なぜ統計学がビジネスの 意思決定において大事なのか？
•
127 likes•13,595 views
「第2回CodeSCOREによる、エンジニアの実務スキルの可視化と、その周辺の知見共有セミナー」における講演内容 https://codescore.codeiq.jp/seminar
![例えば、統計学的検定で白黒つけることもできる
29
> t.test(d[1:15],d[16:30])
Welch Two Sample t-test data: d[1:15] and d[16:30]
t = -2.6278, df = 27.8, p-value = 0.01383
alternative hypothesis: true difference in means is
not equal to 0 95 percent confidence interval: -
0.17645650 -0.02183668 sample estimates: mean of x
mean of y 0.4788178 0.5779644](https://image.slidesharecdn.com/codescore150123tjoforslideshare-150212000514-conversion-gate02/85/-29-320.jpg)
なぜ統計学がビジネスの 意思決定において大事なのか？
- 6. 6 ところで…
- 8. 8 …?
- 12. その翌月末のこと 12 今月のCVRは先月の数字を上回 りました！（パチパチパチ）来 月もこの調子で頑張ろう！ 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 1 2 3
- 14. 14 翌年度末
- 15. 翌年度末振り返ってみたら… 15 おっかしいなぁ…毎月前月の反 省をもとに、営業方針スピー ディーに変えていたはずなんだ がなぁ…何故横這い？？？ 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 ※よくある話
- 17. 「平均への回帰」とは？ 17 「あるスポーツ選手が、何かの技を練習している途中であるとしよう。 何回も練習していると選手はだんだんうまく技ができるようになるが、 時としていつもの技の水準よりずっとうまくできることがある。 逆に、たまたま技がうまくできないときもある。たまたまうまくいった ときは、その時の実力よりもうまく行ったのだから、次にその技を行う ときは、いつもの水準に戻ると予測するのが、統計学的には正しい。 逆に、たまたま技を失敗したときには、次の回にはいつもの技の水準に 戻ってよりよい技を発揮できると予測するのが正しいのである。 誉めなくても、叱らなくても、いつもよりよかった際は、次の回は平均 的には前よりも悪くなり、いつもより悪かった際は、次の回には平均的 には前よりもよくなるのだ。これは、指導の成果でもなんでもなくて、 純粋に統計的な現象だ」 （原文ママ・改行＆太字筆者） 出典：大竹文雄の経済脳を鍛える - 2013年2月13日 体罰の有効性の錯覚は「平均への回帰」が理由 http://www.jcer.or.jp/column/otake/index449.html
- 20. 気付いたら… 20
- 29. 例えば、統計学的検定で白黒つけることもできる 29 > t.test(d[1:15],d[16:30]) Welch Two Sample t-test data: d[1:15] and d[16:30] t = -2.6278, df = 27.8, p-value = 0.01383 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: - 0.17645650 -0.02183668 sample estimates: mean of x mean of y 0.4788178 0.5779644
- 30. 実験してみて確かめるという取り組みも必要 30 施策を打った タイミング 施策に効果あり (t = -2.6278, df = 27.8, p-value = 0.01383) 施策に効果なし (t = -0.8967, df = 27.917, p-value = 0.3775)
- 35. ところが実は施策実施の詳細なデータも同時にあるとする 35 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 ad1 0 1 1 1 0 0 1 0 1 0 1 0 1 1 0 0 1 0 1 1 0 0 1 0 0 1 1 1 1 0 0 0 0 1 1 0 0 0 1 1 ad2 0 1 0 0 1 1 1 0 0 0 1 1 1 0 0 1 1 1 0 0 0 0 1 1 0 0 1 0 1 1 1 0 0 0 1 0 1 1 1 0 ad3 0 1 1 0 0 1 0 1 1 1 0 0 1 0 0 1 0 0 0 1 0 1 1 1 0 0 1 1 0 0 1 1 0 0 0 1 1 0 1 1 ad4 0 1 0 1 1 0 0 1 0 1 0 1 1 1 0 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 0 1 0 1 0 1 0 1 1 0 ad5 0 0 0 1 0 1 1 1 0 1 1 0 0 1 0 1 1 0 1 0 0 1 0 1 0 1 0 0 1 0 1 1 0 1 1 1 1 0 0 0 施策は5種類
- 36. 一般化線形モデルで、施策ごとの影響度の大小関係を見る 36 𝑦𝑖~ 1 1 + 𝑒−(𝛽0+𝛽1 𝑥1𝑖+𝛽2 𝑥2𝑖+𝛽3 𝑥3𝑖+𝛽4 𝑥4𝑖+𝛽5 𝑥5𝑖)
- 37. 一般化線形モデルで、施策ごとの影響度の大小関係を見る 37 𝑦𝑖~ 1 1 + 𝑒−(𝛽0+𝛽1 𝑥1𝑖+𝛽2 𝑥2𝑖+𝛽3 𝑥3𝑖+𝛽4 𝑥4𝑖+𝛽5 𝑥5𝑖) 優先すべき施策 やるべきではない施策
- 39. 39 ということで、