データ分析・活用の事例を分析する：売場見直しのデータ分析 その２
分析屋の下滝です。
本記事のシリーズでは、データ分析・活用だと思われる事例を分析しながら、我々はどのような活動をデータ分析やデータの活用だと呼んでいるのかを考察していきます。
なお、データ分析の各種の枠組みを分析していくという別観点のシリーズは以下を御覧ください。
過去の記事の一覧はこちら。
事例
今回の事例は、前回の続きの後半となります。
卸売り企業が行ったドラッグストア向けの売場見直し提案となります。いわゆるクロスマーチャンダイジングの事例です。ある商品と同時購買される傾向のある商品を、その商品の売り場にも配置して、顧客の買い上げ率を上げる施策となります。
具体的には、以下の記事を分析していきます。
分析にあたっては、この事例がどのようなプロセスで構成されているのかに着目します。具体的には、いくつかのプロセスのパターンで構成されると考えます。
プロセスのパターンとしては、これまでの記事での分析をもとにして、以下を特定しています。
・集計の動機を生み出すプロセス
・集計のプロセス
・知識を生み出すプロセス
・比較のプロセス
・非課題抽出プロセス
・課題抽出プロセス
・機会を探す動機を生み出すプロセス
・機会となる仮説を生み出すプロセス
・仮説を生み出すプロセス
・仮説を検証するプロセス
・疑問を生み出すプロセス
・疑問に対する仮説を生み出すプロセス
・疑問に対する検証方法を生み出すプロセス
・疑問に対する仮説を検証するプロセス
・施策を生み出すプロセス
・施策の仮説を生み出すプロセス
・施策を実行するプロセス
・施策の仮説を検証するプロセス
これらのプロセスパターンの特徴の一つは、「分析」という言葉を使っていない点です。これらプロセスパターンの部分的な組み合わせのいくつかをデータ分析と我々は呼んでいるのではないか、という仮説です。
前回から引き続き、今回の事例の後半にあたる箇所でもでもこれらのプロセスで表現できるのかを確認していきます。表現できなければ、表現できるプロセスを特定し修正していきます。
売場見直しのデータ分析
では事例を見ていきます。
食品卸の国分グループのマーケティング企画部の古城さんという方が、ドラッグストア向けの提案をしているという背景です。
食品卸大手の国分グループ本社が小売り向けの提案に力を入れている。人口減と高齢化に直面する国内市場。卸業界にはモノの中間流通だけでは生き残れないとの危機感が広がる。マーケティング企画部の古城尚子さん（48）は販売促進の企画提案や時代を先読みした品ぞろえの提案で売り場の活性化をリードしている。
「もっと売れてもいいのに。どうしたら伸びるだろう」。内臓脂肪を減らしたり、血糖値の上昇を抑えたりといった食酢の健康面への効果が注目され始めた2015年。古城さんはある数字に目を留めた。市場全体やスーパーでは飲用酢の売上高が前年比で6%以上伸びているのに、ドラッグストアではむしろ減っていた。なぜだ。
仮説に固執せず
------------------
「ID-POS」と呼ばれる顧客属性付きのPOS（販売時点情報管理）データを使って購買層の年齢や性別などを分析。浮かび上がったのは、薄めて飲む希釈タイプも、そのまま飲めるドリンクタイプも、購入者の中心は50～60代の女性だった。購入者の「タイプ別」に売り方を提案すれば、ドラッグストアでの販売も伸ばせるのではという当初の目算は崩れた。
前回は上記の引用の流れでデータ分析が行われた箇所を扱いました。最終的には次の図で示すようなプロセスで構成されているとして表現しました。
上記の結果としては、当初の仮説通りにならなかったため、想定していた施策ができなかったというケースになります。これが前回の記事で扱った前半部分となります。
今回は以下に示す後半部分のデータ分析と施策にあたる箇所を扱います。
一方で、打開のポイントもデータにあった。食酢と一緒に購入する商品を調べると、ストレートタイプではダイエット食品や野菜飲料、乳酸菌飲料などの健康食品が多い。「疑問に思ったら仮説を立て、その仮説が行き詰まったら一度引いて、違う視点を持つことが大切だと学んだ」。
古城さんは早速、それまで食酢のコーナーに並ぶことが多かったストレートタイプの飲用酢を、野菜ジュースなどの飲料コーナーに並べる展開を提案することにした。
ただドラッグストアは商品分野ごとに売り場を固定する傾向が強く、売り場をまたいで商品を並べる「クロス提案」はハードルが高い。売り場の見直しに難色を示す取引先は多かったが「若年層の立ち寄りが多い飲料コーナーに置けば、新しい客層の開拓につながる」と口説いた。併せて効果的な店頭販促（POP）や店内放送のプランも提示したところ、複数の店舗がトライアルに協力してくれた。
