分析原因和结果的“多变量解析”
在高速PDCA的运行中，具体该如何处理数值呢？
有三个使用数字的场景：第一个是目标设定，第二个是验证，第三个是过程的可视化。
如果把这三个场景全部用数字管理起来，以高速PDCA工作法惊人的速度反复运行，就一定能得到确实的结果。
关于第一个目标的设定，已经说过了。关于第二个验证，第三个进程的可视化，有以下两个技巧：
①多变量解析；
②T字账目。
可能这些说法听起来比较陌生，不过，在实际使用中只要有一页Excel就能很容易地实现了。
首先，从“多变量解析”开始谈起。
多变量解析，是“从多个变量中查明其关联性的统计方法”。
最为典型的案例就是分析冰淇淋的销售事例。
影响冰淇淋销量的主要原因，有很多都是可以纳入考虑范围的。如商品的价格和种类、每个的份量、当天的气温和湿度、月份或者星期、那个区域的流动量等，销售数量随不同变量而变化。
例如，在某家便利店，气温的变化对冰淇淋的销售额产生了这样的影响：
“气温超过22度的话，每上升1度，冰淇淋的销售数量就会翻倍。但是，气温超过30度的话，冰淇淋的销售额会减半，刨冰的销售额会增加3成。”
像这样，了解每个因素是如何联系在一起的，就是多变量解析。
当我们专注于开拓“Yahoo！BB”的新客户时，孙社长下达了使用多变量解析彻底分析数字的指示。
“根据场所不同销售额会有多少差别呢？”
“晴天、阴天、雨天，销售额会有多少不同呢？”
“新人兼职和有经验的员工，销售额有多少差别呢？”
“工作日和休息日销售额有多大不同呢？”
像这样，对所有变量进行分析。
具体的分析需使用Excel。为了在这里简单地说明，我用单回归分析法进行表述。
例如，设想在一家手机的经销店，让我们看一看某个手机经销店一天的流动顾客数和订单获得件数的关系。
首先，用Excel创建图表。在图表中输入数字，然后从图表中选择散布图的选项。
于是，我们把一天的流动人数和订单获得件数的关系做成了图表。
接下来按图表工具的“布局”→“近似曲线”→“线形近似曲线”顺序单击。这项工作所画的线条，表示一天内流动人数和订单获得件数的关系的单回归数分析直线。
然后检查此直线是否表示正确的数字。
检验的操作方法是，首先双击刚才形成的那条近似曲线，于是，近似曲线的格式设定的画面就会弹出，在“近似曲线的选项”中勾选“显示图表的算术公式”和“显示图表的R-2乘值”来检查。(https://www.daowen.com)
R-2乘值，就是一次函数的直线表示符合“y=0.4647x+57.603”的数值，这个叫做“决定系数”。可以认为，这个决定系数越接近1，实际越符合分布，0.5以上的话精度就很高。
这次测定的情况因为其结果是0.87，可以说是相当可靠的回归分析。
这样回归分析就完成了，很简单吧！多亏了Excel，省去了麻烦的计算工作。
顺带一提，如果决定系数在0.5以下，可能与自己设想到的其他影响要素有关。这种情况下，试着考虑下是否还有其他要素，再用别的数值重新计算一下。
如果能使用这种多变量解析的话，会有什么变化吗？
无论是谁，都能引导自己向更好的方向去思考改善的解决方法。
例如，某销售店的销售额比平时差的情况。
“今天的销售额还差得远呢，可能是天气不好的缘故吧。不，今天兼职的人请假了，可能就是因为这个原因。不，不，好像是邻街有活动，所以也许那边人流量很大。”
店长虽然想了那么多，但确切的原因还是不知道。所以当然也就不知道数字背后的原因了。
想要改变现状，于是采取了改进措施：考虑到“最近兼职的人员经常请假，那就招聘新人吧”。虽然实行了改善策略，但是销售额却再次下降了。
那么，试着用多变量解析分析相同事例。
“新人兼职和有经验的员工，销售额有多少差别呢？”
通过测定这个结果，知道了下面的事实：
“录用后一个月内的新人兼职人数超过30%，一天的销售额将下降20%。”
这样就明确地知道了“销售员的经验”的变量和一日销售额的关联性。
如果了解这一关系，就能知道下一步该怎么做了。
没错，减少新人的比例就可以了。刚才店长思考的“招聘新人吧”，是多么不切实际的改善措施！
“为了减少新人的比例，必须让他们长时间工作。怎样才能降低离职率呢？”
到这里，接下来是如何改善的阶段。
要不要让新人的研修更加充实，要不要指定一些专门的老员工来指导兼职的新人呢？
或者向公司提议，设立在新人遇到困难时能咨询的电话窗口……
这样的改善方法应该会一个接一个地浮现在脑海里。
根据逻辑来寻找改善对策，乍一看可能觉得很难，但那是因为没有运用数字来管理事物。
如果运用数字来管理，谁都可以找到正确的改进方法。
软银的干部，被孙社长指示要学习多变量分析。
我为此做了一些研究，也听过专家的讲座。现在，我们开展面向普通员工的研究，建议每个人都学习一下多变量分析。