データ活用研修 データリテラシーと可視化編【MIXI 25新卒技術研修】

本スライドは、MIXIの2025年度新卒向け技術研修で使用された資料です。
https://zenn.dev/mixi/articles/95e0d0477c1ed7
　
MIXI 2025新卒技術研修
『データ活用研修 データリテラシーと可視化編』
　
───────────────────────────────
※皆様へのお願い※ 資料・動画・リポジトリのご利用について
───────────────────────────────
公開している資料や動画は、是非、勉強会や社内の研修などにご自由にお使いいただければと思いますが、以下のような場でのご利用はご遠慮ください。
- 受講者から参加費や授業料など金銭を集めるような場での利用
（会場費や飲食費など勉強会の運営に必要な実費を集める場合は問題ありません）
- 出典を削除または改変しての利用

1. ©MIXI ©MIXI MIXI 25新卒技術研修 データ活⽤研修 >> データリテラシーと可視化編 開発本部 データグループ 柏 正典
2. 2 ©MIXI 本⽇のAgenda • ⾃⼰紹介 • データGの紹介 • データリテラシー / データ活⽤ガイドライン • データ可視化 ◦ イントロダクション ◦ データを可視化(わかりやすく表現)する⽬的 ◦ よりよい可視化のテクニック ◦ さいごに
3. 3 ©MIXI ⾃⼰紹介 麻雀 M-リーグ、プロ経験あり。 YouTube鑑賞 数学系(よびのり)、クイズ系(QuizKnock) 料理 理系的＆肉系 大学卒業後、小規模ソフトハウスにて、プログラミング、ハードウェア開発、プロジェクトマネジメントの基礎を身につける。その 後、大手自動車メーカのグローバル市場情報室において、 3C(Customer, Competitor, Company)視点での多角的な現状把 握とオポチュニティ分析を行い、商品・サービス・ブランド戦略構築に大きく貢献した。 2017年には、同社企画部門における データ活用組織を初めて立ち上げ、 Big Dataによるニーズ探索手法の開発や、社内におけるデータ利活用促進をリードし、 1000人を超える社員を対象としたダッシュボードを公開し、大反響を得た。その後、データ活用のコンサルベンチャーへ転職。 数多くのデータ活用支援を実施。 2023年10月MIXI入社。 東京都立大学工学部卒。 専門：カスタマーインサイト、定性・定量調査、統計分析、データマネジメント /ビジュアライゼーション 開発本部 CTO室 データG 柏 正典
4. ©MIXI データGの紹介 〜 データ活⽤ガイドライン
5. 5 ©MIXI MIXI データ活用ビジョン /ミッション /スローガン 仕事の内容に関わらず すべての社員 データ活用は手段であり、 目的達成に利用して 価値が出る どんなフェーズでも データで事実を 確認しながら 仮説をもって分析し、 結果は適切かつ客観的に に解釈される • データ活用の３ D ◦ Democratization 民主化 ◦ Deepening 深化 ◦ Dissemination 日常化 誰もがデータを使い、分析できる ～ 民主化。 
 データから新しい発見を導くための深い分析 ～ 深化 
 データを日々使うことが当たり前になっている。～ 日常化 
 データを活用することで、MIXIの商品/サービスを利用している・これから利用しようとす るユーザーを深く理解することができる。私たちは、すべての社員の「ユーザーサプライ ズファースト」の実現に向けデータ活用を推進していく。 
 MIXIデータ活用ビジョン 
 データGのミッション 
 スローガン 
 データの力でユーザーに 
 サプライズを！ 
 最終的なゴールは 社内外のステークホルダー / ユーザーへの価値提供 ビジネスとしての サステナブルであること 社員一人一人が、 業務目標達成に向け、 企画・実行・振り返りの各フェーズで、 誠実にデータを使い、 ユーザーに対して 永続的に価値提供できる。
6. 6 ©MIXI データグループの活動 ～ ４本の柱 データ活用 
 戦略構築
 Data Strategy
 Developement
 個別データ 
 分析支援
 Individual
 Analysis support
 データ活用 
 教育
 Education
 事業横断
 データ活用支援 
 Cross-functional
 Data Activity
