横軸が原因、縦軸が結果、幾度となくグラフはみているが意識はしていなかった。改めて確認ができた。
外れ値は、将来に当たり値になる可能性を持てることに驚きました。
外れ値や空白部分にも着目し、勘に頼らない分析を心掛けていきたい。
散布図の空白が示唆することを読み取ることにも留意！
初心者には、取っつきやすかった
目盛幅によって印象操作が可能とあるが、悪意のある印象操作ではなく、
必要な情報として、与えたい印象を分かりやすく可視化することが可能。
当たり前のように感じるが、いざ業務の中でとなると、多忙さ故に必要最低限の情報しか抽出せずにそのまま放置、というケースもあった。これまでの思想の一連の動画を見て、なぜ？どうして？と常に問いかける姿勢が大事なのだろうと改めて感じた。
結果系の変数に対してどれだけ原因系の引き出しをもっているかに分析精度は左右されると感じた。
外れ値や空白部分に留意しつつ日頃から考察するための引き出しは増やしておく。
これまで感覚で理解していたデータを見える化するのに役立ちそうです。
散布図を営業活動で利用できる方法がわかり、勉強になった。
縦軸横軸のスケールの違いで、データが密集しているにも、分散しているにも見ることができる。客観的なデータ解析をするにはこのスケールの設定が非常に重要ではないかと思います。
論理的思考のステップを踏んだ上で、散布図を作成することが大切だと思います。手段として散布図をなにげに使用していますが、そこに至るプロセスでの考察が活かされると思うからです。
外れ値は「例外」とするのではなく、重要な示唆が得られるかもと注目する事が大切だと知った。カンに頼らず原因―結果を考えるうえで有効な方法だと思う。
この内容ならわかりやすい
Y軸のメモリの幅と、どの要素をX軸に設定するかが重要になってくるので、その要素の選択方法も学びたい。
散布図を作るためには、複数サンプルがあることが前提なので、それを集めないことには始まらない。
どこで相関見つけるかわからないので、属性も多く取っておいた方がよいですね。
これまで原因と結果をグラフで検討してみたことがなかったため、実際にグラフにして検討してみたい。
二つの変数がある場合には簡単に散布図を作成してみることで思いもよらない関係性を見出すことができる場合があるかもしれない。
提案書の分析において、散布図を活用しよりよい提案書作成を目指したい。
ビジュアルから実態を感覚で理解する、大事ですよね！
メモリ幅の解説も少しして欲しかった
外れ値の原因特定が結構難しいと感じます。
空白部分の読み取りは、今まで意識したことがあまりなかったため、良い気付きを得れた。
以前学習した因果関係を考えるヒントにもなりそう。
相関関係≠因果関係にも注意したい。
外れ値、空白、目盛りにも注目しよー
空白からも読み取れることがあるって新鮮！
横軸が原因、縦軸が結果。グラフ作成で、たまに間違ってることがあるなと気づきました。
外れ値に着目することが新しい価値観を生むのだろう。金をかければ、品質が良くなると思いがちだが、金をかけずに品質が良くなった外れ値を見ていくのが必要
業務で、活用します。
原因が横軸で、結果が縦軸という事を恥ずかしながら、はじめて知りました。
あまり散布図を使ってきませんでしたが、外れ値から新しい気付きを見つけるために使用していこうと思いました。
2つの変数の関係性を見るためのグラフであるということを学びました。
私が所属する会社ではテストの品質管理に活用しています。
I have many time to use this approach.
I practice it!
散布図を作ることを考えたこともなかったが、自作することで、より読み込めると思った。
散布図自体シンプルで、2つの変数に相関関係があるのかについても見た目で分かりやすく工数分析などで使えるかもと思いました(y軸工数：x軸機能数など)
x軸は何パターンか入れてみて様々な視点で見ると新たな気付きが出てくるかなと考えます。
また、外れ値や空白が意味する事を意識することで新たなアイデアや発見がありそうだと感じました。
相関関係を可視化するために散布図を用いるということですね
原因と結果を実際にグラフ化して検証していきたい。
手元にある情報をまずは可視化することの重要性を学んだ。散布図の余白の部分から得られる考察もあるというのは目から鱗。経験則ではなく、散布図等を用いて科学的根拠や実際の傾向を証明・把握したうえで日々の業務に臨みたい。
散布図は知っていたが、その読み方で、空白の領域の示唆については、気が付かなかった。
この点から、入力と出力の関係をみるときに空白領域に気をつけたい
散布図はあまり仕事で使ったことがないので使えそうなテーマで試してみたい
今まで使用していなかったが、何かを分析する時に使用してみたい
外れ値と空白から読み解くことも重要
多量のデータの処理で活用できる
データを分析する場合、散布図を使って関係性を分析することが有効であることを確認した。
散布図を用いることで見出される相関関係が、本当に相関の関係にあるかは注意する必要がある。
不具合の発生するプロセス、内容の相関を散布図で確認してみます
相関分析と合わせて使いたい
直感的にまずは事象をプロットすると、広がりや分散をおおよそ把握することができそうだ。
散布図を改めて考えさせられた
内容的には相関分析と同じ。
基本的な見方だが復習になった
あ
様々なデータを蓄積してグラフ化し、視覚化することで見えてくる因果関係は、業務を行っていくうえで重要。業務に割いている時間と、それから生み出される効果が適切かどうか、評価してみたい。
外れ値を分析する視点は持っていなかったので、今後活用したい
点が存在しないことから確証を導く視点は目新しかったです。
外れ値に注意しようと思いました。
目盛りの取り方で見え方が変わるので注意したい
ある事象と別の事象との関連性を把握するためにも活用したいと考えます。コツに関しても勉強になりました。
何か比較するものなど文字や、数値よりも散布図を使用した方が相手に説明しやすい。
外れ値を詳しく考察したことがなかったので、今後見ていきたい。
2次元ヒストグラムやkdeによる2次元の同時分布の可視化は、データが多いときは散布図より便利な様に思います。
単品商品でフェアでならべた商品の売り上げの相関をみるとき
新規事業の仮説検証で有効活用できる。
普段の業務に活かせるようにしたいと思います。
直近で実践する機会はなさそうですが、覚えておきたいです。
生産性にかかわる事項の関係性をみてみたい
相関分析のベースとなるグラフツール。
売上改善の為の施策を考える時の分析に活用したい。
散布図を使用して、分析しようとしているデータが適切かどうか確認できるので、とても便利です。売り上げとキャンペーンの分析に使用してみようと思います。
外れ値はお宝情報が多いことから必ず三現主義で確認してきたが、空白への注目は新たな気付きでした。
空白から得られる示唆。外れ値から得られる示唆。
散布図を使うケースは少ないけど、意識的に相関関係が、ないか探してみると色々な気付きが生まれそうなので、試してみたい！
データの見方に活用
外れ値という視点は、目からウロコでした
データそのものに目が行きがちだが、空白部にも注目することで新たな示唆を得ることができる。意識していきたい
空白域から重要な示唆が得られる点は、今まであまり考えたことがなかったので勉強になりました。
散布図を業務に使ったことがない。
日常で、気温と売上、天気と売上、などいろいろといイメージすることができそうだ
データ上で関連性のありそうな２変数を抽出する場合は、研究分野においてはいくらでもある。ただ、正負の相関のみにとらわれず、外れ値や第３ファクターについての検討も必要である。
相関分析の前にこちらを見た方がよかったかも。
先に相関係数を見たので、理解しやすかったです。
今まではあまり外れ値や空白を意識していなかったので今後はそこにも着目していきたい
空白の部分にも答えがあることに、気づけた。
散布図を使った分析をしたことがなかったが試してみたいと思いました
結果が数値化されるわけではなく、イメージから読み取る必要があるので知識と勘の使い分けが必要かと感じます。
二つの関係性を調査するうえでは有効な方法と考える。
特に外れ値がある場合は、更なる調査をすることでこれまで気づけなかったことが分かるかもしれない。ということが分かった。
分析したい結果から、原因を特定する。因果関係があるのかを考えた上でグラフ化する。
外れ値や、図の空白部分が大事であることを留意する
散布図の概要は理解できた。
メモリの設定の目安も知りたい。
グラフを作成する時のポイントになりました。
気温が下がっても上がっても変動する等を可視化できる
外れ値にも注目 広告費が少ないのに売上が高い
外れ値から重要な示唆が見られる
空白にも注目 ある程度広告費を使えばある程度の売上は確保できる等
メモリの幅でも印象が異なるので、相関係数は必ず見る
仕事でグラフはよく作るが、散布図はあまり使うことがなかった。外れ値や空白を分析するためにも、もう少し活用度を高めようと思った。
生産コストと売上が一致しないケースの原因を追究するきっかけになる
基本を学べました。
数値の表を示すより、散布図を書いた方が視覚的に訴えられ、効果的な場合もある。
散布図を目で見て、外れ値や空白、グルーピングできそうかを調べてみようと思った
統計分析の際に考慮する。
外れ値、空白の読み取りも含めて相関図と覚え直したい
実際の業務ではこのような散布図をポンポン作っていくようになるのか・・・と想像しながら聞いていました。
散布図を作成したときには、外れ値と空白にも注目する習慣をつける。
散布図で空白値の検証も重要だと感じた。
散布図も重要だが、加えて相関分析まで行うほうがより有効だと感じた
散布図の正しい使い方が理解できました。
なぜ？と思う事が大事。
はずれ値からの気づきを大切にしたい。
初心者向け、分かりやすいです。
気づき
普段何気なく使っていたが縦軸に結果、横軸に原因とは知らず。
散布図の重要性が分かりました。
取引会社を業種ごとに分類し、メルマガの視聴数を月ごとに集計することにより、各業種に効果的な情報提供を実現できると考えます。
研究において2値の関係を視覚的にわかりやすく伝えることができそう。
データ分析を行うのに有効だが、目盛りの幅が印象に大きな違いを与えることが印象的だった。
自他共に恣意的な見せ方にならないよう目を養いたい。
あああ
よく利用する図です。目的を考えながら利用したいと思います。
空白や外れ値からも情報が得られる。
外れ値や空を分析することで、今まで気がつかなかったことにまで気づくことができる
相関のありそうなデータをできる限り調べていくことで、新しいアイデアが生まれるかも、と思った。
また外れ値と空白部分は気にしたことがなかったが、重要な示唆を得られる可能性があるとわかった！
外れ値や散布図の空白からも重要な示唆が得られるとは初耳。
散布図はあまり使ったことがなかったので、活用してみます。
価格と売り上げの相関をグラフにしてみたいと思います。
二つの変数の関係性を可視化できるのが利点。
散布図は学生時代にも扱ったことがあったので取り組みやすかった
単に散布図を描くだけでなく、空白や外れ値にも注目することで新しい発見がある可能性があるため、そこにも留意したい。
目盛り幅に注意することで視覚的に伝わりやすいデータとなることが分かった
投資先を決定するとき，どこに投資すると結果につながりやすくなるか調査できる
業務においても散布図を使用することで分かることが多い。
データ分析に役立つ。
実データにてエクセルで散布図を作成して分析したいと思います。
現状の業務では活かせそうにありませんが、今後の業務で活かし方を考えたいと思います。
業務としては「外れ値」を見つけ、早期に対応することが重要
空白について注目してみる
クライアントによるが、季節要因の高いクライアントには気温とセッション数の散布図による分析及び、その時期に入れるコンテンツなどに活用できそう
散布図を活用することで営業計画の大枠を決める参考値にできると感じた
お客様へのアプローチ数と売上の散布図を作成することで、今後につなげることができそうです。
分析の精度を確かめる際に活用できそう。
グラフの目盛幅への配慮は新鮮だった。有効活用したい。
関係性を示す分析をしてこなかったため、分析するための意図したデータ収集が大事だと感じた。
色々な考察をする上で、散布図を活用したい。
ラーニングパス的に学ぶ順序が違う気がする。。
散布図の有効活用にて的確な戦略が立てられます。
業務で活用するためには、外れ値と空白部分の分析が大事だと感じます
散布図のグラフ作成では軸のメモリ数に注意する。
外れ値の原因をさらに調査することで、新たな変数が発見できる。
分かりやすい説明だった。
単純に「売上とそれに関して関連性があるか調べたい何か」と思ったけど、日常に当てはめて「天気と気分」とか、「ご飯と機嫌」などをやってみても面白いかと思った。
多少は散布図について知っていましたが、「空白」に注目するという知識が不足していました。
よく理解できた
横軸が原因、縦軸が結果ということを意識すると、作成時にも読み解く時にもよりスムーズにできると感じた
あ
データ分析時の知識として参考になると感じました。
業務への散布図活用として
季節商材イメージを用いたい
分析の際に外れ値にも注目する
外れ値から新しい発見をすることが面白そう
散布図から様々なデータ分析に活用できる関係性を見つけることが重要だと感じた
様々なデータを扱うことがあるので、日々の業務で活用ができる。散布図では着手ポイントを探すようなことが可能になると思う。
特異点と空白にチャンスを見つけられる可能性を学んだ。
散布図は近似曲線だけをみるのではなく、外れ値、グルーピング、空白地の理由探しなど、目で見て判断できることを再認識。
大学でよく使っていたが改めて確認ができてよかったです
理論上は分かった
NPS分析で使えそう
・変数1：NPSスコア
・変数2：各体験要素の満足度
→各体験要素が、サイト全体のUXにどのくらい印象付けられるのか
空白なエリアからも情報を得られる事を、あらためて認識した。
フレームワークとして活用したい
縦軸が結果、横軸が原因と区別されているのは初耳だった。外れ値だけでなく、余白についても考察が可能。
日常では不具合調査であれば、縦軸が現象、横軸が要因と考えると相関関係を導き出すことができそう。
散布図の見方が分かったので身近なデータで試してみたい。
