データ探索と可視化の世界へようこそ！
こんにちは！Exam PAの準備を進めている皆さん、データとは単なるスプレッドシート上の数字ではなく、一つの「ストーリー」を語るものだということに気づき始めている頃ではないでしょうか。この章では、グラフ作成の重要原則に焦点を当てます。これは、いわば視覚的コミュニケーションにおける「文法」のようなものです。パターンを見つけるためにデータを探索する場合でも、クライアントに最終的な分析結果を提示する場合でも、これらの原則を押さえることで、メッセージを正確かつプロフェッショナルに伝えることができます。「自分は芸術的なセンスがないから…」なんて心配は無用です。効果的な可視化は、アートというよりむしろ「科学」なのですから！
1. 目的：探索（Exploration）か、伝達（Communication）か
Rでボタンをクリックする前に、まずはこう自問してみてください。「これは誰のためのグラフか？」
探索的データ分析（EDA）：これはあなた自身（アクチュアリー）のためのものです。データの分布を把握し、外れ値を見つけ、変数間の関係を特定するのに役立ちます。完璧である必要はなく、分析のヒントとなる情報が含まれていれば十分です。
説明的視覚化：これは相手（上司やクライアント）のためのものです。グラフは洗練され、ラベルが明確で、相手に伝えたい「なるほど！」というポイントが一目で分かるようにしなければなりません。
2. 黄金律：データ・インク比（Data-to-Ink Ratio）
エドワード・タフテが提唱したデータ・インク比は、予測分析における基本概念です。考え方はシンプル。「データそのものを示すためにインクを使い、データに関係のない要素にはインクを最小限に抑える」というものです。
高いデータ・インク比（良い例）：すっきりとした線、明確なポイント、最小限のデザイン。画面上のすべてに意味があります。
低いデータ・インク比（悪い例）：濃いグリッド線、3D効果、影、邪魔な背景画像など。これらは「チャートジャンク（無駄な装飾）」と呼ばれます。
クイックヒント：消しゴムテスト
グラフを見てこう問いかけてみてください。「この要素を消したら、グラフの意味が変わってしまうだろうか？」もし答えが「いいえ」なら、迷わず削除しましょう！3D棒グラフは避けるのが賢明です。実際の値を読み取るのを難しくするだけで、分析にプラスの価値を何ももたらしません。
3. クリーブランドの視覚的知覚のヒエラルキー
すべての視覚的要素が同じように見えるわけではありません。ウィリアム・クリーブランドは、人間がどのような視覚情報を正確に認識できるかを順位付けしました。読み手に値を正確に比較してもらいたい場合は、リストの上位にある手法を使用しましょう。
- 共通の尺度上の位置：（最良）散布図を思い浮かべてください。脳が最も判断しやすい形式です。
- 長さ：棒グラフを思い浮かべてください。私たちはどれが長いかを判断することに非常に長けています。
- 角度／傾き：円グラフを思い浮かべてください。（注意：人間は角度の比較が驚くほど苦手です！）
- 面積：バブルチャートを思い浮かべてください。ある円が別の円の2倍の大きさかどうかを判断するのは、線同士を比べるよりもはるかに困難です。
- 体積／色の彩度：（最悪）これらは、雰囲気や大まかなパターンを示すためだけに使い、正確な比較には使用しないでください。
暗記用：頭文字「P-L-A-O」
Position（位置） > Length（長さ） > Angle（角度） > Others（その他：面積・色）。最も重要な変数には、リストの上位の手法を使いましょう！
4. 仕事に最適なグラフの選び方
Exam PAでは、なぜそのグラフを選んだのか、その理由を説明するように求められることがよくあります。簡単なガイドをまとめました。
一変量解析（一つの変数に注目する場合）
ヒストグラム：連続数値変数の分布（形状）を見るのに最適です。歪みや二峰性のパターンを見つけるのに役立ちます。
箱ひげ図：外れ値を見つけたり、要約統計量（最小値、第1四分位数、中央値、第3四分位数、最大値）を一目で確認するのに最適です。
二変量解析（二つの変数の関係に注目する場合）
散布図：二つの数値変数がある場合に使用します。相関関係や非線形のパターンを明らかにします。
並列箱ひげ図：一つの数値変数と一つのカテゴリ変数がある場合に使用します。例えば、「請求額（数値）」を「地域（カテゴリ）」ごとに比較する場合などです。
棒グラフ：カテゴリ変数に最適です。カテゴリごとの件数や平均値を示すのに使いましょう。
5. スケールとラベルの重要性
ラベルのないグラフは、ただの点の集まりに過ぎません。試験で高得点を取るためには、プロフェッショナルなグラフを作成する必要があります。
- 軸には必ずラベルを付ける：Rの生変数名（例："ann_inc_v2"）ではなく、"年間収入（USD）"のように分かりやすい名前を使いましょう。
- タイトルを付ける：読者が何を見ているのかを明示します（例："年齢と請求頻度の関係"）。
- スケールに注意する：特に棒グラフにおいて、y軸の起点を0以外にするとミスリーディングになることがあります。データにとって適切なスケールであることを確認してください。小さな違いが大問題に見えるほど過度に「ズーム」してはいけません。
6. 避けるべき一般的な落とし穴
経験豊富なアクチュアリーでも犯しがちなミスです。以下の「レッドフラグ」に注意してください。
1. オーバープロッティング：散布図に1万個のデータポイントがあると、巨大な塊に見えてしまいます。 解決策：透明度（"alpha"レベルの設定）を調整するか、「ヘックスビン（六角形ビン）」プロットを使用しましょう。
2. 多すぎるカテゴリ：50の州に対して50色を使った棒グラフは読み解くのが不可能です。 解決策：小さいカテゴリを「その他」にまとめるか、ソートされた横棒グラフを使用しましょう。
3. 意味のない色使い：すべての棒が同じ性質を表しているなら、異なる色を付ける必要はありません。色は、追加の変数を表すときにのみ使いましょう。
クイック復習ボックス
- 高いデータ・インク比：シンプルに保つ。
- 位置 > 長さ：まずは散布図と棒グラフを検討する。
- 文脈が王様：ラベルとタイトルは必須項目。
- 3D禁止：2次元データに3D効果は絶対に使わない。
まとめ：重要なポイント
データを可視化することは、データに「インタビュー」するための第一歩であり、予測分析の基礎となります。データ・インク比とクリーブランドのヒエラルキーに従うことで、グラフは単に綺麗なだけでなく、数学的に正しく、解釈しやすいものになります。Exam PAでは、常に「なぜそのプロットを選んだのか」「そのグラフからビジネスの問題について何が読み取れるのか」を説明できるようにしておきましょう。幸運を祈ります！