JP7173315B2 - 分析装置、分析システム、分析方法及びプログラム - Google Patents

Description

本発明は、分析装置、分析システム、分析方法及びプログラムに関する。

イベント間の因果関係を獲得する技術として、ニュース記事に出現するイベント情報をクラスタリングした上で、イベントのクラスタ毎にニュース掲載数でバースト検出を行って、各イベント間の因果関係を判定する技術が知られている（例えば非特許文献１）。

マーケティングの分野においては、複数の項目（例えば、商品名、商品分類、購入金額、購入時期、購入場所、購入店舗名、購入者の国籍、性別、年代等）で構成される購買データを、例えば非特許文献１に記載されている技術等を用いて分析することで、ビジネス上の課題解決（例えば、新たな商品企画やプロモーション等）に活用することが行われている。

小野 博紀, 内海 彰, "イベントの時系列分析による因果関係知識の獲得", 人工知能学会誌 30巻1号B（2015年）

ところで、一般に、購買データは非常に多数のレコードで構成されている場合が多い。また、購入者に関する多数の属性情報（例えば、購入者の国籍や性別、年代等）や商品に関する多数の属性情報（例えば、商品名や商品分類等）等が含まれている場合が多い。このため、例えば、これら多数の属性の組み合わせを用いて、時系列データのバースト検出や異なるデータ間における因果関係の判定等の各種分析を行おうとすると、計算コストが非常に高くなってしまう。

これに対して、多数の属性の中から或る特定の属性のみを選択して、これら特定の属性の組み合わせを用いたデータ分析を行うことで、分析に伴う計算コストを下げることが可能となる。しかしながら、このような特定の属性を選択することは一般には容易ではない。また、仮に分析結果が得られたとしても、属性によっては、分析結果の解釈が困難だったり、ビジネス上の課題解決に活用することが困難であったりすることがある。

本発明の実施の形態は、上記の点に鑑みてなされたもので、効率的かつ効果的なデータ分析を実現することを目的とする。

上記目的を達成するため、本発明の実施の形態は、複数の属性が含まれるデータを分析する分析装置であって、分析対象のデータと比較対象のデータとの間で、シナリオとして予め定義されたフローに従って、前記フローに定義された１つ以上の属性の組み合わせにおいて前記分析対象のデータが前記比較対象のデータよりも特異な値を取るか否かを、前記フローに定義された分析順に分析する第１の分析手段と、前記第１の分析手段によって前記特異な値を取ると分析された場合、前記特異な値を取ると分析された属性に応じて、前記属性の名称と前記属性で特異な値が生じた原因とを表す文字列を、前記分析の結果が表示されるレポートに含まれる文字列とする第２の分析手段と、を有し、前記文字列は、前記フローに定義された分析順の各分析で予め定義された文字列である、ことを特徴とする。

効率的かつ効果的なデータ分析を実現することを目的とする。

本発明の実施の形態におけるデータ分析システムの全体構成の一例を示す図である。 購買データの一例を示す図である。 人口統計データの一例を示す図である。 本発明の実施の形態におけるデータ分析装置のハードウェア構成の一例を示す図である。 本発明の実施の形態におけるデータ分析の概略（各店舗別）を説明するための図である。 本発明の実施の形態におけるデータ分析の概略（全体傾向把握）を説明するための図である。 各店舗別のデータ分析処理の一例を示すフローチャート（その１）である。 各店舗別のデータ分析処理の一例を示すフローチャート（その２）である。 各店舗別のデータ分析処理の一例を示すフローチャート（その３）である。 各店舗別のデータ分析処理の一例を示すフローチャート（その４）である。 各店舗別のデータ分析処理の一例を示すフローチャート（その５）である。 全体傾向把握のデータ分析処理の一例を示すフローチャート（その１）である。 全体傾向把握のデータ分析処理の一例を示すフローチャート（その２）である。 全体傾向把握のデータ分析処理の一例を示すフローチャート（その３）である。 全体傾向把握のデータ分析処理の一例を示すフローチャート（その４）である。 全体傾向把握のデータ分析処理の一例を示すフローチャート（その５）である。 分析結果レポート（各店舗別）の一例を示す図（１／２）である。 分析結果レポート（各店舗別）の一例を示す図（２／２）である。 分析結果レポート（全体傾向把握）の一例を示す図（１／２）である。 分析結果レポート（全体傾向把握）の一例を示す図（２／２）である。 分析結果レポート（相関分析）の一例を示す図である。

以下、本発明の実施の形態について説明する。本発明の実施の形態では、或る地域内の各店舗の購買データを対象として、この購買データの属性の組み合わせを用いた効率的かつ効果的なデータ分析を実現するデータ分析システム１について説明する。ここで、一般に、分析経験の浅いユーザは、計算コストを下げるために分析対象とする属性を絞り込んだり、分析結果の解釈を行ったりすることを適切に行えない場合が多いと考えられる。そのため、本発明の実施の形態におけるデータ分析システム１を用いることで、特に、分析経験の浅いユーザが効率的かつ効果的にデータ分析を行うことが可能になる。

なお、分析の対象となるデータは購買データに限られず、本発明の実施の形態は、複数の属性が含まれる任意のデータ（例えば、医療データ、人流データ、宿泊データ、交通データ等）に対して適用可能である。

本発明の実施の形態では、データ分析に用いられる属性の組み合わせを「分析対象組」とも表す。また、分析対象となる購買データと、この購買データの比較対象となるデータとの組（対）を「比較対象対」とも表す。分析対象組の具体例としては、例えば、（「国籍」，「売上」）、（「国籍」，「購入人数」，「売上」）等が挙げられる。

なお、購買データの比較対象となるデータ（以降、「比較対象データ」とも表す。）は、異なる期間の購買データ（例えば、同一店舗における前月の購買データや前年同月の購買データ等）であってもよいし、当該購買データとは異なる店舗の購買データ（例えば、或る他店舗における同月の購買データ等）であってもよいし、地域内の全店舗の購買データを集計したデータ（例えば、同月における当該地域内の全店舗の購買データを集計したデータ等）であってもよいし、購買データとの間で何等かの関連があるデータ（以降、「関連データ」とも表す。）であってもよい。関連データの具体例としては、例えば、店舗が存在する地域の人口（滞在人数）の統計結果を表すデータ、或る商品に関してＳＮＳ（Social Network Service）に投稿されたメッセージ等を集計したデータ等が挙げられる。

したがって、比較対象対としては、例えば、「自店舗の最新の購買データと自店舗の過去の購買データ」、「自店舗の購買データと他店舗の購買データ」、「自店舗の購買データと全店舗の購買データを集計したデータ」等が考えられる。どのような比較対象対を用いてデータ分析を行うかはユーザが任意に設定することができる。

また、本発明の実施の形態では、分析対象の購買データにおいて、比較対象データとの間で分析対象組に含まれる或る属性で所定以上の差異が存在する場合、この属性に特異点が存在すると称する。例えば、分析対象の購買データと、同一店舗における前年同月の購買データとで属性「売上」を比較した場合に、分析対象の購買データの売上が前年同月と比較して所定の値以上、上がっている（又は下がっている）とき、属性「売上」に特異点が存在すると称する。同様に、例えば、分析対象の購買データと、或る他店舗における同月の購買データとで属性「購入人数」を比較した場合に、分析対象データの購入人数が他店舗と比較して所定の値以上、上がっている（又は下がっている）とき、属性「購入人数」に特異点が存在すると称する。

ただし、特異点の存在については上記以外の方法で判定されてもよい。例えば、分析対象の購買データにおいて、比較対象データの間で分析対象組に含まれる或る属性について統計的な検定を行った結果、有意差があった場合等に、この属性に特異点が存在するとしてもよい。

［全体構成］
まず、本発明の実施の形態におけるデータ分析システム１の全体構成について、図１を参照しながら説明する。図１は、本発明の実施の形態におけるデータ分析システム１の全体構成の一例を示す図である。

図１に示すように、本発明の実施の形態におけるデータ分析システム１には、データ分析装置１０と、複数の店舗端末２０と、１台以上のレポート表示端末３０と、１台以上の人口統計管理サーバ４０とが含まれる。

店舗端末２０は、地域内の各店舗内等に設置された端末（例えば、ＰＣ（パーソナルコンピュータ）等）であり、当該店舗の購買データをデータ分析装置１０に送信する。図１に示す例では、地域内に「店舗１」、「店舗２」、「店舗３」の３つの店舗にそれぞれ店舗端末２０が設置されており、これらの各店舗端末２０が購買データをデータ分析装置１０に送信する場合を示している。

ここで、各店舗端末２０は、例えば、所定の集計処理を行った購買データ（例えば、商品分類毎に、月次で購入人数及び購入総額を集計した購買データ等）をデータ分析装置１０に送信する。ただし、このような集計処理はデータ分析装置１０に行われてもよい。

レポート表示端末３０は、データ分析装置１０によるデータ分析結果のレポート（分析結果レポート）を表示する端末（例えば、ＰＣやスマートフォン、タブレット端末等）である。レポート表示端末３０のユーザは、分析結果レポートをビジネス上の課題解決（例えば、新たな商品企画やプロモーション等）に活用することが可能となる。

人口統計管理サーバ４０は、関連データの一例である人口統計データを管理する。人口統計管理サーバ４０は、例えば、データ分析装置１０からの要求に応じて、人口統計データを返信する。人口統計データとは、例えば、予め定められた地理的領域（これは「メッシュ」とも称される。）における時間帯毎の人口統計を表すデータである。

データ分析装置１０は、購買データのデータ分析を行うと共に、分析結果レポートをレポート表示端末３０に提供するコンピュータ又はコンピュータシステムである。このとき、本発明の実施の形態におけるデータ分析装置１０は、予め定義されたシナリオに従った分析対象組で比較対象対のデータ分析を行うと共に、このデータ分析結果の解釈を表す出力文字列が含まれる分析結果レポートを提供する。これにより、本発明の実施の形態におけるデータ分析装置１０は、効果的かつ効率的なデータ分析を実現することができる。

ここで、本発明の実施の形態におけるデータ分析装置１０は、機能部として、データ分析処理部１１０と、レポート表示処理部１２０とを有する。また、本発明の実施の形態におけるデータ分析装置１０は、記憶部として、購買データ記憶部１３０と、関連データ記憶部１４０と、分析結果データ記憶部１５０とを有する。

