仕事の中には、「数字の変化」を見て判断する場面が数多くあります。
売上、アクセス数、在庫数、問い合わせ件数、システムのログ。

これらはすべて、時間の流れに沿って記録されたデータです。

・昨日と比べてどうか
・先週と同じ動きか
・いつもと違う変化が起きていないか

こうした確認は、ほとんどの職場で日常的に行われています。
そこで今回は、時間とともに変化するデータを使って、
「異変に気づく」「先を読む」判断をどこまで任せられるのかを考えていきます。

---

ケース：売上とアクセスを毎日チェックする担当Dさん

Dさんは、Webサービスの運営担当です。
毎朝、ダッシュボードを開き、前日の数値を確認するところから1日が始まります。

見る指標は決まっています。

・日次売上
・アクセス数
・コンバージョン数

数字を見ながら、Dさんは頭の中でこう考えています。

「今日は少し下がっているな」
「これは曜日要因だろうか」
「何か問題が起きていないか」

この作業を、Dさんはほぼ毎日繰り返しています。

---

人は「時間の流れ」を頭の中で再生している

Dさんが数字を見るとき、単に「今日の値」だけを見ているわけではありません。

・最近の平均と比べてどうか
・増えている流れか、減っている流れか
・過去に似た動きがなかったか

つまり、頭の中で過去から現在までの流れを再生しながら、
「今は正常か、異常か」を判断しています。

この「いつもと違うかどうか」を見つける作業は、
時系列データを使った機械学習が、非常に得意とする領域です。

---

時系列データで任せられる3つの判断

① 異常の検知（いつもと違う動きを見つける）

過去のデータが十分にあれば、
「だいたいいつもはこれくらい」という範囲を学習できます。

そこから大きく外れた動きが出たときに、
「いつもと違う可能性が高い」として知らせることができます。

② 変化の兆しを早めに捉える

急激な変化だけでなく、
じわじわと続く下落や上昇も、見逃しがちです。

時系列データを使うと、
「最近、少しずつ下がり続けている」
といった兆しを捉えることができます。

これにより、問題が大きくなる前に、手を打つ余地が生まれます。

③ 近い未来の予測

過去の流れが似ていれば、
近い将来の動きも似やすい、という性質があります。

これを使って、
「このまま行くと、数日後はこの水準になりそうだ」
という目安を出すことができます。

完璧に当てる必要はありません。
先を少し見通せるだけで、判断はかなり楽になります。

---

導入して何が変わった？Dさんの判断の変化

Dさんのチームでは、まず「異常っぽい動き」を知らせる仕組みを導入しました。

すると、次のような変化が起きます。

・毎日すべての数字を細かく見る必要がなくなった
・注意すべき日だけを重点的に確認できるようになった
・問題への初動が早くなった

ここでも、売上が必ず上がったという話はしていません。

ですが、異変に早く気づけることは、
ビジネス上、非常に大きな価値があります。

---

初心者が押さえておきたい線引き

任せやすい判断

・日次や週次で定期的に記録されているデータ
・過去のデータ量が十分にある
・急激な変化や傾向を知りたいもの

任せにくい判断

・イベント要因が毎回大きく変わるもの
・人の意図や背景理解が必要な判断

時系列データの機械学習は、
最終判断を置き換えるものではありません。
「気づく役」を任せるための道具です。

---

今日からできる一歩

今日すぐにできることは、次の2つです。

1）毎日・毎週見ている数字を1つ決める
2）「いつもはどれくらいか」を言葉で説明してみる

その感覚を言語化できれば、
時系列データ活用の準備はできています。

---

まとめ

時系列データを使うと、
人が行っている

・異変への気づき
・流れの把握
・先読み

といった判断を、部分的に任せることができます。

・すべてを見る必要はない
・異常や兆しだけを拾えばよい
・人は対応と意思決定に集中する

次回はいよいよ最終回。
これまでの内容をまとめて、
「どのデータから始めるべきか」早見表を作ります。

<文/岡崎 凌>