データ・情報・判断の違い｜データ・AI・4つの仕事を知る

このページはプロモーション（広告）を含みます。

データ・AI・4つの仕事を知る（初級・読む20分＋演習25分）

この授業のゴール

• 同じ売上の表から、データ・情報・判断を区別して書き分けられる
• 「売上」の定義（税込か税抜か、期間、返品の扱い）を決めてから2つの数字を比べられる
• 割合の差（パーセントポイント）と相対的な増減を分けて計算できる
• 情報から判断に進むときに、足りない確認事項（原因・費用・担当者）を挙げられる

仕事でどう使うか

データの仕事は、数字を作ることではなく、誰かが次の行動を選べる状態にすることです。会議で「先月より売上が下がりました」と報告しても、「だから何をするのか」が決まらなければ、仕事は終わっていません。

この授業の成果物は、1枚の「データ→情報→判断」メモです。以後の授業でも、同じ型で書きます。

前提

この授業は、特別な前提知識なしで読めます。次の言葉だけ確認しておいてください。

• 割合（全体のうち、ある部分が占める比）と パーセントポイント → 比率・割合・パーセントポイント
• 表の1行の単位（その表の1行が何を表すか）→ 行と列と1行の単位
• 学習の進め方を決めていない人は、先に 知る・説明する・使うの違い で「知る・説明する・使う」の違いを確認すると、この授業の練習が進めやすくなります。

この授業の計算は、電卓か、画面内のPythonで行います。Pythonの記号は、出てきたときに説明します。

身近な状況：「先月より売上が減りました」の次は？

雑貨店「ことり堂」（架空の店舗）の店長が、月曜の朝会で次の表を渡されました。

店長は聞きます。「売上が減ったのは分かった。で、来週から何を変えればいいの？」

表の数字は、店で実際に観測された値です。しかし、この表を見ただけでは、来週の行動は決まりません。「来店者が減ったから集客を考える」のか、「1人あたりの購入額が下がったから品ぞろえを見直す」のか、表からはまだ読み取れないからです。

そこで、この授業では3つの言葉を使い分けます。

1. データ：観測して記録した値。上の表の数字そのもの。
2. 情報：問いに答えるために、データを整理・比較・計算した内容。
3. 判断：情報を踏まえて、「次に何をするか」を選ぶこと。

この3つを混ぜると、「数字は出したが何も決まらない」「数字がないのに施策だけ決まる」という、現場でよく見る失敗が起きます。

直感的な説明：データ → 情報 → 判断の階段

3つを階段にたとえます。

• 1段目（データ）：「今月の売上は432,000円」。これは事実の記録です。良い・悪いの評価は含みません。
• 2段目（情報）：「先月比で68,000円（13.6%）減った。主な違いは来店者数が200人減ったことで、購入者の割合はむしろ上がっている」。問い（なぜ減ったか）に合わせて、比較や割り算をした結果です。
• 3段目（判断）：「来月は来店者を増やすための施策（近隣へのチラシ配布）を試す。予算は3万円、担当は店長、2週間後に来店者数を確認する」。選択、担当、期限が入ります。

同じデータでも、問いが違えば情報が変わります。「売上が減った理由は？」なら来店者数と購入率に分けます。「どの商品が減ったか？」なら商品別に分けます。情報は、データそのものではなく、問いとデータの組み合わせで決まります。

注意：階段は一方通行ではありません。判断をした後は、結果を新しいデータとして記録し、次の問いに使います。判断の質は、情報の質だけでなく、費用・時間・担当者の事情にも左右されます。

正確な定義：データ・情報・判断を決める条件

それぞれが「成立している」と言えるための条件を、確認できる形にします。

データには、記録する前に決めておくべき定義があります。売上の例では、次の4点です。

• 税込か税抜か：消費税を含めるか。
• 期間：暦月（1日から月末）か、4週間か。月によって営業日数が違うと比較がずれる。
• 返品・取消の扱い：返品された金額を差し引くか。
• 計上する日：注文日か、発送日か、入金日か。

売上、利益、現金は別の量です。売上は商品を売った金額、利益は売上から費用を引いた残り、現金は実際に手元に入った・出ていったお金です。掛け売り（後払い）の販売は、売上に計上されても、入金は後になります。

ここで、割合の差と相対的な増減を分けます。購入率を次の式で定義します。

$$\text{購入率} = \frac{\text{購入者数（人）}}{\text{来店者数（人）}}$$

先月は $200 \div 1000 = 0.20$（20%）、今月は $180 \div 800 = 0.225$（22.5%）です。割合どうしの差は $22.5\% - 20\% = 2.5$パーセントポイント（pp）、先月に対する相対的な増加は $2.5 \div 20 = 12.5\%$ です。「2.5%増えた」と書くと、どちらを指すのか分かりません。必ず「2.5pp」か「12.5%増」のどちらかで書きます。