効果はてきめんだった。売り場を見直した店舗では、飲用酢の来店者あたりの買い上げ率が前年同期比で8.8%上昇し、売上金額も16%伸びた。この結果を見て、他店でも売り場を見直す例が相次いだという。
以下のようなプロセス要素として解釈できると考えました。
・仮説を生み出すプロセス：食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリが見つかるのではないか。
・仮説を生み出すプロセス：食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリが見つかれば、クロス提案すれば売上が上がるのではないか
・施策案を生み出すプロセス：食酢と一緒に購入される商品カテゴリをもとにしてクロス提案をする。
・集計の動機を生み出すプロセス：集計しなければ仮説の検証ができないため
・集計のプロセス：ID-POSデータにより、食酢と一緒に購入される商品を集計
・知識を生み出すプロセス
・比較のプロセス
・非課題抽出プロセス：食酢のストレートタイプではダイエット食品や野菜飲料、乳酸菌飲料などの健康食品が一緒に購入されることが多い
・課題抽出プロセス
・仮説を検証するプロセス：食酢のストレートタイプではダイエット食品や野菜飲料、乳酸菌飲料などの健康食品が一緒に購入されることが多い
・施策を生み出すプロセス：ストレートタイプの飲用酢を、野菜ジュースなどの飲料コーナーに並べる展開施策
・施策の結果の仮説を生み出すプロセス：ストレートタイプの飲用酢を若年層の立ち寄りが多い飲料コーナーに置けば、新しい客層の開拓につながり、売上が伸びる。
・施策を実行するプロセス：ストレートタイプの飲用酢を野菜ジュースなどの飲料コーナーに並べた
・施策の仮説を検証するプロセス：売り場を見直した店舗では、飲用酢の来店者あたりの買い上げ率が前年同期比で8.8%上昇し、売上金額も16%伸びた。
・仮説を検証するプロセス：食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリが見つかれば、クロス提案すれば売上が上がる
・機会となる仮説を検証するプロセス：市場全体やスーパーでは飲用酢の売上高が前年比で6%以上伸びているのであれば、ドラッグストアでももっと売れる
一つずつ確認します。
「仮説を生み出すプロセス」の１つ目は、「食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリが見つかるのではないか」という仮説を生み出すと捉えました。
「仮説を生み出すプロセス」の２つ目は、「食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリが見つかれば、クロス提案すれば売上が上がるのではないか」というものです。１つ目の仮説通りであれば、次に検証することになる仮説となります。
「施策案を生み出すプロセス」は、「食酢と一緒に購入される商品カテゴリをもとにしてクロス提案をする」というものです。今回新しいプロセスだとして特定したプロセスとなります。少し基準がまだ曖昧ですが、施策案だというのは、具体的に実施する施策ではなく具体性がまだない施策だという意味です。この例の場合は、「商品カテゴリ」が何かわからない限りこの施策を具体的に実施することはできないため、施策案として扱います。
また、この施策案は何をインプットとして生まれるのかは表現しきれませんでした。仮に「機会となる仮説」をインプットとして生まれるとしましたが、より詳細なプロセスが隠れていそうです。上で議論した「仮説を生み出すプロセス」と関係があるというのは確かですが、分かりませんでした。このプロセスを明確にするのは、今後の課題としたいと思います、
「集計の動機を生み出すプロセス」は、集計しなければ仮説の検証ができないためです。
「集計のプロセス」は、ID-POSデータにより、食酢と一緒に購入される商品を調べるために集計することだとしました。これは、いわゆるバスケット分析（同時購買分析）のための集計を行ったのではないかと思われます。
以下の図は、バスケット分析のための集計結果の例となります。この例は『ID-POSデータ活用検定（基礎・カテゴリー分析編）テキスト』での解説をもとにしています。
図でのバスケットとはレシートのことを意味します。「総バスケット数」とは、ある期間で、2,428,610枚のレシートがあったという意味です。