購買データ記憶部１３０は、購買データを記憶している。関連データ記憶部１４０は、関連データ（例えば、上述した人口統計データ等）を記憶している。分析結果データ記憶部１５０は、データ分析装置１０によるデータ分析結果を示すデータ（分析結果データ）を記憶している。なお、購買データと、関連データの一例である人口統計データとの詳細については後述する。

データ分析処理部１１０は、購買データ記憶部１３０に記憶されている購買データに基づいて、予め定義されたシナリオに従った分析対象組で比較対象月のデータ分析を行って、特異点が存在する属性と、この属性に特異点が存在する理由（つまり、データ分析結果の解釈）を表す出力文字列とが含まれる分析結果データを作成する。このとき、データ分析処理部１１０は、必要に応じて、関連データ記憶部１４０に記憶されている関連データも用いてデータ分析を行う。なお、分析結果データは、データ分析処理部１１０により、分析結果データ記憶部１５０に格納される。

また、データ分析処理部１１０は、特異点が存在する属性と、関連データとの間の相関分析を行う。

レポート表示処理部１２０は、分析結果データ記憶部１５０に記憶されている分析結果データに基づいて、特異点が存在する属性とこの属性に特異点が存在する理由を表す出力文字列とが含まれる分析結果レポートを作成し、レポート表示端末３０に表示させる。このとき、レポート表示処理部１２０は、定期的に（例えば、毎月等）、分析結果レポートを作成し、レポート表示端末３０に表示させる（したがって、データ分析処理部１１０でのデータ分析も定期的に行われる。）。

なお、図１に示すデータ分析システム１の構成は一例であって、他の構成であってもよい。例えば、データ分析システム１にはレポート表示端末３０が含まれず、店舗端末２０で分析結果レポートを表示してもよい。また、例えば、データ分析システム１には人口統計管理サーバ４０が含まれなくてもよい。

［購買データ］
ここで、購買データ記憶部１３０に記憶されている購買データについて、図２を参照しながら説明する。図２は、購買データの一例を示す図である。図２では、一例として、或る店舗における商品分類及び購入者の国籍毎の月次の購入人数及び購入総額を表す購買データについて説明する。

図２に示すように、購買データには１以上のレコードが含まれる。また、各レコードには、属性（つまり、データの項目）として、レコードＩＤと、年月と、店舗ＩＤと、商品分類と、国籍と、購入人数と、購入総額）とが含まれる。

レコードＩＤは、購買データを構成する各レコードを識別するＩＤ（識別情報）である。年月は、商品分類及び購入者の国籍毎に購入人数及び購入総額を集計した年及び月である。店舗ＩＤは、店舗を識別するＩＤ（識別情報）である。

商品分類は、例えばＪＩＣＦ等で定義される商品分類である。図２に示す例では、商品分類として、商品大分類と商品中分類とが含まれている。

国籍は、商品の購入者の国籍である。購入人数は、当該購入者の合計人数である。購入総額は、当該購入者が当該商品を購入した金額の合計（つまり、売上）である。

なお、購買データに含まれる属性のうち、商品分類等の属性を「商品情報」、購入者の国籍等の属性を「ターゲット情報」、購入人数や購入総額等の属性を「売上関連情報」とも表す。商品情報としては、商品分類以外にも、例えば、商品名や商品ＩＤ等が挙げられる。また、ターゲット情報としては、国籍以外にも、例えば、性別、人種、年代等が挙げられる。売上情報としては、購入人数や購入総額以外にも、例えば、購入単価平均、購入平均額、前月比購入総額、前月比購入人数、前月比購入単価平均、前月比購入平均額等が挙げられる。

したがって、購入データとは、所定の期間（例えば日や週、月、年等）で所定の集計処理を行って、売上情報と、商品情報及びターゲット情報の少なくとも一方とが属性として含まれるレコードで構成されるデータのことである。なお、データ分析の目的によって、例えば、売上情報とターゲット情報との２つが属性として含まれるレコードで構成される購買データが用いられてもよいし、売上情報と商品情報との２つが属性として含まれるレコードで構成される購買データが用いられてもよいし、売上情報と商品情報とターゲット情報との３つが属性として含まれるレコードで構成される購買データが用いられてもよい。

また、商品情報、ターゲット情報及び売上関連情報として具体的にそれぞれどのような属性を用いるか（つまり、例えば、ターゲット情報として「国籍」のみを用いるか、「国籍」と「年代」との２つを用いるか等）についても、データ分析の目的や各店舗が販売する商品の特性等によって異なる。

［人口統計データ］
次に、関連データ記憶部１４０に記憶されている関連データの一例である人口統計データについて、図３を参照しながら説明する。図３は、人口統計データの一例を示す図である。

図３に示すように、人口統計データには１以上のレコードが含まれる。また、各レコードには、属性（つまり、データの項目）として、日付と、時間帯と、メッシュＩＤと、国籍と、人数とが含まれる。

日付及び時間帯は、人口統計の対象となる日付及び時間帯である。メッシュＩＤは、メッシュ（つまり、予め定められた地理的領域）を識別するＩＤ（識別情報）である。なお、メッシュは、例えば、５００ｍ～数ｋｍ四方の矩形領域として定められる場合が多いが、予め定められた任意の領域をメッシュとすることが可能である。

国籍及び人数は、当該日付及び時間帯に当該メッシュに滞在していた人の国籍及び人数である。

このように、人口統計データとは、日付及び時間帯毎に、メッシュに滞在していた人の国籍及び人数が属性として含まれるレコードで構成されるデータである。このような人口統計データを用いることで、後述するように、例えば、購買データの属性「購入人数」に特異点が存在する場合に、店舗の周辺人口が多かった（又は少なかった）こと等を分析することが可能となる。

［ハードウェア構成］
次に、本発明の実施の形態におけるデータ分析装置１０のハードウェア構成について、図４を参照しながら説明する。図４は、本発明の実施の形態におけるデータ分析装置１０のハードウェア構成の一例を示す図である。なお、店舗端末２０やレポート表示端末３０、人口統計管理サーバ４０等もデータ分析装置１０と同様のハードウェア構成で実現可能である。

図４に示すように、本発明の実施の形態におけるデータ分析装置１０は、ハードウェアとして、入力装置１１と、表示装置１２と、外部Ｉ／Ｆ１３と、ＲＡＭ（Random Access Memory）１４と、ＲＯＭ（Read Only Memory）１５と、プロセッサ１６と、通信Ｉ／Ｆ１７と、補助記憶装置１８とを有する。これら各ハードウェアは、それぞれがバス１９を介して通信可能に接続されている。

入力装置１１は、例えばキーボードやマウス、タッチパネル等であり、ユーザが各種の入力操作を行うのに用いられる。表示装置１２は、例えばディスプレイ等であり、データ分析装置１０の処理結果等を表示する。なお、データ分析装置１０は、入力装置１１及び表示装置１２の少なくとも一方を有していなくてもよい。

外部Ｉ／Ｆ１３は、外部装置とのインタフェースである。外部装置には、記録媒体１３ａ等がある。データ分析装置１０は、外部Ｉ／Ｆ１３を介して、記録媒体１３ａの読み取りや書き込み等を行うことができる。記録媒体１３ａには、例えば、データ分析処理部１１０やレポート表示処理部１２０を実現する１以上のプログラム等が記録されていてもよい。

記録媒体１３ａとしては、例えば、フレキシブルディスク、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤメモリカード（Secure Digital memory card）、ＵＳＢ（Universal Serial Bus）メモリカード等がある。

ＲＡＭ１４は、プログラムやデータを一時保持する揮発性の半導体メモリである。ＲＯＭ１５は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリである。ＲＯＭ１５には、例えば、ＯＳ（Operating System）に関する設定情報や通信ネットワークに関する設定情報等が格納されている。

プロセッサ１６は、例えばＣＰＵ（Central Processing Unit）等であり、ＲＯＭ１５や補助記憶装置１８等からプログラムやデータをＲＡＭ１４上に読み出して処理を実行する演算装置である。データ分析処理部１１０やレポート表示処理部１２０は、ＲＯＭ１５や補助記憶装置１８等に格納されている１以上のプログラムをＲＡＭ１４上に読み出してプロセッサ１６が処理を実行することで実現される。

通信Ｉ／Ｆ１７は、データ分析装置１０を通信ネットワークに接続するためのインタフェースである。データ分析処理部１１０やレポート表示処理部１２０を実現する１以上のプログラムは、通信Ｉ／Ｆ１７を介して、所定のサーバ装置等から取得（ダウンロード）されてもよい。

補助記憶装置１８は、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等であり、プログラムやデータを格納している不揮発性の記憶装置である。補助記憶装置１８に格納されているプログラムやデータには、例えば、ＯＳ、当該ＯＳ上で各種機能を実現するアプリケーションプログラム、データ分析処理部１１０やレポート表示処理部１２０を実現する１以上のプログラム等がある。

また、購買データ記憶部１３０や関連データ記憶部１４０、分析結果データ記憶部１５０は、例えば、補助記憶装置１８を用いて実現可能である。ただし、購買データ記憶部１３０、関連データ記憶部１４０及び分析結果データ記憶部１５０のうちの少なくとも１つの記憶部は、データ分析装置１０と通信ネットワークを介して接続される記憶装置等を用いて実現されていてもよい。

本発明の実施の形態におけるデータ分析装置１０は、図４に示すハードウェア構成を有することにより、後述する各種処理を実現することができる。なお、図４に示す例では、本発明の実施の形態におけるデータ分析装置１０が１台の装置（コンピュータ）で実現されている場合を示したが、これに限られない。本発明の実施の形態におけるデータ分析装置１０は、複数台の装置（コンピュータ）で実現されていてもよい。また、１台の装置（コンピュータ）には、複数のプロセッサ１６や複数のメモリ（ＲＡＭ１４やＲＯＭ１５、補助記憶装置１８等）が含まれていてもよい。

［データ分析の概略］
ここで、本発明の実施の形態におけるデータ分析装置１０が行うデータ分析の概略について説明する。本発明の実施の形態では、或る店舗の購買データを分析対象（言い換えれば、分析結果レポートのレポート対象）としてデータ分析を行う場合（各店舗別のデータ分析）と、或る地域内の全店舗の購買データ（を集計した購買データ）を分析対象としてデータ分析を行う場合（全体傾向把握のデータ分析）とについて説明する。

