平成 30 年度ビッグデータを活用した商業動態統計調査の

実施・結果検証及び新指標開発事業

報告書

平成 31 年 3 月

ジーエフケーマーケティングサービスジャパン株式会社

目次

第 1 章 ..................................................................................................................................................... 1

はじめに ..................................................................................................................................... 1

1.1 背景 ............................................................................................................................................ 1

1.2 事業概要 ..................................................................................................................................... 1

第 2 章 試験調査パート ......................................................................................................................... 3

ビッグデータを活用した商業動態統計調査の実施 ....................................................................... 3

1.1 試験調査の目的 ........................................................................................................................... 3

1.2 試験調査の概要 ........................................................................................................................... 3

1.3 セキュリティ対策 ....................................................................................................................... 4

1.4 事務局の設置 .............................................................................................................................. 5

1.5 報告者への協力依頼 .................................................................................................................... 5

1.6 POS 等ビッグデータ受信システム .............................................................................................. 7

1.7 調査票作成システム .................................................................................................................... 8

1.8 督促・受信データの審査 ........................................................................................................... 12

1.9 疑義照会 ................................................................................................................................... 15

1.10 調査票の報告者確 ..................................................................................................................... 15

1.11 問い合わせ対応 ......................................................................................................................... 17

1.12 集計・分析システム .................................................................................................................. 17

1.13 個票抽出・集計結果表出力システム ......................................................................................... 17

1.14 集計・分析結果 ......................................................................................................................... 20

ビッグデータを活用した商業動態統計調査結果、及び統計調査業務の検証 .............................. 25

2.1 調査票回収数の差 ..................................................................................................................... 25

2.2 商業動態統計（丁２調査）と試験調査の集計結果の差異分析 ................................................... 25

2.3 集計結果における差異 .............................................................................................................. 26

2.4 差異の発生要因 ......................................................................................................................... 28

2.5 差異縮小に向けての対策 ........................................................................................................... 36

2.6 試験調査における統計調査業務の検証 ...................................................................................... 39

2.7 報告者へのヒアリング .............................................................................................................. 43

試験調査の総括 ......................................................................................................................... 45

3.1 POS 等ビッグデータによる商業動態統計（丁２調査）代替の可能性 ........................................ 45

3.2 今後に向けて ............................................................................................................................ 46

別添資料 ................................................................................................................................... 46

第 3 章 調査・研究パート .................................................................................................................... 57

はじめに ................................................................................................................................... 57

包括的調査の実施と有識者委員会の設置 ................................................................................... 59

2.1 本事業における包括的調査の実施と有識者委員会の設置について ............................................ 59

2.2 包括的調査の概要 ..................................................................................................................... 60

2.3 有識者委員会開催概要 .............................................................................................................. 61

2.4 有識者委員の選定 ..................................................................................................................... 61

2.5 第１回有識者委員会の概要 ....................................................................................................... 62

2.6 ワーキンググループ「デジタル技術を活用した公的統計開発のための基盤整備ワーキンググル

ープ」の概要 ......................................................................................................................................... 64

2.7 第２回有識者委員会の概要 ....................................................................................................... 67

2.8 第３回有識者委員会の概要 ....................................................................................................... 70

公的統計へのビッグデータの活用についての調査報告 .............................................................. 74

3.1 はじめに ................................................................................................................................... 74

3.2 訪問目的と訪問先について ....................................................................................................... 78

3.3 ビッグデータとテクノロジーを活用した新指標の開発例 .......................................................... 79

3.4 民間ビッグデータのみを用いた公的統計作成の実施状況 .......................................................... 85

3.5 人材育成についての取組み事例 ................................................................................................ 86

3.6 統計作成現場の体制への取組みについて................................................................................... 88

3.7 調査結果の公表、広報の工夫について ...................................................................................... 89

3.8 まとめと今後の展望 .................................................................................................................. 91

ビッグデータを活用した新指標開発及び新たなデータソースの活用可能性 ............................ 101

4.1 新たな経済指標開発について .................................................................................................. 101

新指標開発 .............................................................................................................................. 102

5.1 新指標開発 ヘルスケア産業 .................................................................................................. 102

5.2 分析対象データ ....................................................................................................................... 103

5.3 ヘルスケア販売金額指数 ......................................................................................................... 103

5.4 新指標開発 視力矯正器具 ..................................................................................................... 104

5.5 ヘルスケア家電 ....................................................................................................................... 117

5.6 新指標開発 スポーツパート .................................................................................................. 127

5.7 家電総需要指標 ....................................................................................................................... 144

5.8 総括 ........................................................................................................................................ 145

成果の取りまとめ・普及活動について .................................................................................... 148

6.1 成果の取りまとめ・普及活動の概要 ....................................................................................... 148

6.2 データビジュアライゼーションについて................................................................................. 148

6.3 セルフ BI ツールによる成果の公表について ........................................................................... 149

6.4 ポータルサイトによる成果の公表について ............................................................................. 150

6.5 成果の取りまとめ・普及活動の課題と今後の展望について ..................................................... 152

