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。
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。
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。
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。
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
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。
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。
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。
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。
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。
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。
ｘ軸の変数の設定が肝になると感じました。
相関は、2要素の関係性を示すことが出来ることを理解できた。
経験上、”外れ値”を注目する人としない人には、成果に大きな差が出ると思っています。
プロモーション施策の効果を比較したり、営業マンの活動成果を見える化する際に活用できそうだと感じた。
軸の置き方に施行することが肝ですね
This course has helped me improve as a leader and an overall individual in numerous ways. It has allowed me to assess my strengths and weaknesses as a leader, and has forced me to outline my goals as an individual, which will help aid me in achieving them. This course has also taught me to take action when possible.
外れ値や、空白部分にも分析できることがあるのだと勉強になった。
アンケート結果分析に活用する
外れ値、グルーピング、空白地などが重要である事を理解しました。
散布図の利用価値を理解した
原因が横軸で結果が縦軸ということを今まで恥ずかしいことに理解してませんでした。外れ値には大きなビジネスチャンスが隠れてるってことを意識していこうと思いました
良く判りました。直ぐに活用ができる手法です。
散布図を書くシーンはあまりないので、基本に帰ってやってみても良いと思った。
散布図の作成方法
①2つの変数を設定する（原因：横軸 結果：縦軸）
②データの散らばりを観察する（関係ある⇒相関関係）
③グルーピングする（散布図の中で複数の傾向がある部分をグループ分けする）
④外れ値にも注目する（外れ値の要因を調べると新たな気づきを得られる場合がある）
⑤空白部分にも注目する（データが発生しないエリアから傾向を分析できることがある）
注意点：グラフ幅に気を付ける。相関係数を活用する
散布図の余白部についても意味のある情報が読み取れるのは、気づいていなかった。でーたの見方を変える柔軟な思考が大切と気づく。
色々なデータを分析してみたくなりました。グラフの目盛りの設定が肝なのも面白い。
営業行動において、行動と成果の相関を読み解くことで無駄な行動をなるべく抑えて成果を最大化できる。外れ値や空白が何を意味しているのかも考えたい
外れ値や空白から重要な示唆が得られるという観点がなかったため、
その理由まで分析することが重要であると感じた。例えば、活動件数と営業成績の関係性などの分析に使えると感じた。
具体的なイメージはこれからだが、顧客へのプレゼンの際にインパクトを付けることが出来そうな気がする。
わかりやすかったです
散布図は相関性が強いと分かりやすいので、プレゼンには有効ですが、疑似相関にも留意して活用したいと思います。
グラフを書く際は、メモリの設定が重要だと思った。見せ方を考えて気をつけたい。
空白がある場合にも注目。塊の傾向別のグルーピングもまた示唆を得るかもしれないこと。
初めてグラフの読み方が明確になりました。
棒グラフや円グラフ以外を使うことがほとんどだったので、散布図も関係性の把握時に活用してみたいと思います。
分析の一つの手段として使用したい。
外れ値、空白部分の根拠も押さえたい。
横軸（X軸）には原因、縦軸（Y軸）には結果を持って分布図を作成する。エクセルのグラフ作成で簡単に作成することができる。
Y軸が結果系、X軸が原因系だとあまり分かっていなかった。
散布図は見た目に左右されないように、相関係数とセットで解析するのがよさそうだ。
二つの要因分析をする際に、活用できると考えました。
今後IOTなどのビッグデータを集め、このような分析で仕事での課題についてのヒントを得るようになると思いました。
散布図は資料では見たことがあるが、自身で使用したことがなかったので「外れ値」や「空白」の分析も重要となることを知らなかった。動画を視聴して学ぶことができて良かった。
グラフの目盛幅によって傾きが異なるので、傾きに惑わされないように注意深く散布図を読み込みたい。
数値を扱う業務が多いため、グラフ（散布図）を作成した際に、学んだ視点でデータを見てみたいと思う。また、外れ値や空白の部分について深く考慮したことがなかったため、今後意識的に見ていきたいと思った。
法人営業の場合で検討。
・縦に金額（結果）、横に会社の従業員規模（原因）
この散布図で見えることは、大口は大企業からの受注となる。
しかし、外れで小規模だが、大口の企業もある。
・外れ値と空白の原因分析は、戦略立てて物事を考える際に大切
・x軸が原因でy軸が結果
チームの残業時間削減に関する対策を打ち出す際の分析に使えそうだと感じました。
散布図を使うことによってより当てにいける理解になった
解約率と商材契約数の関係
散布図に関する基礎的なことを再確認できました。