 社内のデータ活用の状況と課題 を把握し、データ活用を促進する ための活動方針の作成 
 データ活用に悩まれる方に向け た個別の分析支援を実施 
 データ活用に関する教育の企画 と運営
 事業部の垣根を超えたデータ活 用に関するコミュニティの運営や データ活用の促進 
 社員一人一人が業務目標達成に向け、 企画・実行・振り返りの各フェーズで、誠実にデータを使い、 ユーザーに対して永続的に価値提供できる。 データ活用の３D 
 民主化
 Democritization 深化 Deepening 日常化 Disseminate MIXIデータ活用 
 ビジョン 
 データGの 
 ミッション 
 データGの 
 活動

7. ©MIXI 組織全体のデータ活⽤意識とスキルを どのように⾼めていくか？
8. 8 ©MIXI 課題意識 • データ活用に関するアンケートを実施したところ、データ活用度合いに関して、部署や役 職、経験でばらつきがあった。 ◦ 分析やアンケートをうまく使っている ◦ データを使いたいけど何から着手してよいかわからない • データの使い方を間違えて会議で炎上。 ◦ 小サンプルサイズの調査結果に基づく提案 ◦ 相関の誤った使われ方 課題意 識 意外と 知られていない 「意思決定のためのデータに関する基礎知識」 すなわちデータリテラシーを 全社員にどう定着させるか？
9. 9 ©MIXI わたしたち (データグループ )の想い 想い 課題意 識 意外と 知られていない 「意思決定のためのデータに関する基礎知識」 すなわちデータリテラシーを 全社員にどう定着させるか？ 高度な分析をする前に、まず、 目的をもってデータを集め、観察して欲しい。 機械学習やクラスタ分析などの高度な分析に関する知識がなくても、 データを見て分かることはたくさんある。データ活用のハードルを下げ、 データを見る機会を増やしていきたい。
10. 10 ©MIXI 結果、できたのが・・・
11. データを基に次の一歩を確実に踏み出していこう！ 
 １. データと誠実に 
 向き合おう 
 ２.分析に洞察を 
 つけていますか？ 
 ３. 原因と結果、 
 判断できていますか？ 
 ４. 数字は万国共通、 
 定義は千差万別 
 ５. その平均値、 
 全体を代表してますか？ 
 ６. 定性と定量、調査は 
 賢く使い分けよう 
 
 
 ７. 調査対象者と 
 サンプルサイズは適切？ 
 ８. データで議論を 
 巻き起こそう 
 MIXIデータ活用のガイドライン 
 詳細は、DocBase 「MIXIデータ活用のガイドライン」まで 業務の様々な場面で使われる「データ」。しかし、使い方を誤 ると正しい意思決定ができません。データGでは、データを利 用する皆さんに意識していただきたいポイントをガイドラインと して制定しました。 
 問い合わせ窓口：開発本部 CTO室データG 梅北、柏、角田
12. 12 ©MIXI こちらをご覧ください https://www.youtube.com/watch?v=talHB1S_D-4 https://www.youtube.com/watch?v=Zx6eWB9rU-c
13. ©MIXI データを基に次の⼀歩を確実に踏み出していこう！ 変化を計測せよ - 未来を創るための経営の原点 
 私たちの経営は、常に変革と進化を求められる時代にある。しかし、変化そのものは目的ではない。その 変 化がもたらす結果や影響、そして未来へのステップとしての意味が大切である 。
 変化を実感するだけでなく、それを 具体的に計測し、可視化する ことで、私たちは正しい方向に進んでいる のか、またどのように進化していけるのかの手がかりを得ることができる。 
 計測によって、変化の質を高め、全員が目指すべき方向を明確 にする。そして、それぞれの変化が組織全 体の進化として積み重ねられていく。 
 今日から私たちの経営は、変化をただ追うのではなく、 その変化を計測し、そのデータを基に次の一歩を 確実に踏み出していこう。変化を計測することで、私たちは未来を自らの手で創ることができる。(by 村瀨さ ん)
 過去の前例だけで判断するでもなく、データを盲信するでもなく、これらが融合することで、より質の高い意思決定に つなげることができる。
 経験と知見 データ/事実 質の高い 意思決定 ＋ =
14. ©MIXI • ⾃分の都合の悪いデータを隠ぺいするようなチェリーピッキングを避ける。 • データは客観的に表現し、変化を誇張するような表現に注意する。 • 仮説を⽀持するデータも、否定するデータも含め議論を⾏い、アクションにつなげる。 １、データと誠実に向き合おう チェリーピッキングとは？ 自分の主張と異なるデータを隠ぺいし、 都合の良いデータのみを採用し提示する こと。