1

第 1 章

はじめに

1.1 背景

公的統計の精度向上が求められる一方で、家計においては、個人情報等に関するプライバシー意

識の高まり、企業においては、情報管理意識の高まり、企業形態の多様化等、統計調査環境はます

ます悪化。このような統計調査を取り巻く環境の中、データソース（情報源）を家計・企業からの

報告に依存した従来の統計調査方法だけでは、公的統計の質を維持することが困難になっている。

今後、限られた統計職員・事業予算といった統計リソースで現状の統計精度を維持し、さらに向

上させていくためには、こうした従来からの統計調査方法だけではなく、行政記録情報やビッグデ

ータなど、様々なデータソースを公的統計の補完や補正に活用する等、これまでの公的統計の枠組

みを変えていくことが必要である。

また、将来の更なる統計リソース不足に備え、従前の統計調査手法にとらわれず、報告者が保有

するビッグデータ（ＰＯＳ等販売データ）、並びに民間事業者が保有する商品マスター、サーバ

ー・人的リソース、ノウハウ等を最大限に活用し、①報告者における負担の「軽減化」の他、②政

府における統計業務の「効率化」、公表の「早期化」、③景気動向把握の向上に資するため把握内容

の「詳細化」を実現する新たな統計調査手法の構築を早急に行う必要がある。

1.2 事業概要

本事業では、「民間企業が保有する POS 等ビッグデータ1」を活用するといった新たな調査手

法」を取り入れた「ビッグデータを活用した商業動態統計調査（試験調査：家電大型専門店分

野）」を総務大臣の承認を得て、一般統計として実施することを通じ、調査結果及び統計調査業務

の検証を行い、「報告者負担の軽減化」、「統計調査業務の効率化」、「公表の早期化」の他、「景気動

向把握の向上に資するための把握内容の詳細化」等の実現可能性の精査に必要な基礎資料を得るこ

と、及び既存の政府統計ではとらえることのできない経済活動の実態等を把握するため、民間企業

が保有するビッグデータ、行政機関が保有する行政記録情報等を活用した新たな経済指標の開発と

その可能性について調査研究を実施することを目的としている。

事業はそれぞれの実施内容の性格の違いから、（表 1）のとおりビッグデータを活用した商業動

態統計調査に関連するパート（試験調査パート）とビッグデータを活用した新たな経済指標開発と

その可能性に関する有識者委員会の運営及び包括的調査事業等の実施（調査・研究パート）の大き

1 「POS 等ビッグデータ」とは、POS データ、e コマースデータ、店舗マスター等を指す

2

く２つのパートに分けて実施した。なお、本事業で実施する一般統計調査の名称は「ビッグデータ

を活用した商業動態統計調査（試験調査：家電大型専門店分野）」である。以後、特段の記載がな

い限り、「ビッグデータを活用した商業動態統計調査（試験調査：家電大型専門店分野）」2を「試

験調査」と記載する。

（表1） 事業パートと実施内容

項目 試験調査パート 調査・研究パート

目的

ビッグデータによる一般統計調査を

実施し、「報告者負担の軽減化」、「統

計調査業務の効率化」、「公表の早期

化」の他、「景気動向把握の向上に資

するための把握内容の詳細化」等の

実現可能性の精査に必要な基礎資料

を得る。

ビッグデータを利活用した新たな政

府統計の可能性を模索すること。

実施内容

ビッグデータを活用した商業動態統

計調査の実施、調査結果及び統計調

査事務の検証。

ビッグデータ等を活用した新たな経

済指標開発とその可能性に関する有

識者委員会の運営、及び包括的調査

事業等の実施。

成果のとりまとめ、及び普及。

実施内容の詳細

商業動態統計調査の丁２調査（家電

大型専門店）について、ＰＯＳ等ビ

ッグデータを活用した商業動態統計

調査を実施

民間企業が保有するビッグデータや

政府統計、行政記録情報等を使用し

た新たな経済指標開発の可能性を研

究。

POS データによる調査と従来の調査

票による調査の課題把握並びに結果

の検証。

ビッグデータの利活用に向けた包括

的調査を実施。国内外で政府統計へ

ビッグデータを活用した事例を調査

し、基盤整備に向けた課題抽出等を

行う。

統計調査を POS データで実施する上

でのデータ収集から公表までのプロ

セスを検証。

試験調査の実施結果や調査・研究に

係る有識者委員会を開催。

既存の調査手法との相違点について

検証し、POS を利用することによる

優位点や改善点を把握。

継続した統計調査実施に向けたロー

ドマップを策定。

試験調査の実施結果や調査・研究結

果をインターネットにて公表する。

2 本報告書に別添の調査全文参照

3

第 2 章 試験調査パート

ビッグデータを活用した商業動態統計調査の実施

1.1 試験調査の目的

「商業動態統計調査」（基幹統計調査）の丁２調査（家電大型専門店分野）において、POS 等ビ

ッグデータを活用するといった新たな調査方法の採用とその調査事務について実地の検討を行い、

「報告者負担の軽減化」、「統計調査業務の効率化」、「公表の早期化」の他、「景気動向把握の向上

に資するための把握内容の詳細化」等の実現可能性の精査に必要な基礎資料を得ることを目的とし

ている。そのため、経済産業省より総務省へ統計調査実施に係る申請を実施、総務大臣の承認を得

た上で一般統計調査として POS 等ビッグデータを活用した試験調査を実施した。集計範囲、母集

団等の概要については後述するが、商業動態統計（丁２調査）の代替を目指し、調査定義を同じく

して実施した。3

1.2 試験調査の概要

本事業における試験調査では報告を求める者の選定において、「商業動態統計調査」丁２調査対

象名簿を母集団名簿として使用しており、同調査の報告対象者と同様である。報告対象者はジーエ

フケーマーケティングサービスジャパン株式会社（以下 GfK）と接続されたオンライン回線を通

じ、本試験調査の報告対象となる商品分類の販売金額及び報告に必要な POS 等ビッグデータを、

調査期間中日次で GfK に送信する。GfK は試験調査の調査計画書で例示された商品分類を元に、

報告者より送信された POS 等ビッグデータを日別、企業別、及び店舗別もしくは都道府県別に集

計し、調査票情報として作成する。作成後、確認のため報告者に調査票情報を返送し、報告者に確

認を依頼する。報告者確認後の調査票情報を国に提出する。調査実施のスキームは（図 1）のとお

り。なお、調査の範囲、期間、方法等を記載した調査全文は経済産業省のホームページに掲載され

ている。

3 本報告書に別添の調査全文を参照

4

（図1） 試験調査のスキーム

・調査の周期 ： 毎日

・調査実施期間 ： 平成 30 年 7 月 2 日～平成 30 年 12 月 31 日

・調査票の提出期限 ： 調査期日（基準となる期日）の翌日

1.3 セキュリティ対策

本試験調査に係る業務の実施にあたり、調査対象名簿、POS 等ビッグデータ、調査票情報等の

電子データ等、報告対象者の企業経営に係る重要情報を大量に取り扱うため、強固なセキュリティ

を確保するための「セキュリティマニュアル」を作成し、セキュリティ管理体制の構築とともに業

務実施に当たった。なお、セキュリティマニュアルの作成にあたっては、経済産業省サービス動態

統計室職員と協議の上、内容の了承を得た。セキュリティ管理体制の構築にあたっては、情報漏洩

の防止を目的とし、業務に関与するプロジェクトメンバー全員の役割・氏名を記載した実施体制図

及び業務委託先を含む履行体制図を作成し、変更が生じた場合は都度更新、経済産業省に提出を行

った。

本試験調査の業務の内、GfK の既存ビジネスにおける業務と重複する部分については、GfK セ

キュリティポリシーを遵守したうえで、プロジェクトに関与するメンバーに対し、本業務のセキュ

リティ対策を徹底するよう指導を行った。

5

1.4 事務局の設置

GfK は本試験調査の実施にあたり、GfK 内（東京都中野区本町）に事務局を設置し、報告者含

め外部からの問い合わせに対応する体制を構築した。POS 等ビッグデータの回収・整理・点検、

督促・照会及び調査票の審査・照会・修正等の業務に関しても本事業受託の期間中、事務局メンバ

ーを中心に実施した。

1.5 報告者への協力依頼

本試験調査の実施にあたり、商業動態統計調査（丁２調査）の報告対象となる全ての企業に対

し、試験調査への協力依頼を行った。具体的には、経済産業省より各企業に主旨説明及び協力依頼

を実施した後、GfK より具体的な事業内容の説明を行い、報告者社内の稟議を経て試験調査への協

力可否が判断された。結果として試験調査期間中に協力の合意に至った企業数の割合は全体の

73.9％となった（図 2）。協力の合意に至らなかった企業の主な理由としては、「協力するメリット

が明確でない」、「協力義務が無い中で対応リソースを確保するのが困難」「POS データの提供・活

用は企業戦略のためであり、統計への活用は想定してしておらず、詳細な情報が高い速報性で開示

された場合、競合他社に利用される懸念がある」等の意見があった。

（図2） 試験調査協力状況（回収率）

・販売金額ベースは 2018 年 1 月~12 月の累計

・販売金額の総計は商業動態統計（丁２）調査、調査協力企業の合計販売金額は試験調

査より算出

6

試験調査への協力依頼と同時に、調査への協力に同意した企業に対し、試験調査の集計要件を満

たすことを目的とした GfK 向け POS データ送信の仕様変更の可否についてのヒアリング及び仕様

変更の依頼を行った。報告者各企業は GfK の既存ビジネスの用途において、毎日 GfK 向けに家電

製品の販売実績を送信しているが、企業により、単品の販売実績を店舗単位でサマリーして送信し

ている企業と、都道府県単位でサマリーしている企業が存在する。商業動態調査（丁２調査）では

「フランチャイズ（以下 FC）店、他業態店」を報告の対象外としているが、試験調査の場合は一

部企業が単品販売実績を都道府県サマリーしているが故、提供を受けている「FC 店、他業態店」

の販売実績データを店舗単位で特定して集計から除外できない状態であった。試験調査では、調査

票の報告を求める事項には店舗番号があり、調査票様式も店舗番号別の金額を調査する様式となっ

ている。また、商業動態統計（丁２調査）の調査定義に沿った形での集計が求められるため、「FC

店、他業態店」を試験調査の集計対象から除外するためにも、単品の販売実績を店舗単位でサマリ

ーした状態で送信する仕様変更を対象企業に対して依頼した。この結果、試験調査期間中に店舗単

位サマリーによる提供が可能となった企業数の割合は報告者企業数全体の 30％となった。商業動

態統計調査（丁２調査）における報告者の店舗数を分母とした場合の、店舗別サマリーによる提供

が可能となった店舗の割合は 44％となっている。一方で、交渉の結果店舗別サマリーによるデー

タ提供が実現しなかった企業も存在した。当該企業において、店舗別サマリーによる POS 等ビッ

グデータの提供を見送った要因、及び懸念点と今後に向けた対応案は（表 2）のとおり。

（表2） 店舗別サマリーデータ提供における課題

要因 要因の詳細・懸念点 今後の対応案

システム開発期間

仕様変更自体には合意したが、シ

ステム部門が多くの案件を抱えて

おり、試験調査期間中の仕様変更

が実現せず。

時間的猶予と事前の交渉を周到に

行い、確実にシステム案件として

スケジュールに入れる。

情報開示ポリシー

「店舗別データの外部開示の前例

がなく、社内で慎重論が強い」

「店舗別データは社内で秘匿性が

高い情報に位置付けられている」

等。

店舗別データ提供の意義及び必要

性の明示。

セキュリティ体制の明示。

統計結果の開示範囲

粒度の細かいデータを開示するこ

とにより、政府統計の開示情報も

詳細化し、結果的に競合他社に自

社動向を察知されることに対する

懸念。

統計の開示範囲の検討。

秘匿の基準を再考

（必要に応じ報告者も含め協

議）。

7

報告者における店舗別サマリーによる POS 等ビッグデータの送信システムについては、上記の

ようにシステム開発に起因する課題、自社の情報開示や経営戦略における考え方に起因する課題等

多岐にわたり、その解決のための手段も報告者毎に検討する必要があることから、POS 等ビッグ

データによる商業動態統計（丁２調査）の代替を見据えた場合に、ボトルネックとなる可能性があ

る。同じ POS 等ビッグデータによる販売データを処理するシステムであっても、構成は各報告者

により異なる。報告者側の既存システムポリシーに沿った運用やセキュリティ水準を担保し、改変

を加える形となるため、報告者側のシステム部門の協力が必須となる。報告者側のシステム構成や

システム部門の体制、アウトソーシングする企業の状況等により、開発期間の長期化及び高い開発

費用が必要となるケースも想定される。報告者側の負担を最小限にとどめるには、開発完了を希望

する時期の少なくとも半年、又はそれ以上前から最適な開発要件について協議を開始するなどの準

備期間も必要となるであろう。GfK が経験してきた数多くの小売企業とのデータ連携に関わるシス

テム開発案件の事例から考えても、短期間且つ複数企業の足並みを揃えて POS 等ビッグデータ送

信システムの開発を行うことは容易ではないことが想像できる。

店舗別のデータを秘匿性が高い情報と位置付ける、統計調査の開示範囲に対する懸念等自社の情

報開示や経営戦略における考え方に起因する課題については、いずれも主に他のチャネル形態、例

えば GMS や e コマース専業企業等の競合他社に自社の販売動向を察知、推定されることにより、

自社の事業に不利に働くという考え方がある。統計結果が詳細化された状態で公表されれば、報告

者各企業においても活用の場面は広がると考えられるが、生き残りをかけた競争が激化している家

電販売業界においては、データの活用よりも情報の保護及び秘匿が優先と判断される場合がある。

今回の試験調査に限らず、今後 POS 等ビッグデータによる商業動態統計調査の代替を検討する場

合においては、報告者各社の調査への協力は統計調査の礎となる部分であるため、収集する情報及

び公表する統計結果の詳細度については、報告者各社の事業にマイナスの影響を及ぼさないよう十

分な事前検討・調整をしながら説得にあたる必要がある。

1.6 POS 等ビッグデータ受信システム

GfK は既存ビジネスにおいて、すでに報告者全企業とオンライン経由且つ日次で POS 等ビッグ

データの受領を行っている。そのため、今回の試験調査の実施においては、（図 3）の概要図に例

示した通信構成による、GfK の既存 POS データ受信システムを使用している。

8

（図3） POS 等ビッグデータ受信システムの概要

通信回線としては、電気通信事業者が提供する、専用通信回線及び VPN（Virtual Private

Network）化された INS 回線を使用することでセキュリティを担保している。通信手順について

は、各報告者企業と協議の上、各報告者が外部企業とのデータ連携で利用している通信手順の中か

ら、POS 等ビッグデータを GfK データセンターに送信するうえで最適なものを選択している。報

告者各社は試験調査に協力するにあたり、新たに POS 等ビッグデータを送信するための環境の構

築や回線の準備等の必要が無く、すでにセキュリティが担保された状態の既存の通信環境を使用し

て試験調査に協力することが可能であった。このことは報告者各企業の試験調査協力を決断する際

の大きな後押しとなった。また、GfK 側においても試験調査実施のための専用の POS 等ビッグデ

ータ受信システムを用意する必要は無く、試験調査における POS 等ビッグデータ受信システムの

実現・運用にあたってのコスト抑制及び時間短縮に大きく寄与したといえる。

1.7 調査票作成システム

試験調査のスキームにおける次の段では、受信した POS 等ビッグデータを元に、報告者別、販

売日別で試験調査の要件に合致した調査票を作成する必要がある。ここでは、（１）試験調査にお

ける調査票の仕様、（２）調査票作成システムの概要とプロセス、（３）店舗別データ提供報告者に

おける調査票作成プロセスの３項目について順を追って説明していく。

試験調査における調査票の仕様

今回の試験調査では、POS 等ビッグデータによる政府統計の代替の可能性を探る目的、及び

「景気動向把握の向上に資するための内容把握の詳細化」を実現するための家電製品における分類

9

別の販売動向の細分化を目的として、（表 3）（表 4）のように現行の商業動態統計（丁２調査）よ

りも一歩詳細化した調査票の作成を試みた。例えば、「台風や地震といった一時的な災害が家電の

販売に及ぼす影響」など、月次の集計結果では読み取ることが難しい事象を週次の集計で変動を明

らかにすることや、「猛暑・厳冬が季節商品の販売に与える影響」を、現行の商業動態統計の「生

活家電」という網羅的な分類定義から季節家電に細分化することにより動向を把握することを目的

としている。

（表3） 調査票の仕様

項目 商業動態統計調査 試験調査

調査の周期 毎月 毎日

商品分類数 6 分類 12 分類

地域 都道府県別 都道府県・店舗別

E コマース 無 有

集計期間のサイクル 月次／四半期／年／年度 週次／月次／四半期／年／年度

（表4） 調査票の分類

商業動態統計（丁２調査） 試験調査

AV 家電 ビジュアル家電

オーディオ家電

情報家電 情報家電本体

情報家電周辺機器

通信家電 通信家電

カメラ類 カメラ類

生活家電

家事家電

調理家電

理美容・健康関連家電

空調・季節家電

その他 住宅設備家電

消耗品・その他

10

調査票作成システムの概要とプロセス

次に、受信した POS 等ビッグデータを各報告者単位の調査票の形式に集計するプロセスについ

て言及する。現状 GfK 既存ビジネスにおいては、各報告者は POS 等ビッグデータの集計に必要な

項目を抽出し、GfK 向け通信環境が許容する形式で送信しているが、その形式は数パターン存在す

る。受信した POS 等ビッグデータは、一連の確認作業（受信した POS 等ビッグデータが適正であ

るかの確認、作業の内容については審査の項で言及する）を経た後、後続のプロセスで効率よく集

計できるよう共通のフォーマットに変換される。変換後のデータは単品単位で GfK が保有する商

品マスターと突合され（DB マッチング）、固有の商品であることが特定される。GfK 商品マスタ

ーに存在しない商品については、メーカーのホームページやプレスリリース等の公開情報及び製

造・販売元からのヒアリングを行い、商品の属性情報（フィーチャー）を付与し、新たなアイテム

として商品マスターに追加される。追加された商品マスターにより、以降同一商品の販売データは

自動で DB マッチングが行われる。

このようにして各報告者別の単品データが出来上がる。単品データに付与されている、販売日、

販売店舗コード（都道府県コード）、商品分類定義をもつ商品コードを集計のキーとして、報告者

別、販売日別、分類別、都道府県別のサマリー集計を行った。集計プロセスの概要は（図４）のと

おりである。

（図4） 調査票作成システムの概要

11

店舗別サマリーデータ提供報告者における調査票作成プロセス

報告者への協力依頼の項で言及した、店舗別サマリーで POS 等ビッグデータを提供する報告者

については、試験調査において同企業の同一 POS ネットワークで連携される全店舗の実績の提供

を受けた。ここから商業動態統計（丁２調査）の対象外店舗（FC 店、他業態店）を除外するため

のプロセスを上記の調査票作成システムに追加した。具体的なプロセスとしては、②の調査票作成

プロセスで全ての店舗に対して調査票を作成した後、別途報告者から提供を受けた店舗マスター

（FC 店、他業態店が識別可能なもの）と照合し、対象外店舗に該当する店舗の調査票を報告の対

象から除外した。（図 4）にこのプロセスを追記したものが（図 5）となる。なお、このプロセスは

今回の試験調査の要件に対応する目的で追加開発したものである。

（図5） 調査票作成システム（店舗サマリーデータ提供報告者の調査票作成）

上記（２）及び（３）のプロセスを経て作成された調査票情報は、経済産業省関係職員と GfK 関

係職員のみがアクセスできる国内に設置されたセキュアなサーバーにアップロードすることで国への

報告とした。集計開始当初は（３）のプロセスを経た調査票情報は販売日から数日遅れのアップロー

ドとなっていたが、システムのアップデートを行い、データ受領の翌日に調査票情報のアップロード

が可能となった。このシステムは試験調査において、店舗別サマリー単位で POS 等ビッグデータを

GfK に送信する企業の内、商業動態統計（丁２調査）で対象外となる店舗を除外した状態で調査票情

報を作成する目的で構築されたもので、現状の GfK 既存ビジネスにおいて常用するものではない

が、今後政府統計を POS 等ビッグデータで代替する可能性について継続検討する場合を考慮し、必

要に応じて再稼働できる状態で保存することとした。また GfK 事業において、将来的に店舗別サマ

12

リーでデータ提供を行う企業から一部の条件の店舗を除外した上で分類別及び地区別集計を行うケー

スを想定した場合のひとつの事例となったといえる。

1.8 督促・受信データの審査

報告者から受信した POS 等ビッグデータを調査票情報に集計する過程においては、受信したデ

ータが欠落や異常を含むものでない適正なものであることを確認するための審査を行う必要があ

る。試験調査における POS 等ビッグデータの審査にあたっては下記の（図６）で示した（１）か

ら（５）の手順で実施した。

（図6） 受信データ審査フロー

督促

GfK 既存業務では、1 日の中で報告者ごとにオンラインでデータを受信する（GfK 側からアク

セスしてファイルを取得する場合もある）時刻がスケジュール化されている。毎日このスケジュー

ルどおりにデータが受信できているかを GfK 担当者がモニターし、定時に着信しない場合は報告

者企業の GfK 向けデータ送信を担当する社員に連絡する。報告を受けた報告者企業の担当社員は

報告者企業のシステム部門等の窓口に対し、POS 等ビッグデータの処理状況を確認するととも

に、督促を行った。試験調査期間中 184 日間における督促回数はのべ 35 回であったが、全ての督

促が発生したケースに対し、同日中のデータ受領が完了した為、日をまたぐ遅延は発生していな

い。なお、のべ 35 回の督促の内、29 回は同一報告者企業である。通常同企業における GfK 向け

POS 等ビッグデータ送信システムには、定められた時間に送信が完了しなかった場合には即時リ

13

トライする機能が実装されているが、この機能が試験調査期間中に故障し、復旧に数ヶ月を要し

た。この期間中定時に送信が完了しなかった場合のアラートが報告者側で検知できず、報告者シス

テム担当者がデータ送信未完了に自発的に気づくより先に GfK が督促を行う形となり、督促が多

数回発生した。

受信ファイルの全量審査

各報告者から受信した POS 等ビッグデータは、最初に全量検査のプロセスを経る。受領した

ファイル内のデータレコード数及びレコード内の販売数量の総数をチェックする。GfK 既存ビジネ

スの中で蓄積された履歴と、季節・曜日等による販売ボリュームの傾向などを踏まえた閾値を設定

し、レコード数が閾値の範囲外の場合にはアラートが上がる仕組みとなっている。閾値について

は、GfK の業務の中で、各報告者の販売特性を踏まえ、随時更新を行っている。この工程で、レコ

ード数、販売数量のチェックと同時に、販売日のチェックも行われる。受信したファイル内のレコ

ードが受領予定の販売日（受領日マイナス 1 日）となっているかの確認を行った。その他、通常１

日１回のデータ受信が予定されているのに対し、複数回データを受信したケース、データのファイ

ルは受信したが、販売レコードが存在しないケースについても報告者への疑義照会の対象となる。

上記審査の結果、報告者への疑義照会が必要と判断された事象については、報告者を担当する

GfK 社員に状況の報告を行い、GfK 担当社員より各報告者に確認を行った。

受信ファイルのサマリー審査

全量審査を経たファイルは「2-5 調査票作成システム」の（２）で言及した、フォーマットの

共通化が行われる。この時点で各報告者別のファイルは GfK が規定する地区別にサマリーされて

おり、地区単位での審査が行われる。報告者×地区の単位の販売数量総数を GfK が定める閾値と

照合し、その結果が閾値の範囲外だった場合はアラートが上がる。また、この工程では、単品商品

ごとの異常販売レコード（大量の販売もしくは返品）の確認も行われる。ここでも GfK の日々の

業務の蓄積で最適化された閾値と照合を行い、閾値の範囲外となったレコードは一覧として報告者

担当の GfK 社員に報告される。

上記（１）~（３）の監視・審査のプロセスは GfK 既存業務の中で毎日実施されている。①の受

信状況の監視にて、報告者からの POS 等ビッグデータの受領遅延の連絡を受けた GfK の担当職員

は報告者企業のシステム部門等の窓口担当者に確認を行い、トラブルが発生している場合には、可

能な限り当日中のリカバリを依頼する。報告者企業の深刻なシステムトラブル等により、やむを得

14

ず当日中のリカバリ対応が不可能な場合は翌日以降の受領となるが、試験調査期間中の全日におい

て報告者企業の POS 等ビッグデータが受領予定日の翌日以降に遅延したケースは発生しなかっ

た。（２）受信ファイルの全量審査及び、（３）受信ファイルのサマリー審査にて閾値の範囲外の実

績が確認された報告者については、GfK の担当職員が報告者企業の窓口担当者に問い合わせを行

い、閾値の範囲外のレコードが適正なものかどうかを確認する。適正なデータの場合はそのまま後

続のデータ処理への移行を行い、適正でないデータが確認された場合は、報告者側に修正データの

提出を求めるか、該当部分のデータの除外を GfK 受信監視担当者に指示する。当日中に適正か否

かの判断が困難な場合は、該当レコードの後続処理への受け渡しを保留とし、確認が完了した時点

で修正が必要な場合はレコードの修正を行う。本試験調査期間内においては、全日当日中の確認及

び修正が完了している。

送信対象分類の確認

報告者から受信した POS 等ビッグデータの中に受領すべき分類の欠落が無いかの確認について

は、事前に報告者が定義する商品分類一覧の提供を受け、GfK 向け送信に指定されている分類が欠

落していないかの確認を行っている。商品分類が一定のタイミング（四半期、半期に一度）で更新

される報告者企業については、更新内容が確定した段階（適用前）で提供を受け、欠落の防止に努

めている。商品分類の更新が不定期な報告者企業については、更新内容確定の都度 GfK に連絡さ

れるよう依頼している。または物販の商品分類について、新規・更新を問わず全て送信対象に設定

されるように依頼しておくなどの工夫をして、受領すべき分類の欠落がないように努めている。確

認の結果、新規もしくは更新対象となる分類において、GfK 向け送信対象となっていない状態が確

認された場合は、速やかに送信対象への設定を依頼する。

調査票のサマリー審査

上記（１）から（４）の審査を経た、報告者別、単品別（都道府県及び店舗別サマリー）の状態

のデータを元に作成された報告者別の日別の調査票情報を、期間集計（週・月・四半期・年・年

度）、分類別集計、地区集計する段階において、日別の合算が週の値と一致するか（月・四半期・

年・年度においても同様）分類の合算が合計と一致するか、店舗の合算が都道府県、経済産業局、

全国と一致するか等の確認を行った。

15

1.9 疑義照会

前項の（２）から（４）のプロセスの結果、GfK 側で受信した POS 等ビッグデータが適正なも

のであるかを報告者に確認する作業を行ったが、これは商業動態統計（丁２調査）で行われている

疑義照会に相当する。実際に試験調査期間内に発生した照会の内容と件数の詳細については、（表

５）のとおりである。

（表5） 疑義照会の内容及び件数

審査プロセス 審査内容 のべ発生回数

受信ファイルの全量審査

データレコード数及び販売総数が適正範囲以外 ３５回

受領予定日の販売日以外のレコードの混在 ２４回

複数回のデータ受信 ３回

受信ファイル内にレコード無し ４回

受信ファイルのサマリー

審査

報告者×地区単位でチェックし、販売数量が閾

値外 該当なし

１レコードの販売数量が閾値外 １６６回

受信分類審査 分類×メーカーでチェックの結果欠落が確認さ

れた 該当なし

報告者への疑義照会の際には、審査の結果疑義照会の対象と判断された POS 等ビッグデータが

適正であるか否かの確認の他、照会の対象となった事案の要因についてもヒアリングする場合があ

る。ただし、対象の事案は報告者の個別事業の内容に関する場合もあるため、報告者個別の事業方

針や戦略等を詮索するような聞き方とならないよう配慮する必要がある。これはヒアリングの回

数、内容等を可能な限り報告者の負担にならないようにすることで、調査への継続的な協力を受け

るという点で重要である。

1.10 調査票の報告者確

試験調査のスキーム上、調査票作成システムにより作成された各報告者別の調査票情報は、作成

の都度報告者企業担当者の確認を得る必要がある。今回の試験調査において、報告者確認のプロセ

ス実施にあたっては、はじめに報告者側の確認負担が大きいと想定される店舗別サマリーにて

POS 等ビッグデータを提供している報告者企業に対して確認方法・手段を検討した。（図７）は、

報告者確認で実施したプロセスの概要である。

16

（図7） 調査票の報告者確認フロー

まず、報告者企業の内、店舗別サマリーにて POS 等ビッグデータを提供している報告者企業に対

して、フローに基づいて試験的に報告者確認を依頼・実施したところ、報告者側より（表６）のよう

な意見が寄せられた。

（表6） 調査票の報告者確認に対する意見

項目 意見の内容

確認の負担 店舗数×12 分類のデータから構成される調査票について、毎日確認す

るのは作業量的に無理。

調査票正誤の判断 12 分類が GfK 分類定義で振り分けられるため、自社の販売実績が正

しく集計されているかどうかの判断がつかない。

POS 等ビッグデータ

の提供範囲

物販の全ての POS データを GfK に提供しているわけではない、ま

た、GfK の集計基準も踏まえた上で検証することは非常に困難

確認の必要性 そもそも POSデータの集計メソッドが確立していれば、確認不要では

ないか。可能であれば GfK 社に確認作業を一任したい。

これらの意見を踏まえて、調査票内のデータ構成がより簡素な都道府県別サマリーで POS 等ビ

ッグデータを送信している企業数社にヒアリングを行ったが、概ね反応は（表６）と同様のもので

あった。報告者側の分類定義と GfK 分類定義の相違から調査票が適正に集計されたものであるか

どうかを報告者側で判断できないこと、確認作業の負担が大きく毎日の作業対応に反発する意見も

あったことから、報告者確認のフローは中止せざるを得なかった。

報告者確認のフローについては、今後同様の確認を実施するにあたって方法を再検討する必要が

ある。報告者側が送信当日に送付した POS 等ビッグデータのファイルサイズ及び総件数（レコー

17

ド数）については、報告者企業側のシステムに記録が残り、GfK 側でも同様に受信の履歴として確

認が可能であるため、報告者と GfK の間で POS 等ビッグデータの授受が適正に行われたか否かに

ついてはこれをもって照合が可能である。前述のとおり GfK 分類定義で分類別の集計が行われた

後の調査票については、報告者側で金額の一致等による精査はできないが、GfK 側の POS 等ビッ

グデータの集計ロジック確立により報告者の確認を不要とする部分を特定し、報告者の確認範囲を

最小化することにつては検討の余地がある。また、調査票の集計状況をモニタリングするという意

味では、前年比、前期比等の分類別の集計結果の傾向を示す指標をレポートするという方法も考え

られる。これにより、調査票の集計に大きな異常があった場合に、報告者側で確認できる材料とな

り得る。更には、同レポートが報告者の社内報告等に活用できるようなものとなれば、確認の精度

向上にも寄与するであろう。同時に、報告者側の負担を考慮した場合、確認の煩雑さはもとより、

毎日確認の必要があること自体、報告者が負担と感じる部分であることも意見として挙がってい

る。例えば、週次もしくは月次サマリー結果に対して確認の依頼を行うなど、報告者における確認

の頻度についても最少化を検討する必要がある。

1.11 問い合わせ対応

GfK は本試験調査の実施にあたり、GfK 内に事務局を設置し、報告者含め外部からの問い合わ

せに対応する体制を構築した。本試験調査開始からの終了までの間において、外部からの問い合わ

せは無かった。

1.12 集計・分析システム

週報・月報及び分析用の各種集計表（秘匿前、秘匿後）及びホームページ掲載用コンテンツ、

「政府統計共同利用システム」統計表管理システム用データを作成するためのシステムを構築し

た。日別・報告者別の調査票作成の段階までを「2.5 調査票作成システム」の項で説明したプロ

セスにて自動的に作成し、これを元に上記の各種集計表、ホームページ掲載用コンテンツ（及びコ

ンテンツの基となるデータ）を作成する仕組みがこれにあたる。具体的な集計機能については、次

項で説明する個票抽出・集計結果表出力システムで集計の要件を網羅できるよう設計した。

1.13 個票抽出・集計結果表出力システム

「日、週、月（いずれも期間指定）」、「商品分類（複数の範囲指定）」等の抽出条件に合致した

「審査前日次調査票情報」又は「審査済日次調査票情報」を抽出し、週報、月報、分析用の各種集

18

計表（秘匿前、秘匿後）を出力するためのシステムの開発を行った。システムの要件は（表７）の

とおりである。

（表7） 個票抽出・集計結果表出力システム要件

項目 要件 備考

使用ツール マイクロソフト社

Ａｃｃｅｓｓ２０１６

サービス動態統計室職員と協議

の上決定

入力ファイル

報告者別日次調査票

報告者別月次調査票

報告者別丁２調査票

ＣＳＶ形式

出力ファイル

日次／週次／月次個票

公表用集計表

各種分析用集計表

ＣＳＶ形式

審査 審査前／審査済

秘匿 秘匿前／秘匿後 ２次秘匿まで実装

その他 経済産業省職員の使用するパソコ

ンで正しく動作すること

動作はしたが、集計表の作成に

は至らず

また、出力ファイルの項目の要件となっている「公表用データ」及び「各種分析用集計表」につ

いては、（図８）のように表側に集計期間のサイクル（日別、週別、月別、四半期別、年度別、年

別）を置き、表頭に商品分類、都道府県、経済産業局などを置いてクロス集計させるイメージで開

発を行った。

既存店・新店別による集計表作成にあたっては、「既存店・新店の定義」について経済産業省と

協議を行い、商業動態統計調査の丙調査（百貨店・スーパー）に準ずることとした。本試験調査に

おいては、店舗別サマリーで GfK に POS 等ビッグデータを提供している報告者の調査票のみが対

象となり、店舗別の販売実績有無を元に既存店・新店を判断するロジックを、個票抽出・集計結果

表システムに実装した。

19

（図8） 個票抽出・集計結果表システム 出力集計表の構成

