はじめに
ビジネスの現場やニュース、日常の調べもので、数字を使って説明されると、それだけで「なるほど、信頼できるデータだな」と納得してしまいませんか？実は、そこに大きな落とし穴が潜んでいることがあります。「平均値」や「データのばらつき具合（分散）」といった要約された数字だけを鵜呑みにしていると、物事の本質を見誤ってしまうことがあるのです。本記事では、データ分析において絶対に知っておくべき「アンスコムの例解（カルテット）」という有名な事例をベースに、なぜ私たちが数字だけでなく「目で見ること（可視化）」を大切にしなければならないのかを、初心者の方に向けて丁寧に解説します。
👇 本記事でわかる3つの重要ポイント 👇
- 【テーマ1】統計の数字がすべて同じなのに、見た目は全く異なる「4つのデータ」の不思議
- 【テーマ2】数字の計算だけでデータ分析を済ませてしまうことで発生する「恐ろしい罠」
- 【テーマ3】誰でも今日から実践できる、グラフを使った正しいデータ理解のステップ
「数学や統計は苦手だな……」と感じている方でも心配いりません。図や分かりやすい日常の例を交えながら、直感的に理解できるように構成しています。それでは、データの裏側に隠された面白い真実に迫っていきましょう！
アンスコムの例解（カルテット）とは何か？まずは基本を押さえよう
データ分析の世界では、非常に有名で、かつ最も基本的な教訓として語り継がれている「アンスコムの例解（カルテット）」というものがあります。カルテットとは「4重奏」や「4人組」を意味する言葉で、ここでは「4組のデータセット（データの集まり）」のことを指しています。
このアンスコムの例解は、1973年にイギリスの統計学者であるフランシス・アンスコム氏によって提唱されました。彼は当時、多くの人々がコンピュータを使って計算された数値ばかりを重視し、グラフを描いてデータそのものの形を観察することを軽視している現状に危機感を抱いていました。そこで、「数字の計算結果だけに頼っていると、こんなに奇妙な間違いを引き起こしてしまうのですよ」ということを世に示すために、この画期的な4つのデータセットを考案したのです。
4つのデータの奇妙な共通点
この4つのデータセットは、それぞれ11個のペア（xとyの数値）から成り立っています。驚くべきことに、これら4つの異なるデータセットに対して、私たちがよく使う代表的な統計的な計算を行うと、以下のような主要な数値がすべて「全く同じ」になります。
- xの値の平均値： すべて「9.0」になります。
- yの値の平均値： すべて小数点以下第2位まで同じ「7.50」になります。
- xの値のばらつき具合（分散）： すべて「11.0」になります。
- yの値のばらつき具合（分散）： すべて「4.12」前後になります。
- xとyの連動性の強さ（相関係数）： すべて「0.816」となり、かなり強い関連性があることを示します。
- 関係性を表す直線（回帰直線）： すべて「y = 3 + 0.5x」という同じ数式で表すことができます。
いかがでしょうか。これほど多くの代表的な統計指標が完全に一致しているのですから、もしあなたが数値データだけを渡されてレポートを作成する立場だったとしたら、「これら4つのデータは、どれも中身の傾向や特徴がそっくりなデータに違いない」と判断してしまうのではないでしょうか。そう考えてしまうのも無理はありません。しかし、これらを実際にグラフ（散布図）にして目で見てみると、その思い込みは一瞬で崩れ去ることになります。
数値が同じなのに形が違う？4つのグループの正体を暴く
それでは、これら4つのデータグループを実際にグラフに描いたとき、それぞれどのような姿をしているのか、個別にその正体を暴いていきましょう。数字の上では一卵性の双子どころか、四つ子のように見えていたデータたちが、グラフにすると驚くほど個性豊かな表情を見せてくれます。
【第1のデータセット】教科書通りの自然な関係性