 出典：J-CAST ニュース. 東京都サイトのグラフに「誇張」指摘→修正 ⽬盛が不均等、⾒た⽬は数倍改善...理由や意図は「特段ない」？ https://www.j-cast.com/2024/02/06477624.html?p=all , (2024-4-11) 誇張したグラフの例 データを誇張・隠ぺいすると、 
 主張を裏付けるはずのデータが、 
 信憑性を失うリスクとなる。 

15. ©MIXI ２、分析に洞察をつけていますか？ • 分析結果は、その理由を探ることで価値が⽣まれ、アクションにつながる。 • 違和感のある結果は、データの誤りかビジネスチャンスと考え、データを検証する。 解釈を入れたが、エ ビデンスがない/確 度が低い
 解釈できない/
 違和感がある
 納得感のある
 解釈をつけることが できた。
 仮説検証の 調査・分析 を実施する データに 誤りがないか 検証する インサイトに 基づき 施策を考える 得られた結果 解釈を加える 1. 対象者に共感し考える。
 2. 知見のある経験者に聞く。
 3. 口コミをググる。
 4. 別の情報ソースで確認。
 年代別月間累計ゲームプレイ時間 
 「なぜ？」を考える。 
 次のアクション 解釈の評価 出典：株式会社ゲームエイジ総研「2022年のモバイルゲームプレイ時間を調 査_過去2年と比較し、モバイルゲームプレイ時間は約10%減」
 https://prtimes.jp/main/html/rd/p/000000121.000039514.html

16. ©MIXI ３、原因と結果、判断できていますか？ • 相関する⼆つの変数を⾒たら、因果関係があるのか、第三の要因(交絡因⼦)はないか、 吟味する。 • 相関係数だけで相関を判断せず、データのばらつきを散布図で常に確認する。 交絡因⼦ とは？ 相関する２つの変数に影響を与える要因のこと。 ２変数の相関だけ見ていると、気づかないことがある。 オンラインショップサイトの「滞在時間」と「サイト訪問者の売上」に相関があるケース 
 「長時間サイトに滞在する人ほど、サイトでの売上が高い」は誤った解釈。 
 実際には、交絡因子としてユーザの購買意欲が存在し、2つの要素に影響を与えている。 
 相関係数を過信してはいけない 出典：Wikipedia アンスコムの例 https://ja.wikipedia.org/wiki/%E3%82%A2%E3%83%B3%E3%82%B9%E3%82%B3%E3%83%A0%E3%81%AE%E4%BE%8B 相関係数は、２変数の関係を確認する手段ではあるが、 ビジネス上意味のある「相関」かどうかは、散布図により確認する必 要がある。 相関係数がすべて同じ散布図の例(相関係数＝0.816) 

17. ©MIXI ４、数字は万国共通、定義は千差万別 • 同じ指標でも定義が異なることを認識し、必要に応じて定義や出典を確認する。 • その指標が事業の⽬的を達成するために適切な指標か、吟味すること。 アプリの ⽉間新規ユーザ数 モバイルゲームの 市場規模 「MIXI」の認知率 定義‧出典の確認が必要な事例 アプリを インストールしたユーザ アカウント登録 離脱 ユーザ 4,500人 3,000人 北米のモバイルゲーム市場 400億ドル(6兆円)
 (1ドル=150円)
 2.6兆円 
 出典：ファミ通モバイルゲーム白書2022 出典：Newzoo グローバルゲームマーケット レポート 2020 20％
 *数字は、フィクション *数字は、フィクション 40％
 条件なし スマホゲーム 利用者 アンケートの回答者 同じ数値を観測していると思っても、その定義、出典、アンケートの対象者で 数値が異なることがある。 定義が違う 出典が違う 回答者が違う
18. ©MIXI ５、その平均値、全体を代表していますか？ 出典：ザイマニ 「従業員平均勤続年数」 https://zaimani.com/financial-indicators/employee-average-service-years/ • データの特徴‧分布を理解した上で、平均値を使うこと。 • ロングテールや⼆峰性の分布においては、別の代表値(最頻値や中央値)を採⽤したり、 属性の異なる集団をフィルタするなどの対応をすること。 ロングテール ⼆峰性 頻度分布において、高頻度の事象が大部分を占める一方、低頻度の事象が長く伸びるヒストグ ラムを長い尾に見立て「ロングテール」と呼ばれている。 