なお、分析対象は、店舗や地域内の全店舗に限られず、例えば、或る地域内の特定の店舗等であってもよいし、或る企業が運営する店舗のうちの特定の店舗であってもよい。また、地域とは、例えば、緯度や経度等で特定される範囲であってもよいし、市区町村等の行政区画によって特定される範囲であってもよいし、メッシュによって特定される範囲であってもよい。

（各店舗別）
まず、各店舗別のデータ分析の概略について、図５を参照しながら説明する。図５は、本発明の実施の形態におけるデータ分析の概略（各店舗別）を説明するための図である。図５に示す例では、比較対象対は、自店舗の月次の購買データと、他店舗の同月の購買データとであるものとする。

図５に示すように、各店舗別のデータ分析では、フロー１ａ～フロー６ａによりデータ分析を行う。以降では、月次の購買データには、属性として、「商品大分類」、「商品中分類」、「国籍」、「購入人数」及び「購入総額」が含まれるものとする。なお、購入人数及び購入総額は、それぞれ、該当の店舗において、該当の月の間に、当該商品大分類及び当該商品中分類に属する商品を、当該国籍の人が購入した人数の合計及び金額の合計のことである。

・フロー１ａ
まず、フロー１ａでは、以下の（１－１）～（１－７）によりデータ分析を行う。なお、或る属性に特異点が存在する場合とは、上述したように、自店舗の月次の購買データの当該属性と、他店舗の同月の購買データの当該属性との間に所定以上の差異がある場合のことをいう。

（１－１）まず、「売上」を分析対象組として、売上（つまり、自店舗の当月における全購入総額の合計）に特異点が存在するか否かを分析する。そして、売上に特異点が存在する場合は（１－２）の分析を行う。一方で、売上に特異点が存在しない場合はフロー２ａのデータ分析を行う。

（１－２）売上に特異点が存在する場合、「売上」及び「国籍」を分析対象組として、国籍毎の売上に特異点が存在するか否かを分析する。そして、国籍毎の売上に特異点が存在する場合は（１－３）の分析を行う。一方で、国籍毎の売上に特異点が存在しない場合はフロー２ａのデータ分析を行う。以降では、簡単のため、（１－２）で特異点があると分析された国籍を「国籍Ａ」とする。

（１－３）国籍Ａの売上に特異点が存在する場合、「売上」、「国籍」及び「購入人数」を分析対象組として、国籍Ａの購入人数に特異点が存在するか否かを分析する。そして、国籍Ａの購入人数に特異点が存在する場合は（１－４）の分析を行う。一方で、国籍Ａの購入人数に特異点が存在しない場合は（１－５）の分析を行う。

（１－４）国籍Ａの購入人数に特異点が存在する場合、人口統計データの国籍Ａの人数を用いて（つまり、人口統計データの「国籍」及び「人数」を分析対象組として）、自店舗周辺の国籍Ａの人口（人数）と、地域全体の国籍Ａの人口（人数）とから、自店舗周辺の国籍Ａの人数に特異点が存在するか否かを分析する。そして、当該特異点が存在しない場合は、上記の（１－３）で特異点が存在すると分析された「国籍Ａの購入人数」を分析結果（つまり、ユーザが注目すべき特異点）とする。一方で、当該特異点が存在する場合は、上記の（１－３）で特異点が存在すると分析された「自店舗周辺の国籍Ａの人数」を分析結果とする。なお、このとき、分析結果と、この分析結果として得られた属性に特異点が存在する理由を表す出力文字列とを含む分析結果データが作成される。

（１－５）国籍Ａの購入人数に特異点が存在しない場合、「売上」、「国籍」及び「商品大分類」を分析対象組として、上記の（１－２）で特異点が存在すると分析された国籍Ａにおける商品大分類毎の売上に特異点が存在するか否かを分析する。そして、国籍Ａにおける商品大分類毎の売上に特異点が存在する場合は（１－６）の分析を行う。一方で、国籍Ａにおける商品大分類毎の売上に特異点が存在しない場合はフロー２ａのデータ分析を行う。以降では、簡単のため、（１－５）で特異点があると分析された商品大分類を「商品大分類Ｂ」とする。

（１－６）国籍Ａにおける商品大分類Ｂの売上に特異点が存在する場合、「売上」、「国籍」、「購入人数」及び「商品大分類」を分析対象組として、国籍Ａにおける商品大分類Ｂの購入人数に特異点が存在するか否かを分析する。そして、国籍Ａにおける商品大分類Ｂの購入人数に特異点が存在する場合は、「国籍Ａにおける商品大分類Ｂの購入人数」を分析結果とする。一方で、国籍Ａにおける商品大分類Ｂの購入人数に特異点が存在しない場合は（１－７）の分析を行う。

（１－７）国籍Ａにおける商品大分類Ｂの購入人数に特異点が存在しない場合、「売上」、「国籍」、「商品大分類」及び「商品中分類」を分析対象組として、国籍Ａにおける商品中分類毎の売上に特異点が存在するか否かを分析する。以降では、簡単のため、（１－７）で特異点が存在すると分析された商品中分類を「商品中分類Ｃ」とする。

そして、国籍Ａにおける商品中分類毎の売上に特異点が存在する場合は「国籍Ａにおける商品中分類Ｃの売上」を分析結果とする。一方で、国籍Ａにおける商品中分類の売上に特異点が存在しない場合は「国籍Ａにおける商品大分類Ｂの売上」を分析結果とする。これは、国籍Ａにおける商品中分類毎の売上と、国籍Ａにおける商品大分類Ｂの購入人数とに特異点がないためである。

・フロー２ａ
次に、フロー２ａでは、以下の（２－１）～（２－６）によりデータ分析に行う。

（２－１）まず、「売上」及び「国籍」を分析対象組として、国籍毎の売上に特異点が存在するか否かを分析する。そして、国籍毎の売上に特異点が存在する場合は（２－２）の分析を行う。一方で、国籍毎の売上に特異点が存在しない場合はフロー３ａのデータ分析を行う。以降では、簡単のため、（２－１）で特異点があると分析された国籍を「国籍Ａ」とする。

（２－２）国籍Ａの売上に特異点が存在する場合、「売上」、「国籍」及び「購入人数」を分析対象組として、国籍Ａの購入人数に特異点が存在するか否かを分析する。そして、国籍Ａの購入人数に特異点が存在する場合は（２－３）の分析を行う。一方で、国籍Ａの購入人数に特異点が存在しない場合は（２－４）の分析を行う。

（２－３）国籍Ａの購入人数に特異点が存在する場合、人口統計データの国籍Ａの人数を用いて（つまり、人口統計データの「国籍」及び「人数」を分析対象組として）、自店舗周辺の国籍Ａの人口（人数）と、地域全体の国籍Ａの人口（人数）とから、自店舗周辺の国籍Ａの人数に特異点が存在するか否かを分析する。そして、当該特異点が存在しない場合は、上記の（２－２）で特異点が存在すると分析された「国籍Ａの購入人数」を分析結果（つまり、ユーザが注目すべき特異点）とする。一方で、当該特異点が存在する場合は、上記の（２－２）で特異点が存在すると分析された「自店舗周辺の国籍Ａの人数」を分析結果とする。

（２－４）国籍Ａの購入人数に特異点が存在しない場合、「売上」、「国籍」及び「商品大分類」を分析対象組として、上記の（２－１）で特異点が存在すると分析された国籍Ａにおける商品大分類毎の売上に特異点が存在するか否かを分析する。そして、国籍Ａにおける商品大分類毎の売上に特異点が存在する場合は（２－５）の分析を行う。一方で、国籍Ａにおける商品大分類毎の売上に特異点が存在しない場合はフロー３ａのデータ分析を行う。以降では、簡単のため、（２－４）で特異点があると分析された商品大分類を「商品大分類Ｂ」とする。

（２－５）国籍Ａにおける商品大分類Ｂの売上に特異点が存在する場合、「売上」、「国籍」、「商品大分類」及び「購入人数」を分析対象組として、国籍Ａにおける商品大分類Ｂの購入人数に特異点が存在するか否かを分析する。そして、国籍Ａにおける商品大分類Ｂの購入人数に特異点が存在する場合は、「国籍Ａにおける商品大分類Ｂの購入人数」を分析結果とする。一方で、国籍Ａにおける商品大分類Ｂの購入人数に特異点が存在しない場合は（２－６）の分析を行う。

（２－６）国籍Ａにおける商品大分類Ｂの購入人数に特異点が存在しない場合、「売上」、「国籍」、「商品大分類」及び「商品中分類」を分析対象組として、国籍Ａにおける商品中分類毎の売上に特異点が存在するか否かを分析する。以降では、簡単のため、（２－６）で特異点が存在すると分析された商品中分類を「商品中分類Ｃ」とする。

そして、国籍Ａにおける商品中分類毎の売上に特異点が存在する場合は「国籍Ａにおける商品中分類Ｃの売上」を分析結果とする。一方で、国籍Ａにおける商品中分類の売上に特異点が存在しない場合は「国籍Ａにおける商品大分類Ｂの売上」を分析結果とする。

・フロー３ａ
次に、フロー３ａでは、以下の（３－１）によりデータ分析に行う。

（３－１）「売上」及び「国籍」を分析対象組として、国籍毎の売上に特異点が存在するか否かを分析する。そして、国籍毎の売上に特異点が存在する場合（この特異点が存在する国籍を「国籍Ａ」とする。）は「国籍Ａの売上」を分析結果とする。一方で、国籍毎の売上に特異点が存在しない場合はフロー４ａのデータ分析を行う。

・フロー４ａ
次に、フロー４ａでは、以下の（４－１）によりデータ分析を行う。

（４－１）「売上」及び「商品大分類」を分析対象組として、商品大分類毎の売上に特異点が存在するか否かを分析する。そして、商品大分類毎の売上に特異点が存在する場合（この特異点が存在する商品大分類を「商品大分類Ｂ」とする。）は「商品大分類Ｂの売上」を分析結果とする。一方で、商品大分類毎の売上に特異点が存在しない場合はフロー５ａのデータ分析を行う。

・フロー５ａ
次に、フロー５ａでは、以下の（５－１）によりデータ分析を行う。

（５－１）「売上」を分析対象組として、売上（つまり、自店舗の当月の総売上）に特異点が存在するか否かを分析する。そして、売上に特異点が存在する場合は「総売上」を分析結果とする。一方で、売上に特異点が存在しない場合はフロー６ａのデータ分析を行う。

・フロー６ａ
最後に、フロー６ａでは「特異点なし」を分析結果とする。この場合、上記のフロー１ａ～フロー５ａに従った分析では購買データに特異点は存在しないためである。

