データサイエンス講座【初級編】第2回：データの種類と特性の理解
サマリ
データサイエンスの基礎となるデータの種類を理解することは、分析プロジェクトの成功に不可欠です。このブログでは、定量的データと定性的データの違い、そして尺度水準（名義尺度、順序尺度、間隔尺度、比例尺度）について、初心者向けにわかりやすく解説していきます。
詳細
データは大きく2つのカテゴリに分類される
データサイエンスの世界では、扱うデータを「定量的データ」と「定性的データ」に大別します。定量的データとは、数値で表現できるデータのことを指しており、測定や計数によって得られます。一方、定性的データは言葉や文章、画像など、数値では直接表現できないデータです。
定量的データの例としては、売上高、顧客の年齢、商品の価格、Webサイトのアクセス数などが挙げられます。これらのデータは統計的な分析がしやすく、グラフやチャートで視覚化することも容易です。一方、定性的データの例には、顧客からのアンケート回答、SNSのコメント、製品のレビューなどがあります。これらは分析のために集計や分類といった前処理が必要になることが多いです。
継続的データと離散的データの違い
定量的データの中でも、さらに「継続的データ（連続データ）」と「離散的データ」に分けることができます。継続的データとは、理論上、小数点以下いくらでも細かい値をとることができるデータです。身長や体重、気温などが該当します。測定の精度を上げれば上げるほど、より細かい値が得られるという特性があります。
一方、離散的データは特定の値のみをとるデータです。例えば、試験の点数（0点から100点までの整数値のみ）や、ある店舗での1日の来客数などがこれに該当します。離散的データは数えられる性質があり、「度数」という概念が重要になります。これらの違いを理解することで、適切な分析手法の選択につながるのです。
尺度水準：データを4つに分類する重要な概念
データサイエンスにおいて、最も重要な概念の一つが「尺度水準」です。これはデータがどのような特性を持っているかを分類するもので、名義尺度、順序尺度、間隔尺度、比例尺度の4段階に分けられます。
名義尺度（分類的データ）について
名義尺度は、単にカテゴリに分類するだけのデータです。数字が割り当てられていても、その大小関係に意味はありません。例えば、顧客の性別（男性、女性）や都道府県、商品のカテゴリなどが該当します。名義尺度では、最頻値（最も多い値）を代表値として用いることができますが、平均値や中央値を求めることは意味がありません。
順序尺度について
順序尺度は、データの順序に意味がある尺度です。顧客満足度（非常に満足、やや満足、どちらでもない、やや不満、非常に不満）や成績の評価（優、良、可、不可）などが該当します。大小関係は存在しますが、その「差」には意味がありません。例えば、「優」と「良」の差と「良」と「可」の差が同じとは限らないのです。
間隔尺度について
間隔尺度は、データの差に意味がある尺度です。最も有名な例は気温で、摂氏10度と20度の差は10度ですし、20度と30度の差も10度です。しかし、重要な特性として「絶対的なゼロが存在しない」点があります。気温の0度は「温度がない」という意味ではなく、単なる基準点に過ぎません。そのため、「30度は10度の3倍温かい」という表現は間隔尺度では成立しません。
比例尺度について
比例尺度は、4つの尺度の中で最も情報量が豊富な尺度です。絶対的なゼロが存在し、データの比率に意味があります。身長、体重、売上金額、価格などが該当します。「AさんはBさんの身長の1.5倍である」という表現が成立する唯一の尺度です。比例尺度のデータに対しては、あらゆる統計分析手法を適用することができます。
なぜ尺度水準の理解が重要なのか
データの尺度水準を正しく認識することは、分析プロジェクトを成功させる上で極めて重要です。なぜなら、尺度水準によって使用可能な統計手法が異なるからです。例えば、顧客満足度（順序尺度）に対して単純に平均値を計算することは、統計学的には不適切な分析となります。正しい尺度水準の理解があれば、プロジェクトの早期段階で適切な分析手法を選択でき、後々の修正作業を最小化できるのです。
実務における応用
実際のデータサイエンスプロジェクトでは、複数の尺度水準のデータが混在します。例えば、カスタマーサーベイには名義尺度（性別）、順序尺度（満足度）、比例尺度（購入金額）が含まれることが多いです。各データの特性を正確に把握することで、チームメンバーとのコミュニケーションも円滑になり、結果の信頼性も向上します。
初級編の第2回として、データの基本的な分類と特性をお伝えしました。次回は、これらのデータを実際に分析する際に必要な記述統計について掘り下げていきます。データサイエンスの基礎をしっかり固めることで、より応用的なテーマへの理解も深まるので、ぜひこれ