・黒太字及び黒〇は公表用集計表

・赤太字及び赤●は試験調査内における動向分析、比較検証用集計表

個票抽出・集計結果表出力システムの開発・運用に際し、いくつかの課題が確認された。日次且

つ都道府県別、店舗別で個票を作成したことにより、ファイル数が増加した。これによりツールの

動作に想定以上の負荷がかかり、多数の報告者の調査票を選択した場合や多数の期間を選択した場

合において、ファイルの読み込みから出力にかなりの時間を要することとなった。これは

Microsoft Access の仕様上の限界に起因するものである。また、公表用の集計表作成にあたって

は、個票抽出・集計結果表システムによる集計表出力処理走行時間の長期化、秘匿ロジックの一部

（都道府県別販売額における各月・年間販売額間における秘匿等）が未実装であったこと等を踏ま

え、経済産業省職員の確認の元、GfK 担当者作業によって集計の補完を行った。

今後 POS 等ビッグデータを「報告者別×日別×都道府県／店舗別調査票」のような、相当粒度

が細かいファイルを元とした集計表作成を行う場合は、よりビッグデータの抽出・集計に適し、且

つ汎用的に使用できるツールを検討する必要がある。それに適したツールが無い場合は、公表用集

20

計表作成ツール（システム）と、動向分析・比較検証用集計表作成ツール（システム）を目的に合

わせて個別に持つという考え方もある。報告者別の調査票を予め公表に必要なものだけに絞り込

み、規定された公表用集計結果表の仕様データの作成に特化した、より簡易は構成のものとするこ

とで処理時間の短縮が期待できる。分析が必要な動向分析・比較検証用の集計表については、大量

のデータ処理とフレキシブルな分析、比較検証を可能とする、より高度なツール（システム）とす

ることでその時々の目的に即した集計結果表の作成が可能となる。

（図9） 個票抽出・集計結果表システムイメージ

1.14 集計・分析結果

POS 等ビッグデータの受信、審査、疑義照会、調査票作成のプロセスを経て作成された報告者

別の調査票を元に、集計・分析システムを用いて、集計を行い、分析用データを作成した。ここで

は、商業動態統計（丁２調査）には存在しないが、本試験調査において新たに試みた、「（１）週次

データ集計による分析」と、「（２）12 分類別集計による分析結果」とその特徴について報告す

る。

21

週次データ集計による分析

今回の試験調査では、POS 等ビッグデータを使用することにより、現状月次で調査・報告され

ている商業動態統計（丁２調査）より頻度の高い週次報告を実現することができた。（図 10）は

全国・全分類の販売金額の推移である。月次から週次にすることによりデータとしての解像度が

上がり、従来の月次データでは見ることができなかったボーナス商戦や、年始の初売り、新生活

需要など月内の商品販売状況や各種イベントのインパクト等が浮かび上がってくる。例えば、

2016 年及び 2017 年における初売りを含む週は年間の中でもっとも販売金額が高かった（2018 年

は秘匿対象）が、2018 年の猛暑の時期や同年の年末商戦（12 月 4 日~13 日で PayPay キャッシ

ュバックキャンペーン有）は初売りの規模に近い水準にあることがわかる。また、商品販売の水

準のみならず、対前年比についても、同様に週次になることにより統計利用者の可用性が高まる

ことが期待できる。特に小売業における自社営業実績のベンチマーク指標として「対前年比」は

浸透しており、営業の進捗管理等の場面においても、現状以上に活用されることが期待できる。

（図10） 週次販売金額推移（全国／分類合計）

・１週間は月曜日を起点、日曜日を終点とする

・グラフの日付は１週間の終点となる日曜日

・×は報告者の秘密保持のため秘匿した箇所

更には、分類別や地区別といった軸を加えることにより、気候の変化や自然災害が家電製品の

販売に与える影響等も読みとりやすくなるだけでなく、サッカーワールドカップやオリンピック

22

といったイベントに向けての需要の盛り上がりや、地域限定のキャンペーン等の効果についても

確認が可能となる。これにより、統計利用者の市況に対する理解度が上がることが期待できる。

例えば、（図 11）のように 2017 年及び 2018 年の空調・季節家電の販売額を経済産業局別に見

ると、2018 年の猛暑がどの期間（週）でどの程度空調・季節家電の販売に影響を与えたかについ

て、産業局別の規模と合わせてインパクトを確認することができる。

（図11） 空調・季節家電販売金額推移（経済産業局別）

グラフの期間：2017 年（4/24~10/1）、2018 年（4/23~9/30）

１２分類別集計による分析結果

次に、既存の商業動態統計調査が 6 つの商品分類にセグメントされているのに対し、試験調査を

12 の商品分類にセグメントしたことによる変化を見ていきたい。

23

（表8） 調査票の分類（再掲）

商業動態統計調査（丁２調査） 試験調査（POS 等ビッグデータ）

AV 家電 ビジュアル家電

オーディオ家電

情報家電 情報家電本体

情報家電周辺機器

通信家電 通信家電

カメラ類 カメラ類

生活家電

家事家電

調理家電

理美容・健康関連家電

空調・季節家電

その他 住宅設備家電

消耗品・その他

このうち、「情報家電」を「情報家電本体」と「情報家電周辺機器」に細分化したことによる変

化を例示したものが（図 12）である。

（図12） 情報家電販売金額の推移

これを見ると、「情報家電周辺機器」の年間における月の販売額は１２月が突出しているのに対

し、「情報家電本体」は１２月と３月の２つの高需要期に分かれていることがわかる。「情報家電周

24

辺機器」の中で大きな構成比を持っているのはプリンターで、「情報家電本体」の中で大きな構成

比を持っている商品はパソコン本体である。プリンターは年賀状作成需要が高まる１２月が最盛期

となる一方で、パソコン本体は冬ボーナス商戦の１２月と新生活需要の３月に需要が分散すること

が背景にある。ここまでは定性的な情報からでも推測可能ともいえるが、例えば「情報家電」にお

ける１２月の「情報家電本体」と「情報家電周辺機器」の販売金額は近く、同月における寄与度は

ほぼ同等といえる。このように分類を一段階ブレークダウンすることにより、商品分類の特性とそ

の推移の違い、寄与度などが明らかになってくる。

更に「生活家電」については、「家事家電」、「調理家電」、「理美容・健康家電」、「空調・季節家

電」の４つに細分化を試みた。「生活家電」という分類の対象となる商品が広範囲にわたることか

ら、商品の利用目的により細分化した。（図 13）は「生活家電」と、その内訳のひとつの「空調・

季節家電」の販売金額の推移である。

（図13） 生活家電販売金額の推移

これを見ると、金額の規模こそ異なるものの、「生活家電」と「季節・空調家電」の販売金額の

トレンドはかなり類似していることがわかる。逆の見方をすると、「季節・空調家電」以外の分類

の傾向はあまり読み取れない。12 分類にすることで、「調理家電」や「理美容・健康家電」に関

しても個別に傾向を把握できるようになる意味は大きい。調理家電や理美容・健康家電は市場規

模がさほど大きくないが故、新しいジャンルの商品や新しいブランドの参入により市場が変化し

やすい傾向にある。これらの特定の分類の動向が把握できることにより、調理家電や理美容・健

康家電に関連する特定の分野の産業に一定範囲で寄与することができるものと考えられる。

生活家電

空調家電

25

商業動態統計（丁２調査）はこれまで家電大型専門店という特定の産業分野の動向指標として

見られる傾向が強かったが、月次データから週次データへの細分化、及び 6 分類から 12 分類への

細分化という要素を加えることで、家電大型専門店の産業としての実態把握に加え、家電分野の

消費動向の一端を示す指標となり得る。更には細分化後の分類に関連する産業の指標として活用

可能性が広がってくるものと考えられる。本試験調査では、POS 等ビッグデータを活用して報告

者別、日別の調査票を作成した。POS 等ビッグデータは単品別、日別、報告者別で GfK に配信さ

れているものであるため、週次データを生成すること及び GfK 商品マスター及び分類定義に基づ

いて 12 分類で集計することは構造上複雑なものとはならなかった。また、報告者に集計定義の変

更・調整を求める必要もないという点においても、POS 等ビッグデータの特性を生かした集計を

行うことができた。

ビッグデータを活用した商業動態統計調査結果、及び統計調査業務の検証

2.1 調査票回収数の差

調査票の回収数については、商業動態統計（丁２調査）、試験調査とも試験調査の期間中 100％

の回収率であった。商業動態統計調査（丁２調査）については、試験調査の期間中の各月（2018

年 7 月～12 月）において、月次ベースですべての報告者の調査票を回収した。試験調査（POS 等

ビッグデータ）についても、同じく試験調査期間中の各日において、日次ベースで全ての報告者よ

り POS 等ビッグデータの遅滞なく収集した。調査票の作成については、「2.7 調査票作成システ

ム」の項で言及したとおり、試験調査開始当初は一部の調査票において数日遅れの作成となってい

たが、後に日次の作成が可能となった。

2.2 商業動態統計（丁２調査）と試験調査の集計結果の差異分析

POS 等ビッグデータを活用した商業動態統計調査（試験調査）が商業動態統計（丁２調査）を

代替しうるものであるかを検証する目的において、両者の集計結果を比較し、どのような点に差異

が見られたかについての分析を行った。（図 14）に再掲したとおり、本試験調査の協力の了承を受

けた報告者数は全体の 73.9%であったが、比較にあたっては、経済産業省から商業動態統計（丁２

調査）の調査票情報の提供を受け、試験調査の協力を受けた報告者企業と同期をとり、両者とも秘

匿前の集計結果に基づく販売金額の比較を行った。

26

（図14） 試験調査協力状況（再掲）

2.3 集計結果における差異

2018 年の 1 月から 12 月の累計における総販売金額（全国／全分類）及び商業動態統計（丁２

調査）の 6 分類における販売金額の比較を行った結果が（図 15）である。

（図15） 商業動態統計（丁２調査）と試験調査の比較（合計及び６分類別）

この結果を見ると、全国／分類合計における差異はほとんどなかったが、分類別の集計結果を見

ると、分類により集計結果の差異にばらつきがあることがわかる。特に比較的大きな差異となって

27

いるのが情報家電で、商業動態統計（丁２調査）の販売金額が試験調査を 13.4％上回る結果となっ

た。次いで差異が大きかったのが通信家電で、商業動態統計（丁２調査）の集計結果が試験調査の

集計結果を 10.5％下回っている。また、差異の傾向についても商業動態統計（丁２調査）が試験調

査より販売金額が大きいもの、試験調査の方が商業動態統計（丁２調査）の販売金額より大きいな

どばらつきがある結果となった。差異の要因については後に触れるが、一つの分類の差異において

も、複数の要因が重なった結果であることがわかっている。

また、都道府県別集計における 2018 年 1 月から 12 月累計の販売金額差異比率の分布を確認し

たものが（図 16）である。これを見ると約 85％の都道府県が差異の比率が 5％未満に収まってい

る一方で、差異の比率が 10%を超える都道府県も 6％程度存在しており、こちらも一部において差

異が大きい部分があることが確認できている。これは報告者企業別に見たときも同じ傾向で、さら

に報告者別、分類別、都道府県別という要素をクロス集計して差異を確認した場合も同様に差異が

大きい部分が散見された。

（図16） 都道府県別集計における差異の分布

本試験調査は、もとより商業動態統計（丁２調査）の報告における定義等の理解を進め、POS

等ビッグデータの収集、及び集計プロセスを商業動態統計（丁２調査）の集計結果に近づけるべく

設計しているが、全国／分類合計の集計結果にほぼ差異が無いという結果については、偶然の要素

をはらんでいる可能性が高い。しかしながら、平成２８年度に GfK が実施した「POS 家電量販動

向指標」4（図１7）の時点では、商業動態統計（丁２調査）の集計結果を８％下回っていたもの

が、網羅性を高め、集計定義の精査を進めた結果、差異が縮小したということができる。

4 平成 28 年度 IoT 推進のための新産業創出基盤整備事業（ビッグデータを活用した新指標開発事業）

にて開発した、家電大型専門店の販売動向をＰＯＳデータで集計した指標

28

（図17） 平成２８年度 POS 家電量販店指標の概要及び集計結果

2.4 差異の発生要因

全国／分類合計、及び 6 分類別の差異の抽出だけにとどまらず、分類、都道府県、報告者、の各

要素を掛け合わせて分析を行った。合わせて、報告者個別にヒアリングを行い、差異発生の要因に

ついて精査した結果、（表 9）で例示した大きく７つ要因が差異を生んでいることがわかった。一

つずつ背景とメカニズムを整理しながら説明していく。

（表9） 集計結果の差異要因

No. 差異発生要因

（１） 報告者間及び GfK との分類定義の相違に起因する差異

（２） e コマースの集計地区に起因する差異

（３） 携帯電話・スマートフォン等の売上計上金額に起因する差異

（４） FC 店、他業態店の混在に起因する差異

（５） 法人向け販売等の集計に起因する差異

（６） 売上計上時点の違いに起因する差異

（７） 報告対象商品範囲の違いに起因する差異

29

報告者間及び GfK との分類定義の相違に起因する差異

報告者である家電大型専門店各社は一般的に商品登録の際に、単品を独自の分類体系に合わせて

商品登録を行っており、分類の定義は各社同一ではない。報告者へのヒアリングの結果、商業動態

統計（丁２調査）の報告の際には、自社の分類体系コードを商業動態統計（丁２調査）の 6 分類に

紐づけて集計を行っているケースが多いことがわかっている。一方、GfK が POS 等ビッグデータ

を商業動態統計（丁２調査）の 6 分類に集計する際は、GfK 商品マスターに登録された分類定義に

基づき、単品別データを分類別に定義する。分類の後、最も粒度の細かい最小分類と機能などの商

品属性情報を掛け合わせて６分類の定義に可能な限り一致させる努力を行っている。また、報告者

各社の分類定義と、GfK の分類定義もまた同一でないことが GfK の既存ビジネスにおける業務の

中で分かっている。つまり、報告者各社、及び GfK の分類定義が同一でないことが差異を生む要

因となっている。

例えば、（図 18）の例 1）は、報告者各社で分類の定義が異なるが故結果的に集計先の分類が一

致せず、差異の要因となるというケースである。例 2 は、各社の分類定義に基づき、商業動態統計

（丁２調査）の 6 分類に紐づける際に、分類のどの階層で紐づけを定義するかにより集計先の分類

が変わるケースである。報告者へのヒアリングの結果、大・中・小分類の組み合わせにより紐づけ

先の分類を定義することがわかっている。どちらのケースも、報告者各社の分類体系と各分類にど

のような単品が含まれるかを精査しない限り、どの程度差異に影響しているかは明らかにならない

が、構造的に差異を生む要因となっていることは明らかである。一方で、分類体系及び分類定義は

報告者各社の売場構成やマーチャンダイジングの分担領域などにより定義されているため、営業方

針の一端が垣間見られるものでもあるため、詳細に及ぶ対外的な公開は報告者にとって抵抗が強い

と思われる。

（図18） 商品分類定義の相違に起因する差異の例

30

e コマースの集計地区に起因する差異

商業動態統計（丁２調査）では、都道府県別に販売金額を集計する際、報告者の e コマースによ

る販売金額を報告者企業の本社所在地としている。一方、GfK が POS 等ビッグデータの提供を受

けている報告者の一部は、「2.5 報告者への協力依頼」の項で言及したとおり、店舗別の販売実績

を都道府県単位でサマリーしたうえで GfK に送信している。更にその一部の報告者については、e

コマースの販売実績を分別して GfK に送信できない状態にあった。この報告者企業においては、e

コマースの販売を管理する店舗コードが本社所在地と異なる出荷拠点の所在する場所で登録されて

いた結果、e コマースの販売を管理する店舗についても、所在する都道府県に販売実績がサマリー

されたという事情である。

この報告者企業については、試験期間中に POS 等ビッグデータの GfK 向けの送信が都道府県別

サマリーから店舗別サマリーへの切り替えが実現した。その結果、e コマースの販売を管理する店

舗コードの特定が可能となり、都道府県別にサマリーされていた e コマース販売を分離して本社所

在地に振り分けなおすことができるようになった。ただし、報告者側の負担が大きくなることが予

想されたため、店舗別サマリーに切り替えが実現する以前の都道府県別サマリーのデータを店舗別

に細分化する修正までは実施されなかったため、試験調査期間の途中で都道府県サマリーから e コ

マースの販売が分離される形となった。（図 19）は店舗別サマリー化の実現によって、当該報告者

のある都道府県における商業動態統計（丁２調査）と試験調査の差異が縮小された例である。

（図19） 店舗別サマリー実現による e コマース実績分離の例（イメージ）

※イメージのため縦軸は省略している。

31

このように報告者から GfK への POS 等ビッグデータの送信が都道府県サマリーで、且つ e コマ

ースの販売実績が分別できず、都道府県実績の一部としてサマリーされている状態は、商業動統計

（丁２調査）と試験調査の販売金額の差異となり得ることが分かった。

携帯電話・スマートフォン等の売上計上金額に起因する差異

商業動態統計（丁２調査）と試験調査の比較検証を進める中で、通信家電分類の差分が大きい

ことから詳細の確認を進めた。まず、差異の要因となり得るのは、POS 等ビッグデータを GfK に送

信するための集計時における、携帯電話・スマートフォン等の価格の基準が報告者間で異なるとい

うことである。これについては、GfK 既存ビジネス内における報告者へのヒアリングを通じて明ら

かになっている。家電大型専門店における携帯電話・スマートフォンの POS 計上にはいくつかのパ

ターンがあり、これが報告者間で同一でないことが、差異の発生要因のひとつとなっていることが

考えられる。

また、本試験調査内の報告者ヒアリングによって、商業動態統計（丁２調査）の報告時と試験調

査における POS 等ビッグデータ送信時の携帯電話・スマートフォンの価格基準も、報告者により

異なることがわかっている。確認されたケースは、商業動態統計調査（丁２調査）の報告時は端末

価格に更に通信事業者から支払われる販売奨励金を合算して報告しているというものである。これ

も商業動態統計（丁２調査）と試験調査の差異発生の要因のひとつとなっていることが確認でき

た。（図 20）は、上記で例示した携帯電話・スマートフォン等の価格の基準のパターンを簡易的に

例示したものである。

携帯電話・スマートフォンの販売は、端末と回線契約が一体となっている点や、料金プランや契

約期間、MNP5等の条件により様々な値引きが設定されていること、一般的に通信事業者から販売

奨励金が支払われることなど、一台の端末を販売する際、価格を決定する要因も複雑となってい

る。これをどう計上するかについても報告者毎に判断が分かれる部分がある。

5 Mobile Number Portability 電話番号を変えずに契約する通信事業者を変更できる制度

32

（図20） 携帯電話・スマートフォン等の価格基準例

※イメージのため縦軸は省略している。

FC 店、他業態店の混在に起因する差異

商業動態統計（丁２調査）の記入要領では、「FC 店への卸売販売額、テナント店の売上、店舗独

立した他業態の販売額は含めない」という記載があり、本試験調査においてもこれに準じて集計を

行う必要がある。GfK でも「2.5 調査票作成システム」の（図 5）で例示したとおり、本試験調

査の実施にあたり、店舗別サマリーで POS 等ビッグデータの提供を受けている報告者について

は、店舗別の POS 等ビッグデータと報告者から別途提供を受けた店舗マスター等と照合し、対象

外となる FC 店及び他業態店の除外を行ったうえで調査票の作成を行った。しかしながら、都道府

県別サマリーで POS 等ビッグデータの提供を受けている報告者については、FC 店、他業態店の販

売実績を除外ができない状況であった。

商業動態統計（丁２調査）では、「FC 店への卸売販売額」について言及しているが、家電大型専

門店の POS システム上は、FC 店・他業態店も含めた販売実績の管理を行う目的で、同一の POS

ネットワーク上にこれらの店舗も存在するのが一般的であることが、GfK 既存ビジネスの中で分か

っている。また、GfK は既存ビジネスであるマーケティング用データ構築の目的において、家電大

型専門店より FC 店や他業態店の販売実績も含めて収集しており、その一部は都道府県別サマリー

の状態で受領している。このため、本試験調査で都道府県別サマリーの POS 等ビッグデータを採

用している一部の報告者については、同一 POS ネットワーク上に存在する、同一都道府県内の FC

33

店・他業態店が都道府県別サマリーデータの中に混在する状態となっていたことが確認された。つ

まり、商業動態統計（丁２調査）では、FC 店、他業態店は報告から除外されているのに対し、試

験調査については一部の FC 店、他業態店が含まれることが差異発生の要因となっていることが確

認できている。なお、今回の検証結果でこれに該当する他業態店の多くは携帯電話専門店（キャリ

アショップ等）で、分類別集計の「通信家電」の集計結果における差異発生要因のひとつにもなっ

ている。

（図21） FC 店・他業態店が混在する例

法人向け販売等の集計に起因する差異

商業動態統計（丁２調査）では、商品販売額を「一般消費者に販売した物品(有体商品)の販売

額」と規定しているが、本試験調査に係る報告者へのヒアリングの中で、商業動態統計（丁２調

査）への報告に一部法人向け販売も含まれている可能性があることがわかっている。一方、試験調

査で使用した POS 等ビッグデータにおいては、GfK 既存ビジネスにおいて構築するマーケティン

グデータを可能な限り個人消費を反映するデータとするため、また、家電大型専門店等において法

34

人向け販売を管理する店舗アカウント（店舗コード）については予め提供の範囲から除外してい

る。これが差異発生の要因となっていることが確認できた。

この差異要因が及ぼす影響範囲としては、「報告者の本社所在地」と「情報家電」が想定され

る。都道府県別集計結果において、報告者の本社所在地となる都道府県で差異が大きい傾向にある

こと、分類別集計結果において「情報家電」の差異が大きい傾向にあることは集計結果を基にした

比較検証で確認されている。家電大型専門店等においては、法人向け販売を管理する店舗アカウン

ト（店舗コード）は本社に併設されることが多く、且つ販売額が大きい傾向にあること、また、法

人向けに販売される商品は、企業で使用される、パソコンや周辺機器、オフィス用品など、商業動

態統計（丁２調査）で「情報家電」に分類されるものの割合が高いことが、GfK 既存業務における

報告者企業へのヒアリングで分かっている。また、中古製品の販売による差異要因も確認された。

商業動態統計（丁２調査）では、中古製品を報告の対象とするか否かについては、丁２調査の記入

要領上は明確にしていないが、報告者へのヒアリングの結果、報告する販売金額に含まれている事

例が確認されている。これに対し、試験調査で使用した POS 等ビッグデータについては、提供の

範囲から除外している。中古製品の販売における差異発生要因も、法人向け販売における差異要因

と構造的には同様の差異要因である。

売上計上時点の違いに起因する差異

本試験調査において報告者へのヒアリングを実施した結果、報告者の一部企業においては、商業

動態統計（丁２調査）報告の差異、集計元データに POS 等ビッグデータではなく会計等のデータ

を使用しているケースが確認された。会計等のデータにおいては、売上計上の起点を販売時点（顧

客との契約時点）ではなく、納品完了を起点としている一方、POS はその名（Point of Sales）の

とおり、販売時点を記録している。例えば、一般的に販売日（顧客が購入の手続きをした日）と納

品日（設置工事の完了日）が異なるエアコンを例にとると、POS では販売日が売上げの計上日と

なるが、会計データでは納品が完了した日が計上日となる。当該企業における商業動態統計（丁２

調査）の調査票（個票）と POS 等ビッグデータの比較、及び報告者へのヒアリングを行ったとこ

ろ、両者間に売上計上のタイミングが異なることが分かっている。（図 22）は、このケースに該当

する報告者の個票と POS 等ビッグデータの「生活家電」の分類の販売金額の推移を比較したイメ

ージである。

35

（図22） 売上計上タイミングが異なる例（イメージ）

2018 年の夏は猛暑日が続いたことなどから、エアコンの需要が高まり、7 月の中旬頃には購入

契約から設置まで 2~3 週間が必要な状況となった。結果的に 7 月に購入契約を行ったエアコンの

多くが、設置工事の完了が 8 月にずれ込んだ。この事象と、売上計上時点の相違により、7 月は試

験調査の販売金額が高く、8 月は商業動態統計（丁２調査）の販売金額が高くなっている。このよ

うに、商業動態統計（丁２調査）と、試験調査の間に販売金額の期間的なずれが生じるケースがあ

ることが確認された。

企業活動の記録としては会計データを元にした報告が適しているといえる一方で、消費動向とし

ては POS 等ビッグデータの方が需要をダイレクトに反映しているといえる。会計データと POS 等

ビッグデータのどちらを使うかによって、集計結果データが意味するものも変わる。集計結果とし

ては、報告者間の売上計上タイミングが統一されることが望ましいが、報告者の負担を含め、実現

可能性について検討の余地が残る。

集計対象範囲の相違に起因する差異

商業動態統計（丁２調査）では、商品販売額を「一般消費者に販売した物品(有体商品)の販売

額」と規定している。一方で、GfK が家電大型専門店等から提供を受けている POS 等ビッグデー

タは、家電製品のマーケティングデータ構築が目的であるため、家電製品及び GfK がマーケティ

ングデータ構築する分野以外の商品分類については、当該企業間の契約等により提供の対象となっ

ていない場合がある。本試験調査で協力を受けた報告者においてもこれに該当するケースはあるた

め、商業動態統計（丁２調査）との差異を生む要因となっている。また、報告者から非家電製品等

の POS 等ビッグデータの提供を受けている場合であっても、GfK 側で商品マスターを整備してい

ない領域については、集計の対象とならない場合があり、これも差異発生の要因となり得る。

36

2.5 差異縮小に向けての対策

前項で取り上げたとおり、商業動態統計（丁２調査）と、試験調査の集計結果の間の差異発生に

はいくつかの要因が確認できており、集計結果の差異にはいくつかの要因が複合的に影響している

場合も考えられる。本試験調査はすでに終了しているが、今後の差異縮小に向けて、考えられる対

策案を挙げておく。

（表10） 丁２調査と試験調査の差異縮小案

対策案 期待される効果 課題

A 分類定義を GfK 定義

に統一

報告者各社における分類紐づけ

の必要がなくなる

統計としてのデータの連続性

の担保

B 全ての報告者における

店舗別収集の実現

e コマース、FC 店、他業態店

を除外した集計が可能 報告者企業各社の承認が必要

報告者各社におけるシステム

改変負荷

GfK 側システム改変負荷 C 全ての報告者から全て

の物販実績の収集実現

報告者の送信対象外、GfK 集計

対象外による差異の解消

D 携帯電話等の販売価格

基準の統一

報告者間の価格基準が異なるこ

とに起因する差異の解消

基準価格情報の収集及びメン

テナンス

E 丁２調査への報告元デ

ータを POS に統一

計上日の相違に起因する差異の

解消

報告者側の報告プロセスの変

更による負荷等

A) 分類定義を GfK 定義に統一

報告者間における分類定義が異なることから、GfK 分類定義を基準とすることができれば、差異

の縮小が可能となる。GfK では既存ビジネスにおける業務の中ですでに家電製品を３００以上のカ

テゴリーで分類している他、更に商品特性情報をキーとした細分化も可能である。POS 等ビッグ

データによる統計報告の代替が可能となれば、分類定義の統一は可能である。POS 等ビッグデー

タによる代替が実現しない場合においては、商業動態統計（丁２調査）の記入要領で例示される商

品をより現状に即したものにすることで一定の差異の縮小が期待できる。ただし、既存の商業動態

統計（丁２調査）から、報告の集計定義が変わり断層が生じることになるため、リンク係数の設定

など統計利用者への配慮を行う必要がある。

37

B) 全ての報告者における店舗別収集の実現

集計結果の差異発生要因「（２） e コマースの集計地区に起因する差異」及び「（４） FC

店、他業態店の混在に起因する差異」で言及したとおり、現状 GfK が報告者より提供を受けてい

る POS 等ビッグデータが都道府県サマリーであるが故に発生する際については、全ての報告者より店

舗別サマリーによる POS 等ビッグデータの提供を受け、要因となる店舗の識別を行うことで解消が可

能である。e コマース、FC 店、他業態店の他、法人販売専用のアカウント（店舗コード）もこれにより

集計する／しないの制御が可能となる。

ただし、「2.5 報告者への協力依頼」の項で言及したとおり、報告者企業の中には、店舗別単位

の販売実績をビジネス上秘匿性の高いデータと位置付けていることが課題として残る。また、現状

GfK に提供している都道府県サマリーの状態の POS 等ビッグデータを店舗別サマリーに変更する

ためのシステム改変に必要な工数、コストもまた課題の一つである。全ての報告者における店舗別

収集の実現に向けては、報告者側の情報開示ポリシーと、システム的な要件の両方をクリアする必

要があり、そのためには店舗別で POS 等ビッグデータを提供することに対する意義及び報告者側

におけるメリット等を明示する必要があるだろう。

C) 全ての報告者から全ての物販実績の収集実現

商業動態統計（丁２調査）で報告の対象となっている分類が、GfK 向け POS 等ビッグデータの

提供対象外となっている場合については、全ての報告者から商業動態統計（丁２調査）の報告対象

となる分類がすべて提供されるようになることで、差異の解消につながる。ただし、これについて

も報告者企業の了承が前提となることと、報告者側の POS 等ビッグデータの GfK 向け送信システ

ムに設定変更等が必要となる。

また、GfK 側で現状商品マスターを整備していないが故に、試験調査の報告対象の集計に含まれ

なかった商品については、これを集計可能とするための GfK 側のシステム改変が必要となる。こ

れには、法人向け販売や、中古販売等が個人向けの販売に混在した状態で集計された結果、GfK 既

存ビジネスにおいて顧客に提供するサービスに影響が及ばないような環境整備が必要となる。

マーケティングデータの構築を目的として POS 等ビッグデータの収集を行う場合、対象となる

商品分類や販売の定義等を事前に特定して行う場合が多い。この場合、当該報告者との契約におい

ても、POS 等ビッグデータの提供範囲を特定したものとなるケースがあるため、家電大型専門店

以外の分野においても同様のケースは想定される。

38

D) 携帯電話等の販売価格基準の統一

これは、商業動態統計（丁２調査）を POS 等ビッグデータで代替することを前提に、現在各社

で異なる携帯電話・スマートフォン等の価格情報を統一するための「価格マスター」のようなもの

を準備するイメージである。これを GfK が既存ビジネスで POS 等ビッグデータにより受領してい

る、携帯電話／スマートフォン等の端末の販売台数と掛け合わせて金額を算出するというイメージ

である。この案においては、まず端末の「価格マスター」の基準価格が適正なものである必要があ

る。現在 GfK では既存ビジネスにおいて、回線契約の条件等に影響を受けない携帯電話・スマー

トフォンの金額規模を算出するために、内部的に端末の基準価格を設定している。まずは、「価格

マスター」の基準の妥当姓、及び「価格マスター」に販売台数を掛け合わせで金額算出する手法自

体の妥当性について、関係者及び有識者間で検討する必要がある。

この案が妥当と仮定した場合も別の課題は残る。携帯電話・スマートフォン等の新製品が発売さ

れた場合などにおける、「価格マスター」のメンテナンス状況も集計結果の精度に影響することか

ら、タイムリーなメンテナンスが求められる。また、現在 GfK の POS 等ビッグデータの集計シス

テムには、携帯電話・スマートフォン等の「価格マスター」を参照の上、台数と掛け合わせて金額

を算出するプロセスは実装されていない。この案の実現に向けては、「価格マスター」のメンテナ

ンス体制の構築と GfK の POS 等ビッグデータの集計システムの改変を視野に入れる必要がある。

なお、現在総務省より提言6されている端末購入代金と通信料金を完全に分離する、いわゆる

「分離プラン」が実現した場合は、端末購入代金を「物品」、通信料金を「サービス」に分けて考

えることができる。POS 等ビッグデータにおいてもこの考え方に準じた売上管理は可能であるた

め、これらの条件がそろった場合は、上記の案によらず、価格基準の統一が図れる可能性がある。

E) 丁２調査への報告元データを POS に統一

この案も、商業動態統計（丁２調査）を POS 等ビッグデータで代替することを前提にしたもの

である。商業動態統計（丁２調査）の報告用集計データが POS 等ビッグデータに統一されれば、

先に言及した、計上時点のとらえ方の違いによる差異は解消できる。また、POS 等ビッグデータ

による代替を前提としない場合においては、「A）分類定義を GfK 基準に統一」と同様に、商業動

態統計（丁２調査）の記入要領に報告の集計元となるデータの種類を明示することで、計上時点の

とらえ方の違いによる差異の縮小が期待できる。

6 2018 年 11 月 26 日、総務省「モバイル市場の競争環境に関する研究会」と「ICT サービス安心・安

全研究会」、両研究会の第 4 回会合において「モバイルサービス等の適正化に向けた緊急提言」を取り

まとめられた。

39

ここまで挙げてきた対応案の内、「B) 全ての報告者における店舗別収集の実現」と、「C）全て

の報告者から全ての物販実績の収集実現」については、報告者各企業の協力に依存するところが大

きい。先にも言及したとおり、情報開示ポリシー、システム改変の工数及びコストを含め報告企業

各社の調整が必要である。これをクリアするためには、報告者各企業の懸念点をよく理解し、その

解消に努めるとともに、POS 等ビッグデータにより商業動態統計（丁２調査）行うことの意義及

びメリットの訴求を、継続的且つ丁寧に行う必要がある。

2.6 試験調査における統計調査業務の検証