これからの業務に必要になると思います
理解
外れ値や空白の重要性を理解できた。
恥ずかしながらこの年まで知らなかった。
活用していきたい
散布図を作成したことがないので試してみたい
こちらも回帰分析同様、学生時代の研究で用いていたが、外れ値や空白に意味を見出す見方は自分の発想にはなく、新鮮だった。是非解析する際には取り入れてみたい。
メモリの幅によってグラフから受ける印象がだいぶ違うので、作成時には留意したい。
勉強になりました。
2つの物の関係性を調査する際に活用できる手法
面白かった
勤務年数と勤務成績において、年数と比例する項目と比例しない項目が分かると思います。
比較対象とするものを選定するのが一番難しいと感じた。比較対象とするものに、ダミー変数を入れる考えもありかも知れないと思った(晴、曇、雨を2.1.0と置くなど)
散布図は、過去学んでいましたが、外れ値や、空白にも気をつけることを初めて知りました。
また、たとえ外れ値があったとしても、それぞれの因果関係があっての結果なので、背景を掴むことも重要だと感じます。
わかりやすかった
散布図を作成する際に軸の目盛幅によって与える印象が変わってしまうので作成する際は「目盛幅」に注意したい。
現代で散布図が利用される事があるのでしょうか。過去と現在の現実の中での位置づけも知りたかった。
データを目視できると説得力も増すと思いました。
また、外れ値、空白値から示唆を得られることもわかりました。
異なる要素の関係性を整理するために使用できる。
業務に活用するには、まず使用して分析する事が大事だと思いました。
相関分析や回帰分析の元になるグラフだと思います。
適切な分析が出来るよう正しく理解します。
利益管理や顧客の嗜好調査などに活用できそうです。
関係性を調べるためには必要
わかりやすかったです。
二つの変数を見比べることで，別の視点や重要な示唆が得られることが理解出来ました。
２次元で見れることが仕事にも役立つと思います。
学費と学力の相関関係
活動と成果等、担当者の行動と結果の分析。
実績分析や評価に活用できると思います。
販促回数によって、売上にどのように
影響するか散布図を使って確認する。
活動量に対する売上の推移を見る時に活用
売上と接触量の相関（散布図）
外れ値･空白の読みがさらに気づきにつながるということを学びました｡
特に価格と販売量の分布図は気になるので統計を取ってみようと思うが、二次的要因も影響すると考えられ、それらの分析をまとめて行いたい。
目盛り幅の設定にも注意が必要
空白・外れ値へも着目していきたい。
気温と商品販売数について、分析に用いる
有効に活用したいと思う。
営業成績を分析したりする際活動件数など何件が妥当か見て見たりしたい
数字の見方が広がり､説明に根拠が示せると感じた
今まで見てきた散布図でも目盛の幅で印象が違い仮説検証がずれていたのではないかと思いました。
空白部分を読み取ることは盲点だった
費用対効果による効率的な施策の検討と説明
まだまだ、納得できません。
散布図、相関係数、重回帰係数、と数字の関係性についての基礎を学べた
改めて散布図を学び直すことができた
外れ値についてや空白部分について注目をすることも大切であると改めて思った。
ラーニングパスの受講順番が違う
関係性の強い部分に目が行きがちだが、外れ値についても安直に問題外とせず、それが持つ意味を考えて分析できるようにしていきたい。
散布図の空白部分にも示唆が含まれることをあまり意識してなかったので、空白部分にも注目してみます
業務の効率化を図りたい際、どういった相関関係があるのか抽出する際に使えると感じた。
2つの変数の関係性を見る時に有効。縦軸が結果で横軸が原因系。
外れ値を詳しく調べることで、成功や失敗の要因が解るかもしれない。
2つの変数の取り方は注意。取り方次第では意味のない分析になる。
空白部分からも重要な示唆が得られる点については、新たな視点でした。
外れ値や空白の重要性を理解したので、業務でも活用していきたい
基本的な内容復習できて良かったです。
散布図により可視化することで傾向を把握できる。
感覚で使用していたが、読み取り方を意識しようと思いました。
基本事項を復習することが出来ました。
散布図内において、一見関係のなさそうなものは今までマイノリティー分子として考えていたが、実際はそこから重要なことを学べることがあることを知れた。今後は「外れ値」や「空白部分」にも注目して論理的な分析を行っていきたい。
縦軸に結果、横軸に原因。
どんな軸を設定するのかが肝。外れ値を例外的なヒントとして捉えるのは実践してみたい。
気温とビール等の販売数予測の精度を上げ、売上の拡大、ロスの低減を図る。
散布図の作成や読み取りにあたって目盛り幅などの任意に決められるファクターに注意する
散布図の活用できる場面については、まだイメージができませんでしたので、今後業務しながら考えていきたいと思います。
業務に活用できると感じました。
感覚的に捉えていた原因⇔結果が視覚的に捉えられるようになるため役立ちそう。
外れ値に着目は意識していたが、空白に着目は新たな気付きになりました。
非常に有効なデータを作成できると思った。
わかりやすく視覚化できるので、
エクセルで作成してみたいと思う。
また、外れ値、空白部分にも着目して、
原因を探してみるのも面白いと思った。
新しい気づきを、どんどん得て
プレゼン資料や企画に役立てたい。
相関分析との関連性を大事に復習していく。
【振り返り】
相関関係を見極めるために必要
→よって縦軸と横軸のセッティング（初期設定）が重要になってくる
縦軸:結果系
横軸:原因系
【活用イメージ】
社内アンケートの結果分析
→相関関係を明らかにした方が次の対策を打ちやすくなる
散布図は使用しておりますが、本研修で外れ値や空白にもヒントがある事を理解しました。
業務では外れ値の分析にはあまり重要とは考えていないが業務によっては外れ値を分析することによって新たな気づきを得られるということは主に学んだ点だった
2つの変数の関連性を見る場合
散布図は2つの変数の相関関係を調べる
外れ値は発生した原因をしらべるためには
データを収集する必要がある
日々の実績数値の変化の要因分析に役立てそう
外れ値に注目していたが、空白部分にも注目する必要がある点は改めて考えさせられた。
資料作成で使いたいと思った。
印象に頼らず、散布図として表す事で客観的な判断が下せる様になる。今回新たな知識として、原因を横軸、結果を縦軸 外れ値の扱い 空白地の意味 を得ることができた
日頃の仕事上で活動量と売上、気温と修理コール件数、など関連性がどれくらいあるのか確認する時に活用したいと思います。
目標販売金額(ノルマ)と勤務年数 or 年齢 or 人事考課を比較したグラフの作成
散布図の空白部分に留意することが今までなかったので、学ことができて良かった
今まで使った事が無いグラフです
今後は分析及び課題抽出及の為に活用してみたいと思います
メモリの大きさによって、関係性の強弱が見せかけのものになっていないか注意します。相関係数で。
今まで、散布図を用いての分析をしたことがなかったので、早速自社に持ち帰り、年代別の売上傾向を調べて見ます。
そこから、更に細かい分析をして見ます。
散布図を見らのが良いとよく言われるが、何をみてどういう気づきが得られるのかぎ分かった。
デバイスを評価するときに使えると思います。
目盛り幅の取り方によって見え方が変わることには気をつける。
労働時間と営業成績の相関性
基礎的な考えで理解できた。
外れ値が発生した原因を追求することにより潜んでいる不具合や改善点を見つけることが出来るので仕事に応用したい。
さ
外れ値も無視せず確認するようにします。
原因と結果の関係性がよくわかると思った。
訪問頻度と受注する成果の算出。
相関関数、重点回帰分析等と同様に実際に活用してみて習得していきたいと思います。
費用の使い方
数量と販売金額の関係性
ストレスと食事の量
散布図にプロットされている部分のみに着目しがちですが、空白部分や外れ値にも大きな意味があるというのは大変勉強になりました。
参考になったので更に深掘りをしようと思う
項目の分析に使えると思います
日々の営業活動で
起こしたアクションと結果を
散布図で表して、次回のアクションの
参考にしようと考えた
温度と結露の関係の調査に使用する
外れ値には意味を感じるが、空白部については意外と見過ごしがちかもしれないなという印象。全体を見渡す習慣が必要。
あと、ラーニングパスとしては、回帰分析よりも先に配置した方が適切ではないかと思う。
一般消費者向けに事業を展開している企業向けの分析方法である。
相関関係を求めるための図だと理解しました
縦軸が結果系というのは初めて学んだ。
基礎的なところを学びなおすことができてよかったです。
グラフに表すことにより可視化でき理解しやすいと思いました。
外れ値や空白について理解が深まりました
試験結果をみる際に散布の具合を意識してみたい。
空白部分も分析の価値があることを知れて良かった
新たなスキルを習得できました
明日から活用していきたいと思います。
ありがとうとざいました
空白地からの示唆を意識する
分析する際の初めの一步
散布図を使用しての業務は行ってこなかったが、今回学んだことで、現在の業務（監査）でも分析のツールといて使ってみようと思う。
外れ値に注目することで、散布図に用いた要素とは異なる要素を分析するきっかけになる、という部分が印象に残った。外れ値はイレギュラーとして処理しがちだったので反省。
エクセルを使いこなせていないことを実感した
コロナの感染者数が多くなれば出かける人の数が少なくなる。
散布図
散布図を用いることが適しているデータかどうか、考えながら資料作成していきたい
横軸が原因、縦軸が結果。目盛り幅の設定が大切。
散布図については以前から知ってましたが、点ではなく空白の部分を考察することで新たなターゲットを見つけることが出来るというのは意識したことがなかったです。活用させていただきます。
散布図の外れ値からも、ヒントがある可能性がある。
散布図の箇所を分けて分析することが有効
表現として、図を利用することがないが、図で表現する場合には、このような図も利用したい。
外れ値の検討、空白に理解はなるほどと興味を持ちました。
2つの要素の関連性を調べるとき
これまで、あまり散布図を作成して関係性を見ることはありませんでしたが、原因と結果の関係性を見ることにも使えるとのことですので、今後は使用していきたいです。
何度も散布図を作成したときはあるが、横軸が原因、縦軸が結果というのは初めて知りました。新しい学びが出来て良かった。
知ってる内容の復習になるが、改めて確認できてよかった。
一部のデータにとらわれず、全体をよく眺めることが大切だと感じた
投資先の選定や具合を知るために利用できる
外れ値や空白部分を無視しがちでした。
施策費、売上アップ額等で分析してみたい。
2つの変数を扱うのであれば、散布図による可視化は有効である。
散布図は業務で使うことが多々ある。目盛りの幅も大切とあったがその通りだと思うので今後注意して活用していく。
外れ値、空白の捉え方は参考になりました。
価格と売上の関係性を調べることができる。
マクロデータを売り上げの先行指標とするために相関するデータを調べられる。
理解しました
散布図は分析の基本となりますが、外れ値や空白部、メモリ幅等、客観的な見え方の違いの中にも、
重要はことが隠れていることがあることを再認識しました。
施策決定に便利
いろいろな実験データの分析に活用できる
関係性を調べるために必要な考えだとかんじた。
空白部分は意外と見過ごされやすいところですけどそこにもちゃんと意味があるんだなと気付かされた。
散布図を描くことで視覚的かつ定性的にデータの相関性を確認することが出来る
一方、定量的に関係性を示すためには相関係数や決定係数を示す必要がある
関係性を見るのに有効です。
散布図はよく見ますし使いますが、外れ値や空白値にはあまり意識していませんでした。これからは注意して見てみます。
散布図の空白に意味を見出すことができる場合もある、というのは地味ではあるが重要な気づきだった。
Excelにで簡単にできそう。頭だけで考えていたことを図に示すのはよいかも。
相関関係を見つける為に散布図を有効活用したい。
データの選定に気をつけます
因果関係を分析する上で利用出来そう。
散布図は日常から使っている。図で傾向を示すのに非常に使い易いが、講義内でも述べているように軸のレンジ次第で印象が変わるので、それぞれの数値軸を標準化して無次元数として示す工夫もしている。
よかったです
散布図を基にした線形補完の考え方も重要かと思います。
理解
回帰分析と組み合わせて学習しました
相関関係をしらべるのによい。
散布図作成の際には外れ値や空白も意識するようにする
散布図の外れ値は注目していたが、空白からも示唆が得られるのは学びになりました。
過去に要素同士の関係性分析で相関係数だけしか見ずに結論づけてしまったことがある。まず図から色々と仮説を作ることが大切だと感じた。
横軸が原因系、縦軸が結果系。
商品企画業務をしているが、実際に実務で活用することはあまりなさそうだ。
ただ、分析の引き出しとして頭の片隅に引き出しとして入れておくことは大事だと思った。
相関のある要素を直感的に見ていたが、今後は可視化して仮説に漏れがないことを確認して分析したい。
・研修受講人数×販売実績
・テナント、場所代×販売実績
・横は原因、縦は結果がベター
・外れ値に注目、空白部分は一定数以上の効果が見込める
結果を求めるときに有効なとがわかりました。
特に全体の点にだけ注目するのではなく、外れ値や空白にも重要な結果があるは参考になります。
動画の長さと収益の関係を調べる 外れ値の動画内容や要因を調べることによって、より効率的に収入につながられる動画企画を検討する
散布図を作成して傾向を見るだけでなく、外れ値へ空白部に着目して、なにか言えることがないかを探すということが重要と考えました。
何を軸とするかが重要であると感じた
キャンペーンによる効果を分析してみたい。
また、広告媒体によってプロットを色分けすることで、同一散布図の中でさらに分析を進みてみたい。
外れ値や空白に注意したいと思います。
散布図、回帰分析ともにデータの関係性を調べるためのツールと理解した。いろいろと活用の幅はあるように思うが、どう解釈・分析するか、が一番のポイントであり難しさでもある、と感じる。
トレーニング結果の評価などで利用できる
e.g.