軸商品名とは、通常、売り込みたい相手商品が売場を間借りする先となる商品となるようです[1]。軸商品の購買力を活用して、関連する相手先商品を販売することは基本となるため、購買率が高い商品や、顧客が計画的に購買する商品が軸商品に向いているようです。図では、「米飯加工品」となっています。相手先商品は、「調理済みカレー」などが出てきています。なお、通常は、単品商品（個々の商品）ではなく、カテゴリーやサブカテゴリーなどの粒度で行うようです。
今回の事例では、「食酢」カテゴリ（ストレートタイプなのでサブカテゴリー）を扱いますが、軸商品なのか相手商品なのかどちらなのか迷いました。前述の基本に戻れば、「食酢」は、売り込みたい相手商品に対応するように思えましたが、「食酢」を商品軸にして、相手商品を探してもリフト値の計算上は同じかもしれないと思いました。いずれにせよ、同時に購買される傾向が高い（リフト値が高い）組み合わせの探し方は以下のどちらかだと思われます。
・「食酢」あるいは「食酢ストレートタイプのサブカテゴリー」を商品軸にして、同時に購買される傾向が高いカテゴリがあるかを確認する。
・いくつかの特定のカテゴリを商品軸にして、「食酢」あるいは「食酢ストレートタイプのサブカテゴリー」が出てくるかどうか確認する。
リフト値の計算方法を例の図をもとに紹介しておきます。相手商品としては「調理済みカレー」を例として計算します。
相手商品購買率
相手商品購買バスケット数 ÷ 総バスケット数
「調理済みカレー」バスケット数 ÷ 総バスケット数
37,781 ÷ 24,28,610 = 0.016( 1.6%)
同時購買バスケット数
軸商品と相手商品が同時に入っているバスケット数。
「米飯加工品」と「調理済みカレー」の両方が入ったバスケット数は2,605。
同時購買率
軸商品が入った全バスケット数の中で、相手商品も入っているバスケットの割合。
同時購買バスケット数 ÷ 軸商品バスケット数
同時購買バスケット数 ÷ 「米飯加工品」バスケット数
2605 ÷ 43,439 = 0.06 (6.0%)
同時購買リフト値
軸商品の入っているバスケットに相手商品のも入っている比率が全バスケットに相手の商品が入っている比率よりも何倍高いのか。
同時購買率 ÷ 相手商品購買率
同時購買率 ÷ 「調理済みカレー」購買率
6.0% ÷ 1.6 % = 3.9
この例では、「米飯加工品」が入ったバスケットに「調理済みカレー」も入る確率が、全バスケットの中に「調理済みカレー」が入る確率より3.9倍高い、という意味になります。もし、「米飯加工品」と「調理済みカレー」に何ら関係性がなければ、同時購買率は全バスケットにおける「調理済みカレー」の購買率である1.6%と同じになり、同時購買リフト値は1となります。しかし、実際には、リフト値は3.9となっているため、1.0より大きな数値となっています。したがって「米飯加工品」を買うときは、同時に「調理済みカレー」が一緒に買われやすい、ということになります。
なお、バスケット分析での数値の読み方や最終的にクロス提案するかどうかの決定のプロセスの詳細にデータ分析の特徴が隠れている可能性がありますが、この点の深堀りは次回の記事で扱いたいと思います。次節の考察をする際にも少し扱います。
「非課題抽出プロセス」は、「食酢のストレートタイプではダイエット食品や野菜飲料、乳酸菌飲料などの健康食品が一緒に購入されることが多い」というものです。これは比較のプロセスを含むのかどうか少し迷いましたが、「同時購買率」と「相手商品購買率」を比較しているとみなすのではないかとここでは考えました。例では「米飯加工品が入ったバスケットに調理済みカレーも入る確率が、全バスケットの中に調理済みカレーが入る確率より3.9倍高い」というのが例となります。
・相手商品購買率：米飯加工品が入ったバスケットに調理済みカレーも入る確率：1.6%
・同時購買率：全バスケットの中に調理済みカレーが入る確率：6.0%
「仮説を検証するプロセス」は、「食酢のストレートタイプではダイエット食品や野菜飲料、乳酸菌飲料などの健康食品が一緒に購入されることが多い」をもとに仮説を検証したということです。つまり「食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリが見つかるのではないか」という仮説は正しかったと解釈しました。
ここまでのプロセスは以下となります。前半の記事で扱った仮説検証に関わる一連のプロセスは省略しています。
