ではありませんが、意味合いを外さない程度に超簡単に説明します。
- 「予測（forecasting）」は文字通り、手元にある時系列データを使って、今後どうなりそうなのかを考えます。未来を見ます。
- 「フィルタリング（filtering）」では、手元にある時系列データの中で最も新しいデータが、どうなのかを考えます。現在を見ます。
- 「平滑化（smoothing）」では、手元にある時系列データ全体が、どうなのかを考えます。過去を見ます。
要するに、未来を見るための「予測（forecasting）」、現在を見るための「フィルタリング（filtering）」、過去を見るための「平滑化（smoothing）」です。
2. 平滑化（smoothing）
「平滑化（smoothing）」と聞くと、移動平均などを思い浮かべる人も多いと思います。簡単にいうと、「平滑化（smoothing）」とは、各時点のノイズを除去し、過去の真の値を知ろう！ というものです。もう少し、簡単に言うと、売上データなどの手元のある時系列データが、過去どうだったのかを知ることです。
過去を知らなければ、現在がどうなのかを定めることも、未来を考えることも、ままなりません。非常に重要なことです。
このとき、過去の時系列データの中に、変な動きをする時期を発見したり、売上が突然跳ねたり下がったりする時期を発見したり、上昇傾向や下降傾向といったトレンドを発見したり、季節性（例：夏に売上が上がるなど）を発見したりすることでしょう。ここで発見した、売上データなどの時系列データの「クセ」を、「フィルタリング（filtering）」や「予測（forecasting）」のときに活用したりします。要するに、売上データなどの手元のある時系列データを、折れ線グラフ化し「あーだ、こーだ」と議論するのは、「平滑化（smoothing）」という観点で売上分析していることになります。
3. フィルタリング（filtering）
もっとも聞きなれないのが「フィルタリング（filtering）」ではないでしょうか。
先ほども説明しましたが、「フィルタリング（filtering）」とは、手元にある時系列データの中で最も新しいデータが、どうなのかを考えることです。最新ということで、リアルタイムに近いほど、ほぼ現在（いま）を見ることになります。例えば、今現在、売上がどうなったいるのかや、店舗の来店客数はどうなっているのか、注文がどのなっているのか、ホームページのPV（ページビュー）数がどうなっているのか、など今を知ることです。
なぜ今を知りたいのでしょうか。例えば、異常検知。異常検知なども「フィルタリング（filtering）」の問題となります。
今現在、売上に問題はないか（正常か異常か）、来店客数に問題はないか（正常か異常か）、注文数に問題はないか（正常か異常か）、PV（ページビュー）数に問題はないか（正常か異常か）、ということです。異常だったら、過去の情報から説明つかない何かが起こっていることになります。そのために、何かしら対策を打とうと、考えたりします。
要するに、今すぐ対策を打つために、何かしら行動を起こした方がよさそうかが、見えてきます。ちなみに、「問題」や「異常」という用語を使うとネガティブな感じがしますが、時系列解析では「イノベーション」というポジティブな用語で表現することもあります。先ほどの例ですと、今現在、売上にイノベーションは起こっていないか、来店客数にイノベーションは起こっていないか、注文数にイノベーションは起こっていないか、PV（ページビュー）数にイノベーションは起こっていないか、というこ感じになります。過去の時系列データから分からない、新しい何か（イノベーション）が起こっているということです。
4. 予測（forecasting）
多くの人が、もっとも聞き慣れているのがこの「予測（forecasting）」だと思います。特別説明が必要な分かり難い概念でないと思いますので、「予測（forecasting）」はさらりと説明します。「予測（forecasting）」とは、意味も文字通りの意味で、手元にある時系列データを使って未来を考えます。例えば、計画通りことを進めたらどうなるのか、チラシの配布枚数を倍に増やしたらどうなるのか、DMを打たなかったらどうなるのか、などを予測します。要するに、未来のシミュレーションです。現実は、シミュレーション通りにはなりませんが、それでも何も無いよりもましです。先の見えない未来に、ちょっとした明かりを灯してくれます。
5. 時系列データの3つの見方
今回は、時系列解析の視点から、売上をはじめとした時系列デ...