ここまで、試験調査における集計結果をもとに、調査結果における差異発生要因とそれに対する

対応案、課題について整理してきた。ここからは、試験調査における調査統計業務全般を振り返

り、POS 等ビッグデータによる商業動態統計を運用するにあたっての課題や可能性について確認

していきたい。

実査準備

今回の試験調査においては、GfK 既存業務で使用している POS 等ビッグデータの受信システム

を使用した（「2.6 POS 等ビッグデータ受信システム」参照）そのため、本試験調査実施にあたっ

て、通信回線及び通信インフラ等を個別に準備する必要はなかった。本来は POS 等ビッグデータ

を活用して統計調査を実施する際には、その収集システムを報告者側、統計調査実施側の双方に構

築する必要がある。

データの受領及び処理状況

実質的な調査業務の実施は、報告者各社から POS 等ビッグデータを受領することろから始ま

る。本試験調査で使用した、GfK の POS 等ビッグデータ受信システムにおいては、午前 4 時～午

後 2 時の間で報告者各社と個別に通信時間帯をスケジュール化している。日々受領するデータファ

イルについては、再送となったケースを除き、スケジュール化された時間帯の中で一度に受領す

る。本試験調査の実査についても、GfK の POS 等ビッグデータ受信システムによって実施した。

試験調査期間中において報告者から受領したデータ容量等、及び後続プロセスで処理したデータ

の件数等の概要は（表 11）のとおり。

40

（表11） 実査プロセスにおける受領・処理データの概要

データ項目 概要 備考

受信時の平均通信時間

（1 回／1 社当たり） 数分から 30 分程度 通信環境及びデータ量による

平均受信データ容量

（1 通信当たり）

平均 5.8ＭＢ

（メガバイト）程度

期間中最大 50ＭＢ以上

（１通信当たり）

累計受領レコード数 約 13 億レコード 対象期間中に受領したファイル

内のレコードの累計

累計商品販売台数 約 27 億台 対象期間中のレコードに記録

された販売台数の累計

累計受信アイテム数 約 94 万点 期間中に販売実績が確認された

ユニークアイテムの総数

新規登録・更新マスター件数 約 86 万件 期間中に新規登録及び更新され

た商品マスターの総件数

・対象期間 ： 2015 年 1 月 1 日~2018 年 12 月 31 日

このプロセスにおいて、実査を行う上での問題は確認されていないが、「3.5 差異縮小に向けて

の対策案」の「B) 全ての報告者における店舗別収集の実現」、及び「C）報告者から全ての物販実

績の収集実現」が現実のものとなった場合は、上記（表１１）の各数値が増加することが想定され

る。特に、都道府県サマリーが店舗別サマリーとなった場合は飛躍的に受信レコード数が増加する

ことになる為、これに対応するためのシステム面の要件を再確認する必要がある。

審査業務の検証

審査のプロセスについては、「2.8 督促・受信データの審査」の項で記載したプロセスにて実施

した。審査にあたっては、GfK 既存ビジネスの中で累積された各報告者別の販売実績と、地域、曜

日・季節変動等に加え、各報告者の特性を踏まえて、報告者、チェック項目ごとに閾値を設定して

いる。そのため、閾値の範囲は特定に範囲に収まるものではない。受信した POS 等ビッグデータ

及び後続プロセスでサマリーされたデータはチェック項目及び項目別の閾値に照らし合わせ、適正

なデータか否かを報告者に確認の必要があると判断されたものが疑義照会の対象となる。GfK の既

存ビジネスにおける業務における、POS 等ビッグデータの受信から集計前の時点までのチェック

41

項目は総計で 39 に及ぶが、代表的な観点のチェック項目において、本試験調査期間中に疑義照会

の対象となったものは、「2.7 疑義照会」の項、（表 5）疑義照会の内容及び件数のとおりである

が、改めて（表 12）として再掲しておく。

（表12） 疑義照会の内容及び件数（再掲）

審査プロセス 審査内容 のべ発生回数

受信ファイルの全量審査

データレコード数及び販売総数が適正範囲以外 35 回

受領予定日の販売日以外のレコードの混在 24 回

複数回のデータ受信 3 回

受信ファイル内にレコード無し 4 回

受信ファイルのサマリー

審査

報告者×地区単位でチェックし、販売数量が閾

値外 該当なし

１レコードの販売数量が閾値外 166 回

受信分類審査 分類×メーカーでチェックの結果欠落が確認さ

れた 該当なし

審査及び疑義照会のプロセスを実施することにより、報告者より提供を受けた POS 等ビッグデ

ータが、適正なものか否かの判断は一とおりできたものと判断している。しかしながら、商業動態

統計（丁２調査）の審査を経た調査票との比較においては、GfK 既存業務における審査プロセスで

は検知できないものもあった。ただし、これは主に商業動態統計（丁２調査）の記入要領等におい

て明確に規定されていないもの、報告者各企業各社の特性によるものであり、本試験調査の実施、

検証の過程において確認された点を反映した審査プロセスとなれば、要件を満たせるものとなる。

集計プロセス

報告者別の日次調査票の作成に関しては、「2.5 調査票作成システム」の項で説明した GfK シ

ステムにより集計を行った。店舗別サマリーで POS 等ビッグデータの受領を受けている企業にお

いて、商業動態統計（丁２調査）の報告対象外となる店舗の販売実績を除外するにあたり、調査票

作成システムの機能拡張を行った。本試験調査において、調査票作成システムは問題なく稼働し、

要件に合致した調査票を作成することができた。しかしながら、今回の試験調査において都道府県

サマリーによる POS 等ビッグデータを使用した報告者、及び今回の試験調査の調査票未提出企業

において、店舗別サマリーによる POS 等ビッグデータの受領を視野に入れた場合は、一日で処理

42

する店舗別サマリーデータの件数が相当量増加するため、調査票作成システムの増強が必要となる

であろう。

また、報告者別の調査票の抽出・集計等にあたっては、「2.12 個票抽出・集計結果表出力シス

テム」で説明したシステムの開発を行った。抽出・集計及び秘匿の機能は一とおり実装できたが、

Access ツールの仕様上の限界もあり、十分に稼働したとは言えない状態であった。今後同様のシ

ステムの利用が想定される場合においては、別のツールの選定を行うか、GfK 内の調査票作成シス

テムに要件を満たす機能を実装するかについて考慮する必要がある。

なお、集計プロセスで使用したデータ及び集計結果ファイルの概要は以下のとおりである

（表13） 集計データ概要

データ 概要 備考

調査票

ファイル数：

容量：合計 700MB（メガバイ

ト）

件数：約 720 万件

試験調査全期間

容量は圧縮前

結果表

データ数：約 51 万 5 千件

データ容量：3,965ＫＢ（キロバ

イト）

データ数は数値が入力された項

目数

データ容量は圧縮前（ファイル

合計）

秘匿 秘匿箇所：約 26 万箇所 全体データの約半分が秘匿

なお、秘匿については、商業動態統計（丁２調査）の報告対象企業の全てが、本試験調査に協力

にしていないこと、及び、都道府県別×商品別の粒度が公表の対象となったことが要因であり、総

秘匿件数の約６割は都道府県別×商品分類別の集計において発生している。仮に全ての報告対象企

業が協力した場合も、都道府県別×商品分類別の秘匿は相当数発生するものと想定される。

プロセス全般の検証

本試験調査の狙いは、POS 等ビッグデータを活用して商業動態統計（丁２調査）におけるプロ

セス全般を実施することにあった。結果として一部の課題は残るものの、試行錯誤の末、試験調査

期間の 6 か月間の中でひととおりのプロセスを実施することができた。本試験調査の各プロセスに

おいて GfK が投入した時間、工数の概要は以下のとおりである。

43

（表14） 試験調査各プロセスの検証

プロセス 工数／時間 備考

報告者への協力依頼、

疑義照会、ヒアリング 3 人 ／ 約 300 時間

報告者担当者への訪問、連絡及

び報告

POS 等ビッグデータ

受信 2 人 ／ 約 350 時間

受信プロセスの監視、アラート

等連絡、記録

調査票作成 3 人 ／ 約 500 時間 システム構築・運用、チェック

等

審査 2 人 ／ 約 250 時間 チェック、アラート当連絡、記

録当

集計 3 人 ／ 約 450 時間 システム構築・運用、修正等

検証 2 人 ／ 約 200 時間 検証作業、記録

総計 14 人 ／ 約 2,050 時間

しかしながら、本試験調査で使用したシステムのほとんどは GfK 既存ビジネス用に構築した基

幹システム（以下 GfK システム）を流用した。また、その運用についても、GfK 職員の既存ビジ

業務を担当する職員が、試験調査プロセスにおける運用の一部を担っているケースが多い。言い換

えると、本試験調査の取り組みは GfK 既存業務と親和性が高く、それ故に短い準備期間で実査を

行う環境を整え、長時間のトレーニング等無くして実査の運用にこぎつけることができた。仮に

GfK 既存業務と完全に切り離した状態、つまりゼロベースから本試験調査の実査に必要な専用シス

テムの開発及び運用を行った場合、根本的に時間・工数等の構造が変わってくる。例えば、GfK シ

ステム担当、運用担当及びシステムの運用委託先企業によると、ある程度試験調査の要件に該当す

る機能に絞り込んだとしても、システム開発費で数億円、人件費含む運用費で数千万円から 1 億円

程度との試算も出ている。

2.7 報告者へのヒアリング

本試験調査の目的の一つは、「報告者負担の軽減化」にあるが、これを検証する過程で試験調査

の協力を受けた報告者企業の担当者に対しヒアリングを行い、既存の商業動態統計の報告業務にお

ける負担の確認や、POS 等ビッグデータの活用の際の負担の変化について確認した。

44

ヒアリングの結果によると、毎月の商業動態統計（丁２調査）の報告に関わっている職員は、最

も少ない企業は 1 名であったが、平均ではおおよそ 2~3 名という結果となった。集計・報告に必

要な時間は 1 社あたり 1 日~2 日で、最も少ない企業では 30 分という回答もあった。少人数、及び

短時間で報告を完了している企業については、参照元のデータを定義し、プロセスを自動化するこ

とで報告の簡易化を実現している。一方で比較的時間がかかると回答した企業は、報告が月 1 回に

とどまることから、システム化せず、担当者の職員が自身の PC で作業しているケースもあった。

また、別の理由としては、POS システムや会計システムから報告に必要なデータを報告者の社内

システムから抽出する段階で時間がかかるとの回答もあった。抽出するデータのボリューム以上

に、報告者社内で月初にデータ抽出案件が集中するといった事情もあるようだ。また、別の観点と

して、「疑義照会への対応が負担」との声もあった。特に報告データの変動要因についての照会に

対し、説明を求められることに煩わしさを感じているとのことであった。

コストについては、報告のためのシステムを外注している等、目に見える形でコストを費やして

いるとの事例は無く、全ての企業で、仕組みの内製及び毎月の集計・報告業務に伴う運用の人件費

のみが該当するとのことであった。ただし、人件費の中には集計の定義変更や、自社で管理する分

類体系に変更があった場合のメンテナンス等も含まれている。

POS 等ビッグデータで商業動態統計（丁２調査）を代替した場合に、新たに負担が増加するケ

ースが想定されるかという問いに対しては、概ねポジティブな意見が寄せられた。運用面で負担が

増加すると見通す回答は見られなかった。ただし、今回の試験調査の要件でもあった、店舗別サマ

リーによる POS 等ビッグデータの提供を考慮した場合には、システム改変に伴うコストや開発期

間を憂慮する声があった。また、収集するデータが詳細化するに伴って、公開される情報も詳細化

され、報告者各社のビジネス及び競合他社との競争関係に影響を及ぼす可能性があるという趣旨の

意見があった

これらの回答から考察すると、毎月の集計・報告作業の定義・運用等に変更がない限りにおいて

は、大きな負担にはなっていないようである。ただし、現在商業動態統計（丁２調査）の報告は、

経営企画、総務等の管理部門が請け負う形がほとんどである。POS 等ビッグデータによる商業動

態統計（丁２調査）の代替が実現した場合、報告の主体者となるのはシステム部門となり、システ

ムによる自動化が前提となる。現在報告を担当している部門はこの業務から完全に切り離される可

能性が高い。この点では報告者の負担軽減に資することができる。一方で、POS 等ビッグデータ

で商業動態統計（丁２調査）が今回の試験調査のプロセスを踏襲する形で代替された場合、ほぼ

GfK 既存業務の範囲内で審査及び疑義照会が実施できる為、特段報告者側の負担は増えないと想定

45

される。例外があるとすれば、「2.9 調査票の報告者確認」の項で言及した、「どのようにして日

次の調査票の妥当性を日々確認してもらうか」という点が該当するだろう。

試験調査の総括

3.1 POS 等ビッグデータによる商業動態統計（丁２調査）代替の可能性

これまで述べてきたプロセスを経て試験調査を実施し、検証を行った結果、POS 等ビッグデー

タを活用した商業動態統計（丁２調査）の代替は可能であるといえる。GfK システム、及び運用プ

ロセスを最大限活用したことにより、試験調査で想定した実査プロセスを経て、要件に沿ったアウ

トプットを出せることが実証できた。

ただ、同時にクリアすべき課題も確認されている。課題としては、秘匿や審査のプロセスの一部

について、GfK システムに実装されていない部分があるこことが挙げられる。これらは、GfK の

POS 等ビッグデータ収集・集計システムが、もともとマーケティングデータの構築を目的に作成

されてきたことによるものであると考えられる。それ故、政府統計独自の秘匿や審査のプロセスに

おいては、GfK システムの中で完全に再現されてはいない。今後本格的に政府統計を POS 等ビッ

グデータで代替することを進める場合は、商業動態統計（丁２調査）の要件に基づく処理を前提と

したシステム改変が必要となる。このシステム改変により、更なるプロセスの自動化が可能とな

り、もう一段の調査業務の効率化が期待できる。また、集計結果の比較検証段階では商業動態統計

（丁２調査）と試験調査の集計結果に差異が確認されたことも今後の課題の一つであるが、この一

部は非家電等 GfK の集計対象外としている分類が GfK システム内で集計できないことによるもの

である。これについても、商業動態統計（丁２調査）の要件に沿ったシステム改変が必要となる。

これが実現されれば、もう一段の集計結果の精度向上につながる。

もう一つの観点における課題としては、報告者の協力に関する部分が挙げられる。先にも記載し

たが、商業動態統計（丁２調査）を POS 等ビッグデータで代替するためには、報告者の協力は欠

かせない。各報告者の事業の状況・課題等も理解しながら、報告者に資する指標を提供するなどし

てメリットを訴求し、調査協力の必然性を高めていくことが重要である。同時に、報告者ヒアリン

グの中では、漠然としたセキュリティや秘密保持に関する不安も感じられた。これを一掃するため

には、万全なセキュリティ対策を講じるとともに、集計結果の開示範囲及び秘匿のロジックについ

ても再検討が必要となるであろう。

46

3.2 今後に向けて

今回の試験調査を通じて、POS 等ビッグデータを活用した商業動態統計の実現に向けた、一定

の道筋ができた。振り返ってみると、丁２調査の家電大型専門店分野については、すでに GfK が

報告者の全てと POS データにおける連携が成立していたこと、各報告者において、上層部を含め

たコンタクトを持っていたこと、GfK がサンプル調査ではなく、センサス調査によるマーケティン

グデータを構築していたことなど、試験調査の実査にあたっての条件はいくつかの点で合致する部

分があり、試験調査を行う環境としては商業動態統計における丁２調査以外のどれよりも適してい

たと言え、これが試験調査を実施できた要因ともいえる。この結果、調査概要でも言及した、「民

間企業が保有する POS 等ビッグデータを活用する新たな調査手法」としても実現可能性が高いこ

とが確認できた。

今回の試験調査を経て、丁２調査は POS 等ビッグデータによる代替集計にかなり近づいたとい

えるが、裏を返せば、他の商業動態統計はまだ POS 等ビッグデータによる代替の実現には距離が

あるともいえる。「3.6 試験調査における統計調査業務の検証」の項、「（５）プロセス全般の検

証」の部分でも言及したとおり、民間企業が保有するリソースを活用することで、実査の期間短縮

及びコスト削減が可能であることがわかったが、一方で活用できるリソースがない場合は相当の時

間とコストを要することとなる。そもそも国内には POS データを手掛ける調査会社が少ないこ

と、さらには、センサスのノウハウを持っている企業はほとんどないという現状もある。今後丁２

調査を含め商業動態統計及びその他の政府統計において、POS 等ビッグデータによる代替収集、

及び集計を視野に入れた場合、当該分野で POS 等ビッグデータを保有する民間企業が既存統計代

替のノウハウを身に着けるか、ノウハウを持つ民間企業が他の産業分野の統計代替にトライするか

のどちらかとなるであろう。いずれの場合においても、今回の試験調査はその基礎情報、課題、及

び今後の POS 等ビッグデータによる統計運用のノウハウの蓄積において重要な役割を果たしたの

ではないだろうか。

別添資料

調査計画全文

１ 調査の名称

ビッグデータを活用した商業動態統計調査（試験調査：家電大型専門店分野）

47

２ 調査の目的

本調査は、「商業動態統計調査」（基幹統計調査）の丁２調査（家電大型専門店）において、ＰＯＳ等

ビッグデータを活用するといった新たな調査方法の採用とその調査事務について実地の検討を行い、「報

告者負担の軽減化」、「統計業務の効率化」、「公表の早期化」の他、「景気動向把握の向上に資するための

把握内容の詳細化」等の実現可能性などの精査に必要な基礎資料を得ることを目的とする。

３ 調査対象の範囲

（１） 地域的範囲

全国

（２） 属性的範囲

日本標準産業分類（平成２５年１０月改定）に掲げる「細分類５９３１－電気機械器具小売業（中古

品を除く）」又は「細分類５９３２－電気事務機械器具小売業（中古品を除く）」に属する売場面積５０

０㎡以上の事業所（家電大型専門店）を１０店舗以上有する企業

４ 報告を求める者

（１） 数 ２３

（２） 選定の方法（■全数 □無作為抽出 □有意出）

選定に使用した母集団名簿の名称：「商業動態統計調査」丁２調査対象名簿

５ 報告を求める事項及びその基準となる期日又は期間

（１） 報告を求める事項（詳細は別紙１－１、１－２：調査票様式を参照）

①企業名、法人企業番号

②店舗番号、都道府県番号

③商品販売額

④期末商品手持額（３月、６月、９月、１２月の各月末）

48

（商業動態統計調査規則（昭和二十八年六月一日通商産業省令第十七号）第四条第６項に規定する調査

の範囲に該当するものであって、期末商品手持額にかかる調査事項にあっては、商業動態統計調査規

則の第九条第２項の規定により、経済産業大臣に提出された丁２調査票から、第五条第５項第４号

商品手持額に係る内容を電磁的記録に記録することによって行う。なお、本手続により作成された電

磁的記録については、これを「ビッグデータを活用した商業動態統計調査（試験調査：家電大型専門

店分野）」の調査票の内容とみなす。）

（２） 基準となる期日又は期間

平成 27年１月１日～平成 30 年 12月 31 日の間の毎日（原則として、毎日０時から２４時までの２

４時間。）の実績

なお、期末商品手持額については、毎四半期末日現在。

６ 報告を求めるために用いる方法

（１） 調査組織

経済産業省 － 民間事業者 － 報告者

（２） 調査方法（□調査員調査 □郵送調査 ■オンライン調査 □その他（ ））

報告者は、民間事業者と接続された「オンライン（専用通信回線）」を使用して、「５（１）報告を求

める事項」のうち①～③の報告に必要なＰＯＳ等ビッグデータを、「７（２）調査の実施期間又は調査票

の提出期限」に定める提出期限までに民間事業者に提供する。

民間事業者は、①～③について、報告者から提供を受けたＰＯＳ等ビッグデータ、④について、

「商業動態統計調査（丁２調査）」から得た情報について、商品分類表（別紙２－１参照）、都道府県・

経済産業局対応表（別紙２－２参照）等により、「５（１）報告を求める事項」に整理し、確認のため

「報告者」にＰＯＳ等ビッグデータを集計した調査票情報を返送する。「報告者」の確認が済んだ後、

「７（２）調査の実施期間又は調査票の提出期限」の翌々日までに国に提出する等の方法によって実施

49

する。（民間事業者に対する委託業務内容：データ受信、分類符号化、調査票作成、督促、問合せ対

応、審査、疑義照会、集計・分析等。）

７ 報告を求める期間

（１） 調査の周期

毎日（平成 30年７月１日以降）

（２） 調査の実施期間又は調査票の提出期限

提出期限は、調査期日（基準となる期日）の翌日

なお、期末商品手持額については、調査期日（基準となる期日）の翌月１５日

８ 集計事項

①商品別販売額に関する事項（年・年度・四半期・月・週別×全国計、経済産業局別、都道府県別）

商品別販売額、店舗数及び前年（度、同期、同月、同週）比増減率

経済産業局別、商品販売額、店舗数及び前年（度、同期、同月、同週）比増減率

都道府県別、商品販売額、店舗数及び前年（度、同期、同月、同週）比増減率

②店舗に関する事項（年・年度・四半期・月・週別×全国計、経済産業局別、都道府県別）

実店舗・EC店舗別、商品販売額、店舗数及び前年（度、同期、同月、同週）比増減率

経済産業局別、商品販売額、店舗数及び前年（度、同期、同月、同週）比増減率

都道府県別、商品販売額、店舗数及び前年（度、同期、同月、同週）比増減率

③商品別期末商品手持額に関する事項（四半期別×全国計、期末商品手持額、在庫率）

商品別期末商品手持額、在庫率及び前年同期末比増減率

９ 調査結果の公表の方法及び期日

（１） 公表の方法

インターネット（経済産業省ＨＰ及び政府統計の総合窓口 e-Stat）により公表する。

（２） 公表の期日

50

平成３１年２月末頃まで

10 使用する統計基準

調査対象範囲の画定に当たっては、日本標準産業分類（平成２５年１０月改定）を使用する。なお、

集計結果の表示については、本調査が特定の業種を対象とした調査であり、統計基準を用いる余地がな

いことから、使用しない。

11 調査票情報の保存期間及び保存責任者

（１） 調査票情報の保存期間

調査票の内容を記録した電磁的記録：常用

（２） 保存責任者

大臣官房 調査統計グループ サービス動態統計室長

51

別紙１－１調査票様式（通常用）

52

別紙１－２調査票様式（初回用）

53

別紙２－１

商品分類表（調査票様式（通常用／初回用共通））

54

55

56

ビッグデータを活用した商業動態統計調査（試験調査：家電大型専門店分野）実施の

必要性について

調査統計グループ

サービス動態統計室

１．調査の目的・必要性

公的統計の精度向上が求められる一方で、統計調査環境はますます悪化する中、デ

ータソース（情報源）を家計・企業からの報告に依存した従来の統計調査方法だけで

は、公的統計の質を維持することが困難になっている。

今後、限られたリソースで統計精度をさらに向上させていくためには、こうした従

来からの統計調査方法だけではなく、様々なデータソースを公的統計の補完や補正に

活用する等、これまでの公的統計の枠組みを変えていくことも必要である。

その具体的な手法の一つとして、公的統計のデータソースの範囲を行政記録情報や

ビッグデータなどにも拡げ、それらのデータソースから得られる情報も活用していく

ことが必要である。

「ビッグデータを活用した商業動態統計調査（試験調査：家電大型専門店分野）

（以下、「試験調査」と言う。）」は、将来、「商業動態統計調査」丁２調査（家電大型

専門店）における調査手法の一部に組み入れることを想定して実施するもの。

将来の更なるリソース不足に備え、従前の統計調査手法にとらわれず、報告者が保

有するビッグデータ（ＰＯＳ等販売データ）、並びに民間事業者が保有する商品マスタ

ー、サーバ・人的リソース、ノウハウ等を 大限に活用し、①報告者における負担の

「軽減化」の他、②政府における統計業務の「効率化」、公表の「早期化」、③景気動

向把握の向上に資するため把握内容の「詳細化」を実現する新たな統計調査手法の構

築を早急に行う必要がある

57

第 3 章 調査・研究パート

はじめに

1.1 背景

公的統計の精度向上が求められる一方で、家計においては、個人情報等に関するプライバシー意

識の高まり、企業においては、情報管理意識の高まり、企業形態の多様化等、統計調査環境はます

ます悪化。このような統計調査を取り巻く環境の中、データソース（情報源）を家計・企業からの

報告に依存した従来の統計調査方法だけでは、公的統計の質を維持することが困難になっている。

今後、限られた統計職員・事業予算といった統計リソースで現状の統計精度を維持し、さらに向

上させていくためには、こうした従来からの統計調査方法だけではなく、行政記録情報やビッグデ

ータなど、様々なデータソースを公的統計の補完や補正に活用する等、これまでの公的統計の枠組

みを変えていくことが必要である。

また、将来の更なる統計リソース不足に備え、従前の統計調査手法にとらわれず、報告者が保有

するビッグデータ（ＰＯＳ等販売データ）、並びに民間事業者が保有する商品マスター、サーバ

ー・人的リソース、ノウハウ等を最大限に活用し、①報告者における負担の「軽減化」の他、②政

府における統計業務の「効率化」、公表の「早期化」、③景気動向把握の向上に資するため把握内容

の「詳細化」を実現する新たな統計調査手法の構築を早急に行う必要がある。

1.2 事業概要

本事業では、「民間企業が保有する POS 等ビッグデータ7」を活用するといった新たな調査手

法」を取り入れた「ビッグデータを活用した商業動態統計調査（試験調査：家電大型専門店分

野）」を総務大臣の承認を得て、一般統計として実施することを通じ、調査結果および統計調査業

務の検証を行い、「報告者負担の軽減化」、「統計調査業務の効率化」、「公表の早期化」の他、「景気

動向把握の向上に資するための把握内容の詳細化」等の実現可能性の精査に必要な基礎資料を得る

こと、及び既存の政府統計ではとらえることのできない経済活動の実態等を把握するため、民間企

業が保有するビッグデータ、行政機関が保有する行政記録情報等を活用した新たな経済指標の開発

とその可能性について調査研究を実施することを目的としている。

事業はそれぞれの実施内容の性格の違いから、（表 1）のとおりビッグデータを活用した商業動

態統計調査に関連するパート（試験調査パート）とビッグデータを活用した新たな経済指標開発と

その可能性に関する有識者委員会の運営及び包括的調査事業等の実施（調査・研究パート）の大き

7 「POS 等ビッグデータ」とは、POS データ、e コマースデータ、店舗マスター等を指す

58

く２つのパートに分けて実施した。なお、本事業で実施する一般統計調査の名称は「ビッグデータ

を活用した商業動態統計調査（試験調査：家電大型専門店分野）」8 である。以後、特段の記載が

ない限り、「ビッグデータを活用した商業動態統計調査（試験調査：家電大型専門店分野）」を「試

験調査」と記載する。

（表15） 事業パートと実施内容

項目 試験調査パート 調査・研究パート

目的

ビッグデータによる一般統計調査

を実施し、「報告者負担の軽減

化」、「統計調査業務の効率化」、

「公表の早期化」の他、「景気動向

把握の向上に資するための把握内

容の詳細化」等の実現可能性の精

査に必要な基礎資料を得る。

ビッグデータを利活用した新たな

政府統計の可能性を模索するこ

と。

実施内容

ビッグデータを活用した商業動態

統計調査の実施、調査結果及び統

計調査事務の検証。

ビッグデータ等を活用した新たな

経済指標開発とその可能性に関す

る有識者委員会の運営、及び包括

的調査事業等の実施。

成果のとりまとめ、及び普及。

実施内容の詳

細

商業動態統計調査の丁 2 調査（家

電大型専門店）について、ＰＯＳ

等ビッグデータを活用した商業動

態統計調査を実施

民間企業が保有するビッグデータ

や政府統計、行政記録情報等を使

用した新たな経済指標開発の可能

性を研究。

POS データによる調査と従来の調

査票による調査の課題把握並びに

結果の検証。

ビッグデータの利活用に向けた包

括的調査を実施。国内外で政府統

計へビッグデータを活用した事例

を調査し、基盤整備に向けた課題

抽出等を行う。

統計調査を POS データで実施する

上でのデータ収集から公表までの

プロセスを検証。

試験調査の実施結果や調査・研究

に係る有識者委員会を開催。

8 調査計画全文

https://www.meti.go.jp/statistics/toppage/topics/jisshinaiyou/chosakeikakufiles/42_bigdata_shyoug

youdoutai3007.pdf

59

既存の調査手法との相違点につい

て検証し、POS を利用することに

よる優位点や改善点を把握。

継続した統計調査実施に向けたロ

ードマップを策定。

試験調査の実施結果や調査・研究

結果をインターネットにて公表す

る。

包括的調査の実施と有識者委員会の設置

2.1 本事業における包括的調査の実施と有識者委員会の設置について

本事業「平成３０年度ビッグデータを活用した商業動態統計調査の実施・結果検証及び新指標開

発事業」では、総務大臣の承認を得て実施した POS データによる統計調査（試験調査）に加え、

ビッグデータを活用した新たな経済指標の開発を実施した。前者は家電大型専門店分野において大

規模に収集された POS データを活用して商業動態統計調査を実施する先進的な取り組みであり、

消費者物価指数等に利用されてきた POS データの新たな公的統計への活用可能性について検証す

るものである。後者については POS データのみならず、行政記録情報やモバイル端末の位置情報

データ、各種センサーから取得されたデータ、インターネットからスクレイピングされたデータ

等、様々なビッグデータを活用し、速報性や正確性に優れた新たな経済指標を開発する取り組み

で、EBPM の実現に向けて、ビッグデータの公的統計への更なる活用可能性について検証するも

のであり、複数のデータソースの活用可能性を検討した上で実際に家電大型専門店分野以外の新た

な POS データを活用した新指標を開発した。9

これら試験調査事業と新たな経済指標開発事業の具体的な内容については本報告書の別パートに

記載するが、ビッグデータ利活用に係る取り組みは経済産業省調査統計グループにおいては平成２

７年度より検討を開始した比較的新しい取り組みであり10 、徐々に知見が蓄積されてきていると

は言え、技術革新のスピードが速いデータサイエンス分野であることを鑑みても新指標の社会実装

に向けてその開発や実務において有益な最新情報を収集することは継続して実施すべき項目であ

る。そのため、本事業においても国内外のビッグデータ利活用に係る事例について包括的な調査を

実施した。包括的調査にて得られた情報を基に、本事業のポジションを計測して今後のロードマッ

プを策定することや、先行しているプロジェクトから知見を得た上でデータセット構築やモデリン

グを実施することはその事業の発展に直接的に寄与するものである。また、経済学、統計学、人工

知能、ビッグデータ関連ビジネス、家電業界に係る専門性を持った有識者からの助言を得て、本事

9 本報告書の新指標開発パート参照 10 平成２６年度に調査を実施した「ビッグデータを活用した新たな経済指標・分析手法の動向に関する

調査研究」を基に、平成２７年度に「ビッグデータとその解析技術を活用した新指標の開発事業（新指

標開発）」において SNSの書き込みログを使用した新指標の開発可能性について検討した。

60

業を運営するための知見を獲得するため、３回の有識者委員会と１回のワーキンググループを開催

した。有識者委員会やワーキンググループでは本事業の各パートに関連する議題を設定して討議を

行い、有識者から本事業の方向性を決定するための示唆を得ることができた。有識者委員会の開催

概要と討議内容については後節に記載する。

2.2 包括的調査の概要

国内外におけるビッグデータ利活用に係る調査は各省庁において継続的に実施されており、特に

総務省が複数の調査報告書やワーキングペーパーを公開している。国内のビッグデータ利活用に係

る事例調査として、総務省統計委員会担当室[2018-WP01] 11では民間企業等が保有しているビッ

グデータ等を「経常的に」活用している公的統計は限定的であるとし、内閣府、総務省、国土交通

省の取り組みついて詳細をまとめている。また、「試行的な取組」についても経済産業省調査統計

グループによる「平成２９年度 IoT を活用した新ビジネス創出推進事業（ビッグデータを活用した

新指標開発）」において実施した家電大型専門店 POS データを利用した新指標と SNS のログを利

用した新たな経済指標の試験公表事例を始め、総務省や内閣府の試行的な取り組みについてまとめ

られている。更に内閣府が[2018a]12 において、経済財政分析担当が実施した POS データによる

景気動向把握事例や、総務省、日銀の取り組みついてまとめる等、国内のビッグデータ利活用に係

る事例については先行文献にて体系的に把握可能な状況にある。国外の事例調査としては、同じく

総務省統計委員会担当室による公表資料[2018a]13 において、国際的な取り組みの一例として国

連・統計委員会、欧州統計システム（ＥＳＳ）、英国、オランダ、カナダによる事例が紹介されて

おり、[2018-WP01]11 においてもエストニア中央銀行の事例を引用するなど、国外における事例研

究も積極的に実施している。

このようにビッグデータ利活用に係る国内外の事例については各府省が公表している先行文献に

てある程度把握できる状況にあり、特に国内事例については複数の府省が継続して調査を行い、最

新の動向を公表資料としてまとめている。また、平成３０年５月から定期的に開催されている総務

省主催の「ビッグデータ等の利活用推進に関する産官学協議のための連携会議」14では、オブザー

バー以外の関係府省やデータホルダー等の関係者にも必要に応じて出席を求めている15 。この連

11 総務省[2018-WP01] 「民間ビッグデータを統計として活用するためには、何が必要か：諸外国の取

組事例の紹介と日本における課題の整理」 12 内閣府[2018a] 「新たなデータの活用について① ～景気動向の把握におけるビッグデータの活用

～」 13 総務省[2018a] 「ビッグデータの統計的利活用に向けて（平成３０年５月２３日） 14 http://www.soumu.go.jp/main_sosiki/kenkyu/big_data/index.html 15 「ビッグデータ等の利活用推進に関する産官学協議のための連携会議」開催要領

