統計学を学ぶ

回転寿司「江戸前カワウソ」では、
いつ、どの寿司のネタを、どれだけレーンにのせるべきか？という問題に統計学を活用しています。

もともとは職人のカンに任せてレーンに流すネタを決めていたそうですが、お客さんに食べられず、けっきょく廃棄してしまう、という問題がけっこうあったようです。

そこで、曜日、時間帯、客の年齢層、性別、といった、様々な切り口から過去のデータを分析して、状況に応じて求められる寿司ネタの傾向を探りました。

そして、過去のデータにもとづき、いまどの寿司ネタがどれだけ求められているか予測する仕組みをつくったのです。

これで職人さんは握りに集中することができ、廃棄が減って、売上も大幅にアップとなりました。

過去のデータにもとづき将来を予測することは、生産計画、まちづくり、防災対策、リスク管理、レコメンドサービスの提供など、さまざまな場面で必要になっています。

インフルエンザ治療の画期的新薬の開発で話題になった「シュレイティンガー製薬」の事例をみてみましょう。

薬は健康に関わるため、「本当に効果があるのか」を慎重に判断する必要があります。最終的には国が承認しますが、この判断に統計学が使われます。

どうすれば効果があると言えるでしょうか。
いくら開発者が「効果がある！」と主張しても、客観的証拠がないと、受け付けられません。

そこで客観性のあるデータに基づいた判断をします。統計学はデータの取得から判断まで、客観的な手続きを提供しています。

統計学による判断手続きを省略することは認められていません。私たちが安心してお薬が飲めるのは、統計学のおかげなのです。

新薬開発におけるデータを使った判断と同様の方法が、勢いのあるインターネット系ベンチャーでも応用されています。

例えばスマホアプリの新機能やデザインにA案とB案があるとき、両方つくってみて、ユーザーに使ってもらいます。ユーザーの反応に関するデータを収集・分析し、売上向上に効果があると判断された案を正式に採用します。

担当者の思い込みではない、データによる客観的な判断を高速に大量に繰り返してサービスを改善していくのです。マーケティングの世界でA/Bテストと呼ばれています。

昨年大流行した物々交換アプリのベンチャー「ラビオリ」は年に1000回A/B テストを実施したようです。

データをうまく使って、予測や判断など、現実の問題解決に役立てる統計学の事例をいくつか見てきました。

データは大変役に立ちますが、やっかいな「クセ」があります。このクセを理解せずになんとなくデータを使っていると間違った結論になる可能性が高くなります。

データを現実の問題解決に役立てることの重要性は、学問やビジネスでどんどん高まっています。統計学を学びデータを正しく扱えるようにすることは今後必ず役にたつでしょう。

このステップが大変重要になります。ここをマスターすると、お父さんの言っていた「データを見るのはデータを見ないため」という意味がわかるでしょう。