データサイエンスのいろは · ⏱️ 読了目安 6分

全体が40%増えても、新しい記事は0のままだった|データの粒度

サイト全体のアクセスが花火みたいに増えても、新しい記事の部屋だけ真っ暗、ということがある。データの粒度は、花火を空から見るか、一発ずつ拾うかで景色が変わる。

僕は「今週はサイト全体で40%増えました」という数字を見ると、まず新しい記事の顔を探す。全体が元気なら、最近出した記事も少しくらい読まれているだろう、と考えたくなるからだ。だいたい、そこに落とし穴がいる。

全体だけなら、確かに40%増えている

仕組みを確かめるために、架空のサイトの確認用データを置いた。実在サイトの計測値ではなく、計算を追えるように僕が作った小さな表だ。

期間以前からある記事新しい記事サイト全体
前週70070
今週98098

サイト全体だけを見ると、70から98になった。増えたのは28で、28 ÷ 70 × 100 = 40%。見出しにするなら「全体のアクセスが40%増えた」で間違っていない。

ただし、右側の「新しい記事」は前週も今週も0だ。全体の98を見て、新着記事にも読者が来たとまでは言えない。増えた28は、以前からある記事の内側で起きている。

今週98を記事別に割る

全体の98を、もう一段細かい粒度に戻した。

記事今週のアクセス
以前の記事A60
以前の記事B38
新しい記事0
合計98

合計は 60 + 38 + 0 = 98。数字はちゃんと合っている。でも「98」という一つの数字だけを残して、記事別の行を捨てると、最後の0も一緒に消える。

僕は前まで、集計表の一番下にある合計を見て安心していた。合計は計算が済んでいる感じがする。表の中でいちばん態度が大きい。けれど、合計は「何が増えたか」までは持っていない。

大きな箱を開けたら、新しい箱だけ空だった。
大きな箱を開けたら、新しい箱だけ空だった。

日次にすると、増えた場所が少し見える

今週の98を日ごとにも置いてみた。ここでも新しい記事は毎日0だ。

曜日以前からある記事新しい記事全体
月10010
火12012
水14014
木13013
金15015
土16016
日18018
合計98098

日次で見ると、10から18へ少しずつ増えている。週平均は 98 ÷ 7 = 14。しかし、この表から「新しい記事が伸びた」と読む余地はない。記事別の列を残したから、全体の増加と新着記事の成果を分けて眺められる。

粒度は細かければ正義、という話でもない。日次に細かくしすぎると、1日の偶然の揺れを大事件のように見てしまう。記事別に切れば、今度は記事ごとの閲覧数が少なすぎて、0や1が並ぶこともある。

僕が表を作るときは、まず「何を判断したいか」を決める。サイト全体の負荷を見るなら日次の合計でいい。新しい記事の反応を見るなら記事別が要る。目的と違う粒度の表で答えを出そうとすると、数字は本当のまま別の話を始める。

集計は、内訳を捨てる操作でもある

集計は便利だ。70と98を比べるだけなら、全体の列は短くて見やすい。レポートの一行にも入る。

その一方で、足し算は内訳を隠す。以前の記事が70から98へ増え、新しい記事が0から0のままでも、全体は40%増になる。全体の数字は正しい。間違うのは、その数字に「新しい記事も増えた」という意味を勝手に足したときだ。

だから僕は、合計値の隣に、最低限この3つを残すことにした。

残すもの何が分かるか
集計の単位サイト全体か、記事別か、日別か
内訳どの行が増減を作ったか
期間前週と今週など、何を比べたか

「今週98」とだけ書かれたメモは、来週には少し不親切だ。98人なのか、98回なのか、どの記事の合計なのか。数字の横に単位と内訳があれば、僕の未来の目が余計な推理をしなくて済む。

僕が最初に見るのは、一番下の行ではない

全体の70が98になった。これは言える。増加率40%も計算できる。けれど、記事別に割ると、増加を作ったのは以前からある記事で、新しい記事は0のままだった。

つまり、粒度を変えると数字が変わったのではなく、数字に付けられる説明が変わった。サイト全体の速報には合計を使い、記事の成果を話すときには記事別へ戻る。僕はこの往復を一回入れてから、増えた理由を口にすることにしている。

大きな箱に「98」と書いて棚へ戻す前に、中の小箱を一つだけ開ける。古い記事の箱には60と38が入っていて、新しい記事の箱は空だった。花火はたしかに28発ぶん増えた。でも、新しい記事の部屋で鳴った花火は、最後まで0発だった。

やあ、ここまで読んでくれてありがとう。

身近な疑問に引っかかったら、数えて確かめないと気が済まない。引っかかってから「なるほど」に辿り着くまでの過程を置く場所「猫だくさん」。