段階付き例題：売上の表を「情報」にして、判断の材料にする

問い（1文）：ことり堂の今月の売上は先月より減った。減った主な理由は、来店者が減ったことか、来店した人の買い方が変わったことか。

ステップ1：データを確認する。単位と定義をそろえる。売上は両月とも税込、期間は暦月で、返品は差し引き済みと確認できたとします。

ステップ2：比較の計算をする。先月を基準にします。

ステップ3：計算結果を読む。来店者数は20%減（1,000→800）ですが、購入率は上がり、来店者1人あたりの売上も上がっています。つまり、来店した人の買い方は悪化していません。売上減の主因は「来店者数の減少」に見えます。

ステップ4：情報を1文にする。「売上は13.6%減ったが、来店者数が20%減ったことが主因で、購入率と来店者あたり売上は改善している」。

ステップ5：判断の材料を整理する。このまま「集客を強化する」と決めてよいでしょうか。次の確認が残っています。

• 来店者数はなぜ減ったか（天候、近隣の工事、自店の営業日数、曜日の並び）。
• 集客施策の費用と、期待できる来店者増。
• 誰が実行し、いつ効果を測るか。

ここまで確認して初めて、「判断」が書けます。情報は判断を支えますが、判断そのものではありません。

操作して理解する：Pythonで数字を並べ、情報に変える

次のコードは、表の値を辞書（{名前: 値} の形で値をまとめる型）に入れ、割合を計算します。/は割り算で、結果は小数（float型）です。round(値, 桁数) は四捨五入の関数です。

last = {"visits": 1000, "buyers": 200, "sales": 500000}   # 先月
this = {"visits": 800,  "buyers": 180, "sales": 432000}   # 今月

def summarize(d):
    rate = d["buyers"] / d["visits"]          # 購入率（人÷人）
    unit = d["sales"] / d["buyers"]           # 客単価（円÷人）
    per_visit = d["sales"] / d["visits"]      # 来店者あたり売上（円÷人）
    return rate, unit, per_visit

for name, d in (("先月", last), ("今月", this)):
    rate, unit, per_visit = summarize(d)
    print(name, "購入率", round(rate * 100, 1), "%", "客単価", round(unit), "円", "来店者あたり", round(per_visit), "円")

diff_pp = (this["buyers"]/this["visits"] - last["buyers"]/last["visits"]) * 100
rel = (this["sales"] / last["sales"] - 1) * 100
print("購入率の差", round(diff_pp, 1), "pp")
print("売上の相対変化", round(rel, 1), "%")

出力は次のようになります。

先月 購入率 20.0 % 客単価 2500 円 来店者あたり 500 円
今月 購入率 22.5 % 客単価 2400 円 来店者あたり 540 円
購入率の差 2.5 pp
売上の相対変化 -13.6 %

試してみましょう。

1. this の "buyers" を 150 に変えると、購入率は何%になるでしょう（答え：18.75%、先月より下がる）。
2. 売上を税抜（÷1.1）にして先月と今月の両方を換算しても、売上の相対変化は変わるでしょうか（答え：両月とも同じ税率なら変わらない。比べる2つの数字の定義がそろっていることが大事）。
3. visits を0にすると何が起きるでしょう（答え：0での割り算でエラーになる。「来店者0人の日の購入率」は計算できないので、定義に「来店者が0のときは対象外」と書く必要がある）。

発展：判断は情報だけでは決まらない

同じ情報でも、人によって判断が分かれることがあります。理由は主に3つです。

1. 費用と効果の見積もりが違う。チラシに3万円かけて来店者が50人増えるなら、客単価2,400円・購入率22.5%で、売上は約 $50 \times 0.225 \times 2400 = 27{,}000$ 円の増加です。費用より少なく見えます。ただし、新規来店者の再来店まで考えると評価は変わり得ます。この評価は、情報ではなく前提（再来店率の仮定）に依存します。
2. 目的が違う。売上を伸ばしたいのか、利益を守りたいのか、現金を確保したいのか。目的により、同じ情報から別の選択が導かれます。
3. リスクの許容度が違う。失敗しても取り返せる小さな試行なら、情報が不十分でも先に動く判断が合理的なことがあります。

もう1つ、欠損の扱いがあります。表のある日の売上が空欄（NULLやNaN）のとき、0円として足すと「その日は売れなかった」という意味になります。実際は「記録漏れ」かもしれません。0は「ゼロを観測した」、欠損は「観測できなかった」であり、情報にする前に区別を決める必要があります。

よくある失敗

失敗1：数字を並べただけの表を「分析結果」として渡す

誤った報告：「売上500,000円、432,000円、来店者1,000人、800人、購入者200人、180人です。」

これはデータの列挙です。問い（なぜ減ったか）も、比較の式も、結論もありません。受け取った店長は、結局自分で割り算をする必要があります。

直し方：問いを1文で書き、計算式を添えて、結論を1文で書きます。「売上は13.6%減。来店者数が20%減ったことが主因で、購入率は2.5pp上がっている。」ここまでが情報です。さらに、次の行動の候補と確認事項を書いて、判断につなげます。