また、次の図では、上記の図での仮説検証を行ったプロセスを省略をした表記としています。「食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリが見つかるのではないか」という仮説は検証されたため、その結果として得られた「非課題知識」が一連のプロセスのアウトプットであるとしています。
「施策を生み出すプロセス」は、「ストレートタイプの飲用酢を、野菜ジュースなどの飲料コーナーに並べる展開する」という施策となります。これは施策案をもとにしています。
「施策の結果の仮説を生み出すプロセス」は、「ストレートタイプの飲用酢を若年層の立ち寄りが多い飲料コーナーに置けば、新しい客層の開拓につながり、売上が伸びる。」を置きました。
「施策を実行するプロセス」は「売り場を見直した店舗では、飲用酢の来店者あたりの買い上げ率が前年同期比で8.8%上昇し、売上金額も16%伸びた。」と置きました。
「施策の仮説を検証するプロセス」は「売り場を見直した店舗では、飲用酢の来店者あたりの買い上げ率が前年同期比で8.8%上昇し、売上金額も16%伸びた。」ことにより仮説通りとなったになります。
「仮説を検証するプロセス」は、「食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリが見つかれば、クロス提案すれば売上が上がるのではないか」という仮説であり、施策の結果により、その通りだった確認できました。
ここまでのプロセスは以下となります。
また、仮説検証に関わる一連のプロセスを省略して表記します。
最後の「機会となる仮説を検証するプロセス」は、「市場全体やスーパーでは飲用酢の売上高が前年比で6%以上伸びているのであれば、ドラッグストアでももっと売れる」という仮説であり、施策の結果により、その通りだった確認できました。このプロセスは新たに特定したプロセスとなります。
事例の考察
いくつかの考察を行います。
１．施策案はどこから生まれるか
２．存在と施策実行の２つの仮説のペアの同時出現
３．仮説を生み出すプロセスから検証プロセスの省略と変換
４．施策案の具体化プロセス
５．検証の遡り
６．同時購買分析の詳細プロセスの表現
施策案はどこから生まれるか
考察の1つ目です。今回新たに「施策案を生み出すプロセス」というプロセスを特定しました。事例ではアウトプットとなる施策案は「食酢と一緒に購入される商品カテゴリをもとにしてクロス提案をする」というものです。しかし、この施策案を生み出すのに影響する、インプット要素が何であるのかは明確にできませんでした。考える手がかりとしては、古城さんがどのようにこの案を出したのかという視点で考えることがありそうです。可能性としては大きく２つあります。
・可能性1：ひらめいた。
・可能性2：自身の過去の経験で同じようなことをしている。または、バスケット分析（同時購買分析）を手法として知っていた。
それぞれを分析してみることが次のステップとして考えられます。
存在と施策実行の２つの仮説のペアの同時出現
考察の２つ目です。前回と今回ともに、仮説を生み出すプロセスに関する交通のパターンがありそうに思えました。
【前回】
・仮説を生み出すプロセス：購入者にはタイプがいくつかあるのではないか
・仮説を生み出すプロセス：購入者にはタイプがいくつかあるのであれば、タイプ別に売り方を提案すれば、ドラッグストアでの販売も伸ばせるのではないか
【今回】
・仮説を生み出すプロセス：食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリが見つかるのではないか
・仮説を生み出すプロセス：食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリが見つかれば、クロス提案すれば売上が上がるのではないか
共通点は以下です。
・関連する２つの仮説を生み出すプロセスがある。
・仮説を検証する順序に意味がある。１つ目の仮説がその通りでなければ、２つ目の仮説の検証に進めない。
・１つ目の仮説は、何らかの存在を期待する仮説であり、２つ目の仮説は、施策の実行結果を期待する仮説である。
このことはさらに疑問を生みます。
１．３つ以上が関連するパターンはあるか。
２．存在を期待する仮説だけで完結する事例のシナリオ（一連のパターン）はあるか。
３．施策の実行結果を期待する仮説だけで完結する事例のシナリオ（一連のパターン）はあるか。
最後に、プロセスのパターンとしても分類すると今後の分析が行いやすいかもしれません。
・仮説を生み出すプロセス
・存在を期待する仮説を生み出すプロセス
