データ分析・活用に慣れていない方にお勧めなのが、次のQC7つ道具です。前回は「散布図」について解説しましたが、今回は「パレート図と特性要因図」について、概要のみ説明します。
- チェックシート
- ヒストグラム
- 管理図
- 散布図
- パレート図 ← 今回の説明対象
- 特性要因図 ← 今回の説明対象
- 層別
名前を知らなくても誰もが一度は「ヒストグラム」や「管理図」、「散布図」を使ったことや見たことはあることでしょう。
よくある使い方が……
- まず、ヒストグラムや管理図などで一つの定量データの特徴を把握
- その後、散布図で２つの定量データの関係を把握
……という使い方です。
ヒストグラムや管理図を含め、散布図などだけで十分にデータ活用できることも多いのです。このような分析を進めていくと「どうなっているの」、「もっと知りたい」など、どんどん深みに突き進むことはよくあります。その時、迷子にならずに深掘りすべきポイントを適切に定め、集計・分析を進めていくことは重要です。7つ道具の中に、深堀すべきポイントや、データ間の関係性を整理する道具があります。これが「パレート図」と「特性要因図」です。
1、パレート図とは
パレート図とは、数値の大きな項目から順番に並べたグラフです。深掘りすべきポイントを把握するために欠かせません。パレートの法則（80:20の法則）という名で有名です。例えば、売り上げ上位20％商品が全体の売り上げの80％を占めるという、一部の商品が売り上げの大部分を占めるという現象を説明したものです。このことから、全体の売り上げに大きく貢献している商品（つまり売れ筋商品）とそうでない商品が分かります。
どの商品を重点的に扱えばよいのかが分かり、データを分析する上での深堀ポイントもみえてきます。
（1） パレート図の作り方
作り方は簡単で、先ほどの売り上げの例（上の図）で説明します。まず、商品別に売り上げを計算し、大きい順に商品を並べます。次に、大きい順に並んだ累積売上を順次計算し、全売上に占める割合を計算します。実際に「80:20」に近い値になることはありますが「70:30」や「90:10」など様々です。
2、特性要因図（フィッシュボーンチャート）とは
特性要因図（フィッシュボーンチャート）とは特性（結果）と要因（原因）に分け、その関係を図で表したものです。魚の骨に似ているのでフィッシュボーンチャート（魚の骨）などと呼ばれています。
（1） 深堀すべきポイントを把握する
パレート図と同様に、深堀すべきポイントを把握するために欠かせません。例えば、ヒストグラムや管理図、散布図などでデータの特徴を理解し、次にパレート図や特性要因図などで深堀すべきポイントを掴むために使用したりします。
深堀すべきポイントを把握するという用途での、パレート図と特性要因図の違いは何でしょうか。
3、パレート図を使い深堀すべきポイントを把握
先ほど挙げた例をもとに説明します。パレート図から、少なくとも商品Aは重点的に扱うべき商品ということが分かります。
なぜならば、商品Aは売り上げが最大かつ、売り上げに占める割合も大きく、全体への影響が大きいからです。そのため、商品Aをより深く分析した方が良いでしょう。次に、この商品Aの何を分析していけばいいのでしょうか？
4、フィッシュボーンチャートを使い深堀すべきポイントを把握
商品Aをより深く分析した方が良いとなった時、この商品Aの何を分析していけばいいのか？例えば、売上（特性）に影響を与える要因を探り、影響の大きな要因に絞っていくと良いでしょう。
売り上げに影響する要因は様々なため、その要因を洗い出し整理した上で、どの要因に着目すればいいのかを考えていったほうが良さそうです。そのために、特性要因図を描き、データがあれば売り上げと各要因の関係性を数値化していきます。
5、関係性を数値化
最も簡単な方法は、売り上げとの相関係数を求めることです。もしくは、線形回帰モデル（単回帰モデル・重回帰モデル）などの数理モデルを使うのもいいでしょう。
この場合、深堀すべき（重点的に扱うべき）要因は、売り上げへの影響度の大きい周期性（季節要因など）やテレビCM、メルマガ会員向けキャンペーンなどとなります。このように、通常は複数になります。
6、今回のまとめ：パレート図や特性要因図でデータ間の関係性を整理
今回は、深堀すべきポイントやデータ間の関係性を整理する「パレート図」と「特性要因図」について、お話ししまし...