最初のグループをグラフにすると、私たちが最も想像しやすい自然な形の分布が現れます。全体として、右肩上がりのなだらかな直線に沿うように、データが適度なばらつきを持って綺麗に散らばっています。これは統計学の教科書に載っているような、xが増えればyも増えるという「正の相関」を素直に表した典型的な形と言えます。このデータであれば、先ほど計算した平均値や回帰直線（y = 3 + 0.5x）は、データの性質を非常によく捉えていると評価できます。
【第2のデータセット】きれいなカーブを描く放物線
2番目のグループをグラフにすると、誰もが思わず驚きの声を上げてしまいます。なぜなら、データが直線ではなく、きれいなアーチ（放物線）を描いて並んでいるからです。最初はxが増えるにつれてyも増えていきますが、あるピークを境に、今度は滑らかに減少へと転じています。これは「直線的な関係」ではなく、完全に「曲線的なルール」に支配されているデータです。にもかかわらず、直線を前提とした計算式を無理やり当てはめてしまったために、平均値や相関係数が第1のグループとたまたま同じになってしまったのです。このデータに直線の関係式を当てはめることは、データの真の性質を無視していることになります。
【第3のデータセット】1点だけが完全に浮いている直線
3番目のグループは、ほぼ完璧な一直線上にデータが並んでいます。しかし、よく見るとその並びから大きく外れた場所に、ポツンと1点だけ極端な数値（外れ値）が存在しています。もし、この大きく外れた1点がなければ、データはもっと急な傾きを持つ非常に綺麗な直線になっていたはずです。しかし、このたった1つの異端児データに引っ張られてしまった結果、全体の平均値や直線の傾きが歪められ、最終的な計算結果が第1や第2のグループと同じになってしまいました。たった一つの特異なデータが、全体の分析結果を大きく左右してしまう良い見本です。
【第4のデータセット】一箇所に集中する中に紛れた、離れ小島のような存在
最後の4番目のグループは、さらに極端な形をしています。なんと、11個のデータのうち10個が、xが「8」という同じ縦の一本線上に完全に重なるようにして縦に並んでいます。そして、残りのたった1つのデータだけが、遥か右上の離れた場所に位置しているのです。この「離れ小島」のような1点が存在しているおかげで、全体の平均値が引っ張り上げられ、あたかも全体として右肩上がりの関係があるかのような「y = 3 + 0.5x」という直線が計算されてしまいました。このデータから「xが増えればyも増える」という法則を見出すのは、明らかに無理があります。ほぼ垂直な壁のデータと、ポツンと離れた1点があるだけなのですから。
なぜ数字だけでは不十分なのか？「可視化」が必要な理由
アンスコムの例解が教えてくれる最も重要なメッセージは、「データの分析を数値の計算だけで終わらせてはならない。必ずグラフにして自分の目で確認しなさい」という極めてシンプルなルールです。では、なぜ私たちは数字だけに頼ってはいけないのでしょうか。その具体的な理由を、さらに掘り下げて考えてみましょう。
「要約統計量」の限界を知る
私たちが普段使っている「平均値」「中央値」「分散」「標準偏差」などの言葉は、専門用語で「要約統計量」と呼ばれています。要約という言葉が示す通り、これは「複雑で大量にあるデータの特徴を、1つの数字にギュッと凝縮して分かりやすく表現したもの」です。
例えば、学校のテストの平均点が「60点」だったとします。これを聞いたとき、私たちはなんとなく「みんな60点くらいの実力なのだな」と想像します。しかし、実態は以下のように全く異なるケースが考えられます。
- クラス全員がまんべんなく55点〜65点の間に収まっているケース（全員の学力が平均的）
- 100点を取った優秀な生徒が半分、0点だった生徒が半分という極端なケース（学力が完全に二極化している）