縦軸：評価指数
横軸：社歴、年次、職位など
原因と結果の縦、横の設定は初めて学んだ
又、外れ値、空白の意味もわかった
セールスパーソンの販売件数とお客さまへの提案件数の関係
相関関数を見たあとだったので、復習のような感じ。外れ値や空白部分の要因の想像をするのは楽しそう。
業績と何に相関があるかを調べる際の参考になりました。
散布図の縦軸と横軸の設定
無意識にやっているけれど、
結果を縦軸、原因を横軸にするべきという考え方があるのは気づき。
無意識にそうしてるけど、なんとなくそうじゃなかったんだなと
製品仕様と収益性の関係などは有用に思える。外れ値を特異点として注目していたが、空白の意味というのはあまり考えたことが無かった。
外れ値の重要性などしっかり学べたと思います。
これまで原因系の変数を横軸、結果系の変数を縦軸にと意識して作成したことは無かった。
わかりやすかったです。
グラフの見た目に惑わされず、相関係数等を用いて分析することが重要
業務を行う中で相関関係が疑われる事柄を調査する際活用していきたいと感じました。
外れ値の分析は面白い視点だと感じた。想定外の要因が結果に影響を及ぼす可能性もあるという点で業務に活用できると思う。
ある不良と関連のある要因はなんであるのかをグラフから推察することができる
これまであまり使う機会がなかったものの、クライアントに提示する材料として、広告費との関連性で使ってみようと思います。
単なる相関だけでなく、外れ値や空白からも示唆が得られることを知ることができ良かったです
部門の人員数、労働時間、業務量などの相関を可視化するような、部門管理に活用できるかもしれないと感じた
相関関係ですでに学んでいたが、外れ値、空白部分の分析をする価値について学んだ。
散布図のコースは相関分析のコースより前であるべきでは？
生産性改善の分析やロス不良の要因に使っていこうと思います
2つの変数を表で見比べる際は、散布図にすると見やすく傾向がわかりやすい。
意図的に目盛り幅を都合よく操作するのは、詐欺の常套手段。相関係数の理解が必要だし、願わくば検定ができるようになってようやく説得力がついてくるイメージ
データの関係性を分析・可視化する際に有効。
ポイントとしては
1. 横軸に原因系を、縦軸に結果系を置くこと。
2. 軸の数値を適切な範囲で設定すること。
体系的に学べた。
二つの事象を縦軸、横軸にして、プロットすると傾向がわわかりやすいです。
相関関係の把握に役立つ。因果関係の有無は定性的に考えた根拠を示すこと。
散布図は二変数(連続変数)をプロットするグラフであり、離散値を用いることはできないことに注意する。
創刊分析と会期分析の前に散布図が必要。まずはグラフ化すること⇨相関係数や回帰式で定量的に相関関係を把握。説明できる程度も見た目だけでなく、把握できるため。t値、P値、R２、Rなど。
今は便利でエクセルで計算できる。昔はて計算でしていたが
外れ値、空白、集合部分を目検して確認することの重要性を理解できました。
外れ値の活用は面白いが、一方で外乱因子が多くないかは心配。日ごろからデータを観ていないと気付くのは難しい。ただ、因子をいくつか考えてデータを記録し、それぞれの組み合わせを考えていく（図にしていく）のは興味深い。
特にありません
相関と被る部分が大きいと思うのでまとめてよいのではないでしょうか
データ情報分析力のラーニングコースで１番目に受講したほうが良いと思う。
現在は使用しないため、知識補完として学びます。
相関分析や単回帰分析との違いが良く分かっていないため見直したいです。
一番わかりやすい分析方法だと思いました
成績順にならべることで見えてくるものがありそう。
業務で活用する際は、目盛りの設定や、外れ値に
着目したいと思います。
2つの変数の関係性を見る場面は、業務の中でもあったりするので、ぜひ利用してみたいと思う。
数値データを視覚的に傾向や特徴など把握できる
試験に合格するためにどれだけ勉強すればよいか？過去の合格者の勉強時間を調査するし、自分の勉強時間を設定してもよいかもしれない。
非常に良く使用しています。重要です。
業務上、よく作成していたが、軸の目盛幅を意識していなかった。今後、活用したい。
相関関係に興味があります。
視覚化する事での気づきを改めて重要と感じます。
営業において訪問回数と前年比売り上げ、で営業効果の相関、生産性を可視化することもできると思った。
課題と関係する項目と数値探しが重要だと思う。
原因と結果を散布図で数値化することで根拠に繋がるので、今後に実践していきたいと思います。
普段使っているのでよく理解できてた
関係性を分析することは効率よい判断してに繋がる
散布図もまた、２つ以上の定量的なデータを用意する必要がある。解析するまでのデータ収集が重要か。
世帯年収と家賃の関連性とかを調べてみたい
これまではあまり使用していなかったが、比較的簡単に作成でき、データを読取りやすいことから活用していくこととしたい。
より理解が深まった。
例えば、顧客に連絡する数と顧客が紹介をくれる数の関係性を見たいとき。
仮に顧客に連絡する数が多ければ多いほど顧客が紹介をくれる数も増えるときは、相関関係があるといえる。
路線ごとの売上額と客層の相関関係の有無を調べる差に有効な手段と思慮する
因果関係を表すのに適した手段
縦軸と横軸の設定の仕方、メモリの幅、特異点、空白域等から如何に情報を正確に読み取るか？に留意する。
何となくは理解できていたつもりでしたが、その活用方法、分析についてはあまり理解できていなかったことが認識できました。
分析方法について単に関連性のある傾向以外にも、外れ値、空白の要因を探ることで、効果的な対策がとれることを学びました。
相関関係を意識することと、
外れ値、プロットされていない
空白部分にも注目することが
重要であることを押さえ、
様々なケースで実践してみる。
分析時に散布図も含め最適な手法を模索する。
何をどこまで見るかの決め方と、実際に見たときの数値の出し方がポイントだと思いました。
外れ値や空白部にも注視する必要がある。
散布図では、相関だけを注目してデータを見ていたが、外れ値、空白部分にも注意していきたい。
散布図の見方、特に外れ値について理解できた。
売り上げと値下幅の推移
散布図は目視により確認することで示唆の得られるポイントがあることが分かった。
相関係数で考えがちであるが、散布図で眺めてみる機会も有益だと思った。
業務に活かすためには「何を横軸に据えるか」が肝になってくると感じました。情報収集に時間をかけすぎないためにも、ある程度当たりをつけられる見定め力が必要だと思うが、どうやってその力を養えるかが知りたいです…。
今回は散布図の見方がよくわかりました。例えば、限りある資源をどのように集中して使うのか等、これからの戦略に役立てたいと思います。
初心者です。散布図は見たことはあっても、活用方法を意識したことがなかったので大変役に立ちました。まずは仕事に一度活用してみようと思います。
データ解析
品質異常発生時に収集したデーターをあてはめて傾向を見る。その際目盛幅に注意し見やすくする。
トラブル時の水質データの関連性等の相関があるか確認する場合などに使用して確認してみたい。
作るだけでなく、作ったものを見て調査や検討をしていく能力が必要と感じた
施策実施前の調査など
一つの変数からではなく、それ以外の変数との関係性を見ることも必要であり、イレギュラーなところからの気づきも大切にする。
実験データを処理する際に活用していきたい。
先に相関分析の動画を見ていたので、散布図について理解が出来た。軸のメモリの取り方で印象が異なること、それを解決するために相関分析があることを理解した。
グラフを目にする機会は日常で多いが、殆どがメモリの大きさに比例して大きくなったり、小さくなるものばかり。
今回の学びのように、結果と原因に基づいて打たれた点によって傾向を学んだり、外れ値が見つかったりと新しい知識を学べてよかった。
散布図により重要な関係性が解かり外れ値・空白エリアから示唆することも原因分析に寄与する。
新規顧客獲得数と訪問回数の関係
わかりやすかった。
外れ値だけでなく空白からも示唆が得られるというのは持っていない視点だった
製品開発に活用したい。組成と特性など
簡単に活用できると思うので、実践していきたい。
データ分析での活用に効果があると思います。
縦が結果、横が原因
基本の復習になった。倍速再生がちょうど良い
散布図の読み方で空白から得ることがあることを知ることができた。
縦軸と横軸に決まりがあることは知らなかった。
分かりやすかった。
外れ値や空白にも注目する。
外れ値と空白値も確認する価値はある事。
アナリストが作ったグラフを漠然と眺めるだけでなく、どんな示唆を得られるか、どこに着目するかをバイアスなく見る事で、大変活用できそうです。
活動量と査定件数の関係を分布図にすることで、より効率的な活動を行うきっかけ作りになる。
売上をあげるための原因系の変数を設定して、具体的に分析していきます。
原因と結果を先入観なく、見るようにする。
感覚でつかんでいる傾向を具体的な形でみせる、もしくは答え合わせに使える
空白には意識していなかったので気づきになった
営業
試してガッテン。
原因と結果の数値を取ることは非常に多く、散布図を活用し、読み解けるよう努めていきたい。
実際に使えるかどうか試してみます
何かをメンバーに実施してもらう理由の裏付けとして、用いて納得感を得る為に使えるものだと認識しました。
2つの要素の関連性がわかる
散布図はあまり使うことがなかったが、横軸に原因
縦軸に結果として意識的に使っていきたい
がんばります
データがあれば、施策立案時に参考にしたい
読み方や関連性を見る事が大事
原因と結果の事実を散布図にすることでとても説得力のある分析ができると感じました。
例として取り上げた内容の商品と施策という関係からいくつか分析してみたいと思います。
原因系と結果系のデータの相関関係を見直すことで、よりデータに基づいたアクションプランの判断ができる。
先入観に囚われず、関連性をグラフ化することで外れ値や空白からわかることがありアプローチとして有効だと感じた。
理解しやすかった。
図によってビジュアル化し色々な気づきが得られることをあらためて確認できた。またエクセルによって比較的容易に作成できることも分かり、今後の実務に役立てたい。
散布図を使用して顧客の動向を調べる
散布図として利用するために
数値として測ることが大事だと思いました。
散布図の原因系の項目候補を選ぶこと、それを表す数値を入手することが散布図作成に重要だとわかった。
業務に活用する際には、様々な変数が考えられるため、自身が行った施策に対しての分析や、分析中に気になった数値の関連性を調べるのに良いと感じました。
相関図と似てます
散布図を実際に描く事で、そこから関係性を読み取ることが出来るので、活用します。
価格と売上の関係を分析できるように活用する。
車のカテゴリーとボリュームゾーンの分析に活用する。
人間が考えていた理屈に沿っていなくても、相関があれば、その理屈が間違いであったと言うことか
散布図を作成する事で原因と結果の相関を発見する事が可能と感じた。
又、外れ値や特定の範囲に分布が無い等の発見が相関を見付けるのと同じくらい大切な事なのではと新たな気付きがありました。
横軸が原因、縦軸が結果、これを間違えると全く違った分析になってしまう事、外れ値や空白にも重要な要因がある事などきちんと理解して使わないと活かせない。繰り返し使ってみようと思う。
改めて散布図について学べよかったです。
2変数の関係性を探るのに利用したい。
予測や検証の際に役立ててみたい。
散布図と変数の関係についてはよくわかった。
簡潔でわかりやすい
分析精度を高めるために外れ値を除外するのが定石と理解していました。外れ値に着目するという考え方は欠けていました。
原因と結果の置き方についてなんとなく考えているだけのこともあったので、意識的なプロットを心がけたい。
社内報を書く際に、1記事あたりかけた時間の長さとPV数に相関性があるかを調べる。
相関分析と内容が似ていた。実践で使おうと思う
散布図作成時の目盛り幅に気を付けたいです
改めて外れ値の重要性を認識した。
業務上のさまざまな数値の関係性を表す事が出来る。
外れ値や空白から読み取れることをしっかりと確認する必要がある。
新規取り扱い商材の商品紹介資料の相関図を確認する時、客先目線・疑いの視点で一読できそう。
睡眠時間と自己投資時間の相関図を作ってみたい。
勤続期間と作業の生産性。
業務でどう取り入れられるかを考えたいです。
散布図を作成する際に、二つの変数の相関にだけ着目するのではなく、外れ値やグラフ内の空白部からも何か示唆できないか考える。
散布図の概要が分かりやすかった
横軸に原因となる数字、縦軸に結果となる数字をプロットするということを学べたことは良かった。小学校からグラフの書き方を学んでいたけど、縦軸・横軸は気にしたことが無かった記憶がある。
これも用語と意味を理解して使うようにします。
実験テストデータの解析に有効な手法であるので、
取得したデータで外れ値にも注目して外れ値が発生した理由を深堀することで、新たな知見を得たい
外れ値の分析が重要ときづかされました。
CSと収益の相関関係は逆相関が出ると聞きますが、グループ化するなど、散布図の原因系をしっかり設定してグラフ化していきたいと思います。
これを一番初めに見ておきたかった
外れ値は除外することが多く、見方によって有益な情報もあるのかも
私自身の業務においては活用場面が思いつかないですが、データがあるならば業務時間と貢献利益の相関図を書いてみたいと思いました。
市場価格分析に用いることが出来そうだ。空白の部分の示唆は意外と気づかない重要なポイントだと思う。
相関関係があるからといって、因果関係があるとはいえないが、あるかもしれない、強い因子を発見することができそうである。