失敗2：定義の違う2つの売上を比べる

別の店舗の例です。先月の売上は税込で500,000円と記録され、今月の売上は税抜で432,000円と記録されていました。担当者は「13.6%の減少」と報告しました。

last_incl = 500000          # 先月：税込
this_excl = 432000          # 今月：税抜
this_incl = this_excl * 1.1 # 今月を税込に換算（税率10%の仮定）
print("誤った比較", round((this_excl / last_incl - 1) * 100, 1), "%")
print("定義をそろえた比較", round((this_incl / last_incl - 1) * 100, 1), "%")

出力は「誤った比較 -13.6 %」「定義をそろえた比較 -5.0 %」です。同じ事実なのに、定義のずれだけで減少幅が約3倍に見えます。

直し方：比べる前に、税込・税抜、期間、返品、計上日を表の脚注に書き、2つの数字で同じにします。税率は変わり得るので、執筆時点（2026年）の一般的な設定を仮定した例であり、実際の業務では会社の経理ルールを確認します。

失敗3：「購入率が2.5%上がった」と書く

購入率は20%から22.5%に上がりました。これを「2.5%上がった」と書くと、読み手によって次の2通りに解釈されます。

• 20%の2.5%増 → $20 \times 1.025 = 20.5\%$
• 20%に2.5を足す → $22.5\%$

どちらも誤読でも正解でもあり得ます。誤解は、会議で施策の効果を過大または過小に見積もる原因になります。

直し方：割合どうしの差は「2.5パーセントポイント（pp）」、先月に対する相対的な増加は「12.5%増」と書き分けます。両方を併記すると、さらに安全です。

まとめ

• データは観測した値、情報は問いに答えるよう整理した内容、判断は次の行動の選択（担当・期限・指標を含む）。
• 売上など同じ名前の数字でも、税込・税抜、期間、返品、計上日の定義がそろっていないと比べられない。
• 割合どうしの差はパーセントポイント、相対変化は%で、書き分ける。
• 0は観測した値、欠損は観測できなかったこと。扱いを決めてから集計する。
• 情報は判断を支えるが判断そのものではない。費用・目的・リスクの許容度が加わって判断になる。

用語

データ（data）

観測して記録した値。何を・いつ・どの単位と定義で記録したかが分かっている必要がある。

情報（information）

問いに答えるために、データを整理・比較・計算した内容。

判断（decision）

情報を踏まえて、次の行動を選ぶこと。選択肢、理由、担当者、期限、確認する指標を伴う。

パーセントポイント（percentage point）

割合どうしの差を表す単位。20%から22.5%への変化は2.5ポイント。

よくある質問

なぜデータ・情報・判断を分けて考える必要があるのですか？

どの段階で止まっているかが分かるからです。数字はあるが比較がないなら情報の不足、比較はあるが担当者や期限がないなら判断の不足です。会議で「何が足りないか」を指摘しやすくなります。

「情報」と「知識」はどう違いますか？

この授業の「情報」は、特定の問いに答えるために、手元のデータを整理した内容です。知識は、その情報を何度も使えるように一般化したもの（例：この店は月初に来店者が減りやすい）と考えると区別できます。まずは、データ・情報・判断の3つを使い分けられれば十分です。

表を見るだけで判断できる場合もありますか？

あります。たとえば在庫が0個なら発注する、といった単純な規則の場合です。ただし、その規則自体が（何個で発注するか、誰が決めるかを含めて）判断の結果であることに注意します。

売上以外に定義をそろえるべき指標は何ですか？

ほぼすべてです。来店者数（入口の通過人数か、レジの客数か）、解約率（月初の契約者数が分母か、期間中の延べ契約者数か）、問い合わせ件数（1人の複数回連絡を何件と数えるか）などは、定義で数字が大きく変わります。

データが少ないとき、判断を先に延ばしたほうがよいですか？

場合によります。失敗しても取り返せる小さな試行（期間限定のチラシなど）なら、データが少なくても先に動き、結果を新しいデータとして記録するほうが早く学べます。取り返しがつかない判断（大きな投資など）では、慎重に情報を集めます。

4つの路線（DS・ML・DX・RS）で、この授業の考え方はどう違って使われますか？

骨格は同じです。DSは情報づくりと判断支援、MLは予測値を判断につなげる設計、DXは数字の定義と意思決定の手順を整える、RSは主張の範囲を限定する、という重点の違いがあります。実際には重なる部分が多く、肩書だけで担当は決まりません。

確認問題

次に学ぶこと

次は 分析と予測と生成の違い で、分析・予測・生成という、データから出す答えの3つの種類を区別します。割合や単位の計算に不安があれば、比率・割合・パーセントポイント に戻ってください。

この授業の確認問題だけで習得とはしません。ON03 の総合テストと、別の条件での自力課題で判定します。