1章

紹介する手法

A/Bテスト

DID：Difference in Differences

RDD：Regression Discontinuity Design

「A/Bテスト」と「DID と RDD」の２つに分類できる

A/Bテスト

分析のためのフレームワーク

ランダムな2群を作成しデータを収集・分析する。

分析に都合のよいデータを作り出すため、意思決定に繋がる分析結果を出しやすい

一方で、時間や予算などのコストが高い

ある程度の信頼性を担保した A/B テストに必要な分析コストは、多くの分析者が見積もる以上に高くつく

様々な手法があるが、一番ましな手法になる。

DID と RDD

データに含まれる一定の特徴を用いて分析する手法

すでに収集されたデータ（観測データ）を分析する。

A/Bテストのような意図的な施策実施を伴わない収集済みのデータのことを観測データと呼び、DID と RDD はこの観測データを用いて分析する

手法が適応可能な場合、A/Bテストに比べコストがかからない。

一方で、施策効果検証における観察データ分析には仮定が多いため、バイアスのない結果が得られたかどうか判断するのが難しい

観察データの分析である程度の信頼性を担保しようと思えば、分析コストが高くなる

これらの効果検証の手法は意思決定を目的として用いられる

また、意思決定のための探索的分析を目的として用いられる

意思決定は、ビジネスにおける施策の可否を決定する、などの決断を要する重要なイベントを指す

探索的分析は、新たな知見を見つけるため、仮説を立て、その妥当性を検証し、不適切であれば新たな仮説を立てて再度検証する、というプロセスを指す

要は、業務データを集計して、平均や分散といった記述統計を見ながらあれこれ考える、ということ

意思決定に繋がる試行になる

より良い意思決定に繋げると言う付加価値を創るために、構造的問題の解決にリソースを割くと良い。