スプレッドシートにチームが必要な数値がすべて含まれていても、最も重要なパターンが見えにくくなることがあります。
あるカスタマーサポートマネージャーが、曜日別・時間帯別のチケット件数を確認している場面を想定しよう。本稿で使用するサンプルデータセットでは、火曜日のチケット件数は午前9時の34件から午前11時には68件まで増加し、水曜日と木曜日にも昼前後に同様の増加傾向が見られる。
表にはすべての数値が記載されています。ただし、マネージャーが「火曜日の午前11時にチケットが68枚記録された」という事実だけに関心を持っているとは考えにくいです。
より有用なのは、より広範な問いである。
需要量は正午前後に繰り返しピークを迎えますか？最も混雑する時間帯は特定の日に集中していますか？ある時間帯の数値が周囲の値と比べて著しく異なっていますか？ その時間帯に人員配置を変更すべきでしょうか？
グリッドからそれらの答えを見つけるには、行と列を繰り返し比較する必要があります。
ヒートマップでは、色の濃淡を用いて高い値、低い値、あるいは特異な値を視覚的に明確にすることで、この作業の負担を軽減します。
その目的は、単に表をよりカラフルにすることではない。2つの次元にわたるパターンを認識しやすくすることにある。
本稿における「ヒートマップ」とは主に色分けされたデータ行列を指し、ウェブサイトのクリックやスクロールに関するヒートマップではない。
表には数値が記載されているものの、その傾向を読み取るのは難しい
テーブルは、正確な値を取り出す必要がある場合に有効です。
マネージャーが火曜日の午前10時に届いたサポートチケットの正確な数を知りたい場合、対応するセルがすぐに答えを提示してくれます。
質問が単一の値からパターンへと変わると、タスクはより困難になる。
午前遅くの時間帯が常に午後よりも混雑しているかどうかを判断するには、複数の日にわたる複数のセルを比較する必要があります。答えは依然として表の中にありますが、そのパターンはすぐには見えてこない場合があります。
高密度データが比較上の課題を生み出す
この難点は、意味のある2つの次元が繰り返し交差する際に頻繁に生じる。
一般的な構造は以下の通りです：
日 × 時間
製品 × 地域
部門 × 指標
機械 × シフト
キャンペーン × チャネル
各セルは、これらの次元同士の交点を1つずつ表しています。
組み合わせの数が増えると、読者は周囲の行や列とより多くの値を比較する必要が生じます。そこで役に立つのがヒートマップです。
行と列全体でこのように色を使用する方法は、Tableauが提供する「カテゴリカルデータの比較に関するガイダンス」とも整合しており、このガイダンスは同社の「ハイライトテーブルまたはヒートマップを作成する」ドキュメントに記載されています。
サポートチケットテーブルから可視化されたパターンへ
ここで使用するサポートチケットデータセットには、午前9時から午後3時までの7つの1時間刻みの時間帯と、月曜日から金曜日までの5つの平日が含まれています。
元のテーブルでは、すべてのチケット数が既に確認できる。課題となるのは、これらの数値が高いもの同士で意味のあるパターンを形成しているかどうかを見極めることだ。
この表を見るだけで、火曜日午前10時の55枚、火曜日午前11時の68枚、水曜日午前11時の64枚、木曜日午前11時の66枚といった個別の数値がわかります。
同じ値を ヒートマップ として表示すると、より広範なパターンを見つけやすくなります。
火曜日午前11時の単体数値が最も高く68チケットとなっています。
ただし、より有用な知見はその単一のセルに限定されるものではない。
チケット発行件数は引き続き高水準で推移しており、火曜日、水曜日、木曜日のおおよそ午前10時から午後1時までの時間帯にかけて、隣接する高負荷セルが目に見える正午のクラスターを形成しています。
サポートマネージャーにとって、この傾向は勤務時間が最長となる単一のデータよりも、人員配置の決定において重要な意味を持つ場合があります。
この表は正確な件数を確認する際に依然として有用である。ヒートマップは、個々の値を確認する前に全体的な集中度を把握しやすくすることで、別の次元の情報を付加してくれる。
色が個々の値を視覚的なパターンへと変える
ヒートマップは各値に追加の視覚的なシグナルを付与します。
値が大きいほどより強調され、値が小さいほど目立たなくなります。別のケースでは、色が有意な基準点を超えた、あるいは下回った変動を示すこともあります。
正確な数値は依然として重要です。色は単に、読者が最初にどこに目を向けるべきかを判断する助けとなるに過ぎません。
読者は数十のセルを一つずつ確認していく代わりに、集中した領域に気づき、それを生み出した行と列の組み合わせを特定したうえで、元の数値に立ち戻ることができる。