他者に説明する際に活用したいと思います。
ありがとうございました。
データを分析し、こんごに役立てるのにわかりやすくなります
広告・販促費予算を外れ値・空白に着目することで新しい発見ができそう。
今まで空白部分について着目していなかった
これから注意していく
いつも折れ線、棒グラフしか使用しなかった。
機会を見つけたら積極的に散布図を使っていこう。
基本的な内容をこま切れで隙間時間に学べた。
情報分析力のカリキュラムの順序で、散布図と回帰分析の順番を入れ替えた方が良い気がします。
散布図
●縦軸に目的・横軸に説明
●外れ値は隠れた成功事例・課題の示唆
単純で定量的に表せる原因に対し、結果がどうなっているかを分析する際に有効と感じた。例えば、投入した人員⇒売上、拡売費⇒シェア、巡回頻度⇒売上、展示シェア⇒インストアシェア、展示台数⇒売上構成比など。
自身の業務は設計業務なので、リードタイム短縮が課題となる場合が多い。
この場合、業務時間の計測によるデータ取得が必要であり、その仕組み作りが難しいと感じた。
いろんなパターンで分析して思わぬパターンが見つかると楽しそう。
目盛りの設定も重要かなと思いました。
散布図は基本であると感じながらも
目盛り、設定の仕方で印象が大きく違ってくることを注意しなければならない。
縦軸と横軸に意味があったことを知った。
散布図の空白の見落としに気づいた。
基本を把握し実務へ活用できます、
販売において重要なロープレを繰り返しやることで成約が増えた。
社内で温湿度管理をしてるが、年間を通してのバラツキがあるため、エアコン設定温度データに活用出することが出来るかと考える。
分布図を実際に作成、検証をしたことはないが、社内における会議の傾向分析もできるとおもう
部門ごとに、「担当得意先数と売上高」や、「注文点数と売上高」などを、散布図にしてみようと思いました。
これまで考えたことのない視点を得ることができたので、これからも相関関係があるのでは？という視点で、様々なことを分析してみます。
ＰＤＣＡサイクルのCの部分で活用できそう。
取り組んだ結果が仮説どおりに進んだか、グラフとして視覚的にわかりやすい。
ただし、軸の目盛幅の設定は注意しないと、都合の良いグラフが出来上がってしまう。
散布図は傾向を見ることに役立つ。これまではあまり実践して使ってこなかったが、対数近似を知ってからは頻繁に使うようになり、今ではなくてはならない分析方法になっている。
外れ値や空白部分をしっかりとぶんせきしていきたい
統計調査の第一歩なので、回帰分析、や重回帰分析と進めていく。
散布図について良く理解できた。
外れ値、空白エリアから得られる示唆が足りていない気づきがありました。
散布図を有効に使った成功事例を紹介してもらえれば、良いです。ただ分析をするグラフであって、結果を出すことに使えるか疑問が残る。
相談場面でのアンケートを分析してみたいと思った
分析の際に活用してみたい
外れ値は放置せず、さらに深堀するべき！
散布図を見ると、相関関係の傾向にばかり目が行ってしまいますが、外れ値、空白から読み解けることもある、という点に確かにそうだなと思いました。図を作成するだけではなく、図から分析して読み解く→施策へつなげるという訓練が足りていないと感じました。
基本→縦軸が結果、横軸が原因。
外れ値や空白から示唆することができる手法。
相関だけでなく、外れ値や空白部分にも着目して分析することを心がけます。
散布図は2つの関係性を表すグラフ。
横軸に原因系、縦軸に結果系のものをとる。
学び（わかること）
・相関のあるなし
・見える傾向は必ずしも1つではない。
例 気温と来場者 ある一定の気温までは正の相関だが、一定の気温を超えると負の相関になる。
・外れ値は想定外の知見をもたらすことがある。
・空白部分からも読み取れるものがある。
例 広告費と売上 一定以上の広告費をかければ、確率的にある規模以上の売上があがることが想定できる。
散布図が横軸が原因、縦軸が結果で作成することで相関関係がわかる。
相関分析と併せて利用すれば有益なデータ分析ができる。
活用の機会は多いと思われる。
外れ値や空白エリアからも有益な情報を得ることが出来る点を再認識、業務で活用していきたい。
外れ値より知り得る情報がある事を知り、分析に役立てたいと思った。
相関関係を可視化できるため、分析がしやすくなる。
原因と結果の関係について分析したいときにしようできる
数値目標がある場合には有効ですね。
必要な施策を検討するのに使えるだけでなく、個別に相関関係を分析することで、不要な施策を排除することに大変役立つと感じました。
相関分析と併せて利用すれば有益なデータ分析ができる。活用の機会は多いと思われる。外れ値や空白エリアからも有益な情報を得ることが出来る点を再認識、業務で活用していきたい。
散布図で相関の有無を確認するだけでなく、外れ値や空白にも注目していきたい。
散布図はExcelで気軽に作成できるので、気になる項目・相関関係を調べるにはもってこい。
ターゲット分析等に活用
外れ値や空白部分にも着目することを学びました。
勘に頼らない分析を心掛けたいです。
散布図の基礎を復習できました。外れ値や空白地帯にも注目して解析することが大切ですね。知っているのとできるのとでは大きく違うので、これから適性なシーンで有効活用できるよう意識します。
空白や外れ値から、示唆が得られることもあるのは、学びであった。
散布図を学びました。今までは縦軸、横軸を意識していませんでしたが結果系、原因系に分けて作成することを意識してみます。
データまとめで、変数を分けた時のグラフ化はしたことがあるが、散布図として意識したことがなかった。データ分析の一つとして、認識する。
使うよりは見る場面の方が多いと思う。
示されたデータが適切に表示されているかをしっかり見極められるようになりたい
データ分析を行う際にやりがちな外れ値の処理。異常値として捉え削除することもありがちだが、新しい気付きになる可能性があることも改めて認識した。データの意味を理解することの重要さを痛感した。
意識して散布図を作成し分析する
使用にあたっては、軸に設定する変数の因果関係に対する考察や、適切な目盛り幅、分析対象とするデータのグループ分けなどに留意したい。
外れ値のような存在でいたい
異常値、外れ値に着目して、新たな知見を得ることを心掛けたい