このように、本発明の実施の形態では、各店舗別のデータ分析のシナリオとしてフロー１ａ～フロー６ａを定義し、これらのフロー１ａ～フロー６ａにより各店舗別のデータ分析を行う。これらのフロー１ａ～フロー６ａでは、同一フロー内において図５中で左から右に行くほど分析の粒度が細かくなっていく。また、他方で、フロー１ａ～フロー６ａの順に分析の粒度が細かくなっていく。

例えば、フロー１ａでは、（１－１）では分析対象組に含まれる「売上」のみを用いてデータ分析を行っているのに対して、（１－２）では分析対象組に含まれる「売上」と「国籍」とを用いてデータ分析を行っているため、（１－１）でのデータ分析よりも（１－２）でのデータ分析の方がデータ分析の粒度がより細かくなっている。このように、フロー１ａでは、「売上」→「売上」×「国籍」→「売上」×「国籍」×「購入人数」→・・・といった順で次第に分析の粒度を細かくしながらデータ分析を行っていく。これは、仮に細かな粒度で特異点が存在していたとしても、大きな粒度で特異点が存在しない場合には、全体に与える影響が小さく、ビジネス上の課題になる可能性が低いためである。これにより、効果的かつ効率的な各店舗別のデータ分析が可能になる。

なお、各店舗別のデータ分析のシナリオとしてフロー１ａ～フロー６ａを定義することは一例であって、これらのフロー１ａ～フロー６ａ以外にも種々のフローをシナリオとして定義することが可能である。このとき、例えば、（１）売上関連情報×ターゲット情報×商品情報を分析するフロー（フロー１ａやフロー２ａ）、（２）売上関連情報×ターゲット情報を分析するフロー（フロー３ａ）、（３）売上関連情報×商品情報を分析するフロー（フロー４ａ）、（４）売上関連情報を分析するフロー（フロー５ａ）、の順にデータ分析が行われるように定義されることが好ましい。また、この際に、各情報として複数の属性の組み合わせが用いられてもよい（例えば、売上関連情報として「売上」と「購入人数」の両方を用いる、ターゲット情報として「国籍」と「性別」の両方を用いる等）。

また、本発明の実施の形態では上記の（１－４）及び（２－３）のデータ分析を行うものとして説明するが、このデータ分析（すなわち、人口統計データを用いたデータ分析）は必ずしも行われなくてもよい。

（全体傾向把握）
次に、全体傾向把握のデータ分析の概略について、図６を参照しながら説明する。図６は、本発明の実施の形態におけるデータ分析の概略（全体傾向把握）を説明するための図である。図６に示す例では、比較対象対は、地域内の全店舗の月次の購買データを集計したデータ（簡単のため、このデータを「全店購買データ」と表す。）と、前年同月の全店購買データとであるものとする。

図６に示すように、全体傾向把握のデータ分析では、フロー１ｂ～フロー６ｂによりデータ分析を行う。

・フロー１ｂ
まず、フロー１ｂでは、以下の（７－１）～（７－４）によりデータ分析を行う。なお、或る属性に特異点が存在する場合とは、上述したように、月次の全店購買データの当該属性と、前年同月の全店購買データの当該属性との間に所定以上の差異がある場合のことをいう。以降では、月次の全店購買データには、属性として、「国籍」、「購入人数」及び「購入総額」が含まれるものとする。なお、購入人数及び購入総額は、それぞれ、地域内の店舗全体で該当の月の間に、当該国籍の人が商品を購入した人数の合計及び購入総額の合計のことである。

（７－１）まず、「全体総売上」を分析対象組として、全体総売上（つまり、当月における前購入総額の合計）に特異点が存在するか否かを分析する。そして、全体総売上に特異点が存在する場合は（７－２）の分析を行う。一方で、全体総売上に特異点が存在しない場合はフロー２ｂのデータ分析を行う。

（７－２）全体総売上に特異点が存在する場合、「全体総売上」及び「国籍」を分析対象組として、国籍毎の全体総売上に特異点が存在するか否かを分析する。そして、国籍毎の全体総売上に特異点が存在する場合は（７－３）の分析を行う。一方で、国籍毎の全体総売上に特異点が存在しない場合はフロー２ｂのデータ分析を行う。以降では、簡単のため、（７－２）で特異点があると分析された国籍を「国籍Ａ」とする。

（７－３）国籍Ａの全体総売上に特異点が存在する場合、「全体総売上」、「国籍」及び「購入人数」を分析対象組として、国籍Ａの購入人数に特異点が存在するか否かを分析する。そして、国籍Ａの購入人数に特異点が存在する場合は（７－４）の分析を行う。一方で、国籍Ａの購入人数に特異点が存在しない場合は「国籍Ａの全体総売上」を分析結果とする。

（７－４）国籍Ａの購入人数に特異点が存在する場合、人口統計データの国籍Ａの人数を用いて（つまり、人口統計データの「国籍」及び「人数」を分析対象組として）、当月における地域全体の国籍Ａの人口（人数）と、前年同月における地域全体の国籍Ａの人口（人数）とから、当月における地域全体の国籍Ａの人数に特異点が存在するか否かを分析する。そして、当該特異点が存在しない場合は、上記の（７－３）で特異点が存在すると分析された「国籍Ａの購入人数」を分析結果とする。一方で、当該特異点が存在する場合は、「国籍Ａの地域全体の全滞在人数」を分析結果とする。この場合、前年同月と比べて、地域全体の国籍Ａの人数が所定以降、多い（又は少ない）ためである。

・フロー２ｂ
次に、フロー２ｂでは、以下の（８－１）～（８－３）によりデータ分析を行う。

（８－１）「全体総売上」及び「国籍」を分析対象組として、国籍毎の全体総売上に特異点が存在するか否かを分析する。そして、国籍毎の全体総売上に特異点が存在する場合は（８－２）の分析を行う。一方で、国籍毎の全体総売上に特異点が存在しない場合はフロー３ｂのデータ分析を行う。以降では、簡単のため、（８－１）で特異点があると分析された国籍を「国籍Ａ」とする。

（８－２）国籍Ａの全体総売上に特異点が存在する場合、「全体総売上」、「国籍」及び「購入人数」を分析対象組として、国籍Ａの購入人数に特異点が存在するか否かを分析する。そして、国籍Ａの購入人数に特異点が存在する場合は（８－３）の分析を行う。一方で、国籍Ａの購入人数に特異点が存在しない場合は「国籍Ａの全体総売上」を分析結果とする。

（８－３）国籍Ａの購入人数に特異点が存在する場合、人口統計データの国籍Ａの人数を用いて（つまり、人口統計データの「国籍」及び「人数」を分析対象組として）、当月における地域全体の国籍Ａの人口（人数）と、前年同月における地域全体の国籍Ａの人口（人数）とから、当月における地域全体の国籍Ａの人数に特異点が存在するか否かを分析する。そして、当該特異点が存在しない場合は、「国籍Ａの購入人数」を分析結果とする。一方で、当該特異点が存在する場合は、「国籍Ａの地域全体の全滞在人数」を分析結果とする。

・フロー３ｂ
次に、フロー３ｂでは、以下の（９－１）～（９－３）によりデータ分析を行う。

（９－１）人口統計データの人数を用いて（つまり、人口統計データの「人数」を分析対象組として）、当月における地域全体の人口（人数）と、前年同月における地域全体の人口（人数）とから、当月における地域全体の人数に特異点が存在するか否かを分析する。そして、当月における地域全体の人口に特異点が存在する場合は（９－２）の分析を行う。一方で、当月における地域全体の人口に特異点が存在しない場合はフロー４ｂのデータ分析を行う。

（９－２）当月における地域全体の人口に特異点が存在する場合、人口統計データのメッシュ毎の人数を用いて（つまり、人口統計データの「人数」及び「メッシュＩＤ」を分析対象組として）、当月と前年同月との間でメッシュ毎の人口（人数）に特異点が存在するか否かを分析する。そして、当該特異点が存在する場合は（９－３）の分析を行う。一方で、当該特異点が存在しない場合はフロー４ｂのデータ分析を行う。以降では、簡単のため、（９－２）で特異点があると分析されたメッシュを「メッシュＡ」とする。

（９－３）当月におけるメッシュＡの人口に特異点が存在する場合、人口統計データのメッシュＡの国籍毎の人数を用いて（つまり、人口統計データの「人数」、「国籍」及び「メッシュＩＤ」を分析対象組として）、当月と前年同月との間でメッシュＡにおける国籍毎の人口に特異点が存在するか否かを分析する。そして、当該特異点が存在する場合（この特異点が存在する国籍を「国籍Ａ」とする。）は「メッシュＡにおける国籍Ａの全滞在人数」を分析結果とする。一方で、当該特異点が存在しない場合は「メッシュＡの全滞在人数」を分析結果とする。

・フロー４ｂ
次に、フロー４ｂでは、以下の（１０－１）～（１０－２）によりデータ分析を行う。

（１０－１）人口統計データの人数を用いて、当月における地域全体の人口（人数）と、前年同月における地域全体の人口（人数）とから、当月における地域全体の人数に特異点が存在するか否かを分析する。そして、当月における地域全体の人口に特異点が存在する場合は（１０－２）の分析を行う。一方で、当月における地域全体の人口に特異点が存在しない場合はフロー５ｂのデータ分析を行う。

（１０－２）当月における地域全体の人口に特異点が存在する場合、人口統計データの国籍毎の人数を用いて、当月と前年同月との間で国籍毎の人口（人数）に特異点が存在するか否かを分析する。そして、当該特異点が存在する場合（この特異点が存在する国籍を「国籍Ａ」とする。）は「国籍Ａの全滞在人数」を分析結果とする。一方で、当該特異点が存在しない場合はフロー５ｂのデータ分析を行う。

・フロー５ｂ
次に、フロー５ｂでは、以下の（１１－１）によりデータ分析を行う。

（１１－１）人口統計データの人数を用いて、当月における地域全体の人口（人数）と、前年同月における地域全体の人口（人数）とから、当月における地域全体の人数に特異点が存在するか否かを分析する。そして、当月における地域全体の人口に特異点が存在する場合は「地域全体の滞在人数」を分析結果とする。一方で、当月における地域全体の人口に特異点が存在しない場合はフロー６ｂのデータ分析を行う。