61

携会議によって各府省間や民間企業との情報共有体制の構築が進むと思われ、今後の官民によるビ

ッグデータ利活用に係る知見の共有を期待させるものとなっている。そこで本事業における包括的

調査では、先行文献にて実施されていた調査との重複を避けるため、国外の事例にフォーカスした

調査を実施することとした。更に試験調査と新たな経済指標開発それぞれにおいて、その事業の円

滑な進行や高度化に直接的に寄与する調査結果が得られるようにするため、具体的な目的を設定し

た上で実地調査を行うこととした。なお、国外事例の調査については、本報告書★★P〇～★★の

「公的統計へのビッグデータの活用についての調査報告：イギリス、オランダ、シンガポールの先

進事例について（経済産業研究所 小西上席研究員執筆）にて詳細を報告することとし、本章の後

節では有識者委員会設置について報告する。

2.3 有識者委員会開催概要

前述のように本事業では３回の有識者委員会と１回のワーキンググループを開催した。本事業の

仕様書16において該当する項目は「４．実施方法（２）ビッグデータ等を活用した新たな経済指標

開発とその可能性に関する有識者委員会の運営、及び包括的調査事業等の実施」であり、試験調

査、新指標開発、包括的調査のそれぞれのパートに係る議題について討議し、事業運営のための知

見を得ることを目的として開催した。有識者委員会にて得られた知見や示唆については報告書の各

パート（試験調査、新指標開発パート）に反映させているが、ここでは有識者委員会の開催概要と

討議の一部を記載する。

2.4 有識者委員の選定

有識者委員の選定にあたっては、経済学、統計学、人工知能、ビッグデータ関連ビジネス、家電

業界等に知見を持つ専門家を招聘することとし、大学、研究機関に加え、昨年度までの実証事業参

加企業や家電メーカーなどの民間企業の職員もリクルート対象として推薦名簿を作成し、経済産業

省職員との協議の結果、下記の有識者を委嘱した。

（表16） 有識者委員一覧

有識者委員氏名

（敬称略） 委員の所属機関

小西 葉子（座長） 独立行政法人経済産業研究所 上席研究員

16 「平成３０年度ビッグデータを活用した商業動態統計調査の実施・結果検証及び新指標開発事業 仕

様書

62

佐藤 忠彦 国立大学法人筑波大学 ビジネスサイエンス系 教授

鈴木 光則 株式会社ビックカメラ 経営企画本部 次長

武井 明則 PwC あらた有限責任監査法人 RDA 事業開発部 ディレクター

竹林 一 オムロン株式会社 イノベーション推進本部 SDTM 推進室長

西山 智章 一般財団法人流通システム開発センター 理事

羽鳥 健太郎 独立行政法人情報処理推進機構 戦略企画部 調査役

本村 陽一 国立研究開発法人産業技術総合研究所 人工知能研究センター 首席研究員

2.5 第１回有識者委員会の概要

開催日時 平成 30 年 10 月 30 日（火）09 時 30 分 ～ 11 時 30 分

開催場所 中野坂上サンブライトツイン２階会議室

出席者

（有識者委員）

敬称略

小西 葉子（座長）

佐藤 忠彦

鈴木 光則

武井 明則

竹林 一

西山 智章

羽鳥 健太郎

本村 陽一

議題

１． ビッグデータを活用した商業動態統計調査（試験調査）の進捗報告

２． ビッグデータを活用した新指標開発及び新たなデータソースの活用可能性

３． 国内外の政府統計へのビッグデータ活用事例について

４． 民間企業における事例紹介（オムロン）

討議内容詳細（有識者委員からのコメント等）

１．ビッグデータを活用した商業動態統計調査（試験調査）の進捗報告

63

試験調査の進捗を GfK より報告。試験調査が開始され、報告者から送信されてきた

POS データを基に調査票を経済産業省に送信する業務を実施している旨を報告。

以下委員からのコメント（一部を抜粋して掲載）

• 処理負担を考えたときに、データを毎日送ってもらうのか一定期間まとめて送って

もらうのか考える必要がある。通常型の調査と比較して速報性がメリットだが、

POS を使うことでどれだけ速報性を高められるか、また速報性を高めるためにど

ういう形態でデータをもらうと一番処理負担を低減できるのか検討が必要。

• 現在の商業動態統計調査では EC 比率が計算できない。それがこの試験調査で計算

できるようになれば、電子商取引のレポートの代替として使えるのでは。また、

EC 全体の市場の指標を扱うことは非常に意味がある。

２．ビッグデータを活用した新指標開発及び新たなデータソースの活用可能性

GfK 社が保有するヘルスケア市場の POS データを用いて新たな経済指標を開発する取

組みについて報告（ヘルスケア家電、コンタクトレンズ、眼鏡の POS データを活用）

以下委員からのコメント（一部を抜粋して掲載）

• （ヘルスケア商品について）カテゴリの特性がある。一回買ったらしばらく買わな

いのか、コンタクトみたいにあるサイクルで買うのか。今は移動平均よりも明確な

季節性がデータに内包されているので、どう切り分けるのかを考えていった方がい

い。また調剤薬局のデータが Available になってきている。どう活かすのかという

ことを考えた方がいい。

• 訪日外国人の需要はどこに入るのか。入らない、わからないのであれば実態と言っ

てしまうのは難しいかもしれない。

• BtoB もあるので EC にも結構な金額が入っていると思われる。EC のみではなく

BtoB も BtoC と切り分けて検討・分析するべきではないか。

• 眼鏡など、カテゴリを考えると、安くなっていても数量は出ているのではないか。

金額だけではなく数量も、また数量と金額の違いも見る必要があるのではないか。

• 数量のデータも見たい。金額と数量で市場規模をダブルチェックできるという意味

合いもある。また代替の製品の存在を明らかにする必要もある。周期性や突発的な

変動を除いて分析して何が起こっているか見られれば研究としても価値がある。

３．国内外の政府統計へのビッグデータ活用事例

包括的調査の進捗と海外実施調査計画について討議。

以下委員からのコメント（一部を抜粋して掲載）

• （ビッグデータに係るテクノロジーと調査対象国について）AI は普及フェーズだ

が、データベースが加速しないと追い付かなくなる可能性。分析目的によって適切

64

な技術や手法が違う。また、タイミングを知る、変化の予兆を知る、というニーズ

が起こる。市場を見たいと言ったときに、これまでは成長の量を見たいという時代

だったが、急激な変化に対応する、少子高齢化がどう影響するか、など目的を絞っ

た上での戦略を立てるべき。例えば環境負荷は分類に埋もれてしまう。狙いごとに

分類を見直す必要が出てくる。少子高齢化、健康という観点からは北欧にも参考に

できる国があるのではないか。

• データが先にあるのか目的が先にあるのかが重要。どういう観点で動向を探りたい

のか、図面・目的が先にあった上で、どういうデータが活用可能なのか、という基

軸のほうがよい。POS は“何がどう売れたか”を示す販売データ 、ID POS は

“人がどう買ったか”を示す購買データ、という違いを考える必要がある。

４．民間企業における事例紹介「近未来をデザインする」

オムロン株式会社より、民間企業におけるビッグデータ利活用の事例の紹介。

以下委員からのコメント（一部を抜粋して掲載）

• データの定義が必要。一つは官のデータ。自動運転を考えると、信号のデータと自

動運転のデータとあっても、切り分けるのは難しい。民のデータも同じ。民のデー

タはいかにビジネスモデルを生んでいくのか。例えば血圧のデータだと、エンドユ

ーザーが良いと言えば良い。そのためにはエンドユーザーがベネフィットを持って

いて、エンドユーザー側がこのサービスを使いたいからこのデータを出してくださ

い、というようになればよい。勝手に使われて勝手に儲けられるのはみんな嫌。一

旦、情報銀行に集めてフィードバックする仕組みで今進めている。個人情報をカッ

トしていくか、利用者の利益を見せていくか。

• （目的変数と説明変数のどちらから検討すべきか）目的変数から入る。たとえば、

社会課題があってそれを解決する変数とは何か。ただビッグデータを集めても手間

ばかりかかってしまうのでどうやって効率化していくか仕組みを検討している。

2.6 ワーキンググループ「デジタル技術を活用した公的統計開発のための基盤整備ワーキンググルー

プ」の概要

開催日時 平成 30 年 11 月 30 日（金）09 時 30 分 ～ 11 時 30 分

開催場所 経済産業省 別館９階 ９３３会議室

65

出席者

（有識者委員）

敬称略

小西 葉子（座長）

佐藤 忠彦

西山 智章

羽鳥 健太郎

本村 陽一

議題

１． ビッグデータを活用した指標開発とデジタル技術について

２． ビッグデータを活用した商業動態統計調査（試験調査）の技術的側面に

ついて

３． ビッグデータを活用した新たな指標開発案とその実現に必要なデジタル技術

について（RPA を活用した映画館稼働状況実態調査）

４． POS データを活用した「消費増税の影響予測」と「新指標に関する検討」

企画提案

討議内容詳細（有識者委員からのコメント等）

１．ビッグデータを活用した指標開発とデジタル技術について

POS データや位置情報データ等、各種のビッグデータを活用した公的統計の開発にお

いて必要とされるテクノロジーや議論について討議。

以下委員からのコメント（一部を抜粋して掲載）

• ややビッグデータ、AI ブームに押されていた今、全体を通して見直してはどう

か。「AI 分析」といった括り方は素人っぽさが出てしまう。相関、回帰はこれの発

展で考えるといずれも線形が主流であり、また、線形・非線形って決定的なジャン

ルだけでいいのかというと、当然確率が出てくるわけだし、分析対象の性質でマト

リックスを作ったうえでモデルとアルゴリズムをわけて考えてはどうかというのが

代案。深層学習は Learning でアルゴリズムの話をしているが、本来はシグモイド

関数を規定とする非線形モデルのことを言っている。このようにブームで言葉が上

滑りしていた部分を落ち着かせて、長期的に耐えられるものにしてはどうか。

• データ量が大きくなるのではなく解像度が細かくなるというのが本質であれば、空

間解像度を細かくするということを明確に言った方が良いのではないか。もう 1 つ

時間解像度の話も出てきていて、今回のプロジェクト全般それが本質では。ここの

時間解像度が高くなることで、単にビックデータだからというよりも、メリットを

示す際の説得力が強くなる。時間解像度がひたすら細切れになっていくという世界

観で長期的な展望を見て、ビッグデータ活用は当たり前の時代で、月次を週次にす

るのが次の計画ですとするのが良いのでは。

66

２．ビッグデータを活用した商業動態統計調査（試験調査）の技術的側面について

クラウド技術等試験調査で活用しているデジタル技術について討議。

以下委員からのコメント（一部を抜粋して掲載）

• 今データベースがボトルネックになっている。SQL ベースだと試験調査のような

ことはハンドリングしにくい。データに対して必ずセットでフレーム情報だったり

メタデータがついたものを想定して、メタデータで確認することが必要。データ連

携の分野ではそういった議論が始まっている。

• AI がプロセスごとにやりとりしながらデータを流し込む「データプラットフォー

ム」という概念が必要。ネットの社会では存在しているが、サイバーフィジカルと

呼ばれている今の実社会のデータではデータプラットフォームが存在しない。内閣

府の議論でようやくデータ連携基盤というキーワードが出てきた。農水系は

「WAGRI」というものが存在する。統計指標版の WAGRI のようなものは存在感

を示すために看板だけでもあげたほうがいいのかもしれない。仮称でもよいので。

• 製品やサービスを作るにあたって「マスカスタマイゼーション」という言葉があ

る。基本仕様があって、その基本仕様をベースに少しずつカスタマイズして仕様を

変えていくことをこういう枠組みの中に導入できるかを検討すべき。日本ではデー

タがあっても活用できていない企業が多い。ただデータを活用できれば、企業の生

産性を高めることが可能では。

３．ビッグデータを活用した新たな指標開発案とその実現に必要なデジタル技術につい

て（RPA を活用した映画館稼働状況実態調査）

経済産業省調査統計グループより、RPA を活用して映画館予約サイトの情報を取得す

る（スクレイピング）という調査によらない新たな統計の開発可能性についてそのコン

セプトからロボットのプロトタイプ開発までを発表し、討議を行う。

以下委員からのコメント（一部を抜粋して掲載）

• 公表データとオープンデータ（開放データ）を分けたほうが良い。一括りにオープ

ンデータと言ってしまうとあたかも 2 次利用可能なように聞こえるが、実は公表さ

れているだけであって見るだけというケースがほとんどなので、その辺はきちんと

公表データと言って今回の話をした方が良い。

４．POS データを活用した「消費増税の影響予測」と「新指標に関する検討」

2019 年 10 月に予定されている消費増税の影響を予測するための取り組みについて企画

案を佐藤教授より報告。

67

2.7 第２回有識者委員会の概要

開催日時 平成 30 年 12 月 18 日（火）16 時 00 分 ～ 18 時 00 分

開催場所 経済産業省 別館 933 会議室

出席者

（有識者委員）

敬称略

小西 葉子（座長）

佐藤 忠彦

竹林 一

西山 智章

羽鳥 健太郎

本村 陽一

議題

１． ビッグデータを活用した商業動態統計調査（試験調査）の進捗報告

２． ビッグデータを活用した新指標開発及び新たなデータソースの活用可能性

３． ビッグデータを活用した新たな指標開発案とその実現に必要なデジタル技術

について

４． 国内外の政府統計へのビッグデータ活用事例について（海外実地調査中

間報告）

討議内容詳細（有識者委員からのコメント等）

１．ビッグデータを活用した商業動態統計調査（試験調査）の進捗報告

試験調査の進捗を GfK より報告。主に商業動態統計調査丁２調査との際について討

議。差異解消のための手段等について示唆を得る。

以下委員からのコメント（一部を抜粋して掲載）

• （既存の商業動態統計調査と試験調査の差異の大小について）商業動態統計の性格

で言うと、家電量販店の全数ということになっているが、商動自体はサンプル調査

でトレンドがわかればいい。トレンドがわかるのが大事という統計なので、絶対的

な金額が揃わなくても、常に 10％低いというだけであれば問題ないと思う。前年

比で商動と POS でトレンドが変わらないのであれば、商動の代替として問題ない

のではないか。

• POS を使ったらどういうことができるかということと、POS を使って商業動態統

計の代替統計を作ったらどうなるかということ。二つ違う議論が混ざっているの

で、すっきりしない部分があるのではないか。

• 企業からすると、コストを削減できるというのが一番効く。（POS データによって

商業動態統計調査が）12 分類になったというだけでは不足。例えばこの仕組みを

68

入れたら、あらゆる変動に対処できる、コストが削減できるというのが一番効く。

この仕組みを入れたらビジネスが上向くというのがまずひとつ。もうひとつは、集

計後何かほかの情報と掛け算されてフィードバックされるというような形であれ

ば、価値とビジネスが生まれてくる。あとは自由に解析できる仕組み。例えばどこ

かの段階で中間のメタデータが活用できるなど、JAN コード以外にもメタデータ

が入っていると、上のところで統計がかけられるようになる。そのようなフレキシ

ビリティがあるとビジネスに広がってくる可能性がある。

• いろいろ複合的な状態で、まずひとつはこのままだと今後統計予算は徐々に少なく

なっていく。どこかが何か新しいことをやらないと人もつかないし予算もつかない

ということで、経産省、総務省が新しい取り組みを行っている。新しい取り組みと

は、民間データ、ビッグデータを活用して統計指標を作るということ。商業動態統

計を誰が使っているかということについては、おそらく季節性などの多くはトレン

ドを見たい人が多い。エコノミストやメディア、販売側の業界など。あとは商業動

態統計を使って加工統計を作る、GDP などほかの指標を作るために使っている人

がいる。今ご指摘の通り、今のままでは良くないのではないかという感覚は何とな

くある。今売られているものを 6 分類に分けるだけでいいのかという議論もある

が、簡単に調査項目や期間を変えるということは非常に難しいこと。仮にそれを変

えてより現実に近いデータを作ろうといった時に、まずは現状を超えないものだと

絶対に勝てない。現状行っているものを再現できないと、今いる人たちが反対す

る。まずはそこを大事にしつつも、商業動態統計をコピーできたとしてそれでいい

のかというとそれも違う。どうせだったらより良いものを作ろうという方向性。そ

の時に何がわかることがこのデータの良いところなのかを考えるべき。

２．ビッグデータを活用した新指標開発に及び新たなデータソースの活用可能性につい

て

GfK 社が保有すゴルフ用品市場の POS データを用いて新たな経済指標を開発する取組

みについて報告。

以下委員からのコメント（一部を抜粋して掲載）

• （ゴルフ場予約サイトからのスクレイピングデータと POS データの掛け合わせに

ついて）ゴルフの ID-POS のデータが取れて、予約サイトも年代別に取れるような

展開を描いたうえで、いくつか方向性が出せるようになるのではないか。今のまま

だと限界も見えてしまうので、短期的な可能性と長期的な可能性を掲げるといいと

思う。

• Monthly だと期間粒度として粗すぎる。そのあたりも踏まえて指標を考えた方がい

い。

69

３．ビッグデータを活用した新たな指標開発案とその実現に必要なデジタル技術につい

て（RPA を活用した映画館稼働状況実態調査）

経済産業省調査統計グループより、RPA を活用して映画館予約サイトの情報を取得す

る（スクレイピング）という調査によらない新たな統計の開発可能性について発表の後

討議を行う。

以下委員からのコメント（一部を抜粋して掲載）

• RPA の正しい使い方だと思っている。消費者庁が病院の器具の誤使用などのデー

タを全国的に集めるのに、いくつかサンプル調査を委託してそれほど高額でない謝

金を払って医療機関からデータを集めている事例がある。このような形で運用に係

る課題の利用規約に関しても合意して解決する見込みがあるのではないか。そうす

るとレイアウト変更のタイミングを教えてもらって対応するような協力関係ができ

る。彼らもデータを活用するユーザーにもなると思う。コミュニティとして早めに

接触したほうがいい。

• （RPA の設計について）パソコンというよりも仮想環境で作れば、1 台で何度も取

りに行ける。クラウドを借りていくつか立ててやれば安価にできる。

• 映画の業界の方が自分たちで斜陽だと思っているのか、成長すると思っているかに

もよる。斜陽しているのであればパイの取り合いになるからデータは出したくない

となるし、逆に情報シフトして拡大していこうとなるのであれば、新しいコンテン

ツやサービスを入れるなどしてデータを活用して経営したという風になると思う。

４．国内外の政府統計へのビッグデータ活用事例について

海外調査の中間報告（欧州地区実施調査）内容について討議。

以下委員からのコメント（一部を抜粋して掲載）

• イギリスのマーケティングの論文はあまりないが、オランダにはたくさんある。ヨ

ーロッパではオランダが一番多いと思う。イギリスも統計の研究はある程度進んで

いる。

• 海外ではあまり EBPM とは言わないが、それに近い言葉を発していて、データを

新しいシステムで使おうとしている。プラットフォームにしてくっつけようとして

いる。例えば人の移動を見るときに、電車の Suica のような情報や人が動いている

情報を、人が動いているということだけに使うのはもう嫌だと言っていて、他のも

のに役立てたいと思っている。どんどん使っていきたい・作って行きたいというイ

メージ。

70

2.8 第３回有識者委員会の概要

開催日時 平成 31 年 2 月 14 日（木）15 時 00 分 ～ 17 時 00 分

開催場所 経済産業省 別館 934 会議室

出席者

（有識者委員）

敬称略

小西 葉子（座長）

佐藤 忠彦

鈴木 光則

武井 明則

竹林 一

西山 智章

羽鳥 健太郎

本村 陽一

議題

１． ビッグデータを活用した商業動態統計調査（試験調査）の結果中間報告

２． ビッグデータを活用した新指標開発及び新たなデータソースの活用可能性

３． 消費税増税の影響評価

４． 成果のとりまとめ・普及活動について（ポータルサイトによる成果の公表）

５． 国内外の政府統計へのビッグデータ活用事例について（海外実地調査報

告）

討議内容詳細（有識者委員からのコメント等）

１．ビッグデータを活用した商業動態統計調査（試験調査）の中間結果報告

試験調査結果の中間報告を GfK より実施。回収率や最終的な差異とその解決手段につ

いて報告し、その後討議。

以下委員からのコメント（一部を抜粋して掲載）

• 報告者の確認が少し大変だというところがあったが、確かにそうだろうと思う。分

類も違ったものになってしまっているし。やはりそこにも指摘があるように、そも

そも GfK でもある程度貰ったデータを金額・数量などをきちんと見ながらチェッ

クを行っていると思う。そこでチッェクをしてそれでも問題があれば確認をされた

らいいということだ。そう考えると一旦そこでチェックが終わっているのならば、

それ以上は必要ないのではないか。逆に個票にして報告者に返したところで、自分

たちでチェックのしようがないだろうと思う。入口で押さえる形がいいと思う。商

業動態統計の個票も報告企業に依存するのが現状、それよりも大枠でチェックされ

ていれば、それでいいのではないかと思う。もう一つ意見としては、個店の協力が

得られないという状況は現実にあると思うし、致し方ない部分はあるが、データを

もらうだけではなくて、協力いただいた報告者側に向けた何かしらのフィードバッ

71

クを検討すべきではないか。すべての報告者が必要なわけではないかもしれないが

個店別データの提供に協力いただいた場合はフィードバックの提供を考慮すべきで

ある。あるいは新指標もすぐには外には出せないが、そのような新しいものをサン

プル的にお渡しして使っていただくとか、何かメリットになるものがあると協力し

やすくなるのではないかと思う。

• データを提供いただける報告者に対して、チェックが大変だということであれば、

自動化できるのかどうなのか、きちんと目で見なければいけないのかを考えて、チ

ェックのためのガイドラインとか、ツールの提供などで負担軽減が考えられないか

という点が一つ。もう一つは提供する側のメリットについて、今は協力者が少ない

からメリットが少ないというような「にわとりが先か卵が先か」の状態になってい

るので、いくつかケースを作ってあげて、出していただいているところにはインセ

ンティブでこういうケースに使えますよという提示をしてあげるような形、具体的

なものを示すことで、実際にはないのかもしれないが、メリットを感じさせてあげ

ることが重要ではないか。例えばそれぞれの会社の中で話をするときにこういうメ

リットがあるとか、担当者の方が会社に説明しやすくしてあげられる材料を考えた

方がいいのではないかと思う。

２．新指標開発および新たなデータソースの活用可能性

GfK 社が開発した家電大型専門店以外の分野の POS データを利用した新指標につい

て、今後の方向性等の討議を行う。

以下委員からのコメント（一部を抜粋して掲載）

• 今までの指標の代替というのはコストダウンできるという話だし、速報性は早いと

いうことだと思うが、だいたい AI、ビッグデータは早い、安い、うまいだと思

う。今回はその「うまい」の部分が上手く盛り込まれているので、使い道やユース

ケースといったご利益の部分をうまく引き出せる気がする。

• ヘルスケアにしてもゴルフにしても、商業動態は商業動態として、それとは別にこ

れを掛けることでこういうことがわかりますということがセットされると有用だと

思う。ヘルスケアでは血圧計や歩数計など家電データが多いが、もうちょっと色々

なデータを使って自由度が高い状態で触りたいと感じる。使い方のヒントだけ教え

てもらえれば、後は現場の人たちが判断すると思う。商業動態統計の範囲を広げ、

非家電も含めてとなった方が使いやすいと思う。

• ビッグデータを使って新たな新指標を作って、GfK がビジネスに落とし込む。そし

てそれが新しいビジネスになったら、METI の指標としても一定期間は公表すると

いうのがゴール。今回、ヘルスケア、ゴルフというのを選んで 1～3 回の有識者会

議を経ることで、問題点が明らかになってきたが、1 つは商業動態統計だったらこ

72

の分野は「その他」に入ってしまうので、オーバーエスティメイトで市場を測るこ

とが出来ない。そのため、この商品が見たいのであれば、この方法で見ることが出

来るということは出来る。問題点は、「この商品が知りたいかどうか」にある。な

ぜ映画の話が響くかというと、ぱっと見でコストを掛けずにデータを取れているか

ら。廃止になった統計調査を代替することが出来る。

• 輸入品と輸出品に分けたときに、POS だと輸入品がわかるという話があったが、

ここでは経産省の問題となる。経産省は国の産業を応援する立場にあるので、国産

の家電製品がどうなっているのかが気になるポイント。経産省が関心を持つのは生

産と輸出。また主要な経済指標と関連があるかというのに関心があって、どうして

IIP ばかり出るかというとすごく重要な指標なのであり、GDP にも使われているの

で。

３．平成 30 年度ビッグデータを活用した商業動態統計調査（消費税増税の影響評価）

の進捗報告

2019 年 10 月に予定されている消費増税の影響を予測するための取り組み（過去データ

を用いたモデルの開発）について進捗を佐藤教授より報告

４．成果のとりまとめ、普及活動について

ゲーミフィケーションによるデータビジュアライゼーション技術を活用した成果の取り

まとめについて発表の後、討議。

以下委員からのコメント（一部を抜粋して掲載）

• ユーザーが情報を受け取る際に、受け身であるか前のめりであるかは重要なポイン

トだと思う、前のめりメディアなのか受け身メディアなのかにより情報の伝わり方

が変わると考えている。リクルートがデータベースの検索クエリを体系化して残し

ており、似たような検索をしている人に、他の人の検索クエリをレコメンドすると

いうことが有効となっている。ユースケースを集める仕組みとしてそれも検討でき

ると、今後につながる可能性がある。

• 日本はゲームなどクリエイティブな点が海外から高評価を受けている。それにより

統計の世界が変わり、ゲーミフィケーションによって日本語がわからない海外の利

用者が増えることで、各省庁は多言語化をする必要なく、統計を行うことができ

る。

４．国内外の政府統計へのビッグデータ活用事例について（海外実地調査報告）

第２回有識者委員会にて報告した欧州地区の実地調査に引き続き、シンガポールにおけ

る実施調査の報告を行うと共に、調査業務全般について討議。

73

以下委員からのコメント（一部を抜粋して掲載）

• 携帯電話の基地局のデータや、ストリートビューのデータは、上で加工せずに生デ

ータで置いてもらえるだけで価値がある。1 個のストリートビューからどんな軸を

取って、何を取るのかはユーザー側の話だが、ベースになるデータさえあれば、A

という学習モデルを作る者も出てくるし、C という AI を作ってくる場合もあるだ

ろう。海外は進んでいると感じる。

• データサイエンティストロールのレベルの定義が、日本には抜けている。スキルだ

け抽出するのではなく、アクションやロールの定義をしっかり行っているところが

欧州と日本との一番の違いである。

• AI は全体デザインをする人が非常に重要。多くは作れないかもしれないが、下手

するとサイエンス教育が論理教育ばかりになってしまう。日本で細かい部分だけ育

成されていても使いにくい、と企業に勤めていて感じる。まずは AI デザイナー、

プログラマーで言うとアーキテクトを定義して育成していただきたい。

74

公的統計へのビッグデータの活用についての調査報告

「イギリス、オランダ、シンガポールの先進事例について」

3.1 はじめに

本レポートは、経済産業省の「平成 30 年度ビッグデータを活用した商業動態統計調査の実施・

結果検証及び新指標開発事業」において、ジーエフケーマーケティングサービスジャパン株式会社

（以降 GfK 社）が 2018 年 12 月に実施したイギリス、オランダ、シンガポールに関する海外調査

を通じて得られた知見をまとめたものである。2014 年以降現在に至るまで経済産業省において

は、一連のビッグデータを活用した新指標開発事業を実施しており、新指標開発や試験調査といっ

た結果が蓄積されてきている。そこで本年度はビッグデータを活用した新指標開発と本事業で行っ

ている試験調査のように民間ビッグデータとテクノロジーを公的統計に活用する取組みについて海

外先進事例の調査を行った。

図 24 に示すように AI や機械学習は 1950 年以降、ブームと冬の時代を繰り返している。第一次

AI ブームでは、理論やアルゴリズムの開発が行われたが、実装するコンピュータの開発が追いつ

かないため、冬の時代を迎えた。その後コンピュータ（計算機）の開発が進み、第二次 AI、第二

次ニューロブームが起きるが、実証するためのデータが十分になくブームが終焉した。その後、現

在の AI ブームの中心的技術となるディープラーニングの研究が進み、2012 年以降のビッグデータ

ブームを契機に世界的な AI、IoT ブームが起こった。この流れに沿って METI を中心とした国家

プロジェクトも継続して行われ、2014 年よりビッグデータの活用に特化したわれわれのプロジェ

クトも継続している。技術、コンピュータ、データが全て揃った 2012 年以降、広義の統計（デー

タ、統計学、統計調査）の持つ社会的インパクトは年々高まっており、われわれのプロジェクトも

本年度は民間ビッグデータを用いて、統計法に基づいた一般統計調査である「POS データを活用

した商業動態統計調査」を実施でき、画期的な一年となった（図 25 参照）。

本レポートは、筆者である小西が GfK 社の海外調査に対してアドバイスを行いながら、同行して得られた知見を

まとめたものである。本レポートの作成にあたり、ジーエフケーマーケティングサービスジャパン株式会社 中村千

里氏より、対象国選定のための事前調査、現地での対応、調査後の情報整理など多岐に渡り多大な協力を得ている。

記して感謝したい。

なお、本レポートの見解は筆者の意見であり、その不足や誤謬は全て筆者に帰する。

75

（図23） 近年のブームの年表

小西・本村(2017), RIETI Policy Discussion Paper, 17-P-012 の図に加筆

（図24） 経済産業省ビッグデータを活用した新指標開発事業の変遷

近年、過去に例が無いほど広義の統計が注目を浴びており、公的統計においても注目が高まって

いる。公的統計の目的は、長期に渡り国の状態を記録し続ける国力の基礎情報であり、政策に活か

すことが求められる。公的統計調査は、正しくあって当たり前で、間違うことが国の根幹を揺るが

せ、国際社会での信頼が損なわれることから、道路、エネルギー、水などと同様に社会的インフラ

の一つと言えるだろう。一方、急速な新しい技術の普及や人々の価値観の多様化などにより、わが

76

国においても経済活動の構造変化が起きており、公的統計の精度向上が求められる一方で、統計調

査環境はますます悪化している。言い換えれば、データソース（情報源）を家計や企業からの報告

に依存した従来の統計調査方法だけでは、公的統計の質を維持することが困難になっている。例え

ば個人については固定電話を持たない層が増えており、調査対象から外れたり、調査票回収や質問

を行うのが困難になったりする。同じようにオンライン調査を実施する場合、インターネットアク

セスがない個人が対象外になる。働き方や働く時間の多様性による、調査側からのアクセスの困難

さもある。また、シェアエコノミーなどの新しいビジネスを利用した場合には、家計が支出をどの

ように計上すればよいかの整理が遅れているし、同時に生産側からみても産業分類上の定義が追い

つかず経済活動の捕捉が正確にできないという問題がある。企業活動についても製造業のサービス

化やサービス業に分類される企業がものづくりも行うなど、従来の産業分類で活動を捕捉すること

が困難になっている。これらは正しく現行の調査を行っても正しく社会を把握する事が困難になっ

ていることを意味しており、社会の実態を反映した調査を行うことが喫緊の課題となっている。そ

こで本事業では、この課題に応えるべく公的統計調査に対してビッグデータやテクノロジーの活か

しどころを見いだし、実行することを目的としてきた。一つは新たな統計指標を作成すること、も

う一つは既存の公的統計調査の代替になるような統計調査を実施することである。いずれもビッグ

データの活用が前提である。

（図25） 統計調査の手続きへのビッグデータやテクノロジーの活用

図 26 は従来の統計調査作成のためのワークフローに、ビッグデータやテクノロジーを活用でき

る可能性について図示している。大まかなイメージでは、各企業が調査票を記入するパートはビッ

グデータへの置き換え、RPA (Robotic Process Automation) による自動収集が可能だろう。収集

したデータの審査やエラーの診断などは人工知能に過去の調査結果とその精度について学習させる

77

ことで代替可能である。加工、修正、解析はデータサイエンスの技術を応用し、公表物については

デジタルダッシュボードを用い、利用者環境を改善することができるだろう。これらの取組みは今

すぐに可能になるわけではなく、今後様々な取組みを通じて継続的に行われていく必要がある。

本事業では、図 27 で示すように、民間ビッグデータを活用し、商業動態統計調査における新たな

調査方法を提案し、試験調査を行った。商業動態統計調査の家電大型専門店（丁２）を対象とし、

報告者（企業）から提出されていた調査票情報を、データホルダーである民間事業者（ジーエフケ

ーマーケティングサービスジャパン株式会社、以下 GfK 社）が保有する各社の POS データを用い

て GfK 社が作成し、経済産業省に提出するという新たな調査スキームである。このスキームが

2018 年 7 月に総務大臣の承認を得て、統計法に基づく一般統計調査を実施し、2019 年 2 月に結果

を HP 上で公表した。

（図26） 本事業の試験調査のワークフロー

本事業の試験調査では、図 27 で示すようにデータ収集を POS データに置き換え、総務大臣の承

認をとった上で、一般統計調査として調査し公表できたことが大きな貢献である。また、民間ビッ

グデータのみで公的統計調査を作成したところに特徴がある。このように、既存の統計調査に対し

てビッグデータや新たな技術を用いて代替的な統計調査を行うこと自体がわが国初めての試みであ

り、公的統計調査の今後の発展への大きな第一歩となるであろう。また経済産業省の一連のビッグ

データを活用した新指標開発事業では、多くの新指標を作成してきた。既存の景況感についての公

的統計の結果を教師データとし、消費者センチメントを学習させ、SNS のテキストデータで景気

についてのポジティブ・ネガティブ判断をさせて新たな景況感指数を作成したり、IIP 指数の予測

指数を作成して、公表した。また携帯電話の位置情報や POS データを用いた IIP 指数の予測やナ

ウキャスト分析、POS データから国産製品比率の推計や価格変動を観察する指標などを作成して

きた。

78

以上より、本海外調査では本事業の主たる成果であるビッグデータ活用による新指標活用と上述

の試験調査についての海外の先進事例を調査することを目的とした。その際、先進事例を有する海

外機関における人材育成、統計現場の体制、公表・広報の工夫についても積極的に情報収集を試み

た。これらの結果を本報告書でまとめることとする。

なお、本海外調査の成果の一部は 2019 年 3 月 14 日に RIETI の BBL セミナーにおいて筆者が報

告し（小西(2019)）、本報告書もその内容に沿って構成される。

以下では次節で、海外調査の目的と訪問先についての紹介を行う。３節では、イギリスとオランダ

の新指標開発事例について、４節では本事業の試験調査のように民間ビッグデータのみで公的統計

調査を実施の有無について言及する。５節と６節ではそれぞれ教育体制と統計作成現場の体制につ

いてまとめる。７節では各国の統計調査の公表・広報に関する工夫について紹介する。８節はまと

めと今後の展望である。

3.2 訪問目的と訪問先について

本海外調査の訪問国の選定基準は、（１）デジタル政府の推進及びビッグデータの利活用に言及

している、（２）ビッグデータを利活用した実証研究事例がある、（３）ビッグデータを公的統計に

実装したもしくは活用した事例がある、の３点である。本海外調査では本事業の主たる成果である

ビッグデータ活用による新指標活用と前述の試験調査についての海外の先進事例を調査することを

目的とした。その際、先進事例を有する海外機関における人材育成、統計現場の体制、公表・広報

の工夫についても積極的に情報収集を試みた。諸外国における、行政記録・民間ビッグデータの活

用状況を把握することで、今後のビッグデータ新指標開発に必要な知見を得ることを目指す。具体

的には、行政記録情報やモバイル端末の位置情報データ、インターネットからスクレイピングされ

たデータ等を活用した指標の開発状況を調べる。また、新たな調査手法（ビッグデータ×デジタル

技術）を活用した統計調査の実施に係る知見を獲得する。さらに、本事業で行った試験調査のよう

に、民間ビッグデータのみを用いて既存統計を代替することを目的とした統計作成が行われている

かも調べ、本実証事業の妥当性や先進性を確認する。これらの先進的な試みには、高度な統計リテ

ラシー、データリテラシーを有する人材が不可欠である。同時に組織、政策、法律、人材などの各

種バックアップ体制が伴わないと実現が困難である。よって人材育成と統計現場の体制についても

調査の対象とした。また調査結果の公表及び広報も、利用者との接点となり、統計調査の評価や存

続に関わる大事なプロセスであるため、各国がどのような工夫を行い、デジタルテクノロジーを活

用しているかを調べることとする。各国の訪問先機関の情報と対応者などは付表１にまとめてい

る。図 28 は訪問先一覧である。2018 年 12 月に 2 回に分けて、欧州（イギリス・オランダ）、ア

ジア（シンガポール）の 6 都市 11 機関を訪問した。以下では赤字の政府機関の取組みに焦点を当

てて議論を進めていく。

79

（図27） 訪問先機関一覧

3.3 ビッグデータとテクノロジーを活用した新指標の開発例

本報告書でのビッグデータは、民間企業の保有する大規模データと公的機関の行政記録情報を指

す。ここでは、イギリスとオランダの海外調査の結果を報告する。シンガポールについては、行政

記録情報の活用が進んでおり匿名化された税務情報を限られた環境での利用になるが統計作成に利

用可能となっている。しかし、民間情報の活用は現時点では検討がなかった。

イギリスは国家統計局 (Office for National Statistics, 以下 ONS) の取組みについて 2 事例紹介す

る。まず、住宅に関する消費者物価指数である UK House Price Index (以下、UK HPI)について

の取組みである。イギリスにおける不動産の資産価値は非常に高く持ち家比率も高い。また景気・

経済動向との関係も強いため、公的機関、民間合わせて様々な住宅物価指数が存在していた。そこ

で、2010 年 12 月に利用者のニーズを満たし、住宅価値、価格の変動を正しく理解するために、統

一された 1 つの公的住宅価格指数が必要不可欠と判断し、指数見直し勧告 (National

Statistician’s Review of House Price Statistics) が行われた。2012 年 3 月には、ONS、英国土地

80

登記所、北アイルランド国土資産管理局、及びスコットランドの登録機関の４機関による共同計画

が発表され、2014 年 10 月に新しい手法による住宅価格指数 (UK HPI) を公表した。2016 年 6

月正式発表を行い、2018 年 9 月には UK HPI は公的統計として評価され、その後改定についての

レビューが発表され 2022 年までに改定終了予定である。UK HPI を新たに作成するに際し、行政

記録情報、民間ビッグデータ、オープンソースと異なる種類のデータを用いて公的統計を作成して

いる点に新規性がある。住宅価格のデータは英国土地登記所 (HM Land Registry) の取引価格で

ある。UK HPI の作成にはヘドニックモデルを用いるため、各住宅の資産価値を決定する属性情報

を Valuation Office Agency の Property attributes data から入手する。位置情報は、オープンデ

ータの Postal code を利用し、地域の属性（世帯所得、教育水準など）と結びつける。さらに住宅

の資産価値を正しく計測するために、金融機関のデータを用いて売買の履歴や担保としての価値も

勘案する。これらの複数データ地理情報である postal code（1 コードに 100 住宅くらいが含まれ

る）と住所でマッチングされる。マッチング率はおよそ 70%で、アパートやマンション、ビルなど

複数階を有する建物の個々の部屋のマッチングが難しい。図 29 は UK HPI のイングランド地方の

年次と月次の公表ページである。他の 3 地域、アイルランド、スコットランド、ウェールズの結果

も同様に公表される。

81

（図28） UK House Price Index の公表サイト

出典：http://landregistry.data.gov.uk/app/ukhpi

イギリスの第二例目は、ビッグデータと AI 技術の応用事例である。都市の緑化深度の測定にス

トリートビュー画像と機械学習を用いている。2015 年には、都市における自然（主に樹木）の金

銭的価値は 2 億 1100 万ポンド以上と推定された。樹木の存在は、空気の浄化、野生生物への生息

地の提供、防水・防風・防砂などの災害被害の減少、緑地増や公園増による運動の促進、サードプ

レイスとしての役割を果たすことによるコミュニティ結束力の向上など、多岐に渡る。これらを通

じて地域経済の活性化などをもたらすと考えられ、その市場価値は年間 10 億ポンドを超えるとい

う指摘もある。一方で、都市の緑化深度を測定するには、人手と時間が膨大にかかり、高コストで

困難である。

そこで、ストリートビューの画像を、画像セグメンテーションアルゴリズムで解析し、イギリスと

ウェールズ、全 112 の主要な町と都市について、10 メートル間隔で植生の密度を推定し緑化深度

を測定している。図 30 はウェールズの最大都市であるカーディフのカテドラルロードの 2 点につ

82

いてそれぞれ緑化深度を計測している。樹木の多寡と深度の値に矛盾がない。

（図29） Google ストリートビュー上に表示された緑化（植生）深度 出所：https://datasciencecampus.ons.gov.uk/how-green-is-your-street-visualising-the-urban-forest/

オランダについては、オランダ中央統計局 (Centraal Bureau voor de Statistiek、以下 CBS)

の 3 例について紹介する。まず、携帯電話の位置情報の活用例を紹介する。CBS は地方自治体の

人口記録に基づいて、オランダ全土の毎月の人口統計を作成している。大都市においては、都市人

口の急増という問題が恒常化しており、都市の機動性、安全性、緊急対応力、観光などの活動に負

の影響を与えると考えられている。

83

（図30） 携帯端末の位置情報活用による地域人口把握

出所： https://dashboards.cbs.nl/v1/dtp/

政策立案者は、これらの課題に対応するために、各地域に何人の人がいるかについて、地理的に

も時系列的にもより詳細な情報が必要である。

携帯電話・スマートフォンは現在の位置情報に対応して周辺の基地局と常時通信しており、毎日何

百万台もの電話が T-Mobile ネットワーク上で同時に通信を行い、日々何十億ものアンテナ接続情

報がデータセンターに入っている。この情報を人の流れと即時の地域人口の把握に利用しようとい

う試みである。その際重要となるのは、個人情報の保護の問題である。実際、地域への人と移出・

移入のフローの計測と滞在人口の把握は個人の集計結果を用いるので個人情報は必要ない。個人情

報保護の観点から分析過程で秘匿処理される必要があり、データは匿名化され、統計情報として処

理・活用される。この莫大な規模と高頻度に発生するデータの匿名化処理手法を、CBS と T-

Mobile が共同作業によって開発し、その研究成果を公表予定である。

次は、既存調査の補完を、ビジネスレジスター（企業名簿）、AI 技術、ウェブスクレーピングを

84

使用することによって実現した例である。CBS では、従業員 10 名以上の企業を対象に、イノベー

ション投資に関する調査を行っている。調査の定義上、従業員 9 名以下の多くの小規模企業が調査

対象から除外されている。そのため既存のイノベーション調査の結果（イノベーション投資・活動

の有無）と調査対象の Web サイトを教師データにして、ディープラーニングのアルゴリズムを開

発し、Web サイトの情報からイノベーション投資・活動を行っている企業の判別を可能とした。

図 32 は最新の結果である。CBS のビジネスレジスターから、従業員 10 名未満の 50 万社を抽出

し、それらの Web 情報を解析したところ 3 分の 1 以上がイノベーション投資や活動を行っている

と判断された。それらの企業は主に大都市、特にアムステルダムとロッテルダム、そして、応用科

学大学、特に技術系大学がある自治体に集積しており、これらの地域への企業集積は年々増加傾向

である。この研究でも調査結果には個別情報が必要ない。研究経過、調査経過においても個々の会

社がむやみに識別されないよう配慮し、各企業の郵便番号をもとに地方自治体レベルで集計してい

る。

（図31） AI によってイノベーション企業と判断された企業の分布（従業員数 10 名未満）

出所：https://www.cbs.nl/nl-nl/onze-diensten/innovatie/project/innovatie-bij-kleine-bedrijven