グラフの外れ値の分析は理解していたが、空白部分からも重要なことが分かるとは知らなかった。今後はその部分にも注目していきたい。
横軸が原因、縦軸が結果という点は意識しないと、無意識に見辛いグラフを作ることに繋がってしまうと感じた。
何か自社にかんれんする変数をもちいて作成してみたいと思った
分析によく使えそうな基本的な分析だ。
接客時間と売上高に相関関係がありそう。
メモリの大きさでも受ける印象がちがう
相関は２つの変数の関係性を表すのに適している。
ただし因果関係は別途理解する必要があると思った。
（年齢が上がると年収が上がることはあるが、年収が上がっても年齢は上がらない）
外れ値の分析は、新商品・新サービスの開発に有用な示唆を与えてくれる点で重要だと思います。値段と品質について、値段が高ければ品質も良いとの相関関係があると思いますが、ユーザーにとっては値段が安くて品質がよいものの方がありがたくニーズは当然あり、例として経験豊富な企業人材の副業市場が考えられます。
変数の関係性を確認することができ、業務で活用していきたいと思います。
外れ値や空白部分から得られる情報もある
散布図は時々使用しますが、外れ値や空白部分にはあまり注目していませんでした。今後注目してみようと思います。
2つの変数の関係性と外れ値について理解出来、活用していきたいと思います。
さまざまな軸で傾向を把握するために活用していきたい。
図は傾向がわかりやすい。
散布図は仕事でもよく使用するため、改めて勉強になりました。
散布図を複数作成する事で、原因の絞り込みが容易になると感じた。
整理する
社内外でのプレゼンなどで説得力を増加させるためのツールとして活用していきます。
データ分析をする際に、関係性が無いと思っていたケースに実は関係性があったことに気が付けることができ、新たな発見がありそうだと感じました。
ともあれ、いろんなケースを調べることで新たなる発見が得られそうです。
オープンキャンパスの参加者数は高校の所在地（学校から高校までの距離）によって異なるのかを確かめる際に「散布図」を使用できると思います。
例えば学校から近い高校であればあるほどオープンキャンパスに参加してくれる高校生数が多く、遠い地域に住んでいる高校生であればあるほど参加率は下がるなどの傾向が分かれば、地域ごとに打つ施策も変わってくると思います。
メモリの幅の調整によってデータの印象操作になりかねないので、正しい解析を心がけたい。
例えば顧客の訪問回数と成約率、リモートワークの実施時間と残業時間など、通常業務において2つの事柄の関係性を調べるのに有効な手段だと思いました。
これまで散布図を使用した経験はありましたが深く意識をして使用していなかった、外れ値や空白など気が付く事もあるのだと改めて感じました。
業務で活用するためには、結果の記録を残し、原因となりうる変数についてどの点に着目すべきか検討した上で、普段から原因と結果の結びつきを意識し、考察することによって業務に生かすことができます。
各営業担当者の顧客訪問数と成約件数の散布図で表すと、どういう傾向が出るか。
外れ値や空白部は無視して大多数から傾向を見るべきと思っていたので、むしろ例外から示唆が得られるかもという指摘は新鮮だった。
外れ値、ここに宝がある。
後回しにしがちでしたが、分析強化します！
またまたまだまだ。。。
散布図の活用事例を考えてみました。↓
営業活動に大切なことは、顧客訪問件数を増やす事だと思います。それを検証するために、X軸を訪問件数、Y軸を売り上げの散布図を作成し、訪問件数を増やすことの重要性を確認することが出来ます。
シンプルに2つの変数を組み合わせればできる点が良いと思うが、2つに何を選ぶかがセンスの出るところか。
項目を選定する際のセンスも必要だと思いました。
散布図を作る際に、目盛りのとりかたでグラフのイメージが変わるということは学びになった、
これを熟知している人に、真実と違ったイメージを受けるよう操作されることもある。
グラフの作り方も、注意していきたい。
表の数字からでは分かりにくいときに、起きている事象を視覚的に理解するための簡単で優れたツールであると理解しました。他社への説明のためにも、積極的に活用していきたいです。
分析の際に散布図も活用して考えてみようと思いました。
売上分析の際のツールとして
実業務においても営業成績の相関関係を分析する機会は多いですが、数値の比較で終わっているので、今後は散布図を活用してみようと思います。
選定する原因と結果を吟味する必要があると感じました。
何となく全体図を見るのではなく、空白や外れ値の意味を分析することも重要。
各項目で散布図を記載して関係性の強さの比較も出来ると考えます。
縦に結果、横に原因 シンプルだが様々シーンでいったんイメージする癖をつけたい。
散布図は、よく業務で使うものです。その活用方法のセオリーを知ることができてよかった。
明日から散布図をみたときには、以下を確認する
①グルーピングをして傾向をみる
②外れ値にも着目して、理由を確認して示唆が得られないか
③空白値にも着目して、その条件を満たせば、想定外の結果は出ないと示唆を得られないか
自分が立てた仮説の確からしさを説明するのに使えそう。
軸の置き方が難しいと思うので、実践あるのみかな。
理解できたので、通常の業務でも使うようにします。
・外れ値、空白部分にも着目
・X軸：原因系、Y軸：結果系
・メモリ幅にも注意
散布図は、認識が合っていました。
散布図は単に二つの変数の相関関係の有無を示すだけではなく、外れ値や、プロットのない空白部分を調査する事で、また別の気づきを得られることを学びました。
外れ値、空白を何かの視差は無いかと今まで以上に意識したいと思いました/ｅ
何となくの勘でなはくて、グラフをもとに考えるということで有効なツールである。
結果を縦軸、原因を横軸に書くことを心掛けて、今後の分析に取り組んでいきたい
実務で使える場面が現時点では想像できないが、機会を見つけてトライしたい
横軸が原因、縦軸が結果をおくということは知らなかった。
なんとなくで理解しているつもりなグラフの見方は多々ありそうなので、改めて表す意味を勉強しなおそうと思う。
あらかじめ原因を決めて、後付けデータを集めがち。
散布図は、2項目間の相関を分かりやすく伝えるのに有効だが、実際には複数の事象が組み合わさる場合が多い。単純化しすぎて粗い認識を持ったり、誤った印象を与えないよう留意したく思った。
売り上げが高いものの二つに相関関係があるのかを見ればさらに上がる可能性がある