・フロー６ｂ
最後に、フロー６ｂでは「特異点なし」を分析結果とする。この場合、上記のフロー１ｂ～５ｂに従った分析では全店購買データに特異点は存在しないためである。

このように、本発明の実施の形態では、全体傾向把握のデータ分析のシナリオとしてフロー１ｂ～フロー６ｂを定義し、これらのフロー１ｂ～フロー６ｂにより全体傾向把握のデータ分析を行う。これらのフロー１ｂ～フロー６ｂでは、同一フロー内において図６中で左から右に行くほど分析の粒度が細かくなっていく。

なお、全体傾向把握のデータ分析のシナリオとしてフロー１ｂ～フロー６ｂを定義することは一例であって、これらのフロー１ｂ～フロー６ｂ以外にも種々のフローをシナリオとして定義することが可能である。このとき、例えば、（１）売上関連情報×ターゲット情報を分析するフロー（フロー１ｂやフロー２ｂ）、（２）ターゲット情報を分析するフロー（フロー３ｂ～フロー５ａ）、の順にデータ分析が行われるように定義されることが好ましい。また、この際に、各情報として複数の属性の組み合わせが用いられてもよい。

また、本発明の実施の形態では上記の（７－４）、（８－３）、（９－１）～（９－４）、（１０－１）～（１０－２）及び（１１－１）のデータ分析を行うものとして説明するが、このデータ分析（すなわち、人口統計データを用いたデータ分析）は必ずしも行われなくてもよい。

［データ分析処理（各店舗別）］
以降では、各店舗別のデータ分析処理の流れについて、図７～図１１を参照しながら説明する。図７～図１１は、各店舗別のデータ分析処理の一例を示すフローチャート（その１）～フローチャート（その５）である。なお、これらのフローチャート（その１）～フローチャート（その５）は、フローチャート（その１）～フローチャート（その４）が、図５に示したフロー１ａ～フロー４ａにそれぞれ対応しており、フローチャート（その５）がフローチャート５ａ及び６ａに対応している。

また、以降では、図５と同様に、比較対象対を「自店舗の月次の購買データと他店舗の同月の購買データ」として、月次の購買データには、属性として、「商品大分類」、「商品中分類」、「国籍」、「購入人数」及び「購入総額」が含まれるものとする。これらの購買データは購買データ記憶部１３０に記憶されている。なお、比較対象対は、例えばユーザによって設定される。

（フローチャート（その１））
まず、データ分析処理部１１０は、「売上」を分析対象組として、売上（つまり、自店舗の当月における全購入総額の合計）に特異点が存在するか否かを分析する（ステップＳ１０１）。データ分析処理部１１０は、例えば、自店舗と他店舗との間で売上が所定の閾値以上の差がある場合に、自店舗の当月の購買データの売上に特異点が存在すると判定する。なお、この差の代わりに、比が用いられてもよい（このことは以降で特異点の存在を分析する際も同様である。）。

そして、売上に特異点が存在しない場合（ステップＳ１０２でＮＯ）、データ分析処理部１１０は、フローチャート（その２）を実行する。一方で、売上に特異点が存在する場合（ステップＳ１０２でＹＥＳ）、データ分析処理部１１０は、売上の特異点に応じた文字列（例えば、「対前月で他店舗の売上と比較して上がっています。」又は「対前月で他店舗の売上と比較して下がっています。」等）を出力文字列に追加する（ステップＳ１０３）。なお、例えば、「対前月で他店舗の売上と比較して上がっています。」又は「対前月で他店舗の売上と比較して下がっています。」のいずれを出力文字列に追加するかは、上記のステップＳ１０１における分析結果で自店舗の売上が他店舗の売上に対して高いと分析されたか又は低いと分析かされたかによって決定される。このことは以降で所定の文字列を出力文字列に追加する際も同様である。

ステップＳ１０３に続いて、データ分析処理部１１０は、「売上」及び「国籍」を分析対象組として、国籍毎の売上に特異点が存在するか否かを分析する（ステップＳ１０４）。データ分析処理部１１０は、例えば、自店舗と他店舗との間で、国籍毎の売上に所定の閾値以上の差がある国籍が存在する場合に、自店舗の当月の購買データの国籍毎の売上に特異点が存在すると判定する。

そして、国籍毎の売上に特異点が存在しない場合（ステップＳ１０５でＮＯ）、データ分析処理部１１０は、フローチャート（その２）を実行する。一方で、国籍毎の売上に特異点が存在する場合（ステップＳ１０５でＹＥＳ）、データ分析処理部１１０は、国籍毎の売上の特異点（以降では、この特異点が存在する国籍を「国籍Ａ」とする。）に応じた文字列（例えば、「国籍Ａの売上は他店舗と比較して上がっています。」又は「国籍Ａの売上は他店舗と比較して下がっています。」等）を出力文字列に追加する（ステップＳ１０６）。

次に、データ分析処理部１１０は、「売上」、「国籍」及び「購入人数」を分析対象組として、国籍Ａの購入人数に特異点が存在するか否かを分析する（ステップＳ１０７）。データ分析処理部１１０は、例えば、自店舗と他店舗との間で、国籍Ａの購入人数に所定の閾値以上の差がある場合に、自店舗の当月の購買データの国籍Ａの購入人数に特異点が存在すると判定する。

そして、国籍Ａの購入人数に特異点が存在する場合（ステップＳ１０８でＹＥＳ）、データ分析処理部１１０は、関連データ記憶部１４０に記憶されている人口統計データの「国籍」及び「人数」を分析対象組として、当月における自店舗周辺の国籍Ａの人数と、同月における地域全体の国籍Ａの人数とから、当月における自店舗周辺の国籍Ａの人数に特異点が存在するか否かを分析する（ステップＳ１０９）。データ分析処理部１１０は、例えば、自店舗周辺と地域全体との間で、当月における国籍Ａの人数（人口）に所定の閾値以上の差がある場合に、自店舗周辺の国籍Ａの人数に特異点が存在すると判定する。なお、このとき、データ分析処理部１１０は、当月における国籍Ａの人数が所定の閾値以上増えている場合（すなわち、国籍Ａの人を、他店舗よりも自店舗に呼び込むことができている場合等）に、特異点が存在すると判定してもよい。

そして、自店舗周辺の国籍Ａの人数に特異点が存在する場合（ステップＳ１１０でＹＥＳ）、データ分析処理部１１０は、自店舗周辺の国籍Ａの人数の特異点に応じた文字列（例えば、「他店舗と異なり、国籍Ａの人を自店舗周辺に呼び込めています。」又は「他店舗と異なり、国籍Ａの人が自店舗周辺にいません。」等）を出力文字列に追加する（ステップＳ１１１）。

一方で、自店舗周辺の国籍Ａの人数に特異点が存在しない場合（ステップＳ１１０でＮＯ）、データ分析処理部１１０は、上記のステップＳ１０７で特異点が存在すると分析された国籍Ａの購入人数の特異点に応じた文字列（例えば、「他店舗と異なり、国籍Ａの購入者が増加しています。」又は「他店舗と異なり、国籍Ａの購入者が減少しています。」等）を出力文字列に追加する（ステップＳ１１２）。

上記のステップＳ１０８でＮｏ（つまり、国籍Ａの購入人数に特異点が存在しない場合）、データ分析処理部１１０は、「売上」、「国籍」及び「商品大分類」を分析対象組として、国籍Ａにおける商品大分類毎の売上に特異点が存在するか否かを分析する（ステップＳ１１３）。以降では、本ステップで特異点が存在すると分析された場合に、この特異点が存在する商品大分類を「商品大分類Ｂ」とする。

そして、国籍Ａにおける商品大分類毎の売上に特異点が存在する場合（ステップＳ１１４でＹＥＳ）、データ分析処理部１１０は、「売上」、「国籍」、「商品大分類」及び「購入人数」を分析対象組として、国籍Ａにおける商品大分類Ｂの購入人数に特異点が存在するか否かを分析する（ステップＳ１１５）。

一方で、国籍Ａにおける商品大分類毎の売上に特異点が存在しない場合（ステップＳ１１４でＮＯ）、データ分析処理部１１０は、フローチャート（その２）を実行する。

国籍Ａにおける商品大分類Ｂの購入人数に特異点が存在する場合（ステップＳ１１６でＹＥＳ）、データ分析処理部１１０は、国籍Ａにおける商品大分類Ｂの購入人数の特異点に応じた文字列（例えば、「特に国籍Ａにおいては商品大分類Ｂの購入人数が増えています。」又は「特に国籍Ａにおいては商品大分類Ｂの購入人数が減っています。」等）を出力文字列に追加する（ステップＳ１１７）。

一方で、国籍Ａにおける商品大分類Ｂの購入人数に特異点が存在しない場合（ステップＳ１１６でＮＯ）、データ分析処理部１１０は、「売上」、「国籍」、「商品大分類」及び「商品中分類」を分析対象組として、国籍Ａにおける商品大分類Ｂの商品中分類毎の売上に特異点が存在するか否かを分析する（ステップＳ１１８）。以降では、本ステップで特異点が存在すると分析された場合に、この特異点が存在する商品中分類を「商品中分類Ｃ」とする。

国籍Ａにおける商品大分類Ｂの商品中分類毎の売上に特異点が存在する場合（ステップＳ１１９でＹＥＳ）、データ分析処理部１１０は、国籍Ａにおける商品大分類Ｂの商品中分類Ｃの売上の特異点に応じた文字列（例えば、「特に国籍Ａにおいては商品大分類Ｂの商品中分類Ｃの売上が増えています。」又は「特に国籍Ａにおいては商品大分類Ｂの商品中分類Ｃの売上が減っています。」等）を出力文字列に追加する（ステップＳ１２０）。

一方で、国籍Ａにおける商品大分類Ｂの商品中分類毎の売上に特異点が存在しない場合（ステップＳ１１９でＮＯ）、データ分析処理部１１０は、国籍Ａにおける商品大分類Ｂの売上の特異点に応じた文字列（例えば、「特に国籍Ａにおいては商品大分類Ｂの売上が増えています。」又は「特に国籍Ａにおいては商品大分類Ｂの売上が減っています。」等）を出力文字列に追加する（ステップＳ１２１）。