関係性を読み解く事に有効
エクセルで簡単にグラフを書けるからこそ、その解析には注意しなくてはいけないと思う
リリースした製品を散布図にして仕様の傾向などを確認するのに使えると思う
外れ値や、空白を気に留めて来なかったが、今後は違う見方が出来るようになる。
KPIや自分の担当先の優先順位を決める際に凄く良いと感じました。
散布図の役割を理解出来た
原因系と結果系の変数の選び方にセンスが問われそう。ハズレ値や空白に着目するのは良い視点だと思った。
分析をするとぃに使います
わかりやすい解説だった
役に立つ
空白を捉えることで、その施策が一定の効果があるということの認識と、外れ値による意外性から、新たな考え方の創出ができるなと感じた。データを取る重要性を認識できた。
縦軸が結果、横軸が原因系の変数に設定するということを意識していなかった。
また、外れ値だけでなく空白にも意味を見出せることに気づけてよかった。
おもしろいひょうです
マーケティング
散布図内の外れ値、空白に目を向けてみると新しい示唆が得られること、新しい発見であった。
散布図を作ることで、色々な示唆が得られると思うので、業務で試してみたい。
目盛りの取り方によって散布図の見え方が違うので作成時には気をつけなければいけないと思いました。
散布図をみるときは、今回学んだ視点で変わる印象を忘れないようにしたいと思いました。
空白を考慮して思考することかなかったので、参考になった。
散布図は相関関係を見るものなので、例えば理科の成績と数学の成績のように、原因と結果で無いものも扱えるのに、縦軸と横軸を原因と結果と決め付けて、理解度として測るのは間違っているのではなかろうか？
基本的なところではあるが、改めて確認することができて良かった。 外れ値の観点は今後意識を高めていきたい。
データから読み解く大切さを学んだ
横軸が原因、縦軸が結果、外れ値は見ないではなく時に見ることで気づきがある、分布のないエリアも示唆がある。基本的なことを改めて認識できた。
散布図を用いることで、全体の傾向はもちろん外れ値や空白を分析することで、結果と原因のつながりを見れる。
空白部分に着目する、というのは考えていませんでした。ついつい点のあるところから結論を述べたくなってしまいますが、勉強になりました。
外れ値は気になるものだが、空白部にも重要な意味があることが学べた
顧客の年齢と客単価、顧客の年齢と年間の来店回数の散布図を作成してみたい。
散布図
・外れ値、空白にも注目。
・軸のメモリ幅に拠て、全く同じデータでも違う印象になる。
視覚的に理解できるので提案に使えそう
データ分析の際に2変数が綺麗な関係を持つかにばかり気を取られがちだったが、外れ値や空白値から重要な示唆が得られる可能性があるということを知れたので、その点を活かせると思う。
大きな傾向には注目してきたが、外れ値な空白から示唆を得ようとする発想がなかったので、今後は注目して行く。
相関関係だけでなく、外れ値や空白の読み方もわかり勉強になった。
ごく基本的な内容であったが、散布図について「2つの変数の関係性を見る」と言語化したことはそういえばなかったので、再確認にはなった。
しっかり理解しました。
散布図の空白区分からも重要な示唆が得られるという考えには今まで至らず、業務においてとても参考になりました。
普段からよく利用するので、いい振り返りができました。
その中にも空白だったり軸の設定方法等新しい気付きもあり良かった
これまで相関性は見ていたが、外れ値と空白部についてはあまり気にしていなかったが、今後は意識してみようと思う。
二者の相関関係を掴むことで、分かること、対策の方向性、等、役立てられる。
仕事において分析を行うときは円グラフ、棒グラフで見ることが多かったが、特異点などを探りたい時などに散布図は使えると思いました。
散布図は、今取り組んでいる改善企画の分析に有効活用できそうです。
まずは関係性があるかどうか試してみながらたくさんの項目を調べてみたいと思いました。
散布図には正直馴染みがなかったが、結果と原因の相関関係を可視化するうえでとても有効なツールであることが理解できた。また、外れ値はとても興味深い。
相関図はわかりやすくよくつかいます
値を変えることによりいくらでも印象操作ができると思う。
今の企業や国の常套手段。
基本を抑えると応用が効きますね！
やみくもに原因と結果を選び出すのは非効率であるため、原因と結果の選び方にもほかの手法などを用いて実践することでさらに効率的な原因究明が出来そう
相関関係をつかみ、新たな可能性の仮説を立てるのに有効
外れ値と空白からも重要な示唆が得られる点は新たな学びでした。
外れ値にも気付きがあるとは思わなかった。何事も観察、推察力でしょうか。
散布図の勉強なんてした事なくて、でもなんとなく読めてはいました
しかし、物事の傾向や２つの関係性を理解する分析する上でとても大事だなと改めて思いました
外れ点や白の空白分析は確かにと思いました笑
商品ごとの売り上げ数と単価を調べる時に活用できると思います。
数字から読み取ることに苦手意識がありますが、まずは散布図で傾向から見ることで、分析していけることが分かったので、数字に向き合っていこうと思います。
グラフとして一般的なものだと思いますが、使って分析はしたことがなかったです。 手軽に使えそうなので今度機会があれば使ってみます。
空白部分を意識していなかったので改めてよい気づきになった。
感覚で判断する前に散布図化することで、感覚の根拠強化、新たな気づきを得ることができる。
いくつかやり方がある場合に、分析することでより効果があるものを見つけることができる
すぐに使えるツールです
散布図について、機能としてあることは知っていたが使ったことがなかった。確かに、かけた費用に対してどれ位の効果があるのかを直感的に把握するのに使えそうですね。
活用する頻度が高いと思います。
大変勉強になりました。
2つの変数から確からしいが、はっきり断言できないような事象を、散布図に反映する事で可視化出来る事は、説得力をませて判断し易くなりそう。
因果関係の整理に活用できる
どんなスキルを持った人材がどの程度の単価かを調べるとトレンドが見えてくるかも
相関が不明な変数が複数ある場合、仮説→変数を1つに絞り実践→散布図で結果と相関があるかを確認の順番で使わなちと他の変数の影響が入るのではないか。ただ豊富な時間が無いと変数を絞っての実験は厳しいと思う。
複数の変数が考えられる場合の手法についても学びたい。
基本的な知識を教示してもらうことで、簡単に業務に活かせると感じる。
ただ、メモリ幅の付け方に注意点がないのか知りたい。
散布図は使用していたが、スパンにより見え方が変わるので注意している。
今までの業務で「外れ値」や「空白」に目を向ける機会があまりなかったので
新しい視点で考えられるきっかけになった。
散布図の基本的な内容について学ぶことができた。
散布図にする事で見える化のメリットがあるため、プレゼン資料に使用できそう。
原因と結果の関係は一つの結果にこだわらず、いろんな方向から見て分析を行う必要があると覆います。
なんとなくでグラフを使っていたことがわかった。
グラフを使用する場合は何を突き止めたいのか最初に確認し
グラフの選択をする。
散布図＝２つの値の関係性を可視化させる
相関係数＝グラフの見た目だけでは見えない相関関係を割り出す。
相関関係の有無を確認するのに活用する。
外れ値や空白にも情報価値があることを初めて知りました
外れ値や空白部分からも示唆が得られることを意識していきたい。
ある定期便の航空機が特定の位置でどの高度にいるのかを縦軸に、気温を横軸に、、
と思ったけれど、あまり良いデータにはならなさそう。
うまく軸を設定するのが肝だと思った。
感覚で実施していた結果の評価を、より確実性のあるものにかえる事ができる分析だと思った為、活用してみたいと思います。
外れ値と空白の見方は今までにない視点だった。イマジネーションが必要。
横軸と縦軸の関係性、空白部分からも読み取れることはあるということ。今までグラフを見る機会は多かったが忘れていたので復習できてよかった。
復習していく
様々な事柄に有効になりそうだが、私の業務ではそこまで求められていないように感じる、ぜひ活用する方法を見つけたい
今までは相関の強さのみを表すものと思っていましたが、外れ値や空白、特異点やグルーピングなど、多様に解釈できる示唆に富む分析としても活用できることが新しい学びでした。
横軸：原因、縦軸：結果についても留意してグラフを書けたらと思います。
散布図を使ったことがないため、勉強になった
散布図は可視化のメリットを享受できる。
原因と結果以外の軸ではできない理由は何か？
適切な単位(幅)で分析しないといけないのは、人間の視覚分析に曖昧さや適当さがあることを示唆してる。
つい最安値を選択してしまうが、価格と耐久年数の相関性がわかれば、コスパの高い商品が選択できそう。
空白に着目するという視点が今まで抜けていた。
一方で、目盛りの切り方などに留意しないと、恣意的な操作ができてしまうことには気を付けたい。
今まで散布図は使っていたが、外れ値や空白部から示唆が得られることにあまり目を向けていなかったので今後注意してみたい
傾向を見れる、無秩序に秩序をつけられる。まとを絞りたいときに絞れる。
散布図を見ることはあっても、自分で作成することは無かった。
業務で可視化する機会は少ないが、ネタの一つに加えたい。
関係性の選択にも良し悪しがあるため、何を原因と結果に置くと分析の目的に合致するのか留意する必要があると思った。
基本的な散布図の作成方法、コツを振り替えることができた。部下や周囲に伝えるさいに役立てたい。
決定数を上げていくための打ち手はアイデア出せるのですが打ち手の結果をうまく表せなかった。散布図を使って分析してみます。
X軸に原因、Y軸に結果を持ってくるというのは、今まで意識せずに散布図を作成していたので非常に勉強になった。
gvd
人が作成した散布図を見る時に、データのある所にばかりこれまでは着目していた。データのない空白部や外れ値への着目から得られる示唆について、この短い動画の中で気づきを得られた。
わかりやすく勉強になりました。応用編の相関分析も学びたいと思いました。
あ
散布図を目で見た印象だけでなく、相関係数を算出するなどして適切な分析を行いたい。
散布図の基礎について、学びました。日頃、散布図は利用しませんが、分析手法としては理解しておく必要がありますね。
一見関係なさそうなことも、グラフにしてみると関係性を発見できる。とくに外れ値や、空白から隠れたメッセージに注目する点は大きな学びであった。
部員の労働時間と売上、売上と評価などは関連性があるのか、などグラフ化すると分かることがあるかもしれない。
データ分析を行う際に使用できそうだが、まずは日常業務で使用できそうな場面を考える必要あり。
前回の回帰分析がかなり難しかったので、散布図の見方はわかりやすく確認できました。もう一度、回帰分析を見直してみます。
業務の中でデータの分析や傾向を確認するのに使用している。
傾向を可視化するということが、誰にでも伝わり易い。ある程度数値化出来る材料の時には有効だと思うので、問題意識の共有などに使えそう。
データ分析の際には有効な方法と思います。
「外れ値」を分析すれば新しい発見がありそうです。
今まで、あまり意識せずに散布図を作成していたが、改めて、学びを得ることができた。
問題の原因が複数想定される場合に、根本的な原因のあたりをつけるのに活用できそう。
外れ値と空白部分から示唆を得られるというのも参考にしたい。
異なる2つの事象の関係性を見ることは分かっていたが、空白から新しいことを読み取るには新しい発見であった。
数値データをグラフ化して傾向を分析する事は重要であるこが理解出来た
勉強になった。セール分析に使おう。
日常業務で何に使用できるのか？チャンスがあれば作成し参考にしてみたい。
売上と相関関係がある要素を調べてみることで、売上アップが図れそうだと感じた。とても参考になった。
ｘ軸ｙ軸は意識せずにグラフを作成していたので原因系（x軸）結果系（ｙ軸）
で統一します．
データ分析、多種多様な情報から有効な情報、あるいは、従来認識とは異なった新しい視点での情報収集、分析。
業務上で2つの変数の関係性を表現し共有したいときに活用していく。
外れ値や空白歯今まで気にしていなかったです。
これからその部分についても気にするようにします。
ただ闇雲にグラフ化して視覚で確認するのは危険である。二つの変数の関係をしっかり自分で考えつつ、統計的な視点で偶然かどうか見極めるようにするべし。
運動能力のパフォーマンス発揮レベルとして横軸に気温、縦軸に選手の集中力レベルを記載して調べてみる
これからの業務に役立ちます。
外れ値なども注意して更なる分析をしていきたいと感じた。
様々な施策を検証するのに有効と感じた。
分析の精度をあげるためには、事例などを用いたトレーニングが必要。
留意点の通り。
自己の都合に良いグラフの可視化コントロールは絶対ダメ。
POS分析をこの手法でやってみると新しい視点でものを語れるかもしれないと思った。
空白領域から示唆が得られるかもしれない。気をつけてみます。
数値を取ってグラフにすることで、普段の生活では意識していないことも傾向が見えてきそう。
散布図における、外れ値にも注目することの重要性に気づかされました。
日頃より、無意識で活用をしていたが、理論を知っておくことで、より精度の高い分析ができる。外れ値はあまり意識ができていなかった為、検証することで、重要な内容に気づくかもしれない。
空白部分や外れ値にも注目することは、新しい気づきでした。
客数と売上。面積と売上。要員と売上。
あたりはどこかで頭打ちになるような印象があるので確かめてみる。
