Skill.md検索

関心から分析テーマを引き出す: 「何となく気になる」という漠然とした関心を、実現可能な分析テーマへと段階的に具体化させます。新しいニュース・社会問題・日常の疑問から出発できます。 リサーチクエスチョンを言語化: 「何を分析するか」を曖昧なまま進めず、「[対象]において[変数A]と[変数B]の関係は？」という答えが出る形の問いに落とし込みます。 仮説と調査設計を事前登録: 単なる探索的分析でなく、「何を見るか」「検定する場合の仮説は何か」をあらかじめ決めることで、HARKing（結果を見てから仮説をつける弊害）やp-hackingを防ぎます。 使用データとドメインを提案: リサーチクエスチョンが決まったら、適切なオープンデータ（e-Stat、気象庁、OECDなど）とドメイン分類を提案します。 分析設計書をまとめる: 最終的に /analysis コマンドで実行可能な状態まで、RQ・仮説・対象期間・使用データ・アプローチをまとめた設計書を作成します。 データ分析初心者: 「何を分析したいか決まっていない」という状態から、相談しながら分析テーマを決めたい人 分析の質を高めたい人: HARKingやp-hackingのリスクを回避し、事前登録に基づいた堅牢な分析設計をしたい人 データサイエンス学習者: 手法ありきではなく、テーマからアプローチを選ぶという正しい分析の進め方を学びたい人 市場分析・ビジネスリサーチの担当者: 社内の「何か面白いデータはないか」という漠然とした質問を、実行可能な分析企画に変換したい人 対話型の設計プロセス: 関心探索（最近のニュース・社会問題・日常の疑問から動機を引き出す）→ テーマ具体化（「何が知りたいのか」を記述・比較・予測・因果に分類し、対象と規模を絞る）→ 分析タイプ判定（EDA中心か、検定・モデリング中心か）→ RQ言語化（「[対象]において[変数A]は[変数B]とどのような関係があるか」の形式）→ ドメイン・データ検討（オープンデータの取得可能性・粒度・期間を確認）→ 分析設計書の作成。一度に複数質問を投げず、1ターンに1〜2問で対話します。EDAの場合は分析軸を事前登録し、検定・モデリングの場合は仮説・有意水準・評価指標を事前登録することでHARKing・p-hacking を防止します。