 平均値と最頻値が大きくかけ離れ、 「感覚に合わない平均値」が出てきやすい。 
 異なる性質の集団が複数含まれている場合に、複数のピークが存在する状況を二峰性のヒスト グラムと呼ぶ。 
 特性を理解するためには、同質の集団に分け分析する必要がある。 
 上場企業の従業員平均勤続年数の例 
 5年と17年に二つのピークがあるが、これは異なる業種の企業が混在するために生じている。 
 業種を絞った平均として例えば「情報・通信業」では、7.3年(589企業)であり、「機械」では、15.4年(227 企業)となっている。 
 
 平均値 3910円 アプリ⽉間課⾦額分布*ダミーデータ *数字は、フィクション
19. ©MIXI ６、定性と定量、調査は賢く使い分けよう • 量を把握する⽬的の定量調査と、⾏動やニーズの理由やインサイトを探る定性調査、そ れぞれの強みを組み合わせることで、意思決定の質を⾼めることができる。 定量 「定量」で観測された現象の 理由を深掘りする 「なぜ？」 「定性」で得られた知見の 市場における量を把握 「どのくらい？」 定性 定性 定量 定性‧定量の組み合わせ 
 定性調査 
 (インタビュー) 
 定量調査 
 (アンケート) 
 目的
 個別の現象や行動の理 解、
 深い洞察
 数値データ/量の把握、 
 一般化
 方法
 インタビュー、観察 
 アンケート
 サンプル 
 サイズ 
 小規模、
 ターゲットにフォーカス 
 大規模、
 市場代表制を重視 
 強み
 深い理解、文脈の把握 
 量の把握、客観性、再現 性
 リスク 
 主観的なバイアス、 
 一般化が困難 
 結果の深い解釈が難しい 
 定性‧定量の特徴
20. ©MIXI ７、調査対象者とサンプルサイズは適切ですか？ • 調査においては、⼗分なサンプルサイズを確保することに努める。意思決定の重要性と コスト‧時間に応じて、サンプル数を検討すべきだが、傾向を把握する⽬的であって も、最低30サンプル以上確保すること。 • 調査の対象者が、⽬的に合致している対象者となっているか吟味しよう。 ⼗分なサンプルサイズ 少ないサンプルサイズの調査では、データが求めたい事実を反映していない可能 性が高くなる (サンプル抽出によるばらつきの影響が大きい )。 サンプルサイズを増やすことで、そのリスクを低減させることができる。 *信頼区間95％で、比率/割合を求める際の標本誤差。
 求める値がばらつきが大きい値の平均(課金額など)の場合、この限りではありません。
 少ないサンプルサイズ(<30)の定量調査に 基づく意思決定は極力避ける。 または、小サンプルのリスクを理解した上でデータを参照し判断すること。 サンプルサイズ
 の目安
 利用するシーン
 30
 最低限の傾向を把握する 
 100
 荒く指標を確認する 
 (標本誤差が±10％に収まる*) 
 400
 精度が求められるKPI 
 (標本誤差が±5％に収まる*) 
 不適切な対象者の例 - ⽣存者バイアス 「生存者バイアス」とは、成功した事例にのみ注目してしまい、失敗した事例を無視 することで生じる認知バイアスのこと。 戦時中、帰還した飛行機の被弾箇所を分析し、被弾の多い箇所に装甲を追加した。
 ➡ 本来は、墜落した飛行機がどこに被弾したかを分析することが重要。
 出典：Wikipedia「⽣存者バイアス」 https://ja.wikipedia.org/wiki/%E7%94%9F%E5%AD%98%E8%80%85%E3%83%90%E3%82%A4 %E3%82%A2%E3%82%B9 継続 離脱 アプリの離脱ユーザの 離脱理由は「離脱ユーザ」に聴取する必要がある 。
 
 ※ アプリの不満点を「継続ユーザ」に聴取することもできるが、 
 「継続ユーザの不満点」と「離脱理由」は一致しない ことがある。

21. ©MIXI ８、データで議論を巻き起こそう • データによって得られた結果により、次のアクションに変化をもたらさない 「毒にも薬にもならない分析」を避け、効果的で具体的な意思決定につながる 分析を⽬指す。 より良い分析のために 問いの 設定 「Yes Or No」または、
 「選択肢の中から一つ選ぶ」
 質問になっているか？
 判断基準 判断するための比較対象は
 明確か？
 意思決定 どんな意思決定に問いを
 反映するか、明確か？
 あ、ありがとう(困惑)。
 参考にするね。
 (ゴミ箱ぽーい)
 So What?