どちらのケースも、計算上の「平均値」は同じ「50点」や「60点」といった数値になり得ます。しかし、クラスの実態は全く違いますよね。このように、要約された数字は便利である反面、データが持っていた「生の形」や「全体のバランス」という大切な情報を削ぎ落としてしまうという致命的な弱点があるのです。
異常値（外れ値）の存在を見逃してしまうリスク
データの中には、測定のミスや、何らかの突発的なトラブルによって発生した「異常な数値（外れ値）」が紛れ込むことがよくあります。アンスコムの第3、第4のデータセットがまさにそうであったように、たった1つの外れ値が存在するだけで、平均値や相関係数といった全体の数値は簡単に狂わされてしまいます。
もしグラフを描かずに計算結果だけを見ていたら、私たちはその異常値の存在にすら気づくことができません。その異常値が「なぜ発生したのか」を調べるチャンスを失い、間違った前提のままビジネスの意思決定や研究を進めてしまうことになるのです。これは非常に恐ろしいことです。
ビジネスや日常に活かす！正しいデータ分析のステップ
アンスコムの例解から学んだ教訓を、私たちは日々の仕事や生活の中でどのように活かしていけばよいでしょうか。ただ「グラフを描こう」と頭で理解するだけでなく、具体的な行動のステップとして落とし込んでみましょう。データを扱う際の正しいアプローチ方法をご提案します。
データを分析する際は、以下の順番で作業を進めることを強くおすすめします。順序を間違えないことが、大きな失敗を防ぐ最大の秘訣です。
- ステップ1：まずはデータをざっくりと眺める
データを入手したら、いきなり平均値などの計算を始めるのではなく、まずはデータシート全体をスクロールして眺めてみます。極端に大きな数値や、不自然な空白、マイナスの値などが混じっていないかを直感的にチェックするためです。 - ステップ2：簡単なグラフ（散布図やヒストグラム）を描く
これが最も重要なステップです。エクセルや使い慣れたツールを使って、まずは散布図（xとyの交点を点で表した図）や、データの分布を示すヒストグラムを描いてみましょう。これにより、データの「全体的な形」や「外れ値の有無」、「グループが複数に分かれていないか」といった大まかな特徴を、一瞬で把握することができます。 - ステップ3：グラフを見てから、統計的な数値を計算する
グラフを確認した上で、初めて平均値や分散、相関係数などの具体的な数値を算出します。グラフの形から得られた直感と、計算された数値にズレがないかを確認しましょう。もしグラフはカーブを描いているのに（アンスコムの第2のデータセットのように）、直線の計算式を当てはめようとしていたら、この段階で「もっと適切な別の分析方法を使おう」と軌道修正することができます。 - ステップ4：異常値への対処を決める
グラフで見つかった「ぽつんと離れた異常値」について、それが入力ミスなどのゴミデータであれば取り除き、もし重要な例外データであればその理由を詳しく分析します。このようにして、データの精度を高めていきます。
この4つのステップを習慣にするだけで、データ分析の失敗は劇的に減らすことができます。数字を計算する前に、まず「絵にして見る」。このシンプルな一手間が、あなたをデータの罠から救い出す盾となってくれるでしょう。
まとめ
「平均値」や「分散」といった数字は、とても便利で強力な道具です。しかし、それだけに頼りすぎてしまうと、アンスコムの例解（カルテット）が示すように、全く異なる性質のデータを「同じもの」として誤解してしまう大きなリスクを抱えることになります。
データは、私たちの目に見える形にして初めて、その本当のストーリーを語り始めてくれます。どんなに忙しい時でも、データを受け取ったらまずはグラフを描いてみる。この「可視化」のステップを徹底することが、正しいデータ分析の第一歩であり、データに騙されないための最も強力な防衛策です。皆さんも、日々の生活やビジネスで数字に触れるときは、ぜひ「その数字の裏にある本当の形はどんなだろう？」とグラフを描いて確かめてみてくださいね。きっと、数字だけでは見えなかった新しい発見や面白い真実が見えてくるはずです。