ぱっと思いついた活用法としては下記の二つがあります．一つ目は，各仕事に割いている時間・資金と，進行度合い・パフォーマンスとの相関関係を定量評価でき，自分が納得する形で仕事の進め方を変えていくことができること．二つ目は，たくさんの仕事を同時に抱えている際には，各仕事における単位時間当たりの進捗を評価することで，自分の得意・苦手分野をはっきりさせることができること．
初級として説明の仕方が分かりやすい。小学生に散布図の説明をする時には活用させて頂きたい。重回帰分析等、色々知識がある人であると、この様な単純説明を思いつかないと思う。
はずれ値とメモリ幅を意識する
外れ値＝例外＝法則に当てはまらないということで、実験データなどでは無視してしまいたくなりますが、そこに新しい気づきがあるという＝手の内に入っていない事がまだあるという事ですよね。重要ですね。
従業員のメンタルヘルス対策が急務だが、予算をとるためには裏付けデータを示す必要がある。ストレスチェックの部署別分析結果をy軸に、x軸には睡眠に関するアンケートや残業時間、ハラスメントアンケートなどの結果で分析し、最適な対策を企画推進する
顧客の業績を見て、何が要因で業績に差が出ているのか分析ができそうである。
外れ値を軽視してはいけないということは知っていたが、空白部分から読み取れることがあることは新たな気づきであった。
散布図を改めて確認できました。
散布図の外れ値や空白から読み取れる事実にももっと注意してイベントの動員などに活用していきた
簡単に可視化できて使いやすそう。
何事も頭の中だけや数字だけで考えるのではなく、図式化して分析を簡略化するための視覚情報に変換してみる。
現在の仕事の身の回りでもよく見かけるデータです。
ただ、結論ありきで都合の良い解析をしてしまっていたり、いわゆる外れ値を無視してしまう傾向が強いように感じました。
データは客観的かつ多角的に捉えるべきと再確認しました。
洋服の単価と着用した時のテンション
を散布図にしてみると無駄遣いが減りそうです。
はずれ値や空白にも示唆があることが新しい発見だった、、、無意識にそういうモノなんだろう、、、と思っていたが、そこに隠された『なぜ？』を深耕することも重要なんですね
2軸の関係性を分析するための基本的な手法と理解しました
散布図は良く使うがより理解が深まった。
散布図は使ったことがないため、今後の分析に使えそうな場面で使いたい。
業務で使用することがあり、復習になりました。外れ値にもっと目を向けようと思います。
外れ値に対しても分析し今後の仕事に役立てたい。
外れ値や空白から得られる示唆があるというのは初めて知りました。
相関分析、二つの変数の関係性を示すもの、外れ値やプロットが無いエリアにも注目し、なぜなのか考える。
外れ値については注目すべきと感じていたが、空白部分からの気付きについては頭に無かった。情報は数値で目に見えるものだけではないということが大きな気付きとなった。
「軸の目盛幅によって全く同じデータでも違う印象になる」ということを覚えておき、データを読む際に注意したいと思います。昨今はコロナ感染者数のデータなどが多く出回っているので、目盛幅に印象操作されないように役立てたいです。
外れ値を深く考察することが大事であることは、案外見落としがち。いい気づきが得られた。
職場の雰囲気と業務効率
空白部分が示唆になるというのは新鮮な観点だった。
空白の部分から重要な示唆が得られるということを考えたことが無かったので、データ分析の良い勉強になりました
方向性を決定する上では、複数の要素の関係性を把握し可視化することで認識できることも多いと思った
I would like to apply it to sort out aerodynamic performance of various aircraft.
よく使う散布図だが、外れ値や空白部はあまり注目していなかったので、今後注目するようにしたい。
施策ごとの売上分析に活用できそう
改めて数値をグラフ化することの意義を考え、活用していきたいです。
外れ値や空白部分に注目が必要なことが知れて良かったです。
わかっているはずですが、間違って認識していたのを再認識出来ました。
散布図は、解析をするのによく使います。きれいな相関が得られると、説得力があります。
相関ばかりに注意が行っていましたが、外れ値や空白にも価値ある意味があることが理解できました
分析には、散布図を活用していこうと思った
数式や相関係数だけで判断するのではなく、グラフを作成して目視で確認も重要であるので確認を怠らないようにします。
空白の部分からも重要な示唆が得られるのは今まで認識していなかった内容だった。点が存在する部分だけに注目するのではなく点の存在しない部分にも注目して2つの関係性について判断していくようにする。
分析手法の一つとして運用したい。
外れ値の可能性、空白部の考え方は重要だと感じた。また、目盛幅で影響を受けないよう相関性を数値で見ることも大切だと感じた。
メモ：x軸→原因、y軸→結果
データ分析における基礎的な要項を学ぶことが出来た。
散布図を用いる際、2軸で採用する変数が重要。
相関や仮説の検証しながら散布図による分析が重要
散布図を一番はじめに理解できれば相関関係もよく分かる
散布図は業務で活用しています。
今回は良く理解せず散布図を使っていた面もあり、
散布図の意味やテクニックを学べたことは非常に有意義でした。
相関関係を読み取るものとして認識していたが、それ以外に外れ値や空白からも重要な気づきを得られることが学べたのでよかった。
散布図の外れ値、空白地帯は勉強になる。
外れ値や空白にも意味があるということに留意して散布図を見ていきたい。
社内での新しい取り組みを考える際に使えそうだと感じました。
外れ値と空白に注目するのがコツと感じた。
どのような施策がどれだけ有効なのかを客観的に表現できるのが散布図だと思います。基本的な事項を理解して、活用します。
基本的事項改めて学習しました。
色々な経営数値をグラフ化するのは日常的に行っているが、
散布図を使用するシーンがない為、今後そういったシーンがあれば役立てたいと思う。
相関関係の考え方についても改めて復習できた。
数値だけではなく視覚的に相関性を捉え、外れ値や空白への分析を行うことは是非実践してみたい。
グラフが数字の関係を表していることは分かっていたつもりだったが改めて縦軸は結果数値、横軸は原因数値という決め事があったことが分かり、勉強になった。空白にも意味があることも分析の1つと新たな視点も貰えた
外れ値や空白に注目することも大切
業務の場面において、得られた数値から相関性を意識してみたいと思います。
外れ値や空白からもヒントが得られることはいい気づきでした
相関関係を調べるツールという認識しかなかったので、空白部分や外れ値を分析することで新たな情報が導き出せるということは知らなかった。
関係性を可視化し新たな気付きを得るのに有効そうなので、いろいろな場面で使ってみたい。
散布図の使い方が理解できた。
客観的なデータに基づいた考え方ができる手法であると思いました。今までは勘に頼ることもありがちで進むべき方向が間違うこともあったが無駄なく方向を見つけられように思うます。
費用投下と売り上げの変化や商談時間と売上の関係性について分析する。
訪問回数と見込み客数の関係
メモリの幅でイメージが変わることの注意が必要。
外れ値からの示唆は何となく理解していたが、空白個所からの示唆は観点に無かったので、そういった点を今後の分析に活かしたいと思います。
プレゼンの時に関係性をみえる化して示したい時に有効だと思いました。
法人向け営業の係数管理をしています。感覚的には、大型案件は商談のclose日数がかかることを知っています。一方、商談のClose日数が長いからといって、必ずしも大型案件ではないこともこれまで経験してきました。一度過去データをプロットし、Closeまでの日数が短くても大型案件がないか（外れ値）。またその事例を横展開できないかを検討してみたいです。
2つの変数を分析するのに散布図が有効である事を理解しました。
「外れ値」や「空白」の部分も重要な気づきになることを改めて学びました。
今後、業務に活用していきたいと思います。
外れ値と空白については大変、参考になった。
データ分析をする際に、表などで数値を見るだけでなく、視覚的にわかりやすいく示す際に有効なツール・手段だと感じました。
原因系の係数が多い時には少々手間ですが、それぞれ分析して比較したい時に使用したいと思います。
また、外れ値や空白部分に注目する視点がなかったので勉強になりました。
Excelで簡単に相関図は作れるようなので活用していきたい。重要なのは分析できるような、データを常日頃から入手しておくことだと思います。
結果に対する因子のうち、相関の強いものを打ち手にする考え方は参考になる。
外れ値を分析してみようというのは、面白いと思った。
売れている営業マンのデータをプロットすれば何か得られるものがあるかもしれない。
縦軸に目的、横軸に原因。意識して作成したい
同じ分野で使われる二つの製品の相関性を見ることで、販促先を選定する際に役立つと思った。目で見て傾向が分かるため使ってみたい。
データの関係性を見るときによく用いている。外れ値は確認しているが、空白の部分の考察をよく考える必要性を確認できたのは良かった。
なんとなくの感覚で作成していたので、基本がわかってよかった
外れ値と空白に注目するというのはいい示唆だと思った。
今までカンで処理していたものが数値で定量的に判断できる。
散布図を活用する事で、わかることがある
結果を縦軸、原因を横軸においてプロットするというのは
意識できていなかったので、以後気をつけたいと思います。
散布図の空白の領域があることから、広告費をかけても
売り上げが上がらないということは言いづらいという点は発見でした。
空白部分の読みや、外れ値も今後は留意する
散布図における横軸(原因)と縦軸(結果)の定義や目盛り設定で分析傾向の見え方が変わってしまう点は、なるほど、といった感じだった。
２つの要因の関係性がグラフで示せると、他人を説得する際に説得力が増すように思います。
管理している数値をどのように見せたらよいかがわかっていなかったと気づかされました。
分析する観点で散布図を利用すればよかったんだなと思いました。
相関図について興味を頂きました。手法はシンプルですが、外れ値や空白部分の傾向をみる等、新鮮に感じました。
日々の業務にも取り入れてみたいです。
データを可視化して、勘に頼らない判断ができるようになりたい。グラフの内容、特性を活かした作成ができないと、正しく読み取れない。
知っているつもりでも基本的な事
理解していなかった。
横軸を原因、縦軸を結果で見ていくことを知りました。プロットした点の分析については説明がなかったので気になりました
今の仕事内容で使えるか考えてみる
数字を並べるだけよりも、プロットすることで見えてくるものがあることを、改めて認識できた。
今まで資料で散布図や相関関係などのデータを良く目にしていました。
感覚的な理解だけだったので、もっと早くから知るチャンスがあったなと思い、反省しています。今後はより理解が深まりそうです。
グラフを目で見る事が重要（目で見るためにグラフ化）
関係性についてよく理解できました。
相関分析、回帰分析、そして散布図と業務で今まで使った事がなかったが、最近の異動先でデータ活用が必要なので是非活用していきたい。
これまで何気なく目にしていた散布図が、2つの変数の関係性を見極めるうえで大きな役割を担っている事を初めて知った。散布図に対する見方が大きく変わった。
たいへんわかりやすかったです
新しい部署に配属されて、分析する上で分からないことががあったが
散布図を使用すれば解決ができそうなので試してみます。
相関の強さだけに注目しがちですが、外れ値や空白を分析することで見えてくる事もある事に驚きました。
統計学の復習を始めたので、新たな発見があって嬉しかったです。
散布図をいままで作成することがなかったのですが、データ分析において有益であることを知りました。
気温上昇と公園来場者数の関係性であった様に寒くても暑くても減るという2つのグループに分けて考えるというのが非常に面白かった。また外れ値の考え方も非常に参考となった
実業務ではじばらく使っていないが、
空白部分からもある程度の傾向をつかむことができるという点は学びになった。
・結果系を縦軸、変数系を横軸、相関を確認
・メモリ幅に注意(見え方変わる)
・まばら=相関関係なし
集約=相関あり
・外れ値要チェック
空白=ある一定の変数内容をとれば、一定の結果が得られる
結果系と原因系の軸が決まっているというのは学びだった。今後は意識して散布図を作りたい。
外れ値と空白にも有益な情報がある。勉強になりました。
外れ値や空白から重要な示唆を得ることができるとは思わなかったです。
身近な2つの変数で散布図を作成してみたい。
競合他社とのコンペ実績を分析する上で、案件のボリュームを横軸に置き、採算（レート）を縦軸に置くことで、得られる示唆があると思われる。
退職者とその原因を分析するために利用してみたいと思います。
今まで使うことがなかった
具体例でパッと思いついたのは、ある顧客の訪問頻度と売上は比例するか見るのに有効だと思った。
外れ値、空白部分も分析すると思わぬ示唆が得られるかもしれないと思った。
・有用な分析手法ではあるが、要素の選定時に作成者の意図が入りやすい
・外れ値は「例外」として重視してこなかったが、なぜ外れているのか考察することで新しい知見が得られる
結果系、原因系に系統分けすることは、なぜなに分析時にも使える。
外れ値と空白の扱いは、言われてみれば当たり前だが、言われてみないとわからなかった。新しい発見だった。
縦軸と横軸の使い方は意識して統一しようと思った。
調査の見方として参考になった
軸の目盛り幅で違う印象になることは注意したい
原因をしっかり分解することの大事さがよくわかる
外れ値は異常値として注目はしていたが、空白部分に注目するということはあまり意識していなかったので、意識してみるようにしていきたいと思った。