最後は、船舶の運航情報という行政記録情報を使って、四半期 GDP の推計・予測を行う事業で

ある。オランダの河川及び運河の水路網は約 6000 キロメートルに及び、運河の多くは排水だけで

85

なく航行も行っており、全国各地に輸送サービスを提供し、その航路網やシステムは複雑である。

6000 キロメートルのうち、2200 キロメートルの主な商業用水路は国営であり、Rijkswaterstaat

（運輸省に相当）が運営している。この水路網（図 33 参照）による輸送は、オランダの国際貨物

輸送の約 40％、国内貨物輸送の 20％を占めている。

（図32） アムステルダムーライン運河

出所：https://www.cbs.nl/en-gb/our-services/innovation/project/sensor-data-improves-flash-estimate-for-inland-

shipping

運河を安全に運行するために、 Rijkswaterstaat では「情報安全システム（IVS）」を活用し、

水運に係る情報を収集している。IVS から得られる情報には、船舶の種類と従量、積み荷の種類と

重量、積込港と積下港いった位置情報などが詳細に含まれており、それらを主成分分析することに

よって内陸輸送の生産額と付加価値を推計して、四半期 GDP の足元予測を行っている。

3.4 民間ビッグデータのみを用いた公的統計作成の実施状況

本事業では、図４で示したように、商業動態統計調査の家電大型専門店（丁２）の代替統計を民

間ビッグデータのみを使用して作成し、公表した。このような取組みが訪問した 3 ヶ国で実施され

ているかを調査した。結果は、第３節で紹介した UK HPI のように住宅価格の行政記録情報をメ

インに利用し、オープンソースや民間データを補足的に用いて統計指標を作成している例はあっ

た。また消費者物価指数（CPI）の一部品目で、スキャナーデータ（POS）を活用している事例は

あるが、民間企業が保有するビッグデータを広範囲に収集し、公的な統計調査として実施した事例

は存在しなかった。この点については、本実証事業が調査対象の 3 ヶ国よりも新規性があることが

86

わかった。

3.5 人材育成についての取組み事例

質や精度が高い統計調査の実施や、自らが作成した統計調査による分析、またその公表・広報活

動を効率よく行うためには、人材教育が欠かせない。以下イギリス、オランダ、シンガポールの順

に各国の人材教育の取組みについて紹介する。これら 3 ヶ国の中で、最も教育に力を入れているの

はイギリスであった。イギリスは、2017 年に「Data Science Campus」を ONS 内に設立し、教

員としてデータサイエンティスト 40 名が在籍している。また、国立データ科学研究所 (ATI) と

MOU を締結した。また具体的な計画として、UK Statistics Authority Business Plan を策定し、

2019 年には 150 名、2021 年までにデータサイエンティスト 500 名輩出することを目標としてい

る。これにより、国がデータサイエンティストの定義を定め、公務のために貢献する官製データサ

イエンティストが生まれることが最大の貢献である。図 34 にあるように、データサイエンティス

トの種類は、5 種類ある。トレイニー（2 年）、ジュニア（3 年）のプログラムを経て、さらに 2 年

間の実践を経てようやくデータサイエンティストとなれる。その後もシニア、ヘッドとレベルを上

げていくことが可能である。ONS 内では、毎週、R や Python の研修を実施しており、このキャ

ンパスに参加していない職員のための教育も充実している。また１ヶ月に一度 3 時間、職員全員が

仕事を止めて必ず研修や勉強する時間を設けており、学ぶための環境の整備に注力している。

（図33） データサイエンティストの定義とプログラム内容について

出所： https://www.gov.uk/government/publications/data-scientist-role-description/data-scientist-role-

description

この Data Science Campus の取組みで特筆すべきは、資格を作るだけでなく、資格取得後の

87

ONS や他の公的部門、政府内でのキャリアパスや統計業務に対する権限まで明文化されている点

にある（図 35 参照）。自身のキャリアアップのために資格取得などの勉強を続ける者もいるが、大

抵は取った資格を活かす場所がないため、研修に参加したり勉強する前に諦めてしまうケースが多

い。イギリスはその後のキャリアパスを描くことで有職者が安心して当該コースに入るシステムを

構築できている。

（図34） データサイエンティストのキャリアパスと業務権限などについて

出所： https://www.gov.uk/government/publications/data-scientist-role-description/data-scientist-role-

description

オランダの CBS では、教育体制についての明示的なヒアリングは行わなかったが、参加者のほ

とんどが、経済、物理、統計の PhD 保有者で自ら Python を活用し Web スクレイピングするな

ど、高度な知識を有する人材が多数存在していた。付表 2 は彼らがわれわれの訪問に際し、企画し

たワークショップのプログラムである。CBS 内のビッグデータセンター所属の職員もおり、公的

統計のベータ版の作成に携わっている。報告内容は、最新技術とビッグデータを用いたもので、学

術的にも価値の高いものであった。組織内にデータサイエンティストが多数存在していると思われ

る。

シンガポールの Gov.Tech はシンガポール国立大学と MOU を締結している。 Gov.Tech(2018)の

「Digital Government Blueprint」内で、2023 年までに全ての行政サービスをデジタル化し、そ

れに伴い 12 万人の全ての公務員に基本的なデジタルリテラシーを身につけさせることを目標とし

ている。また、当初は公務員 1 万人を目標にしていたが、現在は 2 万人に 2023 年までにデータ分

析とデータサイエンスのトレーニングを実施することを目標としている（2018 年 6 月時点で

4,000 名が受講済み）。

88

以上のように、これら 3 ヶ国は、高い数値目標を立て、それを実現するために内製の教育プログラ

ム策定に尽力し、加えて学術機関、公的研究機関等と MOU を結びながら、データサイエンティス

トの育成をしていることがわかった。

3.6 統計作成現場の体制への取組みについて

第１節で述べたが、近年、公的統計の精度向上が求められる一方で、統計調査環境はますます悪

化している。言い換えれば、データソース（情報源）を家計や企業からの報告に依存した従来の統

計調査方法だけでは、公的統計の質を維持することが困難になっている。この点について各国の統

計作成現場の体制への取組みについてまとめる。

イギリスでは、近年の統計に関する法律の改正により、行政記録情報・税務情報・民間データに

対して、統計利用を目的としたアクセスが可能となっている。この法律によるバックアップは統計

調査を行う上で非常に大きい。同時にプライバシー保護の法律も策定され、企業間のデータ接続な

どについて法律に基づく判断が必要となっている。この点に対して、イギリスでは、専門家（弁護

士、会計士等）が統計現場に組み込まれ、従来のスタッフを民間対応、公的対応２つに分け、企

業、専門家、研究者、公務員の間で様々な調整を担わせ、統計作成作業が潤滑に回るよう機能させ

ている。全体的な方向性として、税務データを使用できるようになることで、家計所得や企業の売

上げ等の情報がより正確で詳細に取れることにより、既存統計を代替しようとする動きがある。こ

れも Digital Economy Act などの法律のバックアップによるものである。

オランダは CBS の中に、「Center for Big Data Statistics (CBDS)」を 2016 年に設立した。ア

ムステルダム大、ライデン大、IBM、Microsoft、イギリス、韓国等、各国統計局等、45 の法人及

び公的機関とパートナーシップを締結している。AI など高度な統計解析が可能な職員や統計学、

物理学、経済学の PhD 保有者が多数在籍している。またオランダの統計機構は集中型でもとも

と、民間企業については統計調査への協力義務の法律があり、この点も統計作成現場にとって大き

なバックアップとなっている。

シンガポールは、国家統計局「Singapore Department of Statistics (DOS)」が METI のカウン

ターパートである通商産業省 (Ministry of Trade and Industry, MTI) 内にある。

89

（図35） PMO (Prime Minister’s Office )の直下の組織

出所：https://www.pmo.gov.sg/About-Us

それに加えて、2014 年以降、図 36 にあるように首相官邸直下の組織として、SNDGO (Smart

Nation and Digital Government Office )を置き、政府のデジタル化（デジタルトランスフォーメ

ーション, DX）を推進し、スマートネーション化を進めている。Gov.Tech は 2016 年に設立され、

2017 年 5 月から首相官邸の下に置かれており、スマートネーション化のサポートのための IoT、

データサイエンス、アプリケーション開発、ICT 及び関連技術を駆使する最先端の組織として、公

的部門のデータや技術のプラットフォームになっている。加えて Data.gov.sg という公共機関によ

って収集されたデータセットを一元的に集約して提供（ワンストップ）するサービスを提供してい

る。

以上より、統計作成現場が、スムーズに限られた人員や予算で調査を実施するためには、組織

化、法律、教育、最新技術の導入などのバックアップが不可欠であることがわかった。

3.7 調査結果の公表、広報の工夫について

ここではオランダの CBS と CBDS、シンガポールの Gov.Tech と Data.gov.sg の取組みについて

報告する。CBS は統計結果の公表へのビジュアライゼーションの工夫、複数チャネルによる配信

に力を入れている。具体的にはホームページの他、Facebook、Twitter、Instagram、RSS、ニュ

ースレターの活用し、効果的な広報活動を実施している。また図 37 で示したように、CBS 内に撮

影スタジオを保有しており YouTube による動画配信等も内製で積極的に行っている。最近では会

話形式で情報発信するアプリケーションのプロトタイプ開発にも着手している。ビジュアライゼー

ションについても Web デザイナーを擁する広報専門部隊により内製で表やグラフ等のフォーマッ

ト作成も行っている。さらに、３節で紹介した CBDS が開発しているビッグデータの活用事例

は、研究段階で「Beta Product」として CBS のホームページにおいて積極的にリリースされてい

る。

90

（図36） 調査結果の公表法の変遷

シンガポールは、前節で述べたように首相官邸の下に Data.gov.sg という公共機関によって収集

されたデータセットを一元的に集約して提供（ワンストップ）するサービスを提供している。

Data.gov.sg は設立当初は 7 名であったが、現在は 5 チーム、70 名体制となっている。2019 年 3

月 11 日の時点で 1691 の公的機関のデータと 13 の API (Application Programming Interface) を

公開している。開発はアメリカやイギリスのオープンソースを活用し、開発スピードを上げ、コス

トをカットし、ベータ版をすぐに公開し、その後改修というプロセスをとる。基本的に全て内製で

行いコストダウンを実現している。近い将来、「蛇口を捻ると水が出てくる」ように、ユーザの求

めに応じ、扱いやすい形で、統計データを即時に提供することを目指している。労働環境は、給与

面では負けているが人材確保は GAFA と競合している。また多様な働き方を許容し、女性比率は

40％～50％と高い。

91

（図37） シンガポールの統計ポータルサイトについて

両国とも、公表・広報に工夫を凝らしており、異なる言語・異なる統計リテラシーを有する人々

にも調査結果が伝わるよう、ビジュアライゼーションに力を入れている。また、多様なチャネル

（ホームページの他、Facebook、Twitter、Instagram、RSS、ニュースレター、YouTube など）

で公表することにより、隅々まで結果が伝わることが期待できる。またポータルサイトでデータの

提供時期の短縮やデータ形式の工夫をすることで、利用者増が期待でき、統計データの活用が活発

化することにより人々のリテラシーの向上も期待できる。

3.8 まとめと今後の展望

今回の調査で、イギリス、オランダ、シンガポールの公的統計に対する行政記録情報、民間ビッ

グデータの活用状況を把握し、今後のわが国のビッグデータを活用した新指標開発に必要な知見を

得ることができた。特に積極的な取り組みを行う海外の政府機関等との情報交換を実施すること

で、われわれの新指標や試験調査の取組が新規性やオリジナリティがあることもわかった。今年度

は、商業動態統計調査のデータ収集を POS データに置き換え、一般統計調査として調査し公表で

きた。今後基幹統計化されれば、わが国のビッグデータの公的統計への利活用分野においてトップ

ランナーとなり得る。

ビッグデータを活用した新指標開発を推進するには、関係府省、民間企業との連携を強化し、行

政記録情報や民間ビッグデータの入手など課題が多い。その他にも実施体制強化や人材育成も必要

であることが海外調査を通じてわかった。外部人材活用、研修の充実、若手人材の育成が急務であ

ろう。また政府のバックアップや、制度や法律の改定や新規策定も必要になってくるだろう。民間

ビッグデータや行政記録情報を公的統計に活用することは可能かつ意義があることである。ただ

92

し、予算、手続き（利用・承認）、マンパワー、そして何よりアイディアと熱意が必要である。新

しいことを行うときは例えそれが前向きであっても、阻害されることが多々ある。本事業の成果や

知見が、新しいアイディアを後押しする材料になることを期待したい。

93

参考文献

1. 小西葉子・本村陽一 (2017)「AI 技術の社会実装への取り組みと課題～産総研 AI プロジェ

クトから学ぶ」、RIETI Policy Discussion Paper, 17-P-012

2. 小西葉子 (2019)「ビッグデータは公的統計を変えられるか：海外先進事例に学ぶ」、

RIETI-BBL セミナー, 2019 年 3 月 14 日

https://www.rieti.go.jp/jp/events/bbl/19031401.html

3. Gov.Tech (2018) “Digital Government Blue Print”

https://www.tech.gov.sg/files/digital-transformation/dgb_booklet_june2018.pdf

参考 Web サイト（2019 年 3 月 24 日現在アクセス可能）

イギリス

①UK HPI (HM Land Registry)

http://landregistry.data.gov.uk/app/ukhpi

②緑化（植生）の深度の測定 (ONS)

https://datasciencecampus.ons.gov.uk/how-green-is-your-street-visualising-the-urban-

forest/

③Data Science Campus (ONS)について

https://www.gov.uk/government/publications/data-scientist-role-description/data-scientist-

role-description

オランダ

①携帯端末の位置情報を用いた人の流れと地域人口把握について (CBS)

https://www.cbs.nl/nl-nl/onze-diensten/innovatie/project/bewegingen-meten-met-anonieme-

telefoondata

https://dashboards.cbs.nl/v1/dtp/

②従業員 10 名未満のイノベーション調査について (CBS)

https://www.cbs.nl/nl-nl/onze-diensten/innovatie/project/innovatie-bij-kleine-bedrijven

③船舶情報を用いた四半期 GDP の予測 (CBS)

https://www.cbs.nl/en-gb/our-services/innovation/project/sensor-data-improves-flash-

estimate-for-inland-shipping

94

シンガポール

①Digital Government Blue Print (Gov.Tech)

https://www.tech.gov.sg/files/digital-transformation/dgb_booklet_june2018.pdf

②PMO の組織図

https://www.pmo.gov.sg/About-Us

95

付表１ 訪問先について

●イギリス

面談日 平成 30 年 12 月 10 日

面談先機関名 Office of National Statistics (ONS)

カテゴリー 政府機関

機関の日本語名称 イギリス国家統計局

面談者 Rhys Lewis

面談代表者の

所属部門・役職

Head of Housing Market Indices Office for National

Statistics

機関所在地 Government Buildings, Cardiff Road, Newport South Wales,

NP10 8XG

●イギリス

面談日 平成 30 年 12 月 10 日

面談先機関名 GfK UK

カテゴリー 民間企業

機関の日本語名称 イギリス GfK

面談者 Anthony Norman ※代表者

Corrine Moy

面談代表者の

所属部門・役職 Managing director

機関所在地 18th Floors, 25 Canada Square, Canary Wharf, London,

E14 5LQ

96

●イギリス

面談日 平成 30 年 12 月 11 日

面談先機関名 HM Land Registry

カテゴリー 政府機関

機関の日本語名称 土地登記所

面談者 David Lockett

他アシスタント 1 名

面談代表者の

所属部門・役職

Associate Product Manager

Digital, Data and Technology Directorate (DDaT)

機関所在地 Geovation Sutton Yard65, Goswell Road, London, EC1V 7EN

●イギリス

面談日 平成 30 年 12 月 11 日

面談先機関名 Department for Business, Energy & Industrial Strategy

(BEIS)

カテゴリー 政府機関

機関の日本語名称 ビジネス・エネルギー・産業戦略省

面談者

Clare Porter ※代表者

Fiona Hodkinson (Advanced Manufacturing and Services)

Brian Stockdale (Advanced Manufacturing and Services)

Louise Sun (Advanced Manufacturing and Services)

Matthew Ellis (BEIS)

Dr Carlos López-Gómez (University of Cambridge)

面談代表者の

所属部門・役職

Head of Manufacturing: Advanced Manufacturing & Services

Directorate

機関所在地 1 Victoria Street, Westminster London SW1H 0ET

97

●イギリス

面談日 平成 30 年 12 月 12 日

面談先機関名 IfM (Institute for Manufacturing), University of Cambridge

カテゴリー 学術機関

機関の日本語名称 ケンブリッジ大学、製造業研究所

面談者

Dr Carlos López-Gómez (Head of Policy Links)

Dr Eoin O'Sullivan (Director, Centre for Science, Technology

and Innovation Policy (tbc)

Dr Tomas Coates Ulrichsen (Research Associate, Centre for

Science, Technology and Innovation Policy)

Dr Jingchen Hou (Research Associate, Cambridge Service

Alliance)

Dr Tariq Masood (Senior Research Associate, Engineering

Design Centre and Institute for Manufacturing)

Michele Palladino

Ella Whellams

面談代表者の

所属部門・役職

Head, Policy Links, IfM Education and Consultancy Services

(IfM ECS),

機関所在地 Institute for Manufacturing, 17 Charles Babbage Road,

Cambridge CB3 0FS

●オランダ

面談日 平成 30 年 12 月 14 日

面談先機関名

Centraal Bureau voor de Statistiek (CBS)

Center for Big Data Statistics (CBDS)

Leiden University

カテゴリー 政府機関

学術機関

機関の日本語名称

ビッグデータ統計センター

中央統計局

ライデン大学

98

面談者

Quinten Meertens (Statistical Resercher in Economics /

Leiden University) ※代表者

P.M. Magchiel van Meeteren (CBDS Programme Director)

Koen Link (Statistich onderzoeker consumentenprijzen)

Dr Frank P. Pijpers FRAS (Senior Methodologist)

Carina Fransen Ilm (Head of International Relations)

他各ビッグデータプロジェクト担当者含め計 10 名が参加

面談代表者の

所属部門・役職 Statistical Researcher in Economics / Leiden University

機関所在地 Statistics Netherlands, Henri Faasdreef 3122490, HA Den

Haag

●シンガポール

面談日 平成 30 年 12 月 20 日

面談先機関名 Economic Development Board (EDB)

カテゴリー 政府機関

機関の日本語名称 経済開発庁

面談者

Lionel LIM ※代表者

Loong Choon SEE

Ee Iyn WONG

面談代表者の

所属部門・役職

Head (Japan & Korea Desk) Singapore Economic Development

Board

機関所在地 Level 28, Raffles City Tower, 250 North Bridge Road Singapore

17910

●シンガポール

面談日 平成 30 年 12 月 21 日

面談先機関名 Nanyang Technological University (NTU)

カテゴリー 学術機関

機関の日本語名称 南洋理工大学

面談者 Dr. Das Monidipa ※代表者

Basaran Bahadir KOCER

面談代表者の

所属部門・役職 Computational Intelligence Lab (CIL)

99

機関所在地

the Meeting Room of Computational Intelligence Lab (CIL-

N4-B1a-02) in the School of CSE, NTU, 50 Nanyang Avenue,

Singapore 639798

●シンガポール

面談日 平成 30 年 12 月 21 日

面談先機関名

Data.gov.sg (GovTech)

Prime Minister's Office Singapore (Smart Nation, PMO)

Singapore Department of Statistics (DOS)

カテゴリー 政府機関

面談者及び所属先

Daniel LIM (PMO / Smart Nation) ※代表者

Grace CHAN (PMO / Smart Nation)

Lennard Lim (GovTech)

Su Lynn QUEK (GovTech / PMO)

Si Yuan TAN (Singapore Department of Statistics)

Yi Ding LIM (Singapore Department of Statistics)

面談代表者の

所属部門・役職

Deputy Director (Data Strategy)

Smart Nation and Digital Government Office Prime Minister's

Office

機関所在地 the Smart Nation and Digital Government Office at 250 North

Bridge Road, #05-01 Raffles City Tower, Singapore 179101

100

付表２：CBS（オランダ中央統計局でのワークショップのプログラム）

Start End Title Country

9:00 9:05 Opening by Director of Economic Business Statistics NL

9:05 9:50 SESSION I – Big Data in Statistics - Scanner Data

9:05 9:20 Scanner Data for Current Survey of Commerce JP

9:25 9:40 Scanner Data for Consumer Price Index NL

9:50 10:35 SESSION II – Faster Statistics

9:50 10:05

1. Nowcasting Economic Statistics using Mobile Position

Data

2. Nowcasting Business Confidence by utilizing SNS Tweet

Logs and AI

JP

10:10 10:25 Sensor Data improves Flash Estimate for Inland Shipping NL

10:45 11:40 SESSION III – Innovation @ CBS

10:45 10:55 Introduction CBDS NL

10:55 11:10 Towards Motives behind Mobility NL

11:15 11:25 Communication & Visualization (including Happiness Meter) NL

11:30 11:35 Utilizing Data Visualization Techniques for Survey of

Commerce JP

11:40 12:15 SESSION IV – Scientific Research @ CBS

11:40 11:50 Enriching Official Economic Statistics using Data-Driven

Modeling Techniques NL

11:55 12:10 Complex Systems and Network Analysis NL

12:15 13:00 LUNCH BREAK

13:15 14:00 WRAP-UP

101

ビッグデータを活用した新指標開発及び新たなデータソースの活用可能性

4.1 新たな経済指標開発について

「商業動態統計調査」（期間統計調査）の丁 2 調査（家電大型専門店）において、POS 等ビッグ

データを活用するといった新たな調査手法の採用とその調査事務について実地の検討を行い、「報

告者負担の軽減化」、「統計調査業務の効率化」、「公表の早期化」の他、「景気動向把握の向上に資

するための把握内容の詳細化」等の実現可能性などの精査に必要な基礎資料を得ることを目的とし

て調査を実施した。この取り組みにより、POS データによって調査された指標が公的統計になり

うる可能性が示された。試験調査や家電分野における新指標開発手法を拡張し、他分野においても

ビッグデータを活用した産業動態や経済動向の把握が可能な指標の開発を行うことで、それぞれの

産業の発展に寄与することができると考える。当社では試験調査で使用している家電製品の POS

データ以外にも、コンタクトレンズ、眼鏡、ゴルフ用品、カー用品、玩具、時計、音楽コンテン

ツ、映像コンテンツの実売データをすでに収集しており、これらの POS データを利用することに

より、POS データの収集を新たに開始する場合と比較し、低コスト且つ短期間で経済指標を開発

することが可能と考えられる。POS データを利用して新指標の開発を実施する際、POS データの

収集及び集計を行う既存の仕組みがない場合には、そのような仕組みの準備から必要となる。POS

データの収集、集計の仕組みとしては、IT システムをはじめとしたインフラの構築や、運用面の

整備等を含め多額の投資が必要となることが想定され、準備期間についてもシステムの設計、構

築、試験等の各プロセスを経ると、1 年以上の期間を要するとみられる。

POS データによる新たな経済指標の開発にあたっては、速報性や詳細性といった POS データが

持つ特徴を活かすことによって、これまでにない指標の開発が可能となることも考えられる。今回

の取り組みでは、当社が所有する POS データを利用し、下記 3 点を目的とした新指標の開発、検

証を実施した。

内容

1)新たな公的統計の開発

公的統計が不足しているもしくは存在しない

分野において新たな経済指標を開発する。

2)既存の公的統計の補完 ビッグデータを活用して開発した指標によ

り、既存統計の補完や要因分析を行う。

3)当該市場の足元予測 ビッグデータが持つ速報性の特徴を活かし、

当該市場のナウキャスティングを行う。

特に、今回の取り組みでは当社が保有するビッグデータを活用し、ヘルスケア関連市場では既存統

計の補完及び、同市場の動向を把握するための新指標開発を実施した。また、ゴルフ用品市場では

当該市場の動向を把握するための新指標開発及び、既存の公的統計データの足元予測について検証

を実施した。

ここで、本取り組みの概要を下記図に示す。

102

（図38） ビッグデータを活用した新たな経済指標の開発

新指標開発

5.1 新指標開発 ヘルスケア産業

我が国においては、少子高齢化が年々進行している。内閣府発表の高齢社会白書17によると、総

人口に占める 65 歳以上人口の割合は 27.7%（2017 年 10 月 1 日現在）だった。その結果、国民医

療費は年々増加しており、平成 28 年度の国民医療費は 42 兆 1,381 億円、人口一人当たりに換算

すると 33 万 2,000 円となった18。

今後も少子高齢化は進行するとされており、総人口に占める 65 歳以上人口の割合は、2030 年に

31％、2050 年には 40%に達すると推計されている19。それに伴い国民医療費もさらに増加すると

見られ、2040 年には現在の約 1.7 倍の 66 兆円に達し、社会保障給付費の対 GDP 比は現在の

21.5%から 24.0%に拡大すると試算されている20。

内閣府の「経済・財政再生計画」（財政健全化計画）において、医療費の適正化は重点分野とし

て扱われており21、健康増進や生活習慣病予防も含めた広義のヘルスケア産業に関するデータの詳

17 内閣府 平成 30 年版高齢社会白書

https://www8.cao.go.jp/kourei/whitepaper/w-2018/html/gaiyou/index.html 18 厚生労働省 平成 28 年度 国民医療費の概況

https://www.mhlw.go.jp/toukei/saikin/hw/k-iryohi/16/dl/data.pdf 19 国立社会保障・人口問題研究所 日本の将来人口推計（平成 29 年推計）

http://www.ipss.go.jp/pp-zenkoku/j/zenkoku2017/pp_zenkoku2017.asp 20 内閣官房・内閣府・財務省・厚生労働省 2040 年を見据えた社会保障の将来見通し

https://www.mhlw.go.jp/file/06-Seisakujouhou-12600000-Seisakutoukatsukan/0000207399.pdf 21 内閣府 新経済・財政再生計画改革工程表 2018

103

細を捕捉することは重要であると言える。

当社は本実証実験で利用した家電 POS データだけでなく、コンタクトレンズや眼鏡といった視

力矯正器具に関する POS データも保有しており、既に保有している POS データを活用すること

で、低コストかつ短期間で新たな指標が作成可能である。本章では、POS データを利用した統計

調査の特徴である「速報性」「詳細性」を活かし、ヘルスケア産業の発展に寄与する指標の作成を

検討する。

なお、本章での新指標開発の主目的は以下の 2 点である。

1. 一部のヘルスケア関連商品市場を捉える新指標を開発し、既存の公的統計を補完する。

2. ヘルスケアの BtoC 市場を包括的に捕捉し、予防医療分野の市場を拡大させ、医療費削減に

寄与する。

5.2 分析対象データ

ここでは、以降で使用する分析対象データ条件を示す。

（表17） 分析対象データ条件

使用データ 拡大推計データなど

対象製品分類名 コンタクトレンズ、眼鏡フレーム、眼鏡レンズ、コ

ンタクトレンズケア用品、

デンタルケア、電子血圧計、電子体温計、電子歩数

計、体組成計、フィットネス機器、マッサージチェ

ア、簡易電気マッサージ器具、ジェットマッサージ

器具、電気治療器、フィットネストラッカー

対象地域 全国

データ期間 月次データ：2016 年 1 月～2018 年 12 月

今回対象とする各製品については、GfK が集計対象とする販売チャネルの市場全体に対する割合

（市場カバー率）が異なっている。そのため、各製品の販売実績を市場カバー率で割り戻し、全体

市場の販売実績の推計値を作成した。新指標については、この推計値を基に算出した。

5.3 ヘルスケア販売金額指数

以下の図は、2016 年 1 月～2018 年 12 月にかけてのヘルスケア分分類（表 17 参照）の販売金

額の時系列推移を示している。なお販売金額は 2016 年 1 月を 100 として指数化してある。各月の

販売金額指数はオレンジ実線で、また販売金額指数の 6 カ月移動平均と 12 カ月移動平均をそれぞ

れ青破線、緑破線で表している。

https://www5.cao.go.jp/keizai-shimon/kaigi/special/reform/report_301220_2.pdf

104

（図39） ヘルスケア分類 販売金額指数（2016 の販売金額＝100）

ヘルスケア分類の販売金額は、2016 年以降安定して推移していることがわかる。ただし対象製

品分類ごとに販売動態は異なっていると考えられ、ヘルスケアの販売動態の詳細を捕捉するために

は、対象分類を細分化して分析する必要があると考える。

次節以降は、ヘルスケア分類を視力矯正器具とヘルスケア家電に区分し、それぞれの販売動態を

見ていくこととする。

5.4 新指標開発 視力矯正器具

視力矯正器具に関する指標既存統計との比較

続いて、ヘルスケア家電以外で当社が保有する POS データの中から、ヘルスケア関連商品と分類

できる視力矯正器具とその用品について言及したい。

当社が POS データを保有する視力矯正器具とその用品とは、コンタクトレンズ、コンタクトレン

ズケア用品、眼鏡フレーム、眼鏡レンズの 4 商品群である。そのうち、コンタクトレンズケア用品

と眼鏡フレームは一般的な商品と同様に個人が本人の趣向や意向を反映しながら選択して購入でき

る商品であるのに対し、コンタクトレンズと眼鏡レンズは処方が必要な商品である。眼鏡レンズに

必要な処方は眼鏡販売店舗でも計測できるが、コンタクトレンズは購入の際に眼科の処方が必要と

されている。それは、コンタクトレンズが高度管理医療機器22に指定されており、「不具合が生じ

た場合、人体へのリスクが比較的高いと考えられるもの」のリスクⅢに分類されているからであ

る。高度管理医療機器とは、「医療機器であって、副作用又は機能の障害が生じた場合(適正な使用

22 厚生労働省医薬食品局 審査管理課医療機器審査管理室 発行「改正薬事法のポイント～承認・認証制度及び販

売規制」から引用 https://www.pmda.go.jp/files/000160413.pdf

60

70

80

90

100

110

120

2016年

1月

2016年

2月

2016年

3月

2016年

4月

2016年

5月

2016年

6月

2016年

7月

2016年

8月

2016年

9月

2016年

10月

2016年

11月

2016年

12月

2017年

1月

2017年

2月

2017年

3月

2017年

4月

2017年

5月

2017年

6月

2017年

7月

2017年

8月

2017年

9月

2017年

10月

2017年

11月

2017年

12月

2018年

1月

2018年

2月

2018年

3月

2018年

4月

2018年

5月

2018年

6月

2018年

7月

2018年

8月

2018年

9月

2018年

10月

2018年

11月

2018年

12月

販売金額指数 6か月移動平均値

12か月移動平均値

105

目的に従い適正に使用された場合に限る。（略）)において人の生命及び健康に重大な影響を与える

おそれがあることからその適切な管理が必要なものとして、厚生労働大臣が薬事・食品衛生審議会

の意見を聴いて指定するもの」である。ただし、使用期間やメーカーなどの商品特徴は個人の意思

を選択に反映して購入できる商品であり、当社ではその POS データを収集している。

当社で POS データを収集しているこれら 4 商品群における日本国内の産業規模や動向が読み取

れる政府統計には、経済産業省の商業動態統計23や厚生労働省の薬事工業生産動態統計調査24があ

る(表 2)。

（表18） 商業動態統計における当社視力矯正器具 4 商品分類

以下では、商業動態統計と薬事工業生産動態統計調査それぞれの内容を精査するとともに当社

POS データとの比較を見ていくこととする。商業動態統計は全国の商業を営む事業所及び企業の

販売活動などの動向を明らかにすることを目的としており、全国約 18,000 の事業所又は企業がサ

ンプルとなり調査している。

調査対象は大きく卸売業と小売業に分けられ、小売業で調査しているのは商品販売額や月末店舗

数、期末商品手持額等であり、商品の販売を基にした数値であるという点では POS データと同じ

である。ただし、表 2 の通り商品は複数の商品でグループ化されているために粒度が粗く、例えば

眼鏡フレームであれば丙 2 百貨店及びスーパー販売における「その他の商品」に含まれており、

医薬品、化粧品、時計、宝石、玩具、自動車等と同じグループに属していることになる。商品価格

や市場規模が異なる商品グループであるため、百貨店及びスーパーにおけるそれらの市場規模を把

握するのには適しているが、丙 2 百貨店及びスーパー販売における「その他の商品」の動向をそ

のまま眼鏡フレームの動向として考えることは難しい。また、商業動態統計の小売業は、百貨店、

スーパー、コンビニエンスストア、家電大型専門店、ドラッグストア、ホームセンターを調査の対

23 商業動態統計 https://www.meti.go.jp/statistics/tyo/syoudou/index.html 24 薬事工業生産動態統計調査 https://www.mhlw.go.jp/toukei/list/105-1.html