 それで、私は
 何をすればいいの？
 こうならないために・・・ 
 データで議論を巻き起こすためにも、どんな意思決定のための分析なのか目的と判断基準を決め、分析を実行すること が重要です。 関係者との事前の合意がない分析は、 結果が得られた後のアクションがうやむやになり、価値につなげにくい。 特に、仮説を支持しない結果が出たとき「見なかったことにしよう」となりがちです。
22. ©MIXI データ活⽤問い合わせ相談窓⼝はこちら。 データ活⽤に関するご相談は、こちらのJIRAまでお気軽にご連絡ください。(開発本部データG) データ活⽤相談‧⽀援依頼 JIRA ▪ DBやシステム実装の相談 
 すでに存在するデータを整備し、定期的にアクセス・分析しやすい環境を構築支援・相談。
 • 社員の出社ログの可視化
 • 事業KPIのダッシュボード
 • MWFのデータ可視化
 
 ▪ 個別の分析支援に関する相談 
 ビジネス課題に対する適切な分析、既存データの使い方や、データの入手、分析手法や解釈に関する相談。 
 • 高度データ分析支援 
 • 市場調査の企画と実施支援 
 • データ分析のレポート作成支援 
 • アプリ利用者の動向分析 
 
 ▪ その他
 その他、データに関する困りごとに関して、相談に乗ります。 
 • 分析ツールの使い方 
 • 社内のデータの所在 
 • 分析事例のベンチマーク 
 お気軽に お問い合わせください。 https://mixigroup.atlassian.net/jira/core/projects/DATASUPPORT/board 問い合わせ窓口：開発本部 CTO室データG 梅北、柏、角田
23. ©MIXI データの可視化
24. 24 ©MIXI データとは 1. 物事の推論の基礎となる事実。また、参考となる資料・情報。 
 2. コンピューターで、プログラムを使った 処理の対象となる記号化・数字化された 資料。デジタル大辞泉（小学館） アクティブ ユーザ数 出社率、勤務時間 稼働時間、コード行 数 満足度アンケート SNSコメント ワードクラウド AppStoreの星 ファイナンシャル 指標 データの例 数値だけでなく、質的に表現された指標も データととらえることができる。
25. 25 ©MIXI 今まで、データを使ったことがありますか？ ▪ どんなデータ ▪ どんな場⾯ ▪ データを⾒せた or ⾒た/⾒せられた ▪ その結果、どうした？
26. 26 ©MIXI 本セッションの⽬的 • 昨今、私たちは、容易にデータを⼊⼿することができるようになりました。 • これらのデータは、そのままの状態では価値を⽣むことはありません。 • データは、意思決定に利⽤され、初めてその価値を発揮します。 • しかし、データの中から意思決定に必要な情報を⾒極めることは容易ではありません。 • このセッションでは、データから必要な重要な情報を⾒つけ出し、組織内で効果的に共有 するための秘訣ともいえる”データの可視化”の⽬的と技術について学びます。 データから重要な情報を⾒つける練習をしてみましょう。
27. 27 ©MIXI ９は、いくつ？3秒で答えてください。
28. 28 ©MIXI ９は、いくつ？3秒で答えてください。
29. 29 ©MIXI 早押しクイズ 次のページには、ある商品(A~G)の⽉次売上が掲載されています。 Q. 11⽉に⽐べ、12⽉に売上が⼤きく伸びた*商品(2つ)は、何か？ * 割合ではなく、絶対値で増えた わかったら、挙⼿してください。
30. 30 ©MIXI Q. 11⽉に⽐べ、12⽉に売上が⼤きく伸びた商品(2つ)は、何か？ 答えがわかったら、「なぜ⾒づらいのか」理由を考えてください。 (想定解は4つ)
31. 31 ©MIXI Q. 11⽉に⽐べ、12⽉に売上が⼤きく伸びた商品(2つ)は、何か？ 答えは、商品Bと商品C。 この表が⾒づらい理由： ①⼤きな数字が1円の単位で記載、②数字が中央揃え、 ③3桁区切りのカンマがない、④12⽉がどこにあるのかわかりにくい
32. 32 ©MIXI 改善案① - 表を⾒やすくする 表⽰する桁数を減らし(最⼤5桁)、数値を右揃え、着⽬する12⽉に⾚枠をつける、数値により⾊のグラデー ションをつける、といった⼯夫で数値を⾒やすくすることができる。
