ヒストグラムは、細かなデータ分析を始める前に全体の傾向を把握するのに便利です。
今回は、エクセルを使ってヒストグラムを作成する手順をお伝えします。
＜スポンサードリンク＞
Contents
ヒストグラムを作成するための大まかな手順
具体的な手順の前に、大まかな手順をお伝えします。
- 元データを準備する（セル結合などが無い状態にしておく）
- 階級を決める（各データの「幅」をどれくらい持たせておくかを決める）
- エクセル関数を使って、各階級の度数（データの数）を求める
- 折れ線グラフを使ってヒストグラムを作成する
データの前処理は大変
ビジネスの現場において、最も手間が掛かるのは、最初のデータ準備です。
最初からデータがキレイに整って準備されていれば良いのですが、そんなことは稀です。
- 元データが紙書類で存在する
- いくつかの書類やデータを組み合わせないと、必要な情報が揃わない
（他部署からデータをもらうのに社内調整が必要になるなど・・泣） - セルが結合されている
（そろそろマイクロソフトさんはセル結合機能をなくすべきでは？） - セルに直接単位やカンマ区切りが入力されている
（見た目の書式と実データは分けて考えるべきなんですが・・）
このようにデータ分析以前の「前処理」に膨大な時間が掛かります。
そしてこの前処理は、データ分析が好きな人・得意な人であっても「全くモチベーションが上がらない作業」であることを知っておいた方が良いでしょう。
義務教育で教えるべきとは思いませんが、社員研修の1コマくらいは割いても良いネタだと思っています。
なので、会社のエライ人はお気楽に「こんな感じのレポートつくってくれる？」と依頼するのは止めましょう。本当に必要なら良いのですが。
業務効率の良い会社はデータの前処理が無い
業務効率の良い会社は、最初からレポートを作成する（＝データを分析する）イメージを持って業務プロセスを組み立てています。
したがって社内で業務をするために紙書類はありませんし、データは全社員が必要な権限に応じてデータを参照・入力できるようになっています。
わざわざ部署を超えて調整して、データを集めるような愚はおかさないのです。
さて、この例（トライアスロンのレースデータ分析）では、ネット上にPDFのレース結果が載っていますので、それをダウンロードしました。
その後、こちらのサービスでPDFデータをExcelに変換しています。
セルの位置がズレたりすることがあるので、多少の前処理は必要でした。
上位10人までを表示すると、このようなデータになりました。
（元データはネットに公開されているのですが、念のため氏名はぼやかしました）
実際には完走者383人と、完走できなかった人のデータも含まれています。
このデータを元に、ヒストグラムを作成します。
階級を決める（多すぎず、少なすぎず）
次に階級を決めます。
データ幅は、一般的なヒストグラムでは同じにすることが多いです。
一方で、例えば総務省 家計調査のように、幅が変わっているヒストグラムもあります。
200万円から1,000万円までは、100万円間隔となっていますが、それ以上では250万円間隔になっています。さらに200万円未満と、1,500万円以上も別扱いです。
このような特殊な例を除いて、ビジネスでは等間隔にすることが多いのではないでしょうか。（特にヒストグラムで全体の傾向を探るくらいのときは）
階級の数は多すぎても少なすぎても、データが見難くなってしまいます。
階級が10個前後（5～15個くらい）に分割するのが良いと感じています。
このトライアスロンデータの例では、最も速い（タイムが小さい）人で2時間弱、最も遅い（タイムが大きい）人で4時間弱です。
1時間50分から4時間まで、10分間隔で階級を区切ってみました。
こんな感じです。
（度数：人数は、この後に求め方をお伝えします）
各階級の度数（データ数）を求める
ここまでは、ほぼエクセルの知識を使わずにできたと思います。
度数（データ数）を求めるのに、エクセル関数を使います。
1つ1つ手で数えていたら、日が暮れますよね。。
データ数を数える関数として、ここでは「COUNTIFS」を使いました。
指定された範囲に含まれるセルのうち、（複数の）検索条件に一致するセルの個数を数えることができます。
COUNTIFSの解説はさておき、具体例を見てみましょう。
ここでは、赤線で囲った「2時間10分以上・2時間20分未満」の人数（データ数）を求めます。COUNTIFSは複数の条件を同時に満たすセルの数を出してくれます。
=COUNTIFS(G$2:G$384,”>=”&U3, G$2:G$384, “<“&U4)
パッと見、ややこしそうに見えますが、分解すると大したことありません。
2つの条件「2時間10分以上」と「2時間20分未満」が記載されています。
G$2:G$384,”>=”&U3
は、G2からG384セルの間から、U3（2時間10分）以上を探すということです。
G2からG384は、完走した選手全員の総合記録が書かれています。
U3は、階級を定義したときに入力した、1つ上の階級を示すセルです。
G$2:G$384,”>=2:10:00″
という書き方もできるのですが、全部手入力していたら面倒ですので、他のセルを参照しています。もう一方の「2時間20分未満」も同じです。
一番最初のV2セル「2時間未満」など一部は、手入力しています。
なお、ヒストグラム作成時の注意点ですが、階級の境目のデータを2重カウントしないようにする必要があります。
この例ですと、2時間20分を「未満」ではなく「以下」にしてしまうと、ピッタリ2時間20分の人が次の階級でもカウントされてしまいます。
このようなミスを避けるため、全ての度数を算出した後で、合計数を確認すると良いでしょう。この例では、合計数が完走者数と同じ383になることを確認しています。
棒グラフでヒストグラムを作成する
ここまで出来たら、後は棒グラフを挿入するだけです。
階級と度数（データ数）の表を選択して、「挿入」から棒グラフを選択します。
（それぞれ、赤線で囲ったところです）
グラフが挿入されるので、タイトルなどを編集して完成です。
ビジネスではザックリと概要（傾向）を掴むことを求められることが多いように感じます。
このようにヒストグラムを活用することで、大まかな傾向を理解できますので、使ってみて下さい。
- データ分析をする前の「前処理」が本当に大変
- 各階級の度数（データ数）を求めるには、COUNTIFS関数を使う
- ヒストグラムで全体の傾向を理解できる
[the_ad id=”2141″]
【編集後記】
昨日は鎌倉の山を23kmほど走ってきました。
さすがに筋肉痛とだるさが出ているので、スタンディングデスクで立ちっぱなしはツラいです。
ちょいちょい座ってます（笑）
メルマガ『経営は100種競技！』を毎日配信しています。
マーケティングやITを身につけたい。
ビジネスを楽しみたい。
変化・成長したいというビジネスパーソンにお読みいただいています。