データ分析の基本となる考え方と思うので、2変数の相関関係を探す際に用いていきたい
非常にわかりやすい説明でした。特に公園の来場者と気温の相関関係など、一定数を超えると下がる事例もあり、イメージし易かったです。
相関分析同様、普段あまり利用していないことが分かった為、実業務にて取り入れていく。
まず結果を客観的に見て分析方法として
空白「数値のない部分」にも隠された原因を探る
データ量が多いときは、散布図を作成し、分析した方が効率的だと思う。
散布図の分析のために外れ値、空白に注目することや、グルーピングという手法が有効なことを初めて学んだ。
縦軸、横軸の設定にとコツがあり、地味だけど役に立ちそうだとおもった。
何気なく使う散布図も、文字にすると、少し難しく捉えてしまう気がします
空白などでの分析が役にたつと思います。
回帰分析よりも分かりやすくしっくり来た。
原因と結果を何にするかが、重要だと感じた
留意点
・結果に対する原因の選定違い
・目盛り設定
・あくまでも分析。
相関関係を分析するためのツールとして、すぐに活用する機会は
ないかもしれないが、ためになった。
誰が見ても分かりやすいし、これまで感覚でやっていたことが視える化できる内容
空白部分や外れ値を意識する大切を学ぶことができました。概念的になんとなくしかわかってなかったことに気づきました
散布図はこれまで使ったことがなかった
相関分析の基礎となる。
学ぶことは楽しい！常に活用できるよう意識して過ごしたい。
散布図、ほとんど使用する機会もなく、どんな時に使用すべきかがわかりました
目盛り幅を変えることに意識薄かったので、幅によって散布図の見え方に改めて勉強になりました。
何気なく使ってきた散布図の見方が変わりそうです。プロット以外にも注目して作成したいと感じました。
広告のデータ分析する時につかると思った。
広告費用とインプレッショ数・リーチ数など各項目で関係性があるかを検証できる
〇ロジックツリーのwhyの部分になるもの
1つの結論を導きだすにも、1つの散布図を根拠にするのでは繋がりが弱いので複数の比較が必要
〇縦に結果系、横に原因系を表示する
このルールを今まで気にせずなんとなく使っていたが、これから注意して使いたい
大変勉強になりました。現在の業務でも大いに役立てることが出来そうです。感謝。
外れ値にどんな意味があるのか、そこからヒントを得られることもありそうなので、データを読む際には注目したいと思った。
外れ値や空白部分にも大きな示唆が含まれている、ということが非常に勉強になりました。
データの分析で役にたつとおもった。
メモリの設定で変わってしまうので、注意が必要。
散布図は普段から慣れ親しんでいるので解りやすかったです。外れ値は分析目的によってはエラーである場合と重要なヒントが隠れている場合の両方あるので気をつける必要がある。
はずれ値というのを初めて認識しました。
外れ値の解析結果が気になる。
売上の傾向や何に力を入れればいいのかなどを算出する時に使用していく
縦軸と横軸、空白部分、よく理解できた
実際に使ってみないといけない。データ分析を積極的に行っていく際に重要な知識であると感じた。
散布図は何かを調べる際に重要と理解していましたが、外れ値や空白の重要性は知らなかったので、今後は注目したいと思いました。
わかりやすい説明でした。縦，横のメモリ，尺度を変更した場合に，どのような間違い，発見があるのか，もう少し，踏み込んでほしかったです。
空白の示唆については面白いと感じた
毎日のルーティンにおいて、例えばうまくできる日とうまくできない日があるとする。それに対して、ｙ軸に満足度、X軸に気温、前日の就寝時間、気持ち等、それぞれで記録しておくことで傾向、原因がわかる
可視化の重要性を知りました
散布図を利用できるシーンを考えてみます
縦軸に結果、横軸に原因を置くとわかりやすい。
またそれぞれのメモリ幅によって見え方が変わる点に注意しなければならない。
以下二つがこの動画の学び
・横軸が原因、縦軸が結果というルールがある
・空白や外れ値からも学びがある
数字だけみているとなかなかイメージしずらいことがイメージできるのだな、と学びました
改めて理解し直せた。
Yは結果、Xは原因の関係をあまり考えていなくて、そうだったのかと再確認できた。
特に外れ値を見極めて使うことが重要と思う。
2つのデータの因果関係を可視化するのに有効だと感じた。
作り方について意識したことが無かったが、縦軸に結果、横軸に原因に関する変数を置けば正しく使いこなすことができることがわかったので実際に使ってみたい。
また空白部分からもわかることがある、という見方はこれまでしたことがなかったので目からうろこだった。
言葉は知っていましたし、仕事でも使っていましたが散布図を始めて学習しました。
外れ値、空白の意味については漠然と認識していましたが、今回学習で正確な認識が出来ました。
外れ値で成果をあげたいと思ってしまう私は天邪鬼でしょうか?
一方で、確実に成果を挙げるプロセスと共に外れ値を意図的に設定できるような考え方を身に付けたいです。
x軸が原因系、y軸が結果系というのは無意識にやっていたかと思うが改めて理解できた。
データ分析をためしてみたくなった
回帰分析にくらべ、散布図の動画はよくわかりやすかった。
今後、新しくとったデータの状況分析をする場合、まず、散布図を作成して関連性を確認したい
実践 ：中国語単語の学習時間(x)とテスト結果(y）
：前日の就床時刻(x)と毎朝の起床時刻(y)
ハズレ値にも注意したい
感で仕事をしていてはだめ
データが重要
空白から読み取れること、メモリの幅次第で印象が変わることは、勉強になりました。
二つの異なる要素の関係を考える際、作成が容易で、視覚的にも把握しやすいため、有用であると考える。
ありがとうございました。
いままで考えてなかった思考
POS分析をしている際にどうしても相関関係に目がいきがちだった。外れ値や空白エリアを意識して分析していきたい。
ある結果の根拠を探る際に、原因が本当にそれであるか、視覚で確認できるなら、説明ツールとして活用できそう。
二つの事項の因果関係を知るには散布図が有効だと感じました。
エクセルでも散布図は作れるので因果関係の分析では使っていこうと思います。
新規社数と達成率の相関性
達成率とエニアグラムの相関性