・施策の実行結果を期待する仮説を生み出すプロセス
同時に仮説の検証プロセスも分類できます。
・仮説を検証するプロセス
・存在を期待する仮説を検証するプロセス
・施策の実行結果を期待する仮説を検証するプロセス
仮説を生み出すプロセスから検証プロセスの省略と変換
考察の３つ目です。仮説を生み出すプロセスからその仮説を検証するプロセスは、検証が終われば間のプロセスは省略できるのはないかと思われます。考察２では「存在を期待する仮説」と「施策の実行結果を期待する仮説」の２つがあるとしました。それぞれは、検証プロセスが終わると次のプロセスで使うことができるアウトプットを残します。
・存在を期待する仮説：非課題知識
・施策の実行結果を期待する仮説：施策結果
別の言い方をすると、仮説の検証プロセスを通じて、仮説は事実に変換されます。
・存在を期待する仮説：事実としての非課題知識
事例をもとにするなら
仮説通りの例「食酢のストレートタイプではダイエット食品や野菜飲料、乳酸菌飲料などの健康食品が一緒に購入されることが多い」
仮説通りでない例「食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリは存在しない」
・施策の実行結果を期待する仮説：事実としての施策結果
事例をもとにするなら
仮説通りの例「売り場を見直した店舗では、飲用酢の来店者あたりの買い上げ率が前年同期比で8.8%上昇し、売上金額も16%伸びた。」
仮説通りでない例「売り場を見直した店舗では、飲用酢の来店者あたりの買い上げ率が前年同期比で0.1%上昇し、売上金額も0.5%伸びた。」
今回の事例では、最終的には以下の図のように表現しました。
施策案の具体化プロセス
考察の４つ目です。事例での施策は、施策案が存在して生み出させるとして表現しました。これは、施策案を施策に具体化するプロセスとして表現できるかもしれません。
「施策案を施策に具体化するプロセス」は、ここでは、「非課題知識」と「施策案」をインプットとして受け取り、「施策」をアウトプットします。「非課題知識」は、施策案を施策に具体化するための要素を含んでいる、と表現できるかもしれません。施策案は、具体的な施策になるための施策テンプレートとしての役割を果たす、と表現できるかもしれません。ある施策テンプレートは、具体化できる部分とそうない部分を含んだ表現と言えそうです。そういう視点で考えると、以下の図に示すように、今回の事例での施策案は、さらに一般化して表現できます。
施策案の「食酢と一緒に購入される商品カテゴリをもとにしてクロス提案をする」は「食酢」を一般化して次のように表現できます。
「ある商品カテゴリと一緒に購入される商品カテゴリをもとにしてクロス提案をする」
ここまで一般化するとクロス提案（クロスMD、クロス・マーチャンダイジング）そのものの施策と言えそうです。「施策案」というよりは「定番施策」「定番手法」などと表現できるかもしれません。文献[1]では、クロスMDは、「複数カテゴリーの商品を組み合わせる販促手法」として表現されています。
最後に、次の疑問がありそうです。
・施策案なしで施策を生み出すプロセスは存在するか
検証の遡り
考察の５つ目として、仮説の検証が遡って行われるというプロセスがありそうです。今回の事例での最上位の仮説は以下でした。
・機会となる仮説を生み出すプロセス：「市場全体やスーパーでは飲用酢の売上高が前年比で6%以上伸びているのであれば、ドラッグストアでももっと売れる」
この仮説は、以下の施策の結果をもとに、検証されました。
「売り場を見直した店舗では、飲用酢の来店者あたりの買い上げ率が前年同期比で8.8%上昇し、売上金額も16%伸びた。」
しかし、この施策結果で検証する仮説はより最下位のものもありました。
・施策の結果の仮説を生み出すプロセス：「ストレートタイプの飲用酢を若年層の立ち寄りが多い飲料コーナーに置けば、新しい客層の開拓につながり、売上が伸びる。」
さらにこれらのプロセスの中間としてもう一つの仮説もありました。
・仮説を生み出すプロセス：「食酢と一緒に購入される商品の中に、クロス提案できる商品カテゴリが見つかれば、クロス提案すれば売上が上がるのではないか」
これらの仮説は、最も具体的な「売り場を見直した店舗では、飲用酢の来店者あたりの買い上げ率が前年同期比で8.8%上昇し、売上金額も16%伸びた。」により、それぞれ検証ができたと考えられます。仮説が生まれた順は、抽象的な仮説からより具体的な仮説になっていきます。そして、具体的な施策結果により、具体的な仮説がまず検証され、より抽象的な仮説の検証に遡るように順に検証されていくと考えられます。