アイスの売上と気温変動の関係を調べる際に活用できると思いました。
KPIがどれだけ目標に寄与しているかを確認するときに活用できるのではないかと思う。
内容は理解できましたが、どのように日常に活用すればいいかというところまでは、わかりませんでした。
例えば気温に対する来場者数など
自身の仕事に当てはめた時に
データ部署でないと出しにくい為
データを依頼しに行く必要性があると感じました。
二つの数の関係性を見ることができる
Excelでこの図を作成できることを初めて知りました。何かの時に作成してみようと思います
相関関係がある、ないを洗い出すことで軸を決めデータ分析しやすくなる
性能試験では、特に外れ値を除外しないと正しい結果が得られない。
悩みどころとして、極端な良い結果も外れ値ちとするかは課題である
業務に活用するためには因果関係をしっかりとって行う
来客数が何と相関関係が強いか、さまざまな原因値を軸において検証してみたいと思う。
ある結果に対して、複数の原因がありそうなときに、どれが原因だったのか、あるいは結果に対して因果関係が強そうなものを選ぶのに役立ちそう。
また、相関係数の高い低いだけで判断しがちだが、外れ値や空白から新たな示唆が得られそうなので、見逃さないようにしたい。
相関の有無。外れ値、結果と原因を軸のどちらに取るかのルールを知ることができた。目盛の間隔の取り方で印象が変わることも分かった。空白エリアに注目することは初めて知った。
見える化することで共有化がしやすい❗️
・残業時間の分析をする
デジタル活用と残業時間の散布図を作成し相関関係を確認する。
・お客様満足度
お客様満足度の散布図を作成すする。
ただし縦軸はお客様満足度であるが横軸は様々な視点で何点か散布図を作成。
その中で相関関係がありそうなものをまずは第1の視点として打ち手を講じる。
軸にはルールがあるのですね。
大多数の傾向だけではなく、外れ値や空白の部分にも注目するというのは勉強になった。
散布図は余り使っていなかつたが、抽出する項目が適切なら得られる効果が大きいと思いました。
業務において、「なんとなくこれがよさそう」や「関係性がありそう」などで終わっていたものが多かったが、次回以降このように関係性にまで着目してみてみようと思えた
外れ値や空白部分についての説明が、意識していなかったので参考になりました。
エクセルにデータ入力する際は、散布図が簡単に作れる入力になるように気にしてほしい。
横軸が原因、縦軸が結果、という認識がなかった。
外れ値や空白値について考えるというのは初めての視点。
アンケート結果と実績値で相関関係を見ると、実態とのずれがわかり面白い結果が得られることがある。
外れ値にも今後は注目して分析に活かしたい
横軸と縦軸に何を使うが、理解せずに使っていた。今回で、理解したような気がするが、もう少し理解を深める必要があるかもしれない。
散布図、基本的なグラフかと思いきやそこから得られるものは多いのではないかと思う。散布図を作るには原因と結果の変数を数値で入手することが欠かせないが、意外にこうした元となるデータが不足しているケースがある。
自分自身の現在の業務では散布図の元となる数値データは取得しやすい筈なので、もっと業務の中でも使っていこうと思う。
焼成温度と弾性係数の関係を確認できます。
原因横軸、結果縦軸 まずこのことを覚えておかないといけないと思いました。
パワーポイントの資料作成時に、散布図を使用するときがあれば、ぜひ活用したいです。
プロモーションと売上の相関を可視化して分析を加える必要を再認識しました
実際に使うことでより現状を知ることが出来、日々の業務に応用できると判断しました。行動あるべきです。
キャンペーン売り上げの結果と、来場者の傾向により、どうすれば良いか参考になる
散布図の概要は理解しているつもりでしたが、実際に活用したことがなかったので、作成するにあたっての考え方が参考になりました。
原因系と結果系と見方はしていなかった
外れ値、空白部分に着目する。原因、結果を思惑なく設定する。
電化製品の大きさと、電池の持ちに関係があるかなどに活用出来そうです。
外れ値や空白にこそ示唆が含まれているというのは目から鱗だった。
空白部分も「起こらない」という意味で強い意味を持っているということをあらためて感じた。
2つの要因の関係性を見るために活用しようと思いました。
因果関係を確認する際のデータ分析に活用したいと思います。
今まで散布図は相関関係にだけ注目して見ていたが、外れ値やグラフの空白からも重要な示唆を得られることが確認出来た。
売上と販売施策、売上と中間人口、売上と店舗面積、VisitとKPIなど
あくまで関係性を表すグラフであって、因果関係がないことに注意したい。
架電した先でアポが取れた先の散布図で分析してみる
結果と原因を軸に相関性を考える上で勉強になりました。
散布図は時々使用するので復習になりました。
空白の部分に注目することが少なかったので今後注意深くみてみます。
原因系を横軸。結果系を縦軸。勉強になりました。
原因、結果のデータが手元にある場合にはぜひ実践してみたい。
横軸の原因系を変えてみることで本当に結果と関連する真の要因に辿りつけるかも
業務で活用する際は、特に他社に情報を共有する際に軸の目盛りなどに気配りしたほうがいいし、逆に魅せられた散布図の目盛りは非常に注意深く見て考察すべきである。
散布図の読み方がよくわかった。
親しみのない分析図だが、「傾向をつかむ」という点では有用そう。エクセルでも簡単に作成出来るとの事なので、活用してみたい。
散布図について、ちゃんと理解していませんでした。
これから資料を見るときや、作成するときなポイントがわかりました。外れ値を見逃さないようにします。
これまで散布図は、主に調達戦略※の立案に使用してきましたが、様々な分析にも使用できることを再認識しました。
※コスト変動要因と思われる要素（重量、容量等）を横軸、調達価格を縦軸に置くことで、コスト変動要因を特定し、見積価格の妥当性確認やコスト低減ポテンシャル算出をすることができます。
外れ値と空白から示唆を得る考え方は今後留意したい
データ分析をする際に有効だと思いました。
この動画での教えの通り
原因を横軸
結果を縦軸におき
なにかとデータを分析していこうと思いました。
縦軸が結果、横軸が原因
施策の分析に活用していきたい
原因と結果にもってくる内容次第で、狙い以上のことがわかりそうだと思った。
基本である原因系（横軸）・結果系（縦軸）の理解が大切だと改めて認識しました。
外れ値、空白部分の解釈など、散布図を作成することで、得られる情報が増えるので、活用したみたい。軸の設定方法で、グラフの印象も変わるので、知識が必要。
散布図の実例をもっとみたいです。
・グロービスの授業を受けていて、ビジュアル化の力を感じます。
・自社の営業活動量と営業成績の相関関係を分析したいと思いました。
・相関関係だけに注目するのではなく、外れ値や空白からも示唆が得られるのは学びでした。
散布図の使い方を理解できた。
しかし、相関分析と回帰分析の動画を見終わった後に出てきたことが非常に不思議。
動画をオススメする順番間違ってませんか？
散布図の外れ値、空白部分については、元々分析時対象外になるではと認識したが、講義を見て、改めてこの部分を分析するの重要性を認識できた。
もっといろいろなデータを可視化することで分析してみようと思いました。
データ分析の基本、回帰分析より先に学んだほうが良い。
外れ値と空白からも示唆する情報が得られる点非常に勉強になりました。
これまで散布図を作成したことはあったが、結果をy軸に置くことや空白にも着目してみると良いことは知らなかったため、今後正しく活用していきたい。
Excelで作れるの、便利！
業務上使用する機会は少なそうですが、勉強になります。
散布図は、一目で相関性が分かるのがメリットだと思う（変数が算出できさえすれば）。
結果と原因の関係性を感覚でなく可視化できるのは誰かに伝えるときにも役立つと思った
縦軸結果、横軸原因
外れ値や空白からも示唆がえられる可能性があることは気づきでした。
業務上で相関関係を検討する事は多く、勘に頼る分析を行ってしまうケースがある。
明確な関係性の把握と例外の原因究明に活用したい。
２つの変数の因果関係を把握するのに役立つ、勉強時間と成績の因果関係は子供に試したいと思った
データがあればエクセルで一発で出せる図なので、結果分析の際は作ることを習慣にしつつ、外れ値に注目して追加データが得られないかという視点で調査することを忘れないようにしたい。
外れ値は重要な示唆を与えている可能性もありそうなので、ノイズとして無視せず個別に内容を確認することも重要だと気付いた。
因果関係を見出すには、まずは相関関係を見ることが第一歩であるような気がするので、まずは色々なデータの相関関係を見てみるのも手だと思う。
空白部にも意味があることは気が付きませんでした。
サンプリングにも気をつけなければならないと思いました。
外れ値の分析はオンリーワンのヒントになりそうなので散布図は使ってみます。
関係性を見える化できて、
創刊関係の有無までわかる散布図は
とても参考になります。
今までグラフはあまり重要ではないと感じていましたが、必要性かあることを理解できました。
元データ/サンプリングに問題ないかが重要。
理系科学者なら普段からうまく用いられているはず。今後も解析で有効利用したい。
現在の営業チームメンバーの受注案件傾向として以下を把握する
受注確度とコンタクト数
受注金額とコンタクト数
失注金額とコンタクト数
すべてが相関関係にあった場合、コンタクト数が受注・収益確保に影響する
要因と仮説が立つので、更にコンタクト種別ごとの効果を検証したい
業務に活かしていきます
仕事だけではなく日常生活でも使える
比較的簡単に様々な関連性について見ることができる。
これまで漫然と散布図を作っていたが、X軸＝原因、Y軸＝結果という切り口で整理するのがルールなのだとは知らなかった。また外れ値や空白もスルーしていたが、こういったグループ外のデータからも重要な情報が得られるのだと学んだ。目盛りの単位によってグラフの見せ方が変わってくるというのは知っていた。変化の大きさを強調したい時には目盛り間隔を小さく、逆にあまり変化していないように見せたい時は、目盛りの間隔を大きくとるといった小細工をプレゼンではよくやっていた（笑）。
あまりつかったことがないので、２つの変数の関係性をみるときには使いたいと思う。
データの外れ値や空白からも示唆が得られると言うのは、その通りだと思う。
ただ、特に外れ値の場合、もともとのデータの取得方法・測定方法がが正しかったのか、ということも十分検証すべきである。
外れ値は余り意識したことは無かったので今後に活かせればと思います。
傾向をみるためのものとおもっており、バラツキがあるのは傾向が見ずらいと思っていたが、極端に変位値となった場合には、そこに思わぬ発見があるのでは。と思えた。
物事の相関関係があるのか無いのか、視覚的にわかりやすく表現する、重要な手段として認識。
技術系においても、散布図は良く活用しています。外れ値から得られる知見は大事にしたいです。
グルーピングと外れ値、空白地の説明は為になりました。今後、そのような意識を持って散布図を見たり作ったりしたいと思います。
活動量が多いほど、売り上げは向上する。
結果を出すための原因が何かが悩む機会が多くあったが、散布図を活用することで関係性を視覚化できることが学べてよかった。また同時にデータ分析に終わりがないため、先に考えられる原因の仮説を立ててから分析に取り掛かれるようになりたいと感じた。
日常的に使っているが、改めて説明を受けたことはなかったので勉強になった。
売上（仕入）を上げるのに、数量と単価の相関性がどうかという判断材料に使えるという感覚です。生産においては原料の品質と時間の相関性にも使用できるので入口から出口のベストな選択ができるのではないかと感じました。
わかりやすかった。活用したい。
様々な傾向を見るために使えると思いました。
また原因系の項目を増やすことによってより精度も上がるのではないかと感じました。
感覚的になっていた意思決定を数値根拠をもって判断することができそう。
相関分析とセットで用いたいと思う。相関分析の上で散布図を作成し、外れ値や空白部分にも着目をして仮設立ての上、深堀分析を実施して示唆を出すことが重要であると学んだ。
日経平均とダウの散布図をみて連動性があるのかをみてみたい
データ分析をもとにした調査資料を作成するのに使える。
以前学習した相関分析と関係してくるので相関分析も改めて復習していきたい。
既知の内容であった。
外れ値を無闇やたらに除外せず、
要因を分析することで新たな発見が得られる事があることに留意したい
空白部分はあまり意識していなかったので、注意してみたいと思います
業務で散布図を作る機会は多いが、横軸に原因系、縦軸に結果系をプロットとするということは意識してしてこなかった。
また、プロットされた点の集まりから相関があるないの判断をするのは知っていたものの、外れ値や空白部分からも新しいことを見出すヒントになりうるというのは初めて知った。今後の業務で意識していきたいと思う。
基本的に変数が２つしかないケースは稀だと思うのでまだ何もしない。ただ、空白からも読み取れる考え方はなかったから覚えておきたい。
現担当先の売り上げ分析に散布図を活用してみようと思った。
その際、外れ値や空白部に気付きを得られるよう分析をおこなってみる。
外れ値や空白域にも注意していきたい。
グラフは、円・折線・棒を主に作成していたので、散布図が有効な場面を考えてみようと思います。
感覚的な把握を明確にして、じぶんのやりたい施策や企画を通すことに使える。
特に外れ値、空白値の考え方は、改めての気づきになった。