業務でも使用していることがあるので、役に立った。ただし、散布図は頻繁には使用するグラフではないので、見てすぐに内容が分析できるようにしておこうと思った。
やはり目で見ることは大事だとあらためて感じた。
x軸が原因軸・y軸が結果軸という意識なく、グラフ作成していたことを認識できた。
売上と在庫の相関性
売上と販管費の相関性
色々分析して新たな視点を見てみたい
散布図はあまり使っていないが、今後使ってみたい。
データ分析において、関係性の高いプロット部分だけでなく、空白部分や外れ値にも注目することで、より詳細な分析につながると考えます。
散布図をこんなに掘り下げたことはなかったので、参考になりました。
マーケットの分析や、エンドユーザーの行動傾向を掴んで次の施策につなげるための分析に使えそう。
何気なく分析はしていましたが、今後このような数値化した分析によりスキルを上げたいと思います。
パッと見て、関連の有無を見て取れるけれど、同じデータでも目盛幅で印象が違って見えるということに注意して関連性を判断していこうと思う。
XYに何を設定するか、メモリ幅をどうするか、をしっかりと考える必要あり
外れ値の背景、空白地帯が示す意味、についても考える事でヒントがある
散布図について初めて学びました。外れ値と空白を読むことも重要だというこもよくわかりました。
今のところ、業務でどう活かすか具体的には思いつきませんが、相関関係の考え方は役立つと思います。
外れ値や空白部分についても分析するようにしたい。
原因と結果を表す時や外れ値についても調べてみるよ良い
分析をグラフ化することで、精度、スピードが上がる。
ハズレ値 の分析は必要かつ有効。
様々な変数を試してみることが、原因を探るのに必要ですね。X軸の目盛り幅は、変数の単位でも異なるので、あくまでも傾向を知るためのグラフと考えた方がいいという認識を持ちました。
気になる数値を散布図にすることで、新しい気づきを得られる可能性があると思った。
外れ値にも意味があるという見方はよい気付きになりました
見える化できると説得力が大きくなりますね。
BIツールなどでの解析にはよく使うが、Excelのグラフ機能はほとんど使わないので、細かいデータをExcelで解析するような使い方もしてみよう思った。
外れ値や空白に注目する。
外れ値に関しては、原因分析など行っていたが、
空白部分に関してはあまり意識していなかった。
空白部分にも着目し分析する様意識する
外れ値や空白から重要な示唆が得られる。
目盛りの設定も見せ方に影響する為、留意する。
目盛幅によって、データから受ける印象が大きく異なる点は注意しておきたい。
示されるデータに恣意的な操作はないか、果たして受け取った示唆は正しいかは常に問える姿勢を持ち続けたい。
あまり縦軸や横軸のことなど気にしていなかった。
２つの変数の関係性を見るのにとても役に立つと思う。
来場数と月の関係など分析しやすいと思います。
外れ値や空白も見逃さないようにしたいと思う。
日常業務に活かしてみたい。
散布図という概念を初めて知った。傾向を見るときや、相関関係を導きたいときにとても有効であると理解した。
普段 目にしてはいても自分で作成はしないので勉強になりました。
グラフの目盛に惑わされないことも大切なのですね
作ることよりもそれをどう分析するかが重要である。また有効な分析にするためにもサンプル数も大事だと考えた。
これは可視化のツール。大事なのは横軸の選び方であって、そのためにロジックツリーなどを使った因数分解が鍵になる。
異常値や空白域に関して、注意を向けていきたい
散布図は分かりやすかった
本コースを通じて色々な図を用いた分析方法がある事が分かった。次は各種ケースに応じてどの図が一番効率的か習得していきたい。
散布図を作ることにより、ただなんとなくこうではないかと思っていることを一目で確認できるので分かりやすい。特に外れ値が出た場合、何が原因かを追究するのが面白そう。
目盛りの幅が変わることで、グラフの印象が変わってしまうという点は、あらゆるグラフを見る際に注意した方がよいと思いました。
外れ値と空白の分析もするように気を付けたい。とりあえず理解したので、後の講座でこれがどのように使われるのか見たい。
外れ値、空白部からの分析が役に立ちそうです
現状を他の人に示すために有効と思います。
費用対効果を見定めるのに役立ちそう。
適切な選択をしないと、結果の信頼性がなくなると思う。
逆に都合のよい結果を導くことにも使えてしまう危険性を認識する必要がある。
販促費と売上高など散布図で表してみると課題が見つかるかもしれないと思いました。
散布図を眺めることから始めたい。
これを学ぶことで普段からやっている分析の精度が高まる
商談の成約率を上げるためにとるべき行動を見つける上で役に立つ。
外れ値が持ちうる重要な示唆、空白地帯から読み取れるものがあることを知れてよかった。
横軸と縦軸の置き方を再認識できた。
散布図は相関性をみるためによく使っていたが、外れ値や空白から示唆する作業をしていなかったので今後は意識して取り組みたい。
空白部の意味を考えるというのは盲点だった。
散布図はそれ自体を見る機会は少ないが、相関係数での判断はそれなりにある。データ検証の際に持ちいることもあり。
何を軸に置くかが重要
外れ値や空白の考え方は参考になりました
データ分析に有効なツールと認識。ただし、元データの抽出次第では誤った結果が出てしまう可能性もあり、注意が必要。
そこまで大きくないデータでも、相関関係を確認したいときには仕事でも使用可能だと感じた。
メモリ幅によって見え方が全然違ったので、必ず関数と合わせて確認したい。
分析ツールの一つとして、
売上、利益、コスト分析や、品質面の分析に活用したい。
年齢と給料の相関を分布図で表して、特殊ケース（外れ値）があればその人の特殊性を確認したいと思った。
一瞬で見ている者の理解を得られそう。分析結果を多数の人の前でプレゼンする際、有効に活用出来ると思います（この図で説得）。
分析に役立てたい。まずは、エクセルでつくってみます。
施策後の分析や、資料作成時に役に立つ
数値化するだけでなく、散布図やグラフにすることによって見えてくるものもあると感じた。
また、外れ値や空白の多い部分は今まで必要ないと感じていた部分であり、そこを活用することの大切さを学ぶことができた。
散布図は日常的に使っていますが、空白部分にはあまり着目していませんでした。
外れ値を含め、気にしていきたいと思います。