ステップＳ１１１、ステップＳ１１２、ステップＳ１１７、ステップＳ１２０又はステップＳ１２１に続いて、データ分析処理部１１０は、特異点が存在するレコード（購買データ中のレコード）と、関連データ記憶部１４０に記憶されている関連データとの相関を分析する（ステップＳ１２２）。ここで、関連データとしては、例えば、ＳＮＳに投稿されたメッセージ等を集計したデータや観光施設等への入場者データ等の種々のデータが挙げられる。特異点が存在するレコードとこれらの関連データとの相関を分析することで、特異点と何等かの関連がある要素（例えば、イベントや出来事、事柄等）を抽出することが可能となる。なお、相関分析の結果は、例えば、関連データとの相関係数等である。

最後に、データ分析処理部１１０は、購買データの特異点と、これらの特異点に応じた文字列が追加された出力文字列と、相関分析の結果とが含まれる分析結果データを作成する（ステップＳ１２３）。なお、この分析結果データは分析結果データ記憶部１５０に記憶される。

（フローチャート（その２））
図８のステップＳ２０１～ステップＳ２２０は、属性「売上」が特異点でないことを除けば、図７のステップＳ１０４～ステップＳ１２３とそれぞれ同様である。ただし、フローチャート（その２）では、ステップＳ２０２でＮＯとなった場合及びステップＳ２１１でＮＯとなった場合は、データ分析処理部１１０は、フローチャート（その３）を実行することになる。なお、フローチャート（その２）が実行される場合とは、例えば、他店舗との間で売上に特異点がないが（つまり、他店舗とほぼ同様の売上であるが）、国籍毎の売上に差があるような場合である。

（フローチャート（その３））
まず、データ分析処理部１１０は、「売上」及び「国籍」を分析対象組として、国籍毎の売上に特異点が存在するか否かを分析する（ステップＳ３０１）。以降では、本ステップで特異点が存在すると分析された場合に、この特異点が存在する国籍を「国籍Ａ」とする。

そして、国籍Ａの売上に特異点が存在する場合（ステップＳ３０２でＹＥＳ）、データ分析処理部１１０は、国籍毎の売上の特異点（つまり、国籍Ａの売上）に応じた文字列（例えば、「対前月で、国籍Ａの売上は他店舗と比較して上がっています。」又は「対前月で、国籍Ａの売上は他店舗と比較して下がっています。」等）を出力文字列に追加する（ステップＳ３０３）。また、このとき、例えば、更に「国籍Ａの売上の中で、特定の商品分類が売上に影響を与えていることは見られませんでした。」との文字列を出力文字列に追加してもよい。

一方で、国籍Ａの売上に特異点が存在しない場合（ステップＳ３０２でＮＯ）、データ分析処理部１１０は、フローチャート（その４）を実行する。

ステップＳ３０３に続いて、データ分析処理部１１０は、図７のステップＳ１２２と同様に、特異点が存在するレコード（購買データ中のレコード）と、関連データ記憶部１４０に記憶されている関連データとの相関を分析する（ステップＳ３０４）。

最後に、データ分析処理部１１０は、図７のステップＳ１２３と同様に、分析結果データを作成する（ステップＳ３０５）。

（フローチャート（その４））
まず、データ分析処理部１１０は、「売上」及び「商品大分類」を分析対象組として、商品大分類毎の売上に特異点が存在するか否かを分析する（ステップＳ４０１）。以降では、本ステップで特異点が存在すると分析された場合に、この特異点が存在する商品大分類を「商品大分類Ｂ」とする。

そして、商品大分類毎の売上に特異点が存在する場合（ステップＳ４０３でＹＥＳ）、データ分析処理部１１０は、商品大分類毎の売上の特異点（つまり、商品大分類Ｂの売上）に応じた文字列（例えば、「対前月で、商品大分類Ｂの売上は他店舗と比較して上がっています。」又は「対前月で、商品大分類Ｂの売上は他店舗と比較して下がっています。」等）を出力文字列に追加する（ステップＳ４０３）。また、このとき、例えば、更に「商品大分類Ｂの売上の中で、特定の国籍が売上に影響を与えていることは見られませんでした。」との文字列を出力文字列に追加してもよい。

一方で、商品大分類毎の売上に特異点が存在しない場合（ステップＳ４０３でＮＯ）、データ分析処理部１１０は、フローチャート（その５）を実行する。

ステップＳ４０３に続いて、データ分析処理部１１０は、図７のステップＳ１２２と同様に、特異点が存在するレコード（購買データ中のレコード）と、関連データ記憶部１４０に記憶されている関連データとの相関を分析する（ステップＳ４０４）。

最後に、データ分析処理部１１０は、図７のステップＳ１２３と同様に、分析結果データを作成する（ステップＳ４０５）。

（フローチャート（その５））
まず、データ分析処理部１１０は、「売上」を分析対象組として、売上（つまり、自店舗の当月の総売上）に特異点が存在するか否かを分析する（ステップＳ５０１）。

そして、売上に特異点が存在する場合（ステップＳ５０２でＹＥＳ）、データ分析処理部１１０は、売上の特異点に応じた文字列（例えば、「対前月で、売上は他店舗と比較して上がっています。」又は「対前月で、売上は他店舗と比較して下がっています。」等）を出力文字列に追加する（ステップＳ５０３）。また、このとき、例えば、更に「その売上に影響を与えている特異点の国籍や商品大分類は見当たりませんでした。」との文字列を出力文字列に追加してもよい。

次に、データ分析処理部１１０は、図７のステップＳ１２２と同様に、特異点が存在するレコード（この場合は当月の購買データ中の全レコード、又はこれらのレコードを売上で集計したレコード）と、関連データ記憶部１４０に記憶されている関連データとの相関を分析する（ステップＳ５０４）。

一方で、売上に特異点が存在しない場合（ステップＳ５０２でＮＯ）、データ分析処理部１１０は、特異点なしを表す文字列を出力文字列に追加する（ステップＳ５０５）。この場合は、各店舗別のデータ分析のシナリオでは特異点を見つけられなかったためである。

最後に、データ分析処理部１１０は、図７のステップＳ１２３と同様に、分析結果データを作成する（ステップＳ５０６）。

［データ分析処理（全体傾向把握）］
以降では、全体傾向把握のデータ分析処理の流れについて、図１２～図１６を参照しながら説明する。図１２～図１６は、全体傾向把握のデータ分析処理の一例を示すフローチャート（その１）～フローチャート（その５）である。なお、これらのフローチャート（その１）～フローチャート（その５）は、フローチャート（その１）～フローチャート（その４）が、図６に示したフロー１ｂ～フロー４ｂにそれぞれ対応しており、フローチャート（その５）がフローチャート５ｂ及び６ｂに対応している。

また、以降では、図６と同様に、比較対象対を「月次の全店購買データと前年同月の全店購買データ」として、月次の全店購買データには、属性として、「国籍」、「購入人数」及び「購入総額」が含まれるものとする。これらの全店購買データは購買データ記憶部１３０に記憶されている。なお、比較対象対は、例えばユーザによって設定される。

（フローチャート（その１））
まず、データ分析処理部１１０は、「全体総売上」を分析対象組として、全体総売上（つまり、当月における地域全体の全店舗の全購入総額の合計）に特異点が存在するか否かを分析する（ステップＳ６０１）。データ分析処理部１１０は、例えば、当月と前年同月との間で全体総売上が所定の閾値以上の差がある場合に、当月の全店購買データの全体総売上に特異点が存在すると判定する。なお、この差の代わりに、比が用いられてもよい（このことは以降で特異点の存在を分析する際も同様である。）。

そして、売上に特異点が存在しない場合（ステップＳ６０２でＮＯ）、データ分析処理部１１０は、フローチャート（その２）を実行する。一方で、売上に特異点が存在する場合（ステップＳ６０２でＹＥＳ）、データ分析処理部１１０は、全体総売上の特異点に応じた文字列（例えば、「対前年同月で全体総売上が上がっています。」又は「対前年同月で全体総売上が下がっています。」等）を出力文字列に追加する（ステップＳ６０３）。なお、例えば、「対前年同月で全体総売上が上がっています。」又は「対前年同月で全体総売上が下がっています。」のいずれを出力文字列に追加するかは、上記のステップＳ６０１における分析結果で当月の全体総売上が前年同月の全体総売上に対して高いと分析されたか又は低いと分析かされたかによって決定される。このことは以降で所定の文字列を出力文字列に追加する際も同様である。

ステップＳ６０３に続いて、データ分析処理部１１０は、「全体総売上」及び「国籍」を分析対象組として、国籍毎の全体総売上に特異点が存在するか否かを分析する（ステップＳ６０４）。データ分析処理部１１０は、例えば、当月と前年同月との間で、国籍毎の全体総売上に所定の閾値以上の差がある国籍が存在する場合に、当月の全店購買データの国籍毎の全体総売上に特異点が存在すると判定する。なお、国籍毎の全体総売上とは、地域全体の全店舗の全購入総額の合計の国籍毎の売上のことである。

そして、国籍毎の全体総売上に特異点が存在しない場合（ステップＳ６０５でＮＯ）、データ分析処理部１１０は、フローチャート（その２）を実行する。一方で、国籍毎の全体総売上に特異点が存在する場合（ステップＳ６０５でＹＥＳ）、データ分析処理部１１０は、国籍毎の全体総売上の特異点（以降では、この特異点が存在する国籍を「国籍Ａ」とする。）に応じた文字列（例えば、「かつ、国籍Ａの売上が全体で上がっています。」又は「かつ、国籍Ａの売上が全体で下がっています。」等）を出力文字列に追加する（ステップＳ６０６）。

次に、データ分析処理部１１０は、「全体総売上」、「国籍」及び「購入人数」を分析対象組として、国籍Ａの購入人数に特異点が存在するか否かを分析する（ステップＳ６０７）。データ分析処理部１１０は、例えば、当月と前年同月との間で、国籍Ａの購入人数に所定の閾値以上の差がある場合に、当月の全店購買データの国籍Ａの購入人数に特異点が存在すると判定する。

そして、国籍Ａの購入人数に特異点が存在する場合（ステップＳ６０８でＹＥＳ）、データ分析処理部１１０は、関連データ記憶部１４０に記憶されている人口統計データの「国籍」及び「人数」を分析対象組として、当月における地域全体の国籍Ａの人数と、前年同月における地域全体の国籍Ａの人数とから、当月における地域全体の国籍Ａの人数に特異点が存在するか否かを分析する（ステップＳ６０９）。データ分析処理部１１０は、例えば、当月と前年同月との間で、地域全体における国籍Ａの人数が所定の閾値以上の差がある場合に、当月における地域全体の国籍Ａの人数に特異点が存在すると判定する。