33. 33 ©MIXI 改善案② - 折れ線グラフにする 折れ線グラフにすることによって、より直感的に12⽉に売上が伸びた商品を把握することができる。 ‧‧‧こちらのチャートは、まだ改善の余地があるので、それはセッション後半で取り上げます。
34. ©MIXI データを可視化(わかりやすく表現)する⽬的
35. 35 ©MIXI データを可視化する⽬的 データから気づきを得る。 ⼈に主張を伝える。 探索/検証 説明 主張をデータにより補⾜することで 説得⼒を持たせ、 受け⼿の⾏動変容を促す。 データを⾒やすく加⼯し 認知負荷を下げ、 重要な気づきを得る。 上司や部下とのコミュニ ケーションにおいて重要 気づきを 伝える。 ありのままのデータを、 ⾒やすくする。 主張したいデータを、 ⾒やすくする。
36. 36 ©MIXI データを可視化する⽬的 - 例 探索/検証 説明 上司や部下とのコミュニ ケーションにおいて重要 気づきを 伝える。 • 提案資料 • 営業資料 • 広告 • KPIダッシュボード • ⼝コミサイト • 試⾏錯誤のグラフ ありのままのデータを、 ⾒やすくする。 主張したいデータを、 ⾒やすくする。
37. 37 ©MIXI ⽬的を達成できない可視化 わかりにくい 遅い 疑わしい • データから「価値を⾒つけ伝える」ための可視化だが、この⽬的を達成できない可視化に は、⼤きく3種類ある。 グラフが煩雑で、⾊や線が多く、 着⽬すべき点を理解するのに苦労する。 試⾏錯誤をしながらデータを⾒たいが、 切り替えに時間がかかり 都度、思考が途切れる。 データの出典の未記載、 主張を誇張し客観性に⽋けるグラフ、 など、データに疑義が⽣じて 主張⾃体に疑念を抱かれる。 機会損失につながる • データから、価値を⾒出すことをあきらめる。 • データへの疑念から主張の信憑性が失われ、期待した態度変容が望めなくなる。
38. 38 ©MIXI ”疑わしい”可視化の例 - 誇張せずとも、事実は伝わる。 • 「縦軸の⼀番下をゼロ」としないことで、データは誇張されるが、信頼を失う。 ➡ 何か、やましいことがあったのか？データは本当に正しいのか？＞炎上 • 誇張せずとも、データが事実であれば、主張を伝えることができる。 有給休暇も平均取得率は、令和2年から令和4年にかけ、増加傾向にある。 有給休暇 平均取得率 出典：J-CAST ニュース. 東京都サイトのグラフに「誇張」指摘→修正 ⽬盛が不均等、⾒た⽬は数倍改善...理由や意図は「特段ない」？ https://www.j-cast.com/2024/02/06477624.html?p=all , (2024-4-11)
39. 39 ©MIXI 「わかりやすい」とは「認知負荷が低いこと」 • わかりやすいグラフは、直感の右脳でデータを理解することができる。 • 煩雑なグラフでは、⼈は論理をつかさどる左脳でデータを理解しようする。 →理解のために考える必要がある可視化のことを「認知負荷の⾼い可視化」と呼ぶ。 出典：Statwrok "右脳と左脳の情報処理能力の違い 可視化における究極のゴールは、グラフを見て瞬時に「気づきが得られる」「理解できる」グラフ を作ることである。 右脳の処理能力は、 
 左脳の10万倍とも
 言われている。 
 (40byte/sec vs 430万 byte/sec)
 右脳(直感) 左脳(論理)
40. 40 ©MIXI 『優美なデータは、物語に華を添え、 混沌としたデータは、説の⼒を削ぐ。』 “Elegant data decks narrative with grace, while turbulent figures sap the argument's base.” Masanori Kashiwa
41. ©MIXI よりよい可視化のテクニック
42. 42 ©MIXI グラフの種類 - Chart Chooser ツールの進化により、様々な形でデータを可 視化することができるようになりました。 しかし、可視化が⼀般的なものでない 場合、認知負荷の要因となるリスクが あります。ビジネスの場において、以下の4 つが重要。 https://extremepresentation.com/design/7-charts/ https://www.qlik.com/blog/third-pillar-of-mapping-data-to-visualizations-usage 1. 棒(積み上げ)グラフ 2. 折れ線グラフ 3. 散布図/バブルチャート 4. パイチャート 関係 ⽐較 分布 割合 ‧‧‧グラフ選びは、 そんなに重要ではない。 どのグラフを選ぶべきか、悩むケースは限定的。