例えば、アプリの利用頻度と利用クーポン数の相関関係などアプリの利用頻度に関係する原因調査に利用できると考えました。
売上が高い営業活動の要素を分析したいと思います。
早速散布図を使って受注率グラフを作ってみたいと思います。
これは統計の基礎なので．．．
外れ値の分析が大事！
想定外の気づきにつなげたい。
散布図に内容を落とし込んで分析することにより、プレゼンの際の説得力が増したり商品や手法の選択に役立つように感じました。
営業メンバーの成績の分析に繋げられそうだなと思いました！
例）労働時間と成績の相関、出勤時間の早さの相関
パッと見のデータだけで判断をいそぎのあまりしがちですが、散布図等を用いて理論的に分析するよう心掛けたいと思いました。
広告費と売上高が例に出されていたが、それ以外にも営業活動量と受注額、訪問回数と受注率などマーケティング、セールスの場面で活用できそうです。
入社後間もない時期に教えてもらい、作成していました。ここから重要なことが浮かんでくることが実際にあるので、行き詰まった時などは散布図によって見える化し、評価したいと思います。
散布図を活用することで社外に出すデータの実証にも使えそう。ただ目盛りの幅によって印象が変わるため、注意が必要。これは自分が外部のデータを参照するときも妥当なものかを見極める判断基準にもなる。
関連性があるか無いかの判断の基準になるし、外れ値空白部の分析も利用できそうだと思います。
散布図を作成する際に、X軸に原因系、Y軸に結果系を選択することを初めて学びました。
特に今まで意識していなかったため、今後は意識して散布図を作成します。
また、外れ値や空白の部分については、これまで全く無視してきましたが、検討すべき重要な点があることも、可能性として知っておくことは必要だと気付きました。
研究所に勤務していた頃は、実験データを散布図にまとめ、相関性を求め、種々の条件設定するのに役立てていました。
相関性を期待して行う実験だけでなく、もっと大きな視野で、因果関係を視覚化するのに役立ててみたいと思います。思わぬところで関係性が見いだされるかもしれません。
何となく難しそうと思ってた散布図。
読み解くことができれば非常に有用な分析手法になると感じた。
課題発見においては相関が大事だが
課題解決においては外れ値の存在が無視できないと感じた。
空白部があることで、一定領域を明確にフォーカスから外せる点も
課題発見・解決においてより正確な仮説を立てるのに役立ちそうだった
これは馴染みがあった．
相関係数がいくつ以上であれば相関があると考えるか・・・は状況によって異なると思うが、ビジネスだったら0.7くらい、なんだな、と思った
・キャンペーンに掛けた時間×入会実績⇒適切な時間数の割り出し
・キャンペーンに掛けた人数×入会実績⇒適切な人数の割り出し
・キャンペーンに掛けた広告費×入会実績⇒適切な広告費の割り出し
基礎的なことが再確認できた。
空白部分にも目を配ることで得られる示唆がある点は興味深い
散布図の利用方法を深く理解していなかった。
とても分かりやすく日常業務に役立ちそうです。
縦は結果、横は原因
改めて理解出来た。
睡眠×仕事のパフォーマンスなど
自分で作って分析してみたい
空白部分にも何か読み取れることがあることを知りました。
勘に頼らず散布図をかいて結果を目で見ることが大切だと思った。
いろいろなデータをグラフ化して試してみたい。
縦軸と横軸に何を選ぶかが難しそうです。
シミュレーション結果で横軸を時間にする時系列以外にも、別々の2つの出力データから両者の関係性をみる際に使える
空白の部分の重要性に気が付けてよかったです。あとグラフのメモリ幅も作成時に注意したいと思いました。
アンケート調査等から簡単に相関関係や傾向が読み取れることが分かった。
顧客満足度向上につなげたい。
営業担当1に1人の刻客のカバー数と売り上げを分析、最低限の顧客カバー目標の設定の論拠とする
活動経費と売り上げを分析、経費の予算決めの論拠とする
外れ値と空白部分にも着目して分析することが大切、とても勉強になりました。
散布図とは、2つの変数の関係性を見るためのグラフのこと。2つの変数の中に相関関係がある中で、外れ値や空白部分に注目することで、新たな気づきが発見できる。業務においても、広告と店舗の売り上げの相関関係について注目して、エクセルのグラフ等も活用し、作成できるようにしておく。
散布図を作成した後、どこのプロットに注目するかが次のステップ、アプローチに影響が出ると思った。
外れ値、空白にも目を向けるということをなかなかしてこなかったので参考にしたい。
顧客年齢と購入金額を散布図にして分析してみたい。
一つの値の変化に対しの変化を確認することは重要だと思います。
ミクロの目だけでなく、俯瞰する癖をつけることも大切だと思いました。
最後の目盛幅に対する見え方は見せ方、トーク、環境次第で
自分のやりやすいｽﾃｰｼﾞへの誘導も可能なのではと感じた。
あまり使うことがなかったが関係性の有無は視覚的に分かりやすいと思う。
空白部分からも示唆が得られるので、見えている点だけではなくグラフ全体から考察できる力を身につける。
自分の今の業務で作成してみても面白い
まずはやってみて、違えばまた考えることができるため、まずはやってみることが大切
理解しやすい内容でした
とても勉強になりました。
データ分析を使用するのに有効で、因果分析につながると理解。
散布図、勉強になりました。
結果系は縦軸に置くのは驚きました。
相関を学ぶこととする
散布図は使う時も提示される時も、常に横軸と縦軸の目盛り幅に留意すべきと再認した。
確かに目盛の取り方で印象が変わるので、適正な目盛の取り方のアドバイスが欲しかった。
外れ値は無視しがちだが、そこにもヒントがあるということに気づかされた。
グルーピング、外れ値・空白について意識したことがなかったので勉強になりました。
原因系の横軸に何を選択するか？（たくさんの候補からどの横軸を選択するか？）が重要だと思う
因果関係があるか、可視化して調べる際の利用で適している。当たり前のように使ってるが改めて理解が深まった。
目的があっての手段であること。
再認識できました。
図にすることで、色々なことがわかる。
空白のところも傾向の意味があることがわかった
「外れ値」、「空白」にも留意、ですね。
散布図は使うこともあるので、理解はできている
相関があるところに注目していたが、外れ値や空白のところも意味を考えることも意識していきたいと思います。
外れ値や空白部分からも重要な示唆が得られるという点を忘れがちなので、改めて意識する必要があると感じた。
データ分析で相関関係を見るときに利用。横軸に原因で縦軸に結果。気温が高ければ、公園利用者が増えるの場合、横に気温、縦に利用者数。グラフを読むとき、法則とはずれ値と空白の読み取りも重要なこと。
大変よく理解できました
散布図のグラフを見たことはあったが、そのグラフを参照にしての分析方法を知らなかったので、とても勉強になった。
データ分析における2変数の関係性の確認、仮説妥当性の確認などに有効だと感じた。
人材開発などの効果測定に有用かと思った
データ分析を行うのに有効な手段である。
定量的なデータを取る事は少ないが、定性的なデータでも、点数付けをすることで相関を取ることもできる。
日々の業務分析で外れ値や空白部分の活用が出来ていなかった
社内行事や朝会などの参加状況を残業時間と比較するなどで欠席要因の分析に役立てたい
メーカー勤務
すでに使用しているが、不良品発生原因の追究に散布図は使用している。
なんとなくわかっていたことだけど、改めてプロットの見方、考え方が理解できた。使ってみると整理できることがいろいろありそうなので使っていくようにしたい。
相関関係を勘に頼る部分があったが、散布図のルールや読み方、留意点を知ることで、より明確な判断材料を得られる事を知った。
ただ、メモリの幅によって印象が変わってくるなど、グラフを読み取るのに一定の経験が必要だと感じた。
外れ値に着目するのは想像しやすかったが空白部に着目する観点は無かった。
使ってはいるものの、グラフはなんとなく見ていたので、今回改めて（原因、結果）を意識することを確認できたので勉強になった。
「空白地」「異常値」の取扱い方について学びになりました。
散布図を用いる事で、問題の早期発見や新たな手法の早期実施にもつながる可能性も感じました。活用してみたいと感じます。
外れ値、空白に着目する観点を忘れないようにする。
経験で漠然と理解していたことが、深く理解できました
散布図（重回帰分析も）において、サンプル数が極端に少ない場合は有効でない場合が多い。サンプル数及び信頼区間も意識して分析をしたい。
今まで棒グラフや円グラフばかり利用してきたが、散布図を用いることでデータ分析がより分かり易いものになるので、相関関係を意識して表現させる。
縦軸の結果を意識せず、どんな原因で結果に変化がみられるのか。
活用しやすいデータ分析でした。
結果と原因の軸を間違わななければ、すぐ実践できます。
軸を何にするかによって見え方が変わる、もしくは全く役に立たないものになるため感度も含めてセンスが重要と思った。
散布図は日頃はあまり使っていないが、この学びをきっかけに２つの数値で関係性がありそうなものは作り、分析してみたいと思った。
外れ値の扱い方があることを知った。
いずれ業務で使用して発言、立案出来る日が来ることを想定して学びたい。
相関がなさそうなこともプロットしてみると意外な関係性に気づけそう
原因系、結果系、の決め事、
空白部の示す示唆 が新しい知見となった。
問題解決に行き詰まり、ユニークな答えや考え方を見つけたい時などに、外れ値を探し出し参考にすることもアリだと思いました。
傾向を知ることで結果が見つかるということがよくわかりました。また、外れ値を分析することにより新しい発見が見つかることがあるので散布図を使うことで色々分析するのも面白いと感じました。ありがとうございました。
散布図の特性を理解して、資料等を作成してみます。
外れ値と空白の分析を使ってみたい
データの空白や外れ値も何かの示唆になることがすごく印象的だった。
また、実際の場面ではX軸に何を置くかがすごく難しいように思った。
データ分析を行うのに有効な事が分かった。外れ値や空白部分にも意味がある。
外れ値は、小さな投資で大きな効果が得られるパターンとしくはその逆に関する示唆を手に入れられる可能性があるので、具体を見にいった方が良い。
記録しているデータ、情報は多くあるが、それを見える化させて次の行動に繋げることが重要
一番好きなグラフ。２変数から因果関係があるかを分析するのによく利用していす。
図示した後に、そこから何を読み取れるかが重要だと感じた。
外れ値・空白から読み取れる事を示唆出来る事が解った
難しい
散布図を眺めず相関解析ばかりを行っていた。
散布図をきちんと見ることが重要だと学んだため、きちんと確認していきたい。
物事には相関関係のあるものが多いが、複数の事象（A, B, C）がある際に、A-Bでみるか、B-Cでみるか、A-Cで見ればよいのか、3次元で見ればよいのかな。
外れ値、空白からの示唆 について、だからこそ散布図を書いてみるとわかることがあるという部分は新しい知見であった。
外れ値やグルーピングにより大事な情報が得られることが理解できました。
相関関係は方策に対する効果をはかる上で大事な分析手法が理解できました。
外れ値や空白域からも読み取れる情報があるという点はなるほどと思いました。
グラフ作成時に、原因系を横軸に結果系を縦軸に取るということは、改めて知ることができた。
外れ値、空白を調べるには最適
散布図は活用容易であるが、原因系と結果系のデータを実際に抽出することが重要になる。
これまで散布図は知ってはいたがあまり使用してこなかったが、外れ値など意外な発見があることが分かったのでぜひ活用してみたいと感じた。
散布図において相関係数に着目する事をベースに、外れ値や空白にも注目する重要性を学べました。
特に、外れ値を詳しく調べる事による効率の良い成果創出を目指し、実践していきたい。
空白から示唆が得られる可能性があることが気づきでした。
散布図の前に相関係数、回帰分析を学んでいました。
散布図の方がデータの散らばりや傾向をつかむ基礎として最初に学ぶできではないかと違和感がありました。
科学実験の結果を散布図にする場合、外れ値は削除して相関関係を浮き上がらせることを第一に考えるが、それがもし再現性がある場合、初めて考慮してきたように思う。「広告費⇔売上」といったような関係での外れ値や空白部分はそれがすでに現実の結果として表れている事実なので、それらの意味を考えても得られるものがあるのかと感心した。
群れた点に意識がいき外れ値や空白部分についての意識が
低かった。
外れ値や空白の重要性がよくわかった。仮説の妥当性を見るために相関係数のみに目が行きがち。
実験のデータ分析で活用してみようと思います。
空白にも注目することが必要というのが新たな気づきでした。
売上にどんな要因が影響を与え、どのような関係にあるのか調査するのに、散布図、相関係数、回帰分析を用いてみたい。
また、相関係数を求めるだけでなく、散布図を作って目で確かめるようにしたい。散布のグループ化、外れ値、空白部分に目を配ることも大事だと分かった。
縦：結果系、横：原因系とする事は学びでした。あまり活用していないためでしょう。
意識して使ってみます。
フルマラソンに出場する際のトレーニングメニューに活用できそうです。
例えば、トレーニング回数とタイムとの相関性を見たいときに便利だと思いました。
今まで勘や経験に頼っていた分析も、この方法を使えば客観的に検証できることがわかった。よく聞く「相関関係」という言葉も、初めて意味がわかって良かった。分析のためにも、まずは正しくデータを集めることが大切だと思った。
外れ値や空白などにも注目していきたいと思います