106

象としている。そのため、商業動態統計では百貨店やホームセンター内に立地していない独立店舗

の眼鏡専門店の販売動向を把握できないのに対して、POS データでは立地に関係なく眼鏡専門店

のデータを集信しているため把握が可能である。

続いて、薬事工業生産動態統計調査について精査したい。薬事工業生産動態統計調査は統計法に

基づく基幹統計調査として、医薬品、医薬部外品、医療機器及び再生医療等製品（以下「医薬品

等」という。）に関する生産の実態等を明らかにすることを目的としており、医薬品等の製造販売

業者が対象である。製造販売業者は調査票に掲げる事項について報告することが統計法第 13 条

（報告義務）で義務付けられているため、母集団全てが調査対象ということになる。薬事工業生産

動態統計調査では、医薬品等の月間生産（輸入）金額及び数量、医薬品等の月間出荷金額及び数

量、医薬品等の月末在庫金額及び数量が調査の対象で、商品が生産もしくは輸入された時点の集計

数値又は商品が製造販売業者から卸売業者や小売業者等に渡った時点の集計数値であり、商品が小

売業者から消費者に渡った時点を集計している POS データとは集計時点が異なる。商品分類にお

いては、例えば第 9 表コンタクトレンズ(2408)、第 9 表視力補正用眼鏡(2402)のように当社 POS

の商品分類とほぼ同じデータを見ることができる。また、例えば薬事工業生産動態統計調査の第 9

表コンタクトレンズ(2408)は、ハードコンタクトレンズ(240802)、ソフトコンタクトレンズ

(240804)、治療用コンタクトレンズ(240806)、検査用コンタクトレンズ(240808)、その他のコンタ

クトレンズ(240899)に種別で分類されている。ただ、ハードコンタクトレンズとソフトコンタクト

レンズの項目にはデータがなく、各商品の実績はその他のコンタクトレンズに集計されていると読

み取ることができる。それに対して当社 POS データは、ハードコンタクトレンズ、ソフトコンタ

クトレンズの中の単焦点レンズ、ソフトコンタクトレンズの中の累進レンズなどのレンズ種別でデ

ータを見ることが可能である。加えて、その他のコンタクトレンズの特徴であるコンタクトレンズ

の交換期間やパック数、レンズの素材などで分類して見ることも可能である。

最後に当社 POS データについて説明したい。当社 POS データの中でも視力矯正器具は独自の販

売網によるデータ収集の割合が多く、全国のコンタクトレンズチェーン、眼鏡チェーン、眼科医が

母集団である。これらの店舗の POS データ・監査データを基にコンタクトレンズ、コンタクトレ

ンズケア用品、眼鏡フレーム、眼鏡レンズの市場動向を月次拡大推計している。当社と契約頂いて

いるチェーン・店舗より、月次の店舗/アイテム別の販売金額、販売個数を収集し、月次拡大する

ことで市場代表性のあるデータを提供している。また、アイテム別の販売データを取り扱っている

ことから、産業としてのマクロ的な分析から商品特徴に応じた動向の分析などのミクロ的な分析ま

でが可能なデータベースとなっている。また、コンタクトレンズにおいては治療用コンタクトレン

ズや定額制コンタクトレンズ、眼鏡においては非視力矯正眼鏡やサングラスは対象外となってい

る。

以上の商業動態統計、薬事工業生産動態統計調査、当社 POS データを比較すると下表の通りと

なる(表 19)。

107

（表19） 商業動態統計と薬事工業生産動態統計調査と当社 POS データの比較

商業動態統計や薬事工業生産動態統計調査と比較して当社 POS データはより早い時期に詳細な

商品特徴別の動向が確認できるため、既存の統計に加えて POS データを利活用することで各産業

の分析や動向を把握する粒度の向上が期待できる。また、コンタクトレンズ、コンタクトレンズケ

ア用品、眼鏡フレーム、眼鏡レンズ以外のヘルスケア関連商品のうち、一般医薬品、サプリメント

などの市場動向については、当社では収集していないものの株式会社インテージ25の POS データ

で把握が可能であり、これらを合わせて活用することで包括的にヘルスケア市場に関しての消費者

の動向を把握できれば、政策の評価等にも使用することができる可能性がある。詳しくは後述す

る。

視力矯正器具における POS データの検証

まずは、当社の視力矯正器具の販売金額指数を示したい。視力矯正器具の 4 商品群は GfK が集

計対象とする販売チャネルの市場全体に対する割合（市場カバー率）が異なっており、それを割り

戻したうえでの推計値である。下図は 4 商品群の販売金額総数の 2016 年を 100 として指数化して

いる（図 40）。続く図 42～45 では 4 商品群それぞれの販売金額指数を同様に指数化した。

25 株式会社インテージ SRI（全国小売店パネル調査） https://www.intage.co.jp/service/platform/sri/

108

（図40） 視力矯正器具 販売金額指数（2016 年の販売金額＝100）

（図41） コンタクトレンズ 販売金額指数（2016 年の販売金額＝100）

80

85

90

95

100

105

110

115

120

2016年1月

2016年2月

2016年3月

2016年4月

2016年5月

2016年6月

2016年7月

2016年8月

2016年9月

2016年10月

2016年11月

2016年12月

2017年1月

2017年2月

2017年3月

2017年4月

2017年5月

2017年6月

2017年7月

2017年8月

2017年9月

2017年10月

2017年11月

2017年12月

2018年1月

2018年2月

2018年3月

2018年4月

2018年5月

2018年6月

2018年7月

2018年8月

2018年9月

2018年10月

2018年11月

2018年12月

販売金額指数 6か月移動平均 12か月移動平均

60

70

80

90

100

110

120

130

140

2016年1月

2016年2月

2016年3月

2016年4月

2016年5月

2016年6月

2016年7月

2016年8月

2016年9月

2016年10月

2016年11月

2016年12月

2017年1月

2017年2月

2017年3月

2017年4月

2017年5月

2017年6月

2017年7月

2017年8月

2017年9月

2017年10月

2017年11月

2017年12月

2018年1月

2018年2月

2018年3月

2018年4月

2018年5月

2018年6月

2018年7月

2018年8月

2018年9月

2018年10月

2018年11月

2018年12月

販売金額指数 6か月移動平均 12か月移動平均

109

（図42） コンタクトレンズケア用品 販売金額指数（2016 年の販売金額＝100）

（図43） 眼鏡フレーム 販売金額指数（2016 年の販売金額＝100）

60

70

80

90

100

110

120

130

140

2016年1月

2016年2月

2016年3月

2016年4月

2016年5月

2016年6月

2016年7月

2016年8月

2016年9月

2016年10月

2016年11月

2016年12月

2017年1月

2017年2月

2017年3月

2017年4月

2017年5月

2017年6月

2017年7月

2017年8月

2017年9月

2017年10月

2017年11月

2017年12月

2018年1月

2018年2月

2018年3月

2018年4月

2018年5月

2018年6月

2018年7月

2018年8月

2018年9月

2018年10月

2018年11月

2018年12月

販売金額指数 6か月移動平均 12か月移動平均

60

70

80

90

100

110

120

130

140

2016年1月

2016年2月

2016年3月

2016年4月

2016年5月

2016年6月

2016年7月

2016年8月

2016年9月

2016年10月

2016年11月

2016年12月

2017年1月

2017年2月

2017年3月

2017年4月

2017年5月

2017年6月

2017年7月

2017年8月

2017年9月

2017年10月

2017年11月

2017年12月

2018年1月

2018年2月

2018年3月

2018年4月

2018年5月

2018年6月

2018年7月

2018年8月

2018年9月

2018年10月

2018年11月

2018年12月

販売金額指数 6か月移動平均 12か月移動平均

110

（図44） 眼鏡レンズ 販売金額指数（2016 年の販売金額＝100）

図 41 の 12 か月移動平均だけをみると、視力矯正器具市場は 2017 年で微減、2018 年からは微

増したもののほぼ横ばいと読み取ることができる。しかしながら商品群別にみると、図 42 のコン

タクトレンズ市場は一貫して緩やかな上昇傾向、図 43 のコンタクトレンズケア用品市場は反対に

一貫して下落傾向、図 44 の眼鏡フレーム市場は 2017 年には横ばいだったものの 2018 年から微減

傾向、図 45 の眼鏡レンズ市場は緩やかな減少傾向と商品によって動向は異なる。このことから、

視力矯正器具市場としてひとまとめにしてデータをみると市場動向を見誤る可能性があり、細分化

してみる必要性があるといえる。

続いて POS データを政府統計の細分化データとして扱うために両者の数値に大きな乖離が生じ

ていないか確認する。政府統計の中でも、商品群としてのデータがある薬事工業生産動態統計調査

と比較することとする。下図はコンタクトレンズの POS データにおける販売金額および薬事工業

生産動態統計調査の国内向け出荷金額の推移を示している（図 46）。販売金額は、それぞれ 2016

年を 100 として指数化してある。同様に眼鏡フレームと眼鏡レンズにおいても POS データと薬事

工業生産動態統計調査の金額規模を指数化したのが図 47 と 48 である。眼鏡フレームにおいては

指数化したものの金額規模の差が大きかったため、縦軸の左側が POS データ、右側が薬事工業生

産動態統計調査の指数とする。

60

70

80

90

100

110

120

130

140

2016年1月

2016年2月

2016年3月

2016年4月

2016年5月

2016年6月

2016年7月

2016年8月

2016年9月

2016年10月

2016年11月

2016年12月

2017年1月

2017年2月

2017年3月

2017年4月

2017年5月

2017年6月

2017年7月

2017年8月

2017年9月

2017年10月

2017年11月

2017年12月

2018年1月

2018年2月

2018年3月

2018年4月

2018年5月

2018年6月

2018年7月

2018年8月

2018年9月

2018年10月

2018年11月

2018年12月

販売金額指数 6か月移動平均 12か月移動平均

111

（図45） コンタクトレンズ POS と出荷の金額指数（2016 年の販売金額＝100）

（図46） 眼鏡フレーム POS と出荷の金額指数（2016 年の販売金額＝100）

0

20

40

60

80

100

120

1402016年1月

2016年2月

2016年3月

2016年4月

2016年5月

2016年6月

2016年7月

2016年8月

2016年9月

2016年10月

2016年11月

2016年12月

2017年1月

2017年2月

2017年3月

2017年4月

2017年5月

2017年6月

2017年7月

2017年8月

2017年9月

2017年10月

2017年11月

2017年12月

2018年1月

2018年2月

2018年3月

2018年4月

2018年5月

2018年6月

2018年7月

2018年8月

2018年9月

POS 国内向け出荷 線形 (POS) 線形 (国内向け出荷)

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

2

0

20

40

60

80

100

120

2016年1月

2016年2月

2016年3月

2016年4月

2016年5月

2016年6月

2016年7月

2016年8月

2016年9月

2016年10月

2016年11月

2016年12月

2017年1月

2017年2月

2017年3月

2017年4月

2017年5月

2017年6月

2017年7月

2017年8月

2017年9月

2017年10月

2017年11月

2017年12月

2018年1月

2018年2月

2018年3月

2018年4月

2018年5月

2018年6月

2018年7月

2018年8月

2018年9月

POS 国内向け出荷 線形 (POS) 線形 (国内向け出荷)

112

（図47） 眼鏡レンズ POS と出荷の金額指数（2016 年 1 月の販売金額＝100）

POS データと薬事工業生産動態統計調査の違いは下記の 2 点に集約できる。消費者が商品を購

入した販売時点の集計である POS データとメーカーから商品が卸売業者や小売業者向けに出荷さ

れた時点の集計である薬事工業生産動態統計調査では時点が異なる点、また商品の販売価格×数量

の積み上げである POS データと商品の卸売価格×数量の積み上げである出荷金額では出荷金額の方

が低くなる点である。

コンタクトレンズのデータにおいては上記 2 点の違いを鑑みると、金額規模に一定の差があり、

時差が生じていそうな時期も観測できるものの、動向に大きな乖離はないといえる。

眼鏡フレームと眼鏡レンズにおける POS データと薬事工業生産動態統計調査の金額規模の差が

コンタクトレンズにおけるそれと大きいのは、比較的装飾やデザイン、使用される素材の違い等に

おいてのぜいたく品の傾向があり、卸価格と販売価格に差があるのではないかと考えることができ

る。また、眼鏡レンズは 2017 年 1 月に急増した以外はほとんど一定であることから、実際の販売

動向を反映した動きとは考えづらい。眼鏡フレームと眼鏡レンズを薬事工業生産動態統計調査の補

完データとして使用する際には、POS データと薬事工業生産動態統計調査の差異の原因特定が必

要である。

0

20

40

60

80

100

1202016年1月

2016年2月

2016年3月

2016年4月

2016年5月

2016年6月

2016年7月

2016年8月

2016年9月

2016年10月

2016年11月

2016年12月

2017年1月

2017年2月

2017年3月

2017年4月

2017年5月

2017年6月

2017年7月

2017年8月

2017年9月

2017年10月

2017年11月

2017年12月

2018年1月

2018年2月

2018年3月

2018年4月

2018年5月

2018年6月

2018年7月

2018年8月

2018年9月

POS 国内向け出荷 線形 (POS) 線形 (国内向け出荷)

113

POS データの有用性

本パートでは、実際に POS データを用いるとどのような分析や動向の把握に使用できるかを検

討する。

まず、商品群全体の動向を用いて、人体部位別の経済動向指標の提案を検討した。当社 POS デ

ータだけでなくレセプトデータ等も用いることができれば、B to B 市場と B to C 市場を合わせた

包括的な眼に関する市場規模を把握が可能になる（図 49）。

（図48） 眼に関連する業態の市場規模推計

同様に鼻、歯、足や胃などそれぞれの人体部位の市場規模推計を作成できれば、マクロ的に各市

場規模を把握でき、それらを比較することでみえる特徴に応じて、政策やヘルスケア関連市場に示

唆を与えることができると考えた。しかしながら、「ビッグデータを活用した商業動態統計調査の

実施・結果検証及び新指標開発事業 第 3 回有識者委員会」にて、「人体部位別の市場規模が把握

できたとしても実際に企業や団体が継続的に使用するイメージがつかない」等のご指摘をいただい

たため、それを受けて別の方向性を検討することにした。

続いて POS データの商品群全体による動向ではなく、商品特徴別の動向を用いたデータの活用

方法を検討することとした。以下、レンズタイプとしての遠近両用レンズと国産レンズの 2 つの視

点による活用方法を提案したい。

114

（A）遠近両用レンズ

まずは、レンズタイプとしての遠近両用レンズについての活用案について説明したいが、その前

に市場環境について整理したい。

現在、高齢化社会の進む日本において、就労や生活など高齢者に関する課題は山積している。中

でも高齢者の健康寿命を伸ばしていくことは、医療費を含む社会保障費全体に影響が出る事案であ

り、高齢者の健康に関する最重要課題の一つといえる。健康寿命とは、「日常生活に制限のない期

間の平均」26のことで、平均寿命との比較で用いられることが多い。「平均寿命と健康寿命の差

は、日常生活に制限のある「不健康な期間」を意味する。（略）今後、平均寿命の延伸に伴い、こ

うした健康寿命との差が拡大すれば医療費や介護給付費の多くを消費する期間が増大することにな

る。疾病予防と健康増進、介護予防などによって、平均寿命と健康寿命の差を短縮することができ

れば、個人の生活の質を防ぐとともに、社会保障負担の軽減も期待できる」とされている。ここで

健康寿命が取り上げられるのは、高齢者になると身体に変化が現れ、日常生活を困難にするからで

ある。日本医師会27によると高齢者の身体と疾病の特徴には、病気にかかりやすくなる「予備力の

低下」、「複数の病気や症状をもっている」などの他に視力障害、聴力障害などの「感覚器機能の低

下」がある。ここでいう視力障害とは老視（老眼）のことであり、公益社団法人 日本眼科医会に

よると28、「老視とは近くのものにピントを合わせることができず、近くの細かい字が読みづら

い、近くから遠くへと距離の違うものにピントを合わせるのに時間がかかる症状」のことである。

老視は避けられないものであり、年齢を重ねるにしたがって視力矯正器具が必要になってくるが、

日本には老眼鏡を敬遠する人が多い。コンタクトレンズメーカーの「親の老いに関する意識調査」

29 によれば、「子どもが親の「老い」を感じる行動の第 1 位に「モノを見るときに遠ざけたり、近

づけたり、または目を細めたりするしぐさ」が挙げられた。また、8 割以上の人が、老眼鏡をかけ

ることは老いを感じさせると考えており、平均 3.9 歳老けて見えると回答。さらに、8 割近くの人

は、自分の親が老眼対策をしていないと回答しており、老眼を思わせる言動があるにも関わらず、

対策をしていない親が多いことが明らかになった」とのことである。この調査結果からわかること

は、老視の症状があるにも関わらず、視力矯正器具を用いた老眼対策を嫌がる人が多いということ

である。日本では「いつまでも若々しくありたい」というアンチエイジング志向が強く、「老い」

の象徴でもある老眼鏡を使用することで、より老けて見えるのを嫌がる傾向にあると推測できる。

症状が出ているにも関わらず老けて見えるのを避けるため、老視用の視力矯正器具を使用せずに裸

眼で対処しようとして、モノを見るときに遠ざけたり、近づけたりする「老いを感じる行動」をし

26 厚生労働省 「平均寿命と健康寿命をみる 2」 から引用

https://www.mhlw.go.jp/bunya/kenkou/dl/chiiki-gyousei_03_02.pdf 27 日本医師会 「高齢者の身体と疾病の特徴」 から引用

https://www.tokyo.med.or.jp/docs/chiiki_care_guidebook/035_072_chapter02.pdf 28 公益社団法人 日本眼科医会 「40 代で始まる目の老化」から引用

https://www.gankaikai.or.jp/health/37/ 29 日本アルコン株式会社 親の老いに関する調査 から引用

https://www.alcon.co.jp/news/media-releases/20181004-eyecare

115

ており、結局は周囲の人間に年齢を感じさせているのである。日本眼科医会は「老眼鏡を使わない

で見えないのを我慢していると、老眼に眼精疲労が重なって体調が悪くなることがある。その結

果、目や頭が重い、頭痛がする、肩こりがする、食欲がなくなるなど、色々な症状がでてくる。人

によっては、こういった身体症状の原因が老眼による眼精疲労の結果、生じていることがあるの

で、老眼を軽く考えてはいけない」と注意を促している。老けて見えるのを避けたいがために老視

用の視力矯正器具を使わず、その結果として日常の活動を制限するような症状が出てしまうのは、

残念なことである。特に、今後高齢化が進む日本においてこの問題は深刻化する可能性もある。そ

れを防ぐために国や自治体が老視対策、老視用の視力矯正器具使用の必要性を説き、使用を促すキ

ャンペーン等行うべきであると考える。そして、その政策が老視用視力矯正器具の使用率向上とい

う結果につながっているかの測定に当社 POS を活用することを提案したい。

遠近両用レンズの市場が伸びる要因としては、老視用の視力矯正器具が必要な 40 代以上の人口

自体（母数）が増えることと遠近両用のコンタクトレンズを使用する人の割合（使用率）が増える

ことの 2 通りある。各コンタクトレンズメーカーはコンタクトレンズの「老眼卒業」を防ぎ30、遠

近両用レンズの増産や新商品の販売をしており、遠近両用レンズの使用率の向上に取り組んでい

る。なお、「老眼卒業」とは、老視の症状が出てきた年齢になると、コンタクトレンズから眼鏡に

切り替えることを指し、日本ではその傾向が強い。総務省の家計調査結果31 によると、平成 26 年

の年間支出金額において、39 歳以下は眼鏡が 3,326 円、コンタクトレンズが 6,764 円でその比率

が 33：67 なのに対し、50 代は眼鏡が 8,734 円、コンタクトレンズが 5,523 円で 61：39、60 代は

眼鏡が 7,255 円、コンタクトレンズが 1,366 円で 84：16 と年齢が上がるにつれてコンタクトレン

ズに対する支出の比率が下がる傾向にある。また、最近はスマートフォンの長時間使用により近く

のもののピントが合いにくい「スマホ老眼」32も問題視されているため、遠近両用レンズの使用開

始年齢の若年化の可能性もあり、市場としてのポテンシャルは大きい。そんな拡大している市場環

境の中で、さらに国や自治体が老視対策としての視力矯正器具の必要性についてのキャンペーンを

して後押しすれば、老視の矯正により快適な日常生活が送れる元気な高齢者が増え、コンタクトレ

ンズ産業の更なる市場拡大や、ひいては日本国内の経済活動の活発化に好影響を与えることが期待

できる。

今後、市場において国内製造業の動向を確認するための一つの手段として POS データの活用が

考えられる。例えば、国内製造品購入を後押しするようなキャンペーン政策を行った場合、それが

実際に国内製造業の販売にどの程度影響を与えたのかは当社 POS データを用いれば確認できる可

能性がある。通常、政策に投じた金額は明確だが、その政策のおかげで生じた結果、ROI（Return

30 日本経済新聞 コンタクト「老眼卒業」防げ 遠近両用、シード増産

https://www.nikkei.com/article/DGXMZO31036920Y8A520C1MM0000/ 31 総務省統計局 眼鏡、コンタクトレンズへの支出 -家計調査（二人以上の世帯）結果より-

https://www.stat.go.jp/data/kakei/tsushin/pdf/28_1.pdf 32 日経ヘルス 30 代でも老眼に スマホ見過ぎにご用心

https://style.nikkei.com/article/DGXMZO18396730T00C17A7000000?channel=DF260120166496&nra

116

On Investment）については把握できないことが多い。政策以外の変動要因を除くことができれ

ば、当社 POS データを活用することによって、金額的な政策評価を算出できる可能性がある。ま

た、当社 POS データであれば既存の政府統計よりも早い時期に確認できるため、変化の激しい市

場環境において、より細やかな政策の変更や継続が判断できることも期待できると考えている。

117

5.5 ヘルスケア家電

前章では、視力矯正器具の新指標開発について言及したが、本章では、当社が保有する POS デ

ータの中から、ヘルスケアに関連する家電分類に絞って、話を進めていきたい。

分析対象データ

ここでは、以降で使用する分析対象データ条件を示す。

（表20） 分析対象データ条件

使用データ 拡大推計データなど

対象製品分類名 デンタルケア、電子血圧計、電子体温計、電子歩数

計、体組成計、フィットネス機器、マッサージチェ

ア、簡易電気マッサージ器具、ジェットマッサージ

器具、電気治療器、フィットネストラッカー33

対象地域 全国

データ期間 月次データ：2015 年 1 月～2018 年 12 月

今回対象とする各製品については、GfK が集計対象とする販売チャネルの市場全体に対する割合

（市場カバー率）が異なっている。そのため、各製品の販売実績を市場カバー率で割り戻し、全体

市場の販売実績の推計値を作成した。新指標については、この推計値を基に算出した。

ヘルスケア家電 販売金額指数

以下の図は、2015 年 1 月～2018 年 12 月にかけてのヘルスケア家電（表 20 参照）の販売金額

の時系列推移を示している。なお販売金額は 2015 年を 100 として指数化してある。各月の販売金

額指数はオレンジ実線で、また販売金額指数の 6 カ月移動平均と 12 カ月移動平均をそれぞれ青破

線、緑破線で表している。

33 フィットネストラッカーとは、手首や首などに装着し、搭載されているセンサーを利用してバイタルデータやラ

イフログを収集し、連携機器（スマートフォン等）を経由してデータを蓄積する機器。

118

（図49） ヘルスケア家電 販売金額指数（2015 年の販売金額＝100）

ヘルスケア家電の販売金額について 12 カ月平均値を見てみると、2016 年にかけて縮小傾向だっ

たが、2017 年に入ってからは横ばいで推移している。また月別の販売金額指数を見ると、各年と

も 1 月、12 月が販売のピークとなっている。我が国においては、冬季は気温が下がることに加

え、空気が乾燥する地域が多く、感染症が流行しやすいシーズンにあたり、それがヘルスケア家電

の販売動態に反映されている。また 9 月についても販売金額指数は高い傾向にある。厚生労働省は

9 月 1 日～9 月 30 日までの 1 か月間を「健康増進普及月間」と定め、生活習慣病の特性や、運

動・食事・禁煙などの生活習慣改善の重要性について啓発を行っている。施策により一部国民の健

康意識が高まった結果が、販売動態に繋がっている一面もあるだろう。

ヘルスケア家電 目的別販売金額指数

厚生労働省が公表している「国民の健康の増進の総合的な推進を図るための基本的な方針34」で

は、21 世紀の我が国において少子高齢化や疾病構造の変化が進む中で、生活習慣及び社会環境の

改善を通じて、子どもから高齢者まで全ての国民が共に支え合いながら希望や生きがいを持ち、ラ

イフステージ（乳幼児期、青壮年期、高齢期等の人の生涯における各段階をいう）に応じて、健や

かで心豊かに生活できる活力ある社会を実現し、その結果、社会保障制度が持続可能なものとなる

よう、国民の健康の増進の総合的な推進を図るための基本的な事項を示し、平成 25 年度から平成

34 厚生労働省 国民の健康の増進の総合的な推進を図るための基本的な方針

https://www.mhlw.go.jp/stf/houdou/2r9852000002eyv5-att/2r9852000002eywv.pdf

60

70

80

90

100

110

1202015年

1月

2015年

2月

2015年

3月

2015年

4月

2015年

5月

2015年

6月

2015年

7月

2015年

8月

2015年

9月

2015年

10月

2015年

11月

2015年

12月

2016年

1月

2016年

2月

2016年

3月

2016年

4月

2016年

5月

2016年

6月

2016年

7月

2016年

8月

2016年

9月

2016年

10月

2016年

11月

2016年

12月

2017年

1月

2017年

2月

2017年

3月

2017年

4月

2017年

5月

2017年

6月

2017年

7月

2017年

8月

2017年

9月

2017年

10月

2017年

11月

2017年

12月

2018年

1月

2018年

2月

2018年

3月

2018年

4月

2018年

5月

2018年

6月

2018年

7月

2018年

8月

2018年

9月

2018年

10月

2018年

11月

2018年

12月

販売金額指数 6か月移動平均値

12か月移動平均値

119

34 年度までの「二十一世紀における第二次国民健康づくり運動（健康日本 21（第二次）35）」が

推進されている。その中では、「栄養・食生活」、「身体活動・運動」、「休養」、「飲酒」、「喫煙」及

び「歯・口腔の健康」に関する生活習慣 及び社会環境の改善に関して具体的な目標値が定められ

ている。

本節では、ヘルスケア家電をその使用目的から「疾病予防家電」と「健康増進家電」に区分し、

それぞれの販売動態を見ていく。疾病予防家電、健康増進家電に区分される家電製品はそれぞれ以

下の表の通りとする。

（表21） 分析対象データ条件

疾病予防家電 デンタルケア、電子血圧計、電子体温計、体組成計

健康増進家電 電子歩数計、フィットネス機器、マッサージチェア、

簡易電気マッサージ器具、ジェットマッサージ器具、

電気治療器、フィットネストラッカー

以下は、疾病予防家電と健康増進家電の販売金額指数の推移を示したグラフである。なお販売金

額は 2015 年を 100 として指数化してある。各月の販売金額指数はオレンジ実線で、また販売金額

指数の 6 カ月移動平均と 12 カ月移動平均をそれぞれ青破線、緑破線で表している。

（図50） 健康増進家電 販売金額指数（2015 年の販売金額＝100）

35 厚生労働省 健康日本 21（第二次）

https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/kenkou_iryou/kenkou/kenkounippon21.html