43. 43 ©MIXI もっとも⼤事なこと シンプルに、過不⾜なく。 重要な要素を強調し、 ⾒ればわかる冗⻑な説明と必要のないオブジェクトは消す。
44. 44 ©MIXI 可視化における不要な要素を排除する。 可視化をシンプルにするコツ 伝えたいメッセージを整理する。 効率的にデータを観察しようと多種多様なデータを⼀度に⾒ようすると、かえって⾮効率。 また、データを使って⼈にストーリーを場⾯においても、情報量の多い可視化は聞き⼿の 認知負荷を⾼めるリスクがある。 グラフソフト(Excel / Google Spread Sheet)でデータを可視化する際、デフォルトで利⽤すると 冗⻑な要素が存在するが、グラフ作成者が気づいていないことがある。
45. 45 ©MIXI 伝えたいメッセージを整理する。 • プレゼンテーションだけに限らず、普段の仕事においてデータを可視化する際には、 以下の観点で整理するとよい。 探索/検証 説明 問い 何を明らかにするのか？ ✔ ✔ 手段 何のデータをどう使うのか？ ✔ ✔ 基準 何と比べるのか？ ✔ ✔ 結果 何がわかったのか？ ✔ 要因 なぜ、そうなったのか？ ✔ 提案 その結果、何をすべきか？ ✔ 「データの可視化」 とは直接関係ないが、 データを利⽤する際 の重要な要素である。
46. 46 ©MIXI データがなくて説得できなかった実話(誇張あり) 私 ：最近、めちゃくちゃ忙しいので、何とかしてほしいんですけど、、、 上司 ：どのくらい忙しいの？ 私 ：超残業してます。 上司 ：超って？何にどのくらい時間を取られているの？ 私 ：‧‧‧なんで、わかってくれないの！！！ 私 ：最近、めちゃくちゃ忙しかったので、過去半年の残業時間を⼀緒に⾒てもらえますか？」 上司 ：どれどれ。 私 ：こんな感じで、最近2か⽉の残業時間が過去の平均よりも40時間も多くなっています。 理由は、xxです。 上司 ：なるほど。 私 ：誰か、ヘルプに⼊ってもらえるよう調整していただけませんか？ 上司 ：了解、考えておく。 データなし データあり 問い ⼿段 基準 提案 要因
47. 47 ©MIXI 可視化における不要な要素を排除する。 余計な要素を排除しグラフを⾒やすくするための考え⽅として「データインク率 (Data-Ink Ratio)*」がある。これは、データ以外の装飾に使うインクは最⼩限にすべき、 という発想から⽣まれた⾔葉です。 *)Data-Ink Ratio = データを表すために使われたインク量 / グラフ全体のインク量。⼩さいほど、シンプルでわかりやすい。 出典: Remove to Improve(the data-ink ratio)
48. 48 ©MIXI グラフツールのデフォルト設定は、冗⻑なことが多い。 多くの⼈が様々な⽤途で使うツールにおいては、「情報なくて困る」よりは「冗⻑でも情 報がある」ことを優先するため、冗⻑な設定となっている(と、私は考えている) 。 私たちがデータを表現する場⾯では、これらの表現を削除することお勧めする。 「売上」が重複。 「⾦額」は、 単位を⾒ればわかる。 横軸の値を⾒れば、 ⽇付であることは ⾃明。 グリッド線が 多すぎる。 不要な枠線。 ⼩数点2桁 凡例とデータの 位置が遠い。 ⾊が わかりにくい。
49. 49 ©MIXI 【重要】わかりやすい可視化で考慮すべき要素 ⾊ Color ⽂字 Text 線 Line 配置 Layout 視線の動き に沿ったレイアウトを意識する。上→下。左→右。 空白を置くことで、視点を目立たせたい場所に誘導する。 意味が近い情報は、近接させる。(例：データと凡例) 利用する色数を、なるべく3色以下にする。 人は、1度に8色以上の色を認識することができない 。 不要な情報は、目立たない色 を使う(グラデーション/グレースケール) 冗長な罫線 / 枠線は極力削除 する。 必要な場合は、目立たないよう色・太さ を配慮する。 グラフのグリッド線は、3本以下がオススメ。なくてもよい。 冗長な文字は極力削除 する。(例：軸ラベル、データラベル) 主張したいメッセージは、短い文章で強調 。 補足的な情報は、目立たないよう色・サイズ を配慮する。 認知の しやすさ Abc