これにより、読者が情報量の多いスプレッドシートに接する際の姿勢が変わる可能性があります：
可視パターン → 関連セル → 正確な値
その系列は、単一の独立した数値ではなく集中度に関する質問である場合に特に有用です。
最も有用な洞察は、単一のセルではなく、クラスターであることが多い
ヒートマップ上で最も強い強度を示すセルが、自動的に最も重要な知見であるとは限りません。
サポートチケットの例が、その理由を示しています。
火曜日午前11時が最大で、チケット数は68枚となっています。もし分析をここで終えていれば、結論は単純に「火曜日午前11時が最も混雑する時間帯である」というものになっていたかもしれません。
周囲のセルがより有用な情報を示している。
火曜日の午前10時から午後1時までの間に、55、68、63、57件のチケットが記録されています。
水曜日の記録は52、64、61、55です。
木曜日の記録は57、66、65、58です。
これにより、複数の連続する日時にわたって持続的な高容量帯域が形成されます。
人員配置の決定を行う際には、単発の極大値よりも、繰り返し発生する昼間の集積の方が重要となる。
繰り返し出現するホットゾーンが活動の集中箇所を示す
高強度の細胞群は、活動が繰り返し集中する箇所を明らかにできる。
サポートチームにとって、このパターンは追加の人員配置が必要な連続した数時間を示している可能性があります。
小売業者はヒートマップを活用して、常に好調または不調が続く商品と地域の組み合わせを特定できます。
製造現場において、特定の機械や勤務シフトに関するデータが繰り返し集中することで、業務上の課題に注意を向けるきっかけとなり得る。
マーケティングチームは、キャンペーンやチャネル全体のパフォーマンスを比較する際に、同じ原則を活用することがあります。
事業の状況は変化するものの、分析上の問いは大きく変わらない。
「重要な価値観は、どのような場面で個別に存在するのではなく、互いに結びついて生まれるのだろうか」
単離細胞が例外を示唆することがある
クラスターだけが注目に値するパターンというわけではない。
周囲の値と著しく異なる単一のセルは、さらなる調査が必要な例外を示している可能性があります。
普段は静かな期間が、突然周囲の期間よりもはるかに活発になった場合、ヒートマップを使えばそのような逸脱をより簡単に気づくことができます。
その原因を説明することはできない。
次のステップとしては、依然として基盤となる記録と関連する業務イベントを確認することだ。製品のリリース、サービスの中断、キャンペーン、請求関連の問題、その他のイベントが、この変化の理由を説明してくれる可能性がある。
この区別は重要である。
可視化によって、調査すべき箇所を示すことはできますが、何が起きたのかその理由を証明することはできません。
配色によってヒートマップは見やすくもなれば、誤解を招きやすくもなる
カラーはヒートマップにおける主要な視覚的な仕組みですが、同時に誤解されやすい要素の一つでもあります。
同じデータセットであっても、値のエンコードに使用するスケール、中央値、範囲によって、見え方が大きく異なる場合があります。
したがって読者は、視覚的な強度をあたかも元の測定値であるかのように扱うことを避けるべきである。
色はデータを表現するものであり、データそのものではない。
スケールが、重要に見えるものを変える
ほとんどの値が90から100の間に収まると想定してください。
カラースケールをその範囲にぴったり合わせると、91と99の視覚的な差が非常に大きく見えることがあります。
8ポイントの変化が業務上重要な意味を持つ場合には、それが適切である可能性があります。
ただし、企業が90から100までの数値を本質的に類似していると見なす場合、同じデザインではわずかな差が視覚的に強調されすぎてしまう可能性があります。
尺度が広すぎる場合には、逆の問題が生じる。
重要な値が40から80の間にあり、かつフルスケールが0から1000までであると仮定します。実際に重要な範囲内の差異が見えにくくなることがあります。
したがって、ヒートマップは凡例や基となる値と併せて読み取る必要があります。
濃い色のセルは、それを生成したスケールとの関連においてのみ意味を持つ。
有意義な中央値は最大値よりも重要である場合がある
一部のヒートマップは、単純に低い値から高い値への変化を表すものではない。
予算差異は有用な事例となる。
値がゼロであることは、支出が予算と一致していたことを意味する場合があります。
正の値は超過消費を、負の値は未消費を表します。
その場合、重要な情報はゼロからの方向と距離となる。
発散型カラースケールを用いると、基準点の両側に位置する値を区別することができます。
したがって、中央値はデータのビジネス上の意味を反映しているべきである。