そして、当月における地域全体の国籍Ａの人数に特異点が存在する場合（ステップＳ６１０でＹＥＳ）、データ分析処理部１１０は、当月における地域全体の国籍Ａの人数の特異点に応じた文字列（例えば、「地域全体で国籍Ａの人数が増えています。」又は「「地域全体で国籍Ａの人数が減っています。」）を出力文字列に追加する（ステップＳ６１１）。

一方で、当月における地域全体の国籍Ａの人数に特異点が存在しない場合（ステップＳ６１０でＮＯ）、データ分析処理部１１０は、国籍Ａの購入人数の特異点に応じた文字列（例えば、「国籍Ａの購入者が増えています。」又は「国籍Ａの購入者が減っています。」等）を出力文字列に追加する（ステップＳ６１２）。

また、国籍Ａの購入人数に特異点が存在しない場合（ステップＳ６０８でＮＯ）、データ分析処理部１１０は、国籍Ａの全体総売上に特異点があり、かつ、国籍Ａの購入者数には特異点がないことに応じた文字列（例えば、「国籍Ａの購入人数の傾向は変わらないため、単価が上がったことが考えられます。」又は「国籍Ａの購入人数の傾向は変わらないため、単価が下がったことが考えられます。」等）を出力文字列に追加する（ステップＳ６１３）。

ステップＳ６１１、ステップＳ６１２又はステップＳ６１３に続いて、データ分析処理部１１０は、図７のステップＳ１２２と同様に、特異点が存在するレコード（全店購買データ中のレコード）と、関連データ記憶部１４０に記憶されている関連データとの相関を分析する（ステップＳ６１４）。

最後に、データ分析処理部１１０は、図７のステップＳ１２３と同様に、分析結果データを作成する（ステップＳ６１５）。

（フローチャート（その２））
図１３のステップＳ７０１～ステップＳ７１２は、属性「全体総売上」が特異点でないことを除けば、図１２のステップＳ６０４～ステップＳ６１５とそれぞれ同様である。ただし、フローチャート（その２）では、ステップＳ７０２でＮＯとなった場合は、データ分析処理部１１０は、フローチャート（その３）を実行することになる。なお、フローチャート（その２）が実行される場合とは、例えば、前年同月と全体総売上に特異点がないが、国籍毎の全体総売上に差があるような場合である。

（フローチャート（その３））
まず、データ分析処理部１１０は、関連データ記憶部１４０に記憶されている人口統計データの「人数」を分析対象組として、当月における地域全体の人口（人数）と、前年同月における地域全体の人口（人数）とから、当月における地域全体の人数に特異点が存在するか否かを分析する（ステップＳ８０１）。データ分析処理部１１０は、例えば、当月と前年同月との間で、地域全体の人数に所定の閾値以上の差がある場合に、当月における地域全体の人数に特異点が存在すると判定する。

そして、当月における地域全体の人数に特異点が存在する場合（ステップＳ８０２でＹＥＳ）、データ分析処理部１１０は、当月における地域全体の人数の特異点に応じた文字列（例えば、「対前年同月比で、地域全体の人数が増えています。」又は「対前年同月比で、地域全体の人数が減っています。」等）を出力文字列に追加する（ステップＳ８０３）。

一方で、当月における地域全体の人数に特異点が存在しない場合（ステップＳ８０２でＮＯ）、データ分析処理部１１０は、フローチャート（その４）を実行する。

ステップＳ８０３に続いて、データ分析処理部１１０は、関連データ記憶部１４０に記憶されている人口統計データの「人数」及び「メッシュＩＤ」を分析対象組として、当月における地域内のメッシュ毎の人口（人数）と、前年同月における地域内のメッシュ毎の人口（メッシュ）とから、当月における地域内のメッシュ毎の人数に特異点が存在するか否かを分析する（ステップＳ８０４）。データ分析処理部１１０は、例えば、当月と前年同月との間で、地域内のメッシュ毎の人数に所定の閾値以上の差があるメッシュが存在する場合に、当月における地域内のメッシュ毎の人数に特異点が存在すると判定する。以降では、本ステップで特異点が存在すると分析された場合に、この特異点が存在するメッシュを「メッシュＡ」とする。

そして、当月における地域内のメッシュ毎の人数に特異点が存在する場合（ステップＳ８０５でＹＥＳ）、データ分析処理部１１０は、メッシュ毎の人数の特異点に応じた文字列（例えば、「かつ、メッシュＡの人数が増えています。」又は「かつ、メッシュＡの人数が減っています。」等）を出力文字列に追加する（ステップＳ８０６）。

一方で、当月における地域内のメッシュ毎の人数に特異点が存在しない場合（ステップＳ８０５でＮＯ）、データ分析処理部１１０は、フローチャート（その４）を実行する。

ステップＳ８０６に続いて、データ分析処理部１１０は、「人数」、「メッシュＩＤ」及び「国籍」を分析対象組として、当月における地域内のメッシュＡの国籍毎の人口（人数）と、前年同月における地域内のメッシュＡの国籍毎の人口（メッシュ）とから、当月における地域内のメッシュＡの国籍毎の人数に特異点が存在するか否かを分析する（ステップＳ８０７）。以降では、本ステップで特異点が存在すると分析された場合に、この特異点が存在する国籍を「国籍Ａ」とする。

そして、当月における地域内のメッシュＡの国籍毎の人数に特異点が存在する場合（ステップＳ８０８でＹＥＳ）、データ分析処理部１１０は、メッシュＡの国籍毎の人数の特異点に応じた文字列（例えば、「メッシュＡ内の国籍Ａの人数が増えています。」又は「メッシュＡ内の国籍Ａの人数が減っています。」等）を出力文字列に追加する（ステップＳ８０９）。

一方で、当月における地域内のメッシュＡの国籍毎の人数に特異点が存在しない場合（ステップＳ８０８でＮＯ）、データ分析処理部１１０は、メッシュＡの人数に特異点があり、かつ、国籍毎の人数には特異点がないことに応じた文字列（例えば、「国籍に目立った変化はありません。」等）を出力文字列に追加する（ステップＳ８１０）。

ステップＳ８０９又はステップＳ８１０に続いて、データ分析処理部１１０は、図７のステップＳ１２２と同様に、特異点が存在するレコード（この場合、人口統計データのレコード）と、関連データ記憶部１４０に記憶されている関連データとの相関を分析する（ステップＳ８１１）。

最後に、データ分析処理部１１０は、図７のステップＳ１２３と同様に、分析結果データを作成する（ステップＳ８１２）。

（フローチャート（その４））
まず、データ分析処理部１１０は、関連データ記憶部１４０に記憶されている人口統計データの「人数」を分析対象組として、当月における地域全体の人口（人数）と、前年同月における地域全体の人口（人数）とから、当月における地域全体の人数に特異点が存在するか否かを分析する（ステップＳ９０１）。

そして、当月における地域全体の人数に特異点が存在する場合（ステップＳ９０２でＹＥＳ）、データ分析処理部１１０は、当月における地域全体の人数の特異点に応じた文字列（例えば、「対前年同月比で、地域全体の人数が増えています。」又は「対前年同月比で、地域全体の人数が減っています。」等）を出力文字列に追加する（ステップＳ９０３）。

一方で、当月における地域全体の人数に特異点が存在しない場合（ステップＳ９０２でＮＯ）、データ分析処理部１１０は、フローチャート（その５）を実行する。

ステップＳ９０３に続いて、データ分析処理部１１０は、関連データ記憶部１４０に記憶されている人口統計データの「人数」及び「国籍」を分析対象組として、当月における地域内の国籍毎の人口（人数）と、前年同月における地域内の国籍毎の人口（メッシュ）とから、当月における地域内の国籍毎の人数に特異点が存在するか否かを分析する（ステップＳ９０４）。以降では、本ステップで特異点が存在すると分析された場合に、この特異点が存在する国籍を「国籍Ａ」とする。

そして、当月における地域内の国籍毎の人数に特異点が存在する場合（ステップＳ９０５でＹＥＳ）、データ分析処理部１１０は、国籍毎の人数の特異点に応じた文字列（例えば、「かつ、国籍Ａの人数が増えています。」又は「かつ、国籍Ａの人数が減っています。」等）を出力文字列に追加する（ステップＳ９０６）。

一方で、当月における地域内のメッシュ毎の人数に特異点が存在しない場合（ステップＳ９０５でＮＯ）、データ分析処理部１１０は、フローチャート（その５）を実行する。

ステップＳ８０６に続いて、データ分析処理部１１０は、図７のステップＳ１２２と同様に、特異点が存在するレコード（この場合、人口統計データのレコード）と、関連データ記憶部１４０に記憶されている関連データとの相関を分析する（ステップＳ９０７）。

最後に、データ分析処理部１１０は、図７のステップＳ１２３と同様に、分析結果データを作成する（ステップＳ９０８）。

（フローチャート（その５））
データ分析処理部１１０は、関連データ記憶部１４０に記憶されている人口統計データの「人数」を分析対象組として、当月における地域全体の人口（人数）と、前年同月における地域全体の人口（人数）とから、当月における地域全体の人数に特異点が存在するか否かを分析する（ステップＳ１００１）。

そして、当月における地域全体の人数に特異点が存在する場合（ステップＳ１００２でＹＥＳ）、データ分析処理部１１０は、当月における地域全体の人数の特異点に応じた文字列（例えば、「対前年同月比で、地域全体の人数が増えています。」又は「対前年同月比で、地域全体の人数が減っています。」等）を出力文字列に追加する（ステップＳ１００３）。

次に、データ分析処理部１１０は、図７のステップＳ１２２と同様に、特異点が存在するレコード（この場合、人口統計データのレコード）と、関連データ記憶部１４０に記憶されている関連データとの相関を分析する（ステップＳ１００４）。

一方で、当月における地域全体の人数に特異点が存在しない場合（ステップＳ１００２でＮＯ）、データ分析処理部１１０は、特異点なしを表す文字列を出力文字列に追加する（ステップＳ１００５）。この場合は、全体傾向把握のデータ分析のシナリオでは特異点を見つけられなかったためである。

最後に、データ分析処理部１１０は、図７のステップＳ１２３と同様に、分析結果データを作成する（ステップＳ１００６）。

［分析結果レポート］
次に、レポート表示処理部１２０によってレポート表示端末３０に表示される分析結果レポートについて説明する。これらの分析結果レポートは、分析結果データ記憶部１５０に記憶されている分析結果レポートに基づいて、レポート表示処理部１２０により作成され、レポート表示端末３０に送信される。以降では、一例として、各店舗別の分析結果レポートと、全体傾向把握の分析結果レポートと、相関分析の分析結果レポートとについて説明する。