同時購買分析の詳細プロセスの表現
６つ目の考察です。今回の事例では、バスケット分析（同時購買分析）におけるプロセスの詳細は踏み込みませんでした。しかし、この詳細なプロセスの中にデータ分析の特徴が隠れている可能性があります。ヒントとしては、たとえば、文献[2]であげられてるバスケット分析をするにあたっての以下のような点が考えられます。
・A：バスケット分析の結果をどのように読み取るか。同書では同時購買リフト値と同時購買率に着目することが述べられています。
・B：リフト値はどのくらいが目安となるか。同書では２以上が指摘されています。
・C：同時に買われる理由の解釈をどのように行うか。同書では、同時買われる理由として３つが挙げられています。
１．単に売場が近い
２．たまたま同時期に販促がかかっていた
３．用途やメニュー、購買者の嗜好やニーズに関連性がある。
１と２の場合は、同時購買リフト値が高くてもその相手カテゴリーを関連陳列（クロスMD）などの施策の対象に選ぶわけにはなりません。
３の場合でも、どのような関連なのかを検討し、一緒に買われる理由がわからないと有効な打ち手（施策）を開発できないと述べられています。理由がすぐに分かるものもあれば深く考えないと分からない場合もあるとのことです。分析者が一人でバスケット分析の出力を見ていても限界があると考えられ、複数名でディスカッションしながら結果の会社をすることがおすすめられています。
このようなA、B、Cのプロセスをどのように表現するのかについては、次回の記事で扱いたいと思います。
プロセスパターンの修正
最後に、プロセスパターンのまとめです。今回の事例をもとに、プロセスのパターンを次のように修正しました（変更点は太字）。
・集計の動機を生み出すプロセス
・集計のプロセス
・知識を生み出すプロセス
・比較のプロセス
・非課題抽出プロセス
・課題抽出プロセス
・機会を探す動機を生み出すプロセス
・機会となる仮説を生み出すプロセス
・機会となる仮説を検証するプロセス
・仮説を生み出すプロセス
・存在を期待する仮説を生み出すプロセス
・施策の実行結果を期待する仮説を生み出すプロセス
・仮説を検証するプロセス
・存在を期待する仮説を検証するプロセス
・施策の実行結果を期待する仮説を検証するプロセス
・施策案を生み出すプロセス
・疑問を生み出すプロセス
・疑問に対する仮説を生み出すプロセス
・疑問に対する検証方法を生み出すプロセス
・疑問に対する仮説を検証するプロセス
・施策を生み出すプロセス
・施策案を施策に具体化するプロセス
・施策の仮説を生み出すプロセス
・施策を実行するプロセス
・施策の仮説を検証するプロセス
まとめ
今回は、前回の続きとして、卸売りの観点からのデータ分析の事例をもとに、その事例で行われていることのプロセスを、これまで特定してきたプロセスのパターンで表現できるかどうかを分析しました。
結果として、いくつかのプロセスが新たに特定できました。
次回は、バスケット分析（同時購買分析）でのプロセスの詳細を、プロセスパターンで表現できるかどうかを確認します。
参考文献
[1] 店頭マーケティングのためのPOS・ID-POSデータ分析, 2016
[2] ID-POSデータ活用検定（基礎・カテゴリー分析編）テキスト, 2023
株式会社分析屋について
ホームページはこちら。
noteでの会社紹介記事はこちら。
専用の採用サイトはこちら。
求人情報はこちら。
【データ分析で日本を豊かに】
分析屋はシステム分野・ライフサイエンス分野・マーケティング分野の知見を生かし、多種多様な分野の企業様のデータ分析のご支援をさせていただいております。 「あなたの問題解決をする」をモットーに、お客様の抱える課題にあわせた解析・分析手法を用いて、問題解決へのお手伝いをいたします！
【マーケティング】
マーケティング戦略上の目的に向けて、各種のデータ統合及び加工ならびにPDCAサイクル運用全般を支援や高度なデータ分析技術により複雑な課題解決に向けての分析サービスを提供いたします。
【システム】
アプリケーション開発やデータベース構築、WEBサイト構築、運用保守業務などお客様の問題やご要望に沿ってご支援いたします。
【ライフサイエンス】
機械学習や各種アルゴリズムなどの解析アルゴリズム開発サービスを提供いたします。過去には医療系のバイタルデータを扱った解析が主でしたが、今後はそれらで培った経験・技術を工業など他の分野の企業様の問題解決にも役立てていく方針です。
【SES】
SESサービスも行っております。