単に最大の数値を強調するよりも、ゼロ、目標値、平均値、あるいは別の閾値を用いた方が有益な情報となる場合があります。
位置に意味がある場合にヒートマップが最も効果を発揮する
ヒートマップを使用するかどうかの判断は、スプレッドシートのサイズから始めるべきではありません。
まずは比較の構成から始めるべきです。
「時×日」のような行列が機能するのは、各位置がいずれも意味のある時間の組み合わせを表しているからです。
これはまさにサポートチケットの例で起きていることです。水平方向に移動すると、異なる日の同じ時間帯を比較することになり、垂直方向に移動すると、同じ日の異なる時間帯を比較することになります。
他の構造も同じ原理で機能します。
製品 × 地域の組み合わせで、各製品の市場別の実績を可視化できます。
指標 × 部門により、同一の指標を複数のチームにまたがって設定できます。
マシン × シフト により、反復的な業務上の集中箇所をより容易に特定できるようになります。
いずれの場合も、セルの位置が解釈に影響を与える。
それがこのヒートマップに分析的な価値をもたらしているのです。
ヒートマップは行と列の繰り返し比較をサポートします
ヒートマップは、読者が同一の指標を繰り返し出現する行と列の交差部分同士で比較する必要がある場合に最も有用です。
大規模なデータセットが存在することだけで、それを利用する十分な理由にはならない。
数千件の観測データであっても、問いの内容に応じて、傾向、ランキング、分布、あるいは関係性として表現した方が適切な場合が多い。
行列構造は行数よりも重要である。
別のグラフの方が読み取りやすくなるのはいつ？
単純なグラフの方が質問により直接的に答えられる場合、ヒートマップでそのグラフを置き換えるべきではない。
企業が5つの製品の売上を比較したい場合、棒グラフ ならランキングをより簡単に判断できます。
年間の月次売上高は基本的に順序立てられた時間的傾向であるため、折れ線グラフ の方が通常は明確になります。
2つの連続数値変数の関係性を調べることを目的とする場合、散布図 の方が適切です。
個々の観測値の分布は、ヒストグラムを用いると理解しやすくなる場合があります。
データが多いからといって、ヒートマップが適切なグラフになるとは限りません。
比較の構造こそがより重要である。
パターンは意思決定につながるときに有用性を発揮する
ヒートマップにおいて、最も暗いセルを見つけることは最終的な目的ではない。
この分析によって得られる有用な結果は、目に見えるパターンが、人が調査すべき内容、優先すべき事項、あるいは下すべき決定に変化をもたらすかどうかを把握することだ。
サポートチケットデータに戻る。
狭義の解釈は以下の通りです：
火曜日午前11時のチケット取扱数が最も多く、68件となっています。
それは値を報告します。
より有用な解釈は以下の通りです：
火曜日から木曜日にかけて、正午前後のチケット処理件数が高止まりしていることから、この時間帯の人員配置について見直しを検討する余地があると考えられる。
現在、可視化は4つの段階を経て発展してきました：
色 → パターン → 解釈 → 決定
同様の論理は他の分野にも当てはまる。
機器の不具合が集中すると、メンテナンスチームは特定の機械と勤務帯の組み合わせに注力するようになる可能性がある。
地域別パフォーマンスクラスターにより、営業チームはどの製品と市場の組み合わせを詳しく検証すべきかを把握できる。
予算差異マトリックスは、どの部門が繰り返し目標から逸脱しているかを示すことができる。
これらの判断はいずれも、見た目の色だけを根拠に下すべきではない。
可視化結果をアクション支援に活用する前に、元の値、単位、スケール、ラベル、および業務上の背景について、依然として確認が必要です。
サポートチケットの例は、これが重要である理由も示しています。ヒートマップを使うと、火曜日から木曜日にかけての昼間のクラスターが視覚的に明らかになりますが、実際に人員配置を変更すべきかどうかを判断するには、チケットの複雑さ、解決時間、現在の人員配置水準、サービス目標などの追加情報が必要になります。
このグラフは一つのパターンを示している。どう対応するかはビジネス上の背景状況によって決まる。
したがって、最適なヒートマップは、必ずしも色が最も鮮やかなものであるとは限りません。
これは、根底にある差異を歪めることなく、重要な比較をより認識しやすくするものです。
データが既に意味のある行列形式を成している場合、ヒートマップジェネレーター を使用することで、これらの数値を可視化パターンに変換する際の手作業を削減できます。ただし、このチャートを意思決定に使用する前に、生成されたスケール、ラベル、元の数値については依然として確認を行う必要があります。