外れ値はいわゆる「エラー」として処理してしまいがちだが、分析することで価値の高いデータである可能性があることが分かった
ただし、まったく関係性のない事象が結果に影響を与えてる可能性もあるかも
感覚的な知見を客観的に置き換えられる。
目盛りの設定の仕方を知りたい。
データ分析を行うのに有効。
不動産鑑定士の者です。
不動産の価格を形成する要因は数多くありますが、それらの要因が価格にどれだけ影響するか判断する尺度として、「寄与の原則」という概念があります。
例えば自宅の一軒家を売却する場合を考えると、一般的に庭や駐車場が整備されていたり、リフォームをして内装や外装を最新のものにした場合、そうで無い家よりも価格が高くなる事は容易に想像出来ると思います。つまり、不動産に投資する金額が高ければ高いほど、不動産の価格は高くなるのです。
しかし一方で、あまりにも余計な設備を導入したり、一部の大金持ちにしか需要が無いセキュリティー最強の門をお金をかけて投資しても、その事が不動産の価格に与える影響度合い、つまり相関係数は小さくなってしまうのです。
２つのデータをグラフ化することで、相関の有無を理解し易くなることがわかった。
感覚的になりがちだった意思決定を数値的根拠をもって判断するのとができそう。
結果（縦軸）
原因（横軸）
広告施策の結果を分析するのに使う。
飛び値、空白も見る。
Excelの数値をグラフ化する。
結果から次の施策を検討する。
散布図はこれまであまり使ったことがなかったけれども、実際の仕事の中で使ってみたい。
定量的に判断することの大切さを学んだ。外れ値が新しい気づきとなり、視野を広げるきっかけになると思った。
2つの値の関連を調べるために散布図が重要である事を改めて知りました。また、横軸に原因系、縦軸に結果系を記入する事やメモリ幅の留意点も踏まえたうえで今後活用していきたい。
あまり使ってないグラフなので用途に応じて使ってみたいです。
ダイエットの方法（目盛りは日付でりんご／ランニング／サウナ・・など）を横軸、体重を縦軸にしてどの方法が一番結果がでやすいか・体に良いかを調べてみるのはよいかもしれない、
散布図の空白部分を見ることにより情報を得ることができるという点が学べました。
外れ値や空白部の話が参考になった
外れ値や空白部分にも面白い示唆から面白い発見があったり新しいアプローチを産み出せる可能性があることが分かった
サンプル数の多いデータを分析し傾向をつかむために非常に便利。
2つの変数を扱い機会は多いので、日々の業務に役立てる。
大量にデータがあればあるほど、散布図のデータには示唆がでるはずなので、明日作ってみる。
散布図に落として初めてわかることもあるので、有効活用していきたい。
散布図を使用することである種の業務の結果に及ぼす要因が何なのか、どの程度影響を及ぼすのか視覚的に明らかになる。相関係数を求めることで定量化も可能である。はずれ値や空白の部分も重要な示唆が得られるケースがあるので着目していきたい。
散布図を普段使わないので勉強になりました。分かりやすかったです。機会があればエクセルで作成しようと思います。
日頃、当たり前と感じている関係性についても、一つひとつ丁寧に見ていくことで、新しい気付きを得られるかもしれないと感じた。
相関関係の前に散布図を学習すべきか。散布は割と使う人が多く、なじみがあるように思う。
相手に何かを説明する時に自然とグラフ化していたと思うが、原因系が横軸で結果系が縦軸、という意識は特にしてこなかった。大抵そうしてきた気もするが、より意識して見せることで伝わりやすさが向上すると思う。
普段から使えていました。
どういった業務の原因分析に使用するか考慮が必要だと思います。
自分管理できる業務内のパラメータに使用するよりも外的環境の要因の法則を見出したい時でなければ使用できないと感じます。
空白部分にも注目。なにか示唆を得られる可能性がある。
外れ値、空白部からの示唆は、興味深いものでした。
当たり前から外れたところに、チャンスが眠っている可能性あり。
2つの変数の関係性を視覚的見れるベーシックな手法だと改めて思いました。
外れ値、空白部分も重要なポイントだと理解できた。
通常のものとは違う傾向にある外れ値や、空白からも読み取れることがあるということが新鮮でした。グラフや図を読み取る際は、色々な視点から推察することが重要だと感じました。
今後の業務における傾向分析において可視化の技法として覚えておきたい。
業務効率化をするためにも、結果に対してより相関関係がある要因を見つけることが重要です。
外れ値の分析から傾向を読み取るという点をやってみたい。
外れ値と空白から示唆を得られるという気づきを得ました。
大変に参考になりました
担当する設備の不具合発生状況を散布図で示すことも可能であると考えられる。縦軸に不具合の発生内容、横軸には発生当時の天候や、定期点検からどれくらいの日数が経過しているか等の数値を示すことで興味深い関係が読み取れるかもしれない。
シンプルな分析で腹落ちしやすい
財務の結果に影響する変数を探すことに役立ちそうです。
学生時代、数学で散布図を習ったことがあるが、ビジネスにも使えるには驚いた。今後どんどん活用していこうと思う。
何かしらの結果と原因の２つの関連性を比較するのに、データ分析に活用と傾向がみえてきて使えそう。
グラフの空白部や外れ値に注目するのは想定外でした。
外れ値や、空白部にもしっかり着目し取り組んでみたい。
目盛幅が変わることで見える印象も変わってくるのは気を付けたいところです。
プロモーションと売り上げの関係性を分析していきたい。プロモーションのボーナス量、プロモーションの期間など、何が影響を与えているか予測を立てて散布図を用いて分析し、与える影響の大きい要素が分かるようになりたい。
どの数値で比べるかを判断するのが難しいと思った。
まずは数をこなして感覚を身に付けた方がいいのかな
外れ値や空白部にも注目という，今までになかった発想に感動。
散布図を描いて、なんとなく相関がある、ないを調べることも重要だと思いますが、実際の現象をしっかりと見極めて、縦軸、横軸に何をすべきか、どういう関係になるか、といったことをしっかりと考えたうえで散布図を描いていくことが重要だと思います。
イメージが出来ました
業務で生かしたいと思いました。
新しい思考で業務改善やデータ分析できると思います
散布図は日常的に業務で使用している
原因分析に活用
はずれ値、空白からその意味を読み取ることも大事