（分析結果レポート（各店舗別））
図１７Ａ及び図１７Ｂに各店舗別の分析結果レポート１０００を示す。図１７Ａ及び図１７Ｂに示す分析結果レポート１０００は、例えば、それぞれ、分析結果レポート１０００の１ページ目の画面と２ページ目の画面である。

分析結果レポート１０００には、例えば、「１．レポート対象」欄１１００と「２．結論」欄１２００と「３．詳細」欄１３００と「４．フロー概略図」欄１４００とが含まれる。「１．レポート対象」欄１１００には、分析対象のデータ（例えば、購買データ）を含む比較対象対を特定するための情報が表示される。「２．結論」欄１２００には、データ分析の結果（例えば、売上の分析結果）が表示される。ここで、「２．結論」欄１２００には、出力文字列１２０１～１２０３等が表示される。これらの出力文字列１２０１～１２０３等は、特異点に応じた文字列であり、該当の属性が特異点となった原因（要因）を表すものである。シナリオとしてデータ分析のフローを予め定義することにより、これらの出力文字列も当該フローの各分析での特異点に応じて予め定義することができる。ユーザは、これらの出力文字列１２０１～１２０３等を参考にすることで、データ分析結果の理由を知ることができるため、その解釈を容易に行うことが可能となり、ビジネス上の効果的な課題解決を行うことが可能となる。

また、「３．詳細」欄１３００には、上記の「２．結論」欄１２００に表示されたデータ分析結果の詳細な情報が表示される。この「３．詳細」欄１３００には、例えば、特異点が存在すると分析された分析対象組のデータ分析結果と、その出力文字列１３０１～１３０２等とが表示される。これらの出力文字列１３０１～１３０２等を参考にすることで、上述したように、ユーザは、ビジネス上の効果的な課題解決を行うことが可能となる。

更に、「４．フロー概略図」欄１４００には、データ分析が行われたフローが可視化されて表示される。図１７Ｂに示す例では、フロー１ａに従ってデータ分析が行われたことが表示されている。このフロー概略図を参照することで、ユーザは、どのようなデータ分析が行われたのかを知ることができる。

なお、分析結果レポート１０００には表示切替タブ１００１も含まれており、各店舗別の分析結果レポートと、全体傾向把握の分析結果レポートと、相関分析の分析結果レポートとの表示を相互に切り替えることができる。

（分析結果レポート（全体傾向把握））
図１８Ａ及び図１８Ｂに全体傾向把握の分析結果レポート２０００を示す。図１８Ａ及び図１８Ｂに示す分析結果レポート２０００は、例えば、分析結果レポート２０００の１ページ目の画面と２ページ目の画面である。

分析結果レポート２０００には、例えば、「１．レポート対象」欄２１００と「２．結論」欄２２００と「３．詳細」欄２３００と「４．フロー概略図」欄２４００とが含まれる。「１．レポート対象」欄２１００には、分析対象のデータ（例えば、全店購買データ）を含む比較対象対を特定するための情報が表示される。「２．結論」欄２２００には、データ分析の結果（例えば、売上の分析結果）が表示される。ここで、「２．結論」欄２２００には、出力文字列２２０１～２２０２等が表示される。これらの出力文字列２２０１～２２０２等は、特異点に応じた文字列である。ユーザは、これらの出力文字列２２０１～２２０２等を参考にすることで、データ分析結果の理由を知ることができるため、その釈を容易に行うことが可能となり、ビジネス上の効果的な課題解決を行うことが可能となる。

また、「３．詳細」欄２３００には、上記の「２．結論」欄２２００に表示されたデータ分析結果の詳細な情報が表示される。この「３．詳細」欄２３００には、例えば、特異点が存在すると分析された分析対象組のデータ分析結果と、その出力文字列２３０１～２３０２等とが表示される。これらの出力文字列２３０１～２３０２等を参考にすることで、上述したように、ユーザは、ビジネス上の効果的な課題解決を行うことが可能となる。

更に、「４．フロー概略図」欄２４００には、データ分析が行われたフローが可視化されて表示される。図１７Ｂに示す例では、フロー１ｂに従ってデータ分析が行われたことが表示されている。このフロー概略図を参照することで、ユーザは、どのようなデータ分析が行われたのかを知ることができる。

なお、分析結果レポート２０００には表示切替タブ２００１も含まれており、各店舗別の分析結果レポートと、全体傾向把握の分析結果レポートと、相関分析の分析結果レポートとの表示を相互に切り替えることができる。

（分析結果レポート（相関分析））
図１９に相関分析の分析結果レポート３０００を示す。分析結果レポート３００には、例えば、「１．レポート対象」欄３１００と「２．相関モデル」欄３２００と「３．参考情報」欄４３００とが含まれる。「１．レポート対象」欄３１００には、分析対象のデータと、分析対象となった属性（つまり、特異点が存在すると分析された属性）とを特定するための情報が表示される。「２．相関モデル」欄３２００には、分析対象のデータと関連データとの間の相関方向性（つまり、正又は負のいずれの相関があるか）と、その重要性とが表示される。なお、重要性とは、例えば、相関係数の絶対値の大きさによって決定される。「３．参考情報」欄４３００には、分析対象のデータと関連データとの相関係数の値がマトリックス形式で表示される。相関分析の結果を参考にすることで、ユーザは、特異点と関連のある要素（例えば、イベントや出来事、事柄等）を知ることができ、ビジネス上の効果的な課題解決を行うことが可能となる。

なお、分析結果レポート３０００には表示切替タブ３００１も含まれており、各店舗別の分析結果レポートと、全体傾向把握の分析結果レポートと、相関分析の分析結果レポートとの表示を相互に切り替えることができる。

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。

１ データ分析システム
１０ データ分析装置
２０ 店舗端末
３０ レポート表示端末
４０ 人口統計管理サーバ
１１０ データ分析処理部
１２０ レポート表示処理部
１３０ 購買データ記憶部
１４０ 関連データ記憶部
１５０ 分析結果データ記憶部

Claims (8)

1. 複数の属性が含まれるデータを分析する分析装置であって、
   分析対象のデータと比較対象のデータとの間で、シナリオとして予め定義されたフローに従って、前記フローに定義された１つ以上の属性の組み合わせにおいて前記分析対象のデータが前記比較対象のデータよりも特異な値を取るか否かを、前記フローに定義された分析順に分析する第１の分析手段と、
   前記第１の分析手段によって前記特異な値を取ると分析された場合、前記特異な値を取ると分析された属性に応じて、前記属性の名称と前記属性で特異な値が生じた原因とを表す文字列を、前記分析の結果が表示されるレポートに含まれる文字列とする第２の分析手段と、
   を有し、
   前記文字列は、前記フローに定義された分析順の各分析で予め定義された文字列である、ことを特徴とする分析装置。
2. 前記シナリオでは、前記１つ以上の属性の組み合わせ数が多いほどフローの優先順位が高くなるように複数のフローが定義されており、
   前記フローでは、データ分析の粒度が順に細かくなるように、前記１つ以上の属性の組み合わせの分析順が定義されており、
   前記第１の分析手段は、
   前記優先順位が高い順に、前記フローに従って、前記フローに定義された１つ以上の属性の組み合わせにおいて前記分析対象のデータが前記比較対象のデータよりも特異な値を取るか否かを、前記フローに定義された分析順に分析する、ことを特徴とする請求項１に記載の分析装置。
3. 前記シナリオでは、
   売上に関連する情報を表す第１の属性と、商品を購入するターゲットを表す第２の属性と、商品の情報を表す第３の属性との組み合わせにおいて前記分析を行うための第１のフロー、
   前記第１の属性と、前記第２の属性との組み合わせにおいて前記分析を行うための第２のフロー、
   前記第１の属性と、前記第３の属性との組み合わせにおいて前記分析を行うための第３のフロー、
   及び、前記第１の属性において前記分析を行うための第４のフロー、の順に前記優先順位が高くなるようにフローが定義されている、ことを特徴とする請求項２に記載の分析装置。
4. 前記第１の分析手段による分析結果と、前記第２の分析手段により前記レポートに含まれるとされた文字列とを対応付けた前記レポートを、前記分析装置と接続される表示装置に表示させる表示手段を有する、ことを特徴とする請求項１乃至３の何れか一項に記載の分析装置。
5. 前記レポートには、前記シナリオとして予め定義された１つ以上のフローのうちのいずれのフローに従って前記分析が行われたかを表す流れ図が更に含まれる、ことを特徴とする請求項４に記載の分析装置。
6. 複数の属性が含まれるデータを分析する分析システムであって、
   分析対象のデータと比較対象のデータとの間で、シナリオとして予め定義されたフローに従って、前記フローに定義された１つ以上の属性の組み合わせにおいて前記分析対象のデータが前記比較対象のデータよりも特異な値を取るか否かを、前記フローに定義された分析順に分析する第１の分析手段と、
   前記第１の分析手段によって前記特異な値を取ると分析された場合、前記特異な値を取ると分析された属性に応じて、前記属性の名称と前記属性で特異な値が生じた原因とを表す文字列を、前記分析の結果が表示されるレポートに含まれる文字列とする第２の分析手段と、
   を有し、
   前記文字列は、前記フローに定義された分析順の各分析で予め定義された文字列である、ことを特徴とする分析システム。
7. 複数の属性が含まれるデータを分析するコンピュータが、
   分析対象のデータと比較対象のデータとの間で、シナリオとして予め定義されたフローに従って、前記フローに定義された１つ以上の属性の組み合わせにおいて前記分析対象のデータが前記比較対象のデータよりも特異な値を取るか否かを、前記フローに定義された分析順に分析する第１の分析手順と、
   前記第１の分析手順で前記特異な値を取ると分析された場合、前記特異な値を取ると分析された属性に応じて、前記属性の名称と前記属性で特異な値が生じた原因とを表す文字列を、前記分析の結果が表示されるレポートに含まれる文字列とする第２の分析手順と、
   を実行し、
   前記文字列は、前記フローに定義された分析順の各分析で予め定義された文字列である、ことを特徴とする分析方法。
8. コンピュータを、請求項１乃至５の何れか一項に記載の分析装置における各手段として機能させるためのプログラム。

Images