データを読む力より先に必要なもの: 何を測るかを設計する力

Hatched by tttt

Apr 24, 2026

1 min read

4 views

87%

まず問うべきは「正しい答え」ではなく「正しい問い」

私たちはつい、データ分析の目的を「答えを出すこと」だと思いがちです。けれど、現実の難しさはそこではありません。本当に難しいのは、何を見れば意味のある判断になるのかを決めることです。

たとえば、人口が減っているのに1人当たりGDPが増えることがある。死亡率が上がっても、年齢構成を調整すると別の景色が見えることがある。テレワークが進んだのか、単に通勤時間が減ったのか。これらはすべて、同じ数字を見ているのに結論が変わる例です。つまり、データの価値は「数字そのもの」ではなく、どの問いに結びつけるかで決まります。

プロダクト開発でも事情は同じです。誰が買い手なのか、何が問題なのか、どの代替手段と比べているのかが曖昧なままでは、どれだけ洗練された機能を作っても外れます。統計もプロダクトも、実は同じ仕事をしています。世界を測る前に、世界をどう切り分けるかを決める仕事です。

データ分析の本質は、数字を読むことではない。数字が意味を持つように、現実の切り方を設計することだ。

数字が語るのではない。定義が語らせる

多くの人は、統計を「客観的な事実の一覧」だと考えます。しかし、統計は無垢な鏡ではありません。そこには必ず、定義、区分、比較の単位、観測のタイミングが埋め込まれています。死亡率は分母に何を置くかで変わり、労働力人口は「働く意思と条件」をどこまで含めるかで変わり、同じ「働いている人」でも調査によって呼び名も境界も違います。

この違いは些細に見えて、結論を根本から変えます。たとえば、ある年に総人口が減っても、1人当たり名目GDPが増えれば、経済の豊かさの見え方はまるで違います。だがそこで「経済が良くなった」と即断するのは早計です。人口減少と高齢化、価格変動、産業構造の変化が同時に起きているかもしれないからです。

ここで重要なのは、統計とは現実の縮図ではなく、問いのために作られた模型だという点です。模型は便利ですが、何を固定し、何を動かすかで見えるものが変わります。年齢調整死亡率はまさにその典型で、年齢構成という強いノイズをいったん固定することで、医療や生活環境など別の要因を見ようとする工夫です。これは「現実を歪める」ことではなく、見たい要素を浮かび上がらせるための設計です。

ここでの核心は、数字の正しさより、比較可能性の設計です。同じ地域、同じ年、同じ属性でも、比較の仕方が違えば意味は変わります。だから優れた分析者は、まず「何を測るか」ではなく、何を同じにして比べるかを考えます。

コロナが教えたのは、行動変化ではなく「代替案」の重要性だった

パンデミック期の統計は、社会の変化をよく映しました。しかし本当に面白いのは、「人々が急に別人になった」のではなく、行動の代替案が一斉に入れ替わったことです。

鉄道運賃の支出が減ったのは、単に移動が嫌われたからではありません。移動の必要自体が減り、通勤や観光の前提が崩れたからです。パック旅行が落ち込んだのも、旅行欲が消えたからではなく、行ける場所と行き方が制限されたからです。一方で、冷蔵庫や掃除機、洗濯機への支出が増えることがありました。これは「巣ごもり需要」という便利な言葉で片づけられがちですが、本質はもっと具体的です。人々は外で使うお金を、家の中での生活品質を上げる支出に振り向けたのです。

ここから見えるのは、需要は単独では存在しないということです。人は「欲しいもの」を買っているようでいて、実際には現在の代替案より少しでもよい選択肢を求めています。これがプロダクト市場適合性の考え方ときれいに重なります。良い製品とは、単に機能が優れているものではなく、特定の人の特定の用件に対して、既存のやり方より摩擦が少ないものです。

たとえば、オンライン会議ツールが勝つのは高機能だからではありません。会議のために移動する、集合時間を合わせる、資料を配る、という摩擦を一気に減らせるからです。逆に、どんなに先進的でも、顧客の現実にある代替案より不便なら採用されません。市場は理屈ではなく、摩擦の総量で動きます。

製品が競争する相手は、ライバル企業ではない。多くの場合、顧客が今すでにやっている「そこそこのやり方」だ。

この視点を統計に戻すと、パンデミックの数字は単なる異常値ではなく、代替案が消えたとき人間が何を優先するかを示す実験でした。外食が減れば内食が増え、移動が減れば在宅関連が増える。ここで見えるのは消費の変化ではなく、制約の変化です。だから、数字を読むとは、行動の背後にある制約条件を読むことでもあります。

「平均を見るな」では足りない。見るべきは切り替え点だ

統計の議論でよくある誤解は、「平均では分からないから、個別を見るべきだ」というものです。もちろんそれは半分正しい。しかし、さらに重要なのは、どこで世界のルールが変わるかを見ることです。

年齢構成が変われば死亡率は変わる。労働参加率が変われば労働力人口の見え方が変わる。テレワークが普及すれば、通勤時間が減るだけでなく、情報接触のあり方や生活時間の配分まで変わる。こうした変化は、単なる水準の上下ではありません。システムの前提が切り替わる瞬間です。

プロダクト開発でも、ここを見誤ると失敗します。新機能の利用率を見ているつもりが、実はユーザーの主要な代替行動が変わっただけ、ということがよくあります。たとえば、ある機能の利用が伸びたのは、その機能自体が優れていたからではなく、外部環境の制約で他のやり方が使えなくなったからかもしれない。これは市場の「熱狂」を読み違える典型です。

このとき役立つのが、3層モデルです。

現象層: 数字がどう動いたか
構造層: 何が比較対象になっているか、どの属性が固定されているか
代替層: 人々は何と比べてその行動を選んでいるか

多くの分析は現象層で止まります。しかし実務で必要なのは、構造層を整え、代替層まで降りることです。たとえば死亡率の上昇を見たら、高齢化が原因なのか、医療環境の変化なのか、あるいは別の要因なのかを分ける必要がある。あるいは商品需要が伸びたら、真の新規需要なのか、他の選択肢が閉じた結果なのかを見極める必要がある。

この視点は、数字の読み方を一段深くします。優れた分析とは、単に外れ値を見つけることではありません。切り替え点を特定することです。社会がどの前提で動いているかが変わる場所を見つけたとき、初めてデータは未来の予測に近づきます。

統計リテラシーとは、答える力ではなく設計する力である

統計リテラシーを「手法を知っていること」と捉えると、学びはそこで止まります。実際には、もっと重要な三つの力があります。適切な統計を探せること、適切な手法を選べること、適切な結論を導けることです。これらは順番に見えて、実は互いに支え合っています。

まず、何が使えるかを知らなければ始まりません。次に、手法を選べなければ比較の枠組みを作れません。そして最後に、結論を導くには、分析対象についての知識が必要です。ここが肝心です。結論はデータだけから生まれるのではなく、データと対象世界の知識の接続から生まれます。

これはプロダクトでもまったく同じです。ユーザー調査をしても、対象領域の理解が浅ければ、聞くべき質問がずれます。調査票を作っても、仮説がなければノイズが増えるだけです。逆に、仮説が強すぎても危険です。最初に思いついた説明に飛びつくと、別のセグメントや別の代替手段を見落とします。だから必要なのは、仮説を持ちながら、仮説に支配されないことです。

ここで有効なのが、次の問いです。