50. 50 ©MIXI わかりやすい可視化で考慮すべき要素 - スライド作成時にも応⽤できます。 ⾊ Color ⽂字 Text 線 Line 配置 Layout 視線の動きに沿ったレイアウトを意識する。上 →下。右→左。 空白の領域を置くことで、視点を目立たせたい場所に誘導する。 意味的に近い情報は、近接させる。 (例：データと凡例 ) 利用する色数を、なるべく 3色以下にする。 人は、1度に8色以上の色を認識することができない。 不要な情報は、目立たない色を使う (グラデーション /グレースケール ) 罫線 / 枠線は、削除する。 必要な場合は、目立たないよう色・太さを配慮する。 グラフのグリッド線は、 3本以下がオススメ。なくてもよい。 グラフ内の冗長な文字は極力削除する。 (例：軸ラベル、データラベル ) 主張したい重要なメッセージは、強調。 補足的な情報は、目立たないよう色・サイズを配慮する。 認知の しやすさ Abc
51. 51 ©MIXI 冒頭の説明で使ったグラフの改訂版 ▪商品C
 ▪商品G
 ▪商品B
 ▪商品A
 ▪商品D
 ▪商品F
 ▪商品E
 • 2023年12⽉の売上が伸びた商品を強調するようなグラフになっている。 軸の ⼩数点を削除 凡例と値を ⾒やすい位置に 変更 グリッド線を減らし 枠線を削除 単位を追記。 ”⽇付”の ラベルを削除 主張したいデータと その他で⾊を分けた。
52. 52 ©MIXI さいごに • わかりやすい可視化は、受け⼿への気遣いである。 ◦ 「少々乱雑なグラフでも意図は伝わる」と考えることできる。 ◦ 受け⼿によっては、瞬時に理解しづらいグラフに苛⽴ちを感じることもある。 ◦ 組織内で協調しながら成果を出すために、情報をわかりやすく伝えるための配慮が求められる。 • よい可視化かどうか、「判断すること」と、「作ること」は別物。 - 料理をできなくても、料理がうまいかどうか、判断することはできる ◦ 誰でも「わかりやすいグラフ」かどうかを判断することはできる。 → それが「わかりやすい」ということ ◦ ⾃分で作るためには、ノウハウを知り練習をする必要がある。 • わかりやすく作るのは⼤変。場⾯に応じた作りこみにする ◦ わかりやすいグラフを作るには労⼒がかかるが、タイミングを逃してしまっては、本末転倒。 ◦ ⽇々のコミュニケーションで使う場⾯や、多くの関係者に対する説明する場⾯では、作りこみのレベルを使い分けること。 • データに対して誠実であること ◦ 主張を伝えるために、恣意的な可視化や不都合なデータを隠ぺいをしないこと。 ◦ データに疑念を持たれることでストーリー全体の信憑性を損なうリスクとなる。 ◦ 意図しないデータを⾒つけても、事実に向き合い不利益な事実も含めて相⼿に説明することが、信頼を得る近道となる。
53. 53 ©MIXI まとめ シンプルに、過不⾜なく。 ⽇々の業務の中で、データを⾒る機会を増やし、 シンプルなグラフ作りを⼼がけてもらえれば幸いです。
54. 54 ©MIXI 参考⽂献 • 『データ視覚化のデザイン』 ◦ 永⽥ゆかり [著] 2020 SBクリエイティブ 可視化に関する要素が余すことなく書かれた本。ダッシュボードの事例も多い。 • 『Google流資料作成術 - storytelling with data』 ◦ コール‧ヌッスバウマー‧ナフリック [著]、村井瑞枝 [訳] 2017 ⽇本実業出版社 データを使ってストーリーを語るための⼿順について具体的に詳しく書かれている。 • 『ビジネスダッシュボード 設計実装ガイドブック』 ◦ 池⽥俊介、藤井温⼦、桜井将允、花岡昭 [著] 2023 翔泳社 ビジネスで活かされるダッシュボードについて、要件定義から実装、運⽤まで書かれている。 • 『なるほどデザイン 〈目で見て楽しむ新しいデザインの本。〉 』 ◦ 筒井 美希 [著] 2015 エムディエヌコーポレーション 様々な事例について、良いデザインと惜しいデザインを⽐較しながら理解でき、わかりやすい。
55. ©MIXI