営業職において売上に対する様々な要因を分析する際に役立つと思います。外れ値、空白部分から得られる知見についてはこれまでの発想になかった新たな気付きとなりました。
散布図について、これまでは意識せずに用いていたが、原因を横軸、結果を縦軸にすることが必要だと理解することが出来た。
理解度が不足していると強く感じます。
復習が必要です。
これまで定性的に（勘に頼って）いた判断を散布図や回帰分析の考え方を使って定量化してみたい。特に回帰分析で触れられていたダミーデータの手法は役に立つと思う。
意外と散布図は使ったことが無かったけど、使えそう。
外れ値、空白の分析から示唆を得る…目からウロコでした。
グロービス学び放題で学べば学ぶほど、仕事の能率が上がることを示したいです。
具体的な活用方法について十分に考えてみる必要があると認識しました。
集計した複数の要素の関係性を見るのに有効なものであると理解しました
外れ値にも注目することでヒントを得られるかとに留意する。
原因系を横軸にするなどこれまであまり意識しておらず、基本的なことでも勉強になった。
空白のところにはあまり目を向けていなかったので、
意識してみます。
原因と結果の位置にルールは必要なのか。いずれにしても分かり易かったです。
空白部分にも意味があることは参考になった。今まで考えたことがなかった。
発表では自分の伝えたいことを表すために軸の表示幅を変えて、２つの変数が相関しているのかしていないのか散布図を作成していたが、合わせて相関係数を載せることで聞き手に正確な情報を与えることもできると感じた。
私のデータの解釈が間違っていた場合には指摘され修正できることもある。
全て理解できなかったので、再度学習しようと思います、、、
空白部分からの示唆は気づいてませんでした。確かに、と思いました。
相関図をもう一度確認する必要あり。
散布図の概念は理解。実際のビジネスシーンでどう応用するのか、応用すべき場面があるのか、着衣をもって考えたい。
外れ値、空白部にも着目するというのは今までできていなかった。
これからは空白部からどのような示唆が得られるか考えながら散布図を確認していきたい。
散布図を用いて分析したことはありますが、外れ値は考慮していませんでした。
重要な示唆が得られることに気付きました。
縦軸（結果）と横軸（原因）の意味合いなど認識出来ていなかった。
今後に生かして活用したい。
反応時間と転化率等日常業務でも良く使います。
外れ値や空白部分から示唆を得られるよう、作り方（主にX軸のとり方）を工夫しようと思いました。
面白かったですね。勉強できました
散布図を作成すること自体も重要であるが、他者に考察を述べる際には、散布図にどう解釈したのかを近似曲線などを用いて示すことも重要と感じた。
普段から実験データの整理に使用しているので、さらに深く学んでいきたいと感じた。
自分の業務で仮説をしてみて、このグラフを活用してみたいで
空白部分にも注目するというのは新たな視点でした。今までなんとなく見ていたグラフの意味がしっかり確認できました。
普段から意識はしていることだと思いますが、表にするのとしないとでは、
格段の差が出るのがよくわかりました。
空白部分に関する考え方、見逃しがちになります。
グラフにすることで解決できない問題も解決に近づける良い手法と思います。
データ分析において相関関係を直感的に表すのに非常に有効。
しかし、そのデータに因子関係があるかまでは分からないので注意
外れ値や空白値に注目し、売り上げアップに繋げていきたい。
原因系の変数をx軸（横軸）、結果系の変数をy軸（縦軸）に設定することに意識し、散布図を作成したいと思う。
原因を横軸にする理由、結果を縦軸にする理由がわからない
散布図は相関分析や単回帰分析でも使われる手法なので、使い方の違いが気になりました。
外れ値、空白にも意味があることというのは、なるほどと思いました。
散布図を業務でも活用してみようと思います。
視覚的に現状の業務における企業発掘においても使えそう。事業課題と企業特性でプロットするとか。
外れ値から重要なことが分かることは知っていたが、空白部分には着目することは意外だった。これからは、データの相関だけで終わらせず、空白部分にも考察を加え業務を行っていく。
散布図に関して復習できた。分析する際にはExcelの機能を利用して作成する
空白から「こういった事例は無い」という判断材料を得られることは恥ずかしながら目から鱗。どうしても相関にばかり目がいってしまう
原因分析を行う上で今までやってきたことがなかったので早速取り入れ実践したい。
業務で分布図を使ったことがありません。学んだ事を活かして今後実践してみます。
散布図の目盛りの取り方、
きをつけます。
散布図ではその散らばり方を見たり、明らかに異なる動向を示す場合はグルーピングをしてみる、外れ値や空白からも何かを読み取れることがある。グラフの軸の設定にも工夫と注意が必要であることを忘れないようにしたい。
１つの情報だけだと情報が正しいと思える事も、複数の情報を相関図に落とす事で、確かめたい情報が他と照らし合わせられる事はとても有効。
ただし、どの範囲までプロット結果が集合していれば「相関関係にある」と言えるか、その判断軸は難しいと感じる。
原因の傾向を分析する際に活用できると思慮
医療費と健診値の相関について色々な数値から散布図を作成して傾向を見てみたい。
考え方として非常に重要な分析手法と思いました。ただ、実際活用するとなると応用力が必要でExcelを活用することが重要であると感じました。
・起こっている事象の原因と結果 仮説を検証するために有効。
・定説が正しいか検証する為に有効。
・発生する機会、リスクの高さを分析・予測することに有効
外れ値、空白値を活用することで、ビジネスチャンスや改善につながるかもしれないという示唆は、留意しておくべき点であると思う。
あまり分析を行ったことがありませんでしたが、目で見て何かがわかるのは面白いと思いました。
X軸が原因（説明変数）、Y軸が結果（目的変数）という考え方を再確認できた。
年収とサプリメントの購入金額の関係を散布図で確認する。外れ値の実態について確認し、どこに強いニーズがあるかを調べる
経理業務において、タックスプランニングにかける人件費と節税効果の相関を調べるのは興味深く感じた。おそらく、ある一定値までは節税効果は得られるが、それを超えるとむしろ人件費のコストが純利を圧迫するだろう