いろいろな組み合わせを作り、比較することで見えてくるものが出てきそうな気がするので、使ってみたい。
散布図を使わずに機械的に相関係数を出すというエクセル処理はやめなければならないと思う。
客観性が大事。データをプロットし、可視化することで、傾向が見れる可能性がある。
関係性を表す際に具体的に分析し、納得性を上げてコミュニケーションを取る
散布図は基本中の基本。おろそかにしてはいけない。原因と考えられるものをｘ軸に、結果と考えられるものをｙ軸に設定する。
業務上で接する、結果についてグラフ化、見える化することで、次の一手の示唆ができるようスキルを高めたい。
横軸が原因、縦軸は結果。外れ値や空白箇所から示唆を得る
学生のときは生物学を専攻しており、「外れ値は無視する」というのが鉄則だったが経営視点から考えると外れ値や空白から考察をする重要性があることに、驚きがありました。
原因と結果の因果関係を調べるのに役立ちますので、ある程度のデータ（ｎ＝50以上）がある場合には活用がしやすいです。外れ値や空白の分析にも役立ちます。セットで”層別”等も理解して役立てようと思います。
外れ値を分析することで新たな視点が見えることを知り、非常に面白いと感じた。
人によってかかる時間が異なる作業があるので散布図は分析するのに効果的であると感じた。
横軸が原因、縦軸が結果というグラフ作りは今まで意識できていなかった。
グラフ作成時は、点と線を意識していたが、空白部分は着目していなかった。
空白部分から読み取れるデータも重要だと感じた。
原因が横軸、結果が縦軸。
外れ値や空白部にも着目することがポイント。
２つのデータの関係の強さだけでなく、外れ値や空白から、わからなかった特性が読み取れるのが散布図の強みだと思います。目盛りの幅や変数選びに寄って結果が異なるので注意します。
これまでも活用してきたが、空白からの示唆は新たな気付きであった。
勉強になりました。仕事に生かせそうです。
業務で使えそうな理論だったので、参考になりました。
ある商品の売上と、単価、原材料費、販売年数、営業担当の年次、商品の案内回数、等様々な要素を検討する際に応用できそう。
数値を目で見えるようにすることの有効性がわかる。
資格の取得結果と年齢の相関関係
営業施策と結果を散布図で確認する。
大学時代に研究で用いてたものが、ビジネスでも使えるんだなと。
散布図はエクセルにて作成したことはあったが、外れ値、空白の考え方について今回学ぶことができよかった。次回散布図を見る時はこの考え方も入れて見ていきたい。
外れ値や空白部分からの示唆という点も重要であることがわかり、参考になりました。
外れ値を確認する大切さを学んだ。
勘や経験はこの散布図と似たような部分があり、自分の思考の傾向を理解することにも役に立つと感じる。
関係性が明確でない場合に活用できる図と思います。売上と品質の関係で是非活用してみます。
外れ値が出てくると面倒くさいと思ってしまうが、そこが重要なんだと気づかされた。
たて＝結果 よこ＝原因 ハズレ値 空白とハズレ値に気を付けることで思考ミスと新しい可能性を発見できると思いました。
縦軸が原因、横軸が結果という基礎的な部分を知る事ができた。相関関係を見る以外にも、外れ値や空白から重要な示唆を得る事ができると学んだ。
excelを使って簡単にグラフを作れるということなので、使ってみたい。どのような利用シーンがあるのかを自分の中で整理しておくと有用に感じました。
外れ値や空白部分からも重要な示唆を得られることは有益な情報であった。今後はそのような普段見落としがちな点にも注意を払い、分析を行なっていきたい。
グラフを作る際には横軸が原因、縦軸が結果、と無意識にしていたが今後は知識として利用できる。
散布図により相関関係性がある無しがわかることを理解した。
社内知識確認試験の結果と営業結果の相関について
結果＝業務目標の定量化できるものを置く
原因系＝仮説を立てる能力が必要
人事部系のデータに当てはめると以下のようなケースで使えるかもしれない。
結果＝給与データでは年収を結果、
原因＝年次、人事評価、教育機会など
空白部分にも意味があるとはなるほどと思った。散布図は視覚にとてもわかり易く、取り入れていきたい。
外れ値や空白から重要な示唆を得る。
今まで、相関があるという点にしか着目できていなかったんだということがよくわかりました。
理屈をわかったつもりにならず、何度もグラフで表し、何が見えてくるかを考えることが大事
空白部分にも意味づけし示唆を得られるというのは新たな気づきであった
散布図で２つの変数の相関関係が明らかになるため、分析の上では基本となるツールであり、どんどん活用すべき。ポイントは、横軸を原因、縦軸を結果とすること。外れ値や空白の部分に着目することだ
軸の取り方で印象が変わってしまうことは確かに気を付けなければいけないと思った。外れ値や空白部分についても着目するようにしたい。
外れ値や空白部分も意外と重要ということがわかった
散布図は取り扱ったことがあるが、メモリ幅の取り方による視覚的な効果などは考慮したことがなく、新鮮な話だった。また、外れ値への考察や空白から読み取れることなどは案外重要なので、見落とすことなく分析していきたい。
グラフから読み取れるものは、２つの変数の関係性以外にも、外れ値や空白の箇所にも意識を向けることで、今後の参考にできそう。
傾向を把握するために有効ではあるが、外れ値や空白などにも注意したい。
外れ値や空白に注目して分析していきたい。
散布図は学生時代にも使っていましたが、結果を縦軸、原因を横軸にとるというのは、お恥ずかしながら初めて伺いました。今後はグラフを作る際、見る際にもそのことを念頭に置きたいと思います。
相関関係の動画と一緒に勉強することが大切。
散布図はデータの幅の取り方次第で実際より相関関係が大きく”見えたり”小さく”見えたり”する。視覚に惑わされず、数値を用いて正しく判断する。
グルーピングの考え方や、「空白」の部分の意味を考えることの重要性は今までにない視点だった。今後そのあたりにも着目してデータ分析を行いたいと思う。
散布図と相関係数、両方使うことが大切だと感じました。
横軸に原因、縦軸に結果を用いる事を学びました。
これからグラフを作成する際には、この事を意識しようと思いました。
センサを搭載した実験装置の校正に用いることができそう。
「クリティカルシンキング」の講義等で、「MECEを意識してロジックツリーを活用しながら原因をつきとめる」という解説があったのですが、そこで思いついた原因が合っているかの確認はどうするのか気になっていました。今回の講義を通じて、相関関係や散布図など、定量的な分析によって正確性を確かめればよいということに気づくことができました。
データを視覚的に表示すると、存在しないデータからも情報を得られるようになることに驚きました。
軸のメモリ幅によって、グラフの見え方が異なるので、意識すべきだと感じた。
実際にプロットをして、関係性を見ることで理解を深めたいと考えました。
3次元散布図もあるので一概に散布図=2変数とは言えません
極めて有効なものであるが、変数を取り違えると大きく結果が変わってしまうものでもあると感じた
どちらが原因と結果かわからない時には横軸、縦軸はどのようにすれば良いだろうか
原因系をx軸、結果系をy軸に設定する
外れ値について、例外ととらえず、「なぜ？」そのような結果になったのかを知ることで、将来の成功につながる可能性となりうると感じた。
販売数と顧客タイプの相関を、今まで文章で起こしていましたが、
散布図で明らかにできるのではないかと感じました。報告書に使いたいです。
副専攻で心理学を学ぶ中で統計を少ししましたが、
そこでは外れ値は基本切り捨てることが習慣になっていたため、ビジネス視点から外れ値に着目するという点が新鮮でした。
また、空白にも同様に目を向けてこなかったため、こちらも意味合いを考えていこうと思いました。
データ分析を行う際、ほとんどは予想通りとなりがちである。その際、散布図を利用し、外れ値を導くことで新たな発見が得られると認識した
2つの変数の関係性を表すことは理解できた。
外れ値への注目や、
目盛りの幅による印象の変化／影響は忘れやすそうなので注意したいです。
散布図を作成する場合、作成することを念頭に置いた計画的なデータ集めが重要になる。また集めたデータの関係性を相互に解析することで、関係が強いデータと関係が弱いデータを把握するのに役立つ。
散布図において、外れ値や空白の意味を考えるという視点は新しい気づきであった。グラフの刻み幅によってグラフの形が変わるので、刻み幅の取り方で与える印象を操作できるという点を営業などで応用することができる。逆に印象を操作されないように注意するべきだと思った。
最近あまり使っていません。
知っているようで知らなった基本が学べた。
原因が横軸、結果が縦軸、傾向から外れた値が「外れ値」など。
今まで何となく見ていた散布図を自分でも作成し活用できそうだと思った。
現在の業務ではあまり使う場面はないかもしれませんが、ツールとして覚えておきます。
実務で散布図を利用したことがありませんでしたが、これから利用していきたいと思いました。
コレコレ切り口が良ければいいグラフが描ける🎵
相関関係を調べるにあたり、役立つと感じた。
外れ値を重視するという考え方が出来ていないので、心がけてみようと思いました。
横軸に原因、縦軸に結果というのは初めて知った。。これまで作ってきたものは、はたしてそうなっていたのだろうかw
営業職の場合、２点の業務関数の事例を作成できる。
1)外勤時間・客数と営業成績の相関（時間効率化の意思決定）
2)販売商品数と売り上げの関数（販売戦略の意思決定）
空白部から何かを見出せる可能性があることは気づいていなかった
散布図を作成したことがなかったので、参考になった。
散布図を使わずに、簡単な数字のみで判断していることが殆どでした。図にすることで明確に判断できそうです。また、外れ値については、どのように判断することができるか重要なポイントになりそうです。
外れ値や空白を意識していなかったので、分析で活用できそうです。
散布図の読み方はわかるが、作り方はわかっっていなかったので、
原因が横、結果は縦、というのを今後はルールとして使てみたい。
散布図の基本的な作り方や見方について学ぶことができた。
外れ値や空白からも情報が得られるということを知り、そうした目に行きにくい部分まで、入念に考察を重ねると良いと思った。
今まで資格試験の参考書等を見て散布図をそれまでは呆然と見ました。このままではまずいとおもい、原因（Y軸）と結果（X軸）との見分け方、メモリの単位設定、をグラフ化し、自ら分析を図ることが大事だと分かりました。
ちなみに、身長と体重の設定は目盛りの単位設定を変えた要因は男女の体つきにも関係しているのではないかと感じました。
非常にシンプルだがとても活用しやすい。様々なシーンでこれを使って検証してみたいと思う。
正の相関や負の相関の他に、グルーピングや空白箇所、外れ値を活用することでPOS分析からの気付きの幅を広げられると感じた。
販売実績の傾向分析に際の切り口に使いたい。
散布図を設定し分析することで、点の集まりからの法則性、空欄に一つ存在する点からのチャンス発見等、有効に活用出来ると学んだ。
なんとなくのイメージで判断しているケースが多いと思うが、
散布図を活用することで、主張を支える論拠を補強できると
思います。EXCELでも簡単に出来るので、とにかくいろいろ
試して慣れることが大事と思いました。
・外れ値をどの程度重視するかによって結論が異なる
・恣意的なグルーピングとならないよう注意が必要
相関関係にある事柄を見つけて、何をすれば望む結果を達成できるのかを考える時に役立てたいと思います。
外れ値、空白部分の読み解きも大事になる事を知りました。
横軸と縦軸の基本ルール
外れ値と空白
なんとなく感覚で分かっていても可視化することで、
気づかなかった箇所の分析ができそうです。
散布図も、よく考えないと危険とわかった。たとえばメモリ一つで作為のあるグラフとなってしまう
先日作成した散布図の意味を再認識できた。
散布図という言葉を知らなかった・・・！
今まで散々エクセルでデータ作成してきたが、全くこのような分析をしてこなかった・・・！
この手法で新たな気づきや戦略のヒントが得られるように早速活用してみたい。
散布図にて何が見えるかが重要
データの活用時に役にたちそう。外れ値についても注目したい
外れ値、空白に注目するということは気付きであった。
散布図のグラフはよく見るけれど、作り方として横軸が原因・縦軸が結果ということや、外れ値や空白部分にも意識をすると良いことなど詳しく知らなかったことがわかり、勉強になりました。
結果を分析し、未来を予測することに役立つが、あくまで参考値として考えていく必要がある。
散布図について大変わかりやすくまとまっていた。一番簡単なデータ分析の手法だと感じた。
データー解析の中では基本だが、常に各データーの相関性を意識して
観察するためには、身の回りにある事象でもイメージしてみると面白いと思う。
ただし、この流れを口にすると機械的になるので注意が必要だと思う。
原因と結果で軸を決めてグラフは作っていなかった
散布図中の外れ値や空白から示唆される気づきについても読み解きたい
基礎的な内容だが、頭の整理になった。
相関関係を確認したいときに使うことを意識したい。その際、原因と結果が何か、軸を選ぶことを意識すること。
散布図の読み方が理解できた。今までは集合箇所のみ見ていた。
Ｘ軸Ｙ軸は一定説明がつく事が多いと思われるが、変革を求められる現状では、「外れ値」に着目して、その原因を深堀していく事が大切と思われる。
データ分析を行うのに極めて有効。
ただし、原因と結果の取違い、原因選定の恣意性、目盛りの単位設定などの設定に留意しないと見当違いの結論が出てきたり、そもそも意思決定者の意に沿うような相関関係を出そうとする力が働いてしまう可能性あり。