散布図をプロットする過程で今まで見えていなかった気づきがあり、より具体的な関連性を解く鍵になると学べた。
散布図の分析で外れ値と空白域からも重要事項が推測できることがわかり勉強になった。
縦軸が結果、横軸が原因であることは知らなかった。
順番に受講しているが、相関係数や回帰分析の後に、散布図がでてきて、受講してしまった。時間も短いし、正直なところ、内容も、特にコメントする事もない簡単で気楽な受講だった。
原因と結果など縦と横をどう使ったほうがいいか、というのは意識していなかったし、軸の目盛の設定によってグラフが変わることは意識してはいたが、これからもよく考えて使いたい
外れ値や空白からも考察できるのは発見。ただ、原因要素と結果要素の選択が一番ポイント。
外れ値や空白の着目は参考になった。
実務上は外れ値の要因分析の方がよっぽど大切？？
今まで活用していなかったので、早速活用します。
基礎知識の確認に良いと思います。
データ分析は大変重要でかつ今後の事業状況に左右される
見える化を実現し、根本原因を検索していきたい
外れ値や空白部分に新しい発見があることが勉強になった
キーサクセスファクターを探る際に、いくつかの変数ごとに散布図を作成し、傾向があるかを確認することで、特定に近づく。
外れ値、空白の意味に関する示唆は興味深かったです。
また、グラフの見た目の形に騙されないよう、Rを確認することも忘れない
ようにしたいと思います。
y軸が結果でx軸が原因というのが知れてよかった
データから要因分析をする際の有効な方法だと思った
基礎的で分かりやすい。大事なのは外れ値や空白に疑問をもつこと！
外れ値や空白に意味があることが理解できた。
外れ値と空白の見方から、傾向がわかるということに発見があった
空白部分からも得られるものがあることを学んだ。
散布図は縦軸が結果、横軸が原因で作成すると相関関係が視覚でわかりやすい、
一方で点のバラツキがある場合には相関関係がないのでは？視覚で判断もしやすいので提案資料に盛り込みやすいと感じた。
散布図を活用して、意思決定をしていく仕事をする
同じデータや内容でも書き方によって変わるということが良く分かりました
今まで散布図を意識できていなかったがデータ分析に有効なツールだと気付きました。
散布図くらいしってるよ、と思ったが、
外れ値や空白の活かし方など改めて勉強になった。
外れ値や空白の重要性は考えたことがなかった。基本的だが重要。
縦軸 横軸を逆に書いてしまっていたので今後はきちんと書けるようにしたい
発電所の管理に利用できそうです。
活用することで勘に頼らない分析が可能
外れ値、空白を分析が重要
営業売り上げの変化について振り返る際に活用したい
はずれ値や空白から示唆を得る というのは、これまでに持っていなかった視点で新しい気づきだった。その視点でもデータを見てみよう。
散布図は解析の第一歩になります
データ分析をする際に有効だと感じたが、どの変数を使用するのか、複数ある変数の際にどれを抜き出すのかがポイントであると思う。
実際に散布図を作成し、分析回数を重ねることが大事であると感じた。
相関分析を先に観てしまったので、順番的には逆だったが、理解度を深めるのは良かった。
普段からよく分析に使用している。本コースにおいて相関係数の話より後に散布図の説明があるのがよくわからない。
散布図は今まで活用したことがないため、今後活用してみます。
良い結果が出ている場合とそうでない場合の原因分析をする際に活用したい。
どちらの場合においても現状は「原因は～だろう」という安易な推測で終わらせることが多い。
散布図を活用する事で、より信憑性が高まる。
外れ値や空白部分についての考察も怠らないように心がけたい。
売上UP/DOWNの要因分析に用いる。
データ分析だとグラフを使いがちですが、散布図からの分析は目新しさでの惹きつけ効果も期待できそうで是非使ってみたいと思いました。
もっと具体例の説明があると助かります。
X軸に原因となるものY軸に結果の値を入れることは意識していなかったため、非常に勉強になった。
また、空白の部分からも重要な示唆が得られることに注意して分析したい。
空白から示唆を得る、という発想で見たことはなかった。今後、意識したい。
外れ値や空白の部分の分析から、重要な示唆が得られることもある事は納得しました。
この観点を大事にしていきたいと思います。
散布図は価格と販売数量の分析など案件ごとの傾向や関連性を調べるのに使えると感じました。
分布の把握のみならず、外れ値や空白から読み取ることも大事なことだと思いました。
散布図作成において、目盛りの設定によって相手に与える印象が大きく変わるため、気を付けなければならないと感じた。
縦軸を結果、横軸を原因と置くとグラフが見やすいことに驚きました。
外れ値と空白にも注視して行きたい。
どちらの軸に結果・原因を表すのかあまり考えたことがなかった
散布図を用いるときは、外れ値や空白の部分においても分析を行うようにすることが大事であると学ぶことができました。
外れ値や空白部分も条件が異なれば、相関関係があるかもしれないことに注意したい。
日常業務においてデータ分析を行っている。
例えば、社員の適性検査の値と業績の関係性を調査する上で活用できる。
問題を読んでも、ぱっとは意味が出来なかった。文字に書かれたロジックは、正確であればあるほど、複雑になって、解りにくくなるのかもしれないと思った。
散布図は、イメージで理解が深まるので、人の力を有効に使うのに有効な手段だと思った。
原因系を横軸、結果系を縦軸にすることが理解できた。密集度はメモリによっても印象が変わる為、注意が必要。
散布図は二つの事象の関連性を判断することが出来るので、調査する時に役に立つ手法と考える。
散布図 使ってみたいです
実際かなり使ってますけどね
外れ値、散布図上でプロットが全くない場所こそ重要な示唆が得られる可能性があるということは肝に銘じておく
公園の入り込みと気温の散布図は非現実的だと感じた
今までは何が横軸で何が縦軸化を意識していなかった
結果を縦軸と覚えて仕事のデータ分析に活かしていきたい
売上などの分析の方法として今後に生かそうと思います。
集計結果を分析するシーン
外れ値や空白領域に注目すると、重要なことに気付く可能性もあります。
これは簡単だと共います。
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。