60

70

80

90

100

110

120

130

2015年

1月

2015年

2月

2015年

3月

2015年

4月

2015年

5月

2015年

6月

2015年

7月

2015年

8月

2015年

9月

2015年

10月

2015年

11月

2015年

12月

2016年

1月

2016年

2月

2016年

3月

2016年

4月

2016年

5月

2016年

6月

2016年

7月

2016年

8月

2016年

9月

2016年

10月

2016年

11月

2016年

12月

2017年

1月

2017年

2月

2017年

3月

2017年

4月

2017年

5月

2017年

6月

2017年

7月

2017年

8月

2017年

9月

2017年

10月

2017年

11月

2017年

12月

2018年

1月

2018年

2月

2018年

3月

2018年

4月

2018年

5月

2018年

6月

2018年

7月

2018年

8月

2018年

9月

2018年

10月

2018年

11月

2018年

12月

販売金額指数

6カ月移動平均値

12カ月移動平均値

120

（図51） 疾病予防家電 販売金額指数（2015 年の販売金額＝100）

グラフの 12 カ月移動平均値を見ると、健康増進家電の販売金額指数は 2017 年まで減少傾向で

推移したあと、2018 年に入り横ばいで推移している。また疾病予防家電も、2016 年までは減少傾

向で推移していたが、2017 年以降はほぼ横ばいで推移している。なおそれぞれ販売のシーズナリ

ティは異なっており、健康増進家電の販売金額指数は毎年 5 月、9 月にピークとなっている。この

時期は比較的過ごしやすい日が多いため、運動に対する意識が高まり、健康増進家電の販売に結び

付いていると考えられる。一方で、疾病予防家電は 1 月、12 月が販売のピークとなっている。気

温が下がる冬期は、血管が収縮するため血圧が上がりやすく、またインフルエンザをはじめとした

感染症が流行する時期でもある。疾病予防に対する意識の高まりが、疾病予防家電の販売に繋がっ

ているとみられる。

このようにヘルスケア家電全体で見たときと、健康増進家電、疾病予防家電に分割したときの販

売トレンドは異なっており、ヘルスケア家電の動態を精緻に把握するためには、細分化した指標を

利用する必要性があると言える。

ヘルスケア家電 製品別寄与度分解

前節では、ヘルスケア家電を目的別に区分したときの販売金額指数について言及したが、本節で

は各製品別の寄与度を算出する。健康増進家電および疾病予防家電の販売金額前年比を各製品別動

態に細分化することにより、家電製品分類の動態を従来よりも精緻に捉えることを目指す。本指標

により実際にカテゴリーの動きに大きく起因した製品が明らかになることが期待される。

本節の議論で必要となる道具については、「平成 28 年度 IoT 推進のための新産業モデル創出基盤

整備事業（ビッグデータを活用した新指標開発事業）」において定義した概念が中心となるが、そ

の各種定義についてのみ改めて記載しておく。

60

70

80

90

100

110

120

130

2015年

1月

2015年

2月

2015年

3月

2015年

4月

2015年

5月

2015年

6月

2015年

7月

2015年

8月

2015年

9月

2015年

10月

2015年

11月

2015年

12月

2016年

1月

2016年

2月

2016年

3月

2016年

4月

2016年

5月

2016年

6月

2016年

7月

2016年

8月

2016年

9月

2016年

10月

2016年

11月

2016年

12月

2017年

1月

2017年

2月

2017年

3月

2017年

4月

2017年

5月

2017年

6月

2017年

7月

2017年

8月

2017年

9月

2017年

10月

2017年

11月

2017年

12月

2018年

1月

2018年

2月

2018年

3月

2018年

4月

2018年

5月

2018年

6月

2018年

7月

2018年

8月

2018年

9月

2018年

10月

2018年

11月

2018年

12月

販売金額指数 6カ月移動平均値

12カ月移動平均値

121

定義（POS データ分析における寄与度）

ある製品カテゴリーI とそれに属する製品群{𝑖}𝑖∈𝐼を考える。製品カテゴリーI と製品群{𝑖}𝑖∈𝐼に対

し、ある月 j に対して、月 j での製品 i の販売金額𝑍𝑖,𝑗、月 j-12（j の 12 カ月前の月）における製品

i の販売金額𝑍𝑖,𝑗−12および月 j-12 における製品カテゴリーI 全体の販売金額𝑍𝐼,𝑗−12の各データがある

とする。このとき、製品カテゴリーI の月 j における販売金額前年比に対する製品 i の寄与度を

𝑍𝑖,𝑗 − 𝑍𝑖,𝑗−12

𝑍𝐼,𝑗−12

と定める。

以下は、健康増進家電の金額前年比と、対象製品分類別の寄与度を表したグラフである。折れ線グ

ラフは健康増進家電の金額前年比を、棒グラフは各対象製品分類の寄与度を表している。

（図52） 健康増進家電 製品別の金額前年比

健康増進家電における製品別寄与度では、マッサージチェアとフィットネス機器*23が大きく寄

与している様子が見受けられる。マッサージチェアの販売動態を見ると、対象期間を通じてマイナ

-30%

-20%

-10%

0%

10%

20%

30%

2016年

1月

2016年

2月

2016年

3月

2016年

4月

2016年

5月

2016年

6月

2016年

7月

2016年

8月

2016年

9月

2016年

10月

2016年

11月

2016年

12月

2017年

1月

2017年

2月

2017年

3月

2017年

4月

2017年

5月

2017年

6月

2017年

7月

2017年

8月

2017年

9月

2017年

10月

2017年

11月

2017年

12月

2018年

1月

2018年

2月

2018年

3月

2018年

4月

2018年

5月

2018年

6月

2018年

7月

2018年

8月

2018年

9月

2018年

10月

2018年

11月

2018年

12月

ジェットマッサージ器具 フィットネス機器 マッサージチェア

簡易電気マッサージ器具 電気治療器 電子歩数計

フィットネストラッカー 金額前年比

122

スに寄与している。マッサージチェアの平均価格は 20 万円超と他製品と比較してかなり高く、販

売数量減少による影響が大きく出ている。一方で、フィットネス機器36は対象期間の全期間でプラ

スに寄与している。フィットネス機器の中でも、近年はより手軽に運動効果を得られる製品が増え

てきており、ラインナップの拡充による消費者層の拡大が市場伸長に繋がっていると見られる。今

後高齢化が加速する中で、誰でも手軽に運動効果を得ることが可能な機器の普及は、国民全体の健

康増進に繋がることが期待される。

続いて、疾病予防家電の金額前年比と、その製品別に寄与度を表したグラフを以下に示す。折れ

線グラフは健康増進家電の金額前年比を、棒グラフは各対象製品分類の寄与度を表している。

（図53） 疾病予防家電 製品別の金額前年比

疾病予防家電については、健康増進家電と比較して寄与度のばらつきが少ない。体組成計や電子

血圧計、電子体温計については、単機能かつそれぞれの機能を代用出来る家電製品はないことが製

品需要の安定に繋がっていると考えられる。デンタルケアは、寄与度のばらつきがやや目立ち、

2016 年においてマイナスに寄与していることがわかる。デンタルケアの販売動態が安定しない理

由の 1 つに、訪日中国人を中心としたインバウンド需要が影響しているとみられる。

ヘルスケア 地域別動向

以下の表は、都道府県別の平均寿命と健康寿命を示したものである。（平成 27 年都道府県別生命

36フィットネスバイクやウォーキングマシン、低周波を用いて筋肉を刺激して運動を促す EMS 型や、振動する機

器を装着したり、振動する機器の上に乗ったりして体を鍛える振動型などがある。

-30%

-20%

-10%

0%

10%

20%

30%

2016年

1月

2016年

2月

2016年

3月

2016年

4月

2016年

5月

2016年

6月

2016年

7月

2016年

8月

2016年

9月

2016年

10月

2016年

11月

2016年

12月

2017年

1月

2017年

2月

2017年

3月

2017年

4月

2017年

5月

2017年

6月

2017年

7月

2017年

8月

2017年

9月

2017年

10月

2017年

11月

2017年

12月

2018年

1月

2018年

2月

2018年

3月

2018年

4月

2018年

5月

2018年

6月

2018年

7月

2018年

8月

2018年

9月

2018年

10月

2018年

11月

2018年

12月

デンタルケア 体組成計 電子血圧計 電子体温計 金額前年比

123

表37より）

（表22） 都道府県別 平均寿命と健康寿命 一覧

（厚生労働省 平成 27 年都道府県別生命表の概況）

37 厚生労働省 平成 27 年都道府県別生命表の概況

https://www.mhlw.go.jp/toukei/saikin/hw/life/tdfk15/index.html

都道府県名 男性 女性 男性 女性

北海道 80.3 86.8 71.0 73.8

青森県 78.7 85.9 70.3 74.4

岩手県 79.9 86.4 70.7 74.1

宮城県 81.0 87.2 71.6 74.2

秋田県 79.5 86.4 70.8 74.7

山形県 80.5 87.0 71.6 74.4

福島県 80.1 86.4 70.7 74.4

茨城県 80.3 86.3 71.8 75.1

栃木県 80.1 86.2 71.3 75.1

群馬県 80.6 86.8 71.6 75.3

埼玉県 80.8 86.7 71.7 74.0

千葉県 81.0 86.9 71.9 74.4

東京都 81.1 87.3 70.9 73.6

神奈川県 81.3 87.2 71.6 74.6

新潟県 80.7 87.3 71.3 74.7

富山県 80.6 87.4 71.4 75.0

石川県 81.0 87.3 71.9 74.8

福井県 81.3 87.5 71.8 75.0

山梨県 80.9 87.2 72.3 75.5

長野県 81.8 87.7 71.6 74.5

岐阜県 81.0 86.8 71.7 74.9

静岡県 81.0 87.1 72.2 75.4

愛知県 81.1 86.9 72.2 75.3

三重県 80.9 87.0 71.4 75.0

滋賀県 81.8 87.6 71.3 73.4

京都府 81.4 87.4 70.8 73.5

大阪府 80.2 86.7 70.5 73.2

兵庫県 80.9 87.1 70.9 73.6

奈良県 81.4 87.3 70.9 73.9

和歌山県 79.9 86.5 71.1 74.1

鳥取県 80.2 87.3 70.9 74.0

島根県 80.8 87.6 71.0 74.7

岡山県 81.0 87.7 70.8 74.1

広島県 81.1 87.3 71.0 73.0

山口県 80.5 86.9 71.3 74.7

徳島県 80.3 86.7 70.4 73.4

香川県 80.9 87.2 71.0 73.7

愛媛県 80.2 86.8 70.6 74.1

高知県 80.3 87.0 70.2 74.2

福岡県 80.7 87.1 70.7 73.8

佐賀県 80.7 87.1 71.0 74.3

長崎県 80.4 87.0 70.7 73.8

熊本県 81.2 87.5 71.7 74.4

大分県 81.1 87.3 71.0 74.5

宮崎県 80.3 87.1 71.6 75.0

鹿児島県 80.0 86.8 71.7 74.9

沖縄県 80.3 87.4 71.6 74.9

全国平均 80.8 87.0 71.3 74.2

平均寿命*1

健康寿命*2

124

平均寿命は、0 歳時における平均余命を指している。一方健康寿命は、平均寿命から日常的・継

続的な医療・介護に依存して生きる期間を除いた期間を指している。

平均寿命と健康寿命の差が縮小するほど、医療費の削減に繋がると考えられ、健康寿命の延長を

図る取り組みが重要になると見られる。

なお、生活習慣病や日常の運動が健康寿命に関連していることについては、多くの論文で取り上

げられている。

（表23） 平均寿命・健康寿命の決定要因、その感度および各寿命との相関係数

国立社会保障・人口問題研究所「平均寿命および健康寿命の都道府県格差の解析」より抜粋

URL:http://www.ipss.go.jp/syoushika/bunken/data/pdf/20114609.pdf

以上のように平均寿命・健康寿命には、食生活や医療・健康といった直接的な要因から、気候や

ストレスといった間接的な要因まで実に多くの要素が関連していると見られる。健康寿命の延伸を

考えるためには、家電 POS データに留まらず、食料品の POS データや医療機関のレセプトデータ

125

など多様なビッグデータを活用し、総合的に分析していく必要があると考えられる。

ウェアラブル端末38 市場

ここまでは、ヘルスケアに特化した家電の販売動態について見てきた。最後に近年市場拡大が顕

著であり、かつ今後の健康増進に対して貢献が期待できるウェアラブル端末*の販売動態について

触れておきたい。

（表24） 分析対象データ条件

使用データ 拡大推計データ

対象製品分類名 ウェアラブル端末

対象地域 全国

データ期間 月次データ：2015 年 1 月～2018 年 12 月

以下の図は、ウェアラブル端末の販売金額の推移を示したグラフである。なお販売金額は 2015

年を 100 として指数化してある。

（図54） ウェアラブル端末 販売金額指数（2015 年の販売金額＝100）

ウェアラブル端末の販売金額指数は上昇の一途を辿っている。ウェアラブル端末への認知度が向

上していることに加え、参入メーカーの増加に伴うモデルラインナップの拡充が好調な販売を後押

ししていると見られる。ウェアラブル端末の利点としては、生活や健康管理に必要な様々なライフ

38 搭載されているセンサーを利用して心拍や位置情報などのライフログを収集し、スマートフォンなどと連携する

機器。ネットワーク接続機能のついた腕時計である「スマートウォッチ」や、スポーツ時の使用に特化し、バイタ

ルデータ等を計測できる「スポーツウォッチ」、フィットネストラッカーが含まれる。

0

50

100

150

200

250

300

350

400

450

2015年

1月

2015年

2月

2015年

3月

2015年

4月

2015年

5月

2015年

6月

2015年

7月

2015年

8月

2015年

9月

2015年

10月

2015年

11月

2015年

12月

2016年

1月

2016年

2月

2016年

3月

2016年

4月

2016年

5月

2016年

6月

2016年

7月

2016年

8月

2016年

9月

2016年

10月

2016年

11月

2016年

12月

2017年

1月

2017年

2月

2017年

3月

2017年

4月

2017年

5月

2017年

6月

2017年

7月

2017年

8月

2017年

9月

2017年

10月

2017年

11月

2017年

12月

2018年

1月

2018年

2月

2018年

3月

2018年

4月

2018年

5月

2018年

6月

2018年

7月

2018年

8月

2018年

9月

2018年

10月

2018年

11月

2018年

12月

販売金額指数 6か月移動平均値

12か月移動平均値

126

ログ情報を 1 つの端末に集約し、スマートフォンと連携して簡単に管理できる点にある。当社で行

った消費者調査39ではウェアラブル端末の購入者は若年層が中心となっているが、ウェアラブル端

末の普及により、早い時期から健康を意識する国民が増えれば、将来的な健康寿命の延伸に繋がる

ことが期待できる。

またスマートフォンにおいても歩数や睡眠といった簡単なライフログを計測できるヘルスケアア

プリが増えてきている。ヘルスケア、フィットネスアプリの利用ユーザーは、スマートフォンユー

ザー全体で 10%前後だと見られている40。既にスマートフォンの個人所有率は 60%を超えており

41、日常生活での使用頻度が高いスマートフォンに対して、いかに健康増進としての活用を促すか

も、今後より重要になると見られる。

39 GfK ウェアラブル端末消費者調査(2015 年 8 月調査) 40 総務省 平成 30 年版 情報通信白書

http://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h30/html/nd252110.html 41 株式会社電通デジタル、フラー株式会社 プレスリリース

https://fuller-inc.com/news/2018/12/healthcare-fitness-report/release.pdf

127

5.6 新指標開発 スポーツパート

はじめに

2013 年に東京オリンピック、パラリンピックの開催が決定され、それ以降、2020 年のオリンピ

ック、パラリンピックに向けてスポーツ市場の拡大が期待されている。また、日本再興戦略 2016

（内閣官房）42においてもスポーツ市場の規模を 2015 年の 5.5 兆円から 2025 年に 15 兆円とする

目標を掲げており、スポーツ市場の成長は我が国における成長戦略においても重要な位置づけとな

っている。一方、2019 年 3 月現在ではスポーツ市場の経済動向を把握するための公的統計は少な

く、スポーツ市場の景況判断や、各種政策の評価が困難な状況であると言える。スポーツ市場の動

向を把握する既存の公的統計としては、特定サービス産業実態調査43や特定サービス産業動態統計

調査44といった統計あるが、特定サービス産業実態調査においてはスポーツ施設提供業やスポー

ツ・娯楽用品賃貸業についての調査となっており、スポーツ関連市場のうち調査対象としている業

態は一部範囲にとどまっている。また、特定サービス産業動態統計調査についても、スポーツに関

連した内容としては、ゴルフやボーリングといった一部のスポーツのうち、施設提供業について調

査した内容にとどまっている。スポーツ市場の全体的な市場規模を把握する数値としては、先に引

用した 2015 年 5.5 兆円（日本再興戦略 2016/内閣官房）があるが、スポーツ市場全体の市場規模

を推定しているのみで、経済動向を把握する内容とはなっておらず、民間企業によるスポーツ市場

の指標を見てみても、矢野経済研究所がスポーツ用品国内市場規模を年次レベルで公表45するなど

複数の事業者が調査を行っこのようにスポーツ市場においては経済動向を把握する指標が少ない現

状ではあるが、経済規模の拡大が期待されている昨今、スポーツ市場を捉える新たな経済指標の開

発には一定の意義があると考えている。当社ではこのスポーツ市場の内、スポーツ用品市場を捉え

る POS データを一部スポーツにおいて保有している。

本取り組みでは、スポーツ市場のなかで金額規模が大きく、且つ、当社が所有する POS データ

を利用することにより低コストでの統計改善の可能性があるゴルフを取り上げ、スポーツ市場の動

向を把握可能な指標の開発及び、足元の状況を把握するための予測について検証を行った。

42 日本再興戦略 2016 https://www5.cao.go.jp/keizai-shimon/kaigi/minutes/2016/0602/sankou_04.pdf 43 特定サービス産業実態調査 https://www.meti.go.jp/statistics/tyo/tokusabizi/index.html 44 特定サービス産業動態統計調査 ttps://www.meti.go.jp/statistics/tyo/tokusabido/gaiyo.html#menu01

45 スポーツ用品分野別国内市場規模推移 https://www.yano.co.jp/press-release/show/press_id/1908

128

分析対象データ

ここでは、以降で使用する分析対象データ条件を示す。

（表25） 国内製造家電販売データ（小分類）

使用データ 当社が集計するゴルフ用品に関する拡大推計デー

タ

対象製品分類名 ドライバー、フェアウェイウッド、ユーティリティ

ー、アイアンセット、単品アイアン、ウェッジ、パ

ター、クラブセット、ゴルフボール、ゴルフグロー

ブ、キャディバッグ、ゴルフシューズ

対象地域 全国

データ期間 月次データ：2015 年 1 月～2018 年 12 月

POS データを利用した新指標による既存政府統計の補完

ゴルフ業界の市場動態を把握するにあたり、すでに特定サービス産業動態統計調査にゴルフ関連

の調査項目があり、活用可能となっている。同調査ではゴルフ場やゴルフ練習場に関する売上高や

利用者数の動向について調査結果が公表されている。一方、ゴルフ関連市場という枠組みでゴルフ

関連市場の動向を把握しようとした場合、ゴルフ場やゴルフ練習場といったサービス産業の他、ゴ

ルフ用品の販売市場も重要な位置づけと考えられる。用品類の販売を既存の統計とあわせてみるこ

とにより、これまでよりも広義でのゴルフ業界の市場動向を把握できるものと考え、本節では当社

の保有するゴルフ用品に関する POS データを用いて、市場動向の把握が可能な指標の検討を行

う。

以下の図は、平成 26 年 1 月～平成 29 年 10 月にかけてのゴルフ用品（表 27 参照）の販売金額

の時系列推移を製品カテゴリ別に示している。なお、クラブ類（ドライバー、フェアウェイウッ

ド、ユーティリティー、アイアンセット、単品アイアン、ウェッジ、パター、クラブセット）の各

月の販売金額を赤色の実線、アクセサリ類（キャディバッグ、ゴルフシューズ）を緑色の実線、消

耗品類を青色の実線で表し、また販売金額の 12 カ月移動平均をそれぞれオレンジ実線、黄緑実

線、水色実線で表している。

129

（図55） カテゴリー別ゴルフ用品販売金額推移

上記のグラフは単純にゴルフ用品の販売金額推移をカテゴリー別に示したものとなるが、ゴルフ

用品の販売市場の全体像を捉えるにとどまらず、単品別（SKU 単位）にデータを収集するという

POS データの特性を活かし、ゴルフ用品市場の動向をカテゴリー別に把握することも可能とな

る。ゴルフ用品市場全体として、その時点においてゴルフ用品市場が成長局面にあるのか、後退局

面にあるのか、また好調不調といった景況判断をするための材料となることに加え、カテゴリー別

の動向については、市場変化の要因分析としても有用と考えられる。

なお、直近の傾向としては、消耗品類（ゴルフボール、ゴルフグローブ）やアクセサリ類（キャ

ディバッグ、ゴルフシューズ）は毎年安定した市場となっていることが観察される一方、クラブ類

についてはその年によって販売の傾向に差異が見受けられる。ゴルフクラブは商品の特性として嗜

好品の側面が特に強くあると考えられ、その年に発売された商品によって市場の動向が左右される

傾向がある。このように、ゴルフ用品類の POS データを利用して単純な販売金額の推移を参照す

ることでも、ゴルフ用品市場の傾向を把握することが可能となり有用であると考えられる。

また、昨今においては物販分野における EC 市場の重要性が高まっている。「平成 29 年度我が

国におけるデータ駆動型社会に係る基盤整備（電子商取引に関する市場調査）」（経済産業省）46で

46 スポーツ用品分野別国内市場規模推移 https://www.yano.co.jp/press-release/show/press_id/1908

0

20

40

60

80

100

120

20

15年

1月

20

15年

2月

20

15年

3月

20

15年

4月

20

15年

5月

20

15年

6月

20

15年

7月

20

15年

8月

20

15年

9月

20

15年

10月

20

15年

11月

20

15年

12月

20

16年

1月

20

16年

2月

20

16年

3月

20

16年

4月

20

16年

5月

20

16年

6月

20

16年

7月

20

16年

8月

20

16年

9月

20

16年

10月

20

16年

11月

20

16年

12月

20

17年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(億円)

クラブ類 消耗品類 アクセサリ類

クラブ類(12か月移動平均) 消耗品類(12か月移動平均) アクセサリ類(12か月移動平均)

130

は、日本における BtoC-EC 市場規模は 2017 年に 16 兆 5,054 億円（前年比 9.1%増）となってお

り、EC 化率についても 5.79%(対前年比 0.36 ポイント増)と金額、構成比率の両面で成長が継続し

ている。ここで、店頭での販売と EC の販売を分けた場合の傾向を下記に示す。なお、販売金額は

2016 年を 100 として指数化してある。

（図56） ゴルフ用品店頭販売金額指数推移(2016 年=100)

（図57） ゴルフ用品 EC 販売金額指数推移(2016 年=100)

上記グラフは特定の時点を 100 として指数化しているため、店頭及び EC の販売額や店頭、EC

の構成比そのものが把握できるわけではない。しかしながら、近年 EC 販売額は増加傾向にあり、

ゴルフ用品の販売においても、平成 29 年 1 月以降は概ね右肩上がりの推移となっていることが、

0.0

20.0

40.0

60.0

80.0

100.0

120.0

140.0

160.0

20

16年

1月

20

16年

2月

20

16年

3月

20

16年

4月

20

16年

5月

20

16年

6月

20

16年

7月

20

16年

8月

20

16年

9月

20

16年

10月

20

16年

11月

20

16年

12月

20

17年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

クラブ類販売金額指数 消耗品類販売金額指数 アクセサリ類販売金額指数

0.0

20.0

40.0

60.0

80.0

100.0

120.0

140.0

160.0

180.0

20

16年

1月

20

16年

2月

20

16年

3月

20

16年

4月

20

16年

5月

20

16年

6月

20

16年

7月

20

16年

8月

20

16年

9月

20

16年

10月

20

16年

11月

20

16年

12月

20

17年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

クラブ類販売金額指数 消耗品類販売金額指数 アクセサリ類販売金額指数

131

先に示した指標より把握可能となっている。近年の EC 販売の拡大は、販売店にとっても注目度が

高く、EC のトランザクションデータを活用した新指標は各社の施策検討等にも活用される可能性

があり、有用と考えられる。

POS データによる既存政府統計の直近予測

現在公表されている特定サービス産業動態統計調査では、ゴルフ場やゴルフ練習場の売上高や利

用者数の各種数値が公表され、利用可能となっている。既存統計のユースケースとしては、ゴルフ

場や練習場のサービス提供者、その他ゴルフ用品メーカーが、直近未来の施策検討等の判断材料と

して活用することが想定される。活用の例としては、現状公表されている数値を基に将来に対する

予測を作成し、その予測した市場の動態に合わせた施策やサービスを検討していくということが考

えられる。このように、現在公表されている既存統計を活用し、そこから直近の未来を予測すると

いう取り組みが有用であると想定される。一方で、現在公表されている政府統計である特定サービ

ス産業動態統計調査については、公表の予定が調査対象月に対し翌々月となっており、統計情報の

公表までに約二か月という期間を要するのが現状である。一方、ゴルフの POS データについては

これと比較して集計期間が短く、調査対象月の翌月中旬にはデータが利用可能となっている。ここ

で、特定サービス産業動態調査と、POS データの集計、公表に関するスケジュールを下記に示

す。

（図58） 特定サービス産業動態統計調査及び GfK POS データの公表、集計スケジュール

POS 既存統計と POS データ間の関連性の確認

本章では、POS データを活用することにより、既存の政府統計の直近予測の精度が向上するか

を検証するが、検証するにあたり、特定サービス産業動態統計調査の公表項目の内、特にゴルフ市

場の動向を捉えるうえで重要と考えられるゴルフ場利用者数を例に挙げて検証を進めていく。

132

（表26） 分析対象データ条件

特定サービス産

業動態統計調査

「対個人サービス 10.ゴルフ場」データのうち、

「利用者数合計」の項目を利用

対象製品分類名 ドライバー、フェアウェイウッド、ユーティリティ

ー、アイアンセット、単品アイアン、ウェッジ、パ

ター、クラブセット、ゴルフボール、ゴルフグロー

ブ、キャディバッグ、ゴルフシューズ

対象地域 全国

データ期間 月次データ：2016 年 1 月～2018 年 12 月

週次データ：2016 年 1 月 10 日週～2018 年 12 月

26 日週（ただし日付は週の終端日）

GfK のゴルフ用品の販売データを用いることにより、ゴルフ場利用者数の予測を実施する前に、

ゴルフ場利用者数の過去データのみを用いた単純な予測モデルを紹介する。

定義 ゴルフ場利用者数の単純予測

当月 t におけるゴルフ場利用者数（特定サービス産業動態統計調査）の値を𝑍𝑡と表す。同様に前

月 t-1、前年同月 t-12、前年前月 t-13 の各値をそれぞれ𝑍𝑡−1、𝑍𝑡−12、𝑍𝑡−13と表す。このとき、ゴ

ルフ場利用者数（特定サービス産業動態統計調査）の当月 t の単純予測 𝐙�̂�とは以下の計算によっ

て求められる値とする。

𝑍�̂� = 𝑍𝑡−1 × (𝑍𝑡−12 ÷ 𝑍𝑡−13)

つまり、前月 t-1 の値に前年前月比をかけた値とする。2016 年 1 月から 2017 年 12 月における

ゴルフ場利用者数（特定サービス産業動態統計調査）と単純予測を比較したグラフを示す。

（図59） ゴルフ場利用者数と単純予測との比較

0

200

400

600

800

1,000

1,200

20

17年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(千人) 利用者数合計 単純予測

133

グラフより、ゴルフ場利用者数の過去データのみを使用した単純予測でも概ねゴルフ場利用者数

に沿った動きとなることが読み取れる。実際、今回の単純予測について 2017 年 1 月から 2018 年

12 月の 24 期間の平均絶対誤差率(MAPE)は 7.4％となり翌月の大まかな傾向値を予測するには十

分と考えられる。ただし、各月の誤差率（確定値÷予測値）を見た場合には、月によっては誤差率

が 20%を超える月もあり、乖離としては無視できない水準とみられる。今回の単純予測について、

各月の誤差率を下記の表にまとめる。

（表27） 単純予測月別誤差率

2017年 2018年

1月 -5.4% 4.3%

2月 12.4% -2.5%

3月 -8.3% -0.4%

4月 -4.7% -5.2%

5月 3.4% 8.9%

6月 -3.8% -3.5%

7月 4.6% 17.4%

8月 -3.5% -10.0%

9月 0.1% 10.5%

10月 16.6% -21.3%

11月 -16.7% 6.9%

12月 7.0% 1.1%

ここまで、ゴルフ場利用者数の過去データを用いて作成した単純予測について確認を行ったが、

月によっては実績との誤差率が 20%超となる月もあり、精度の観点で課題が残る結果となった。次

節では、GfK の POS データを利用することにより、予測の精度を向上させることができるかどう

かについて検証を行う。

特に、今回は次の 2 通りの手法を用いて予測精度が向上するかどうかを検証する。

ⅰ) 単純予測によって作成した予測値に各種ゴルフ用品の販売数量前年比を乗じて予測値とする

ⅱ) 前年前月の実績値に各種ゴルフ用品の当月の販売数量前年比を乗じ予測値とする

まず初めに、単純予測の数値に各種ゴルフ用品の販売数量前年比を乗じて予測値とした場合に、

予測精度が向上するかどうかを検証する。単純予測の数値に各種ゴルフ用品の販売数量前年比を乗

じる理由としては、単純予測は、前月の実績値に前年前月比をかけた値であるため、ゴルフ場利用

134

者数の推移について季節性が考慮された予測値とはなるものの、例えば台風や積雪等といった天候

不順によりゴルフ場利用者数が増減するといった傾向を加味することができないためである。台風

や積雪当の天候については、ゴルフ場利用者のみでなく、ゴルフ用品の販売動向にも作用すると考

えられる、且つ、特定サービス産業動態統計調査よりも先行して集計が完了する POS データのゴ

ルフ用品の販売数量前年比を、単純予測の予測値に掛け合わせることで、天候不順といった影響

を、予測値に加味することができるのではないかと考えるためである。

定義 ゴルフ場利用者数（特定サービス産業動態統計調査）の単純予測に POS のゴル

フ用品の販売数量前年比を乗じた予測値

本予測は、前項で記載した単純予測の値に、ゴルフクラブやキャディバッグなどの各ゴルフ用品

類の販売数量前年比を乗じた値となる。ゴルフ場利用者数、単純予測、及び、各ゴルフ用品の販売

数量前年比を乗じた予測値を比較した結果を以下の図に示す。

（図60） 利用者数、単純予測及びゴルフクラブ販売データを用いた予測値との比較

0

200

400

600

800

1,000

1,200

1,400

20

17年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(千人) 利用者数合計 単純予測 ゴルフクラブ

135

（図61） 利用者数、単純予測及びキャディバッグ販売データを用いた予測値との比較

（図62） 利用者数、単純予測及びゴルフシューズ販売データを用いた予測値との比較

0

200

400

600

800

1,000

1,200

1,400

20

17年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(千人) 利用者数合計 単純予測 キャディバッグ

0

200

400

600

800

1,000

1,200

20

17年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(千人)利用者数合計 単純予測 ゴルフシューズ

136

（図63） 利用者数、単純予測及びゴルフクラブ販売データを用いた予測値との比較

（図64） 利用者数、単純予測及びゴルフクラブ販売データを用いた予測値との比較

0

200

400

600

800

1,000

1,200

20

17年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(千人) 利用者数合計 単純予測 ゴルフグローブ

0

200

400

600

800

1,000

1,200

20

17年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(千人) 利用者数合計 単純予測 ゴルフボール

137

また、利用者数、単純予測及び、各ゴルフ用品の販売データを用いて算出した予測値を下記表にまと

める。

（表28） ゴルフ場利用者数、単純予測及び、各用品類を利用した予測値との比較

利用者数 単純予測

ゴルフ

クラブ

キャディ

バッグ

ゴルフ

シューズ

ゴルフ

グローブ

ゴルフ

ボール

2017年 1月 445,667 421,425 364,616 416,695 397,140 407,795 386,335

2017年 2月 390,700 439,185 379,383 414,483 386,114 407,547 392,435

2017年 3月 625,750 573,947 532,785 568,436 517,288 584,502 513,817

2017年 4月 793,031 755,681 677,880 836,800 775,668 775,861 715,294

2017年 5月 1,051,329 1,086,816 951,135 1,164,842 1,070,710 1,079,065 1,019,055

2017年 6月 944,287 908,698 854,151 959,146 923,719 988,458 886,186

2017年 7月 978,880 1,024,229 984,236 1,086,396 1,016,319 1,131,415 973,455

2017年 8月 883,619 852,512 915,004 939,236 901,535 987,353 864,531

2017年 9月 940,213 941,579 1,178,270 990,304 913,398 974,806 963,750

2017年 10月 867,623 1,011,286 1,084,778 947,233 952,714 1,050,601 1,012,548

2017年 11月 817,529 680,690 693,453 701,599 679,355 690,088 650,009

2017年 12月 628,106 672,088 834,907 664,661 644,195 693,278 615,732

2018年 1月 422,353 440,661 497,777 430,573 405,518 427,618 411,271

2018年 2月 379,770 370,261 421,400 358,154 353,875 358,158 362,130

2018年 3月 610,462 608,244 656,576 599,686 653,461 579,410 597,233

2018年 4月 816,189 773,656 859,038 738,831 803,215 763,956 788,348

2018年 5月 993,923 1,082,030 1,193,146 1,026,221 1,033,920 1,065,357 1,108,727

2018年 6月 925,098 892,726 940,564 862,842 852,001 874,958 875,123

2018年 7月 816,603 958,988 933,282 831,525 810,673 821,252 890,964

2018年 8月 818,850 737,134 715,833 676,519 642,392 650,044 734,063

2018年 9月 788,607 871,296 677,087 836,968 819,958 850,307 794,820

2018年 10月 924,371 727,722 731,509 765,068 760,047 678,667 827,430

2018年 11月 814,856 871,001 905,187 867,589 926,269 806,182 995,030

2018年 12月 618,997 626,052 522,134 626,663 713,113 645,525 688,514

また、上記期間の予測について、実績値との平均絶対誤差率(MAPE)は下記となる。

（表29） 単純予測及び、各用品類を利用した予測値それぞれの平均絶対誤差率(MAPE)

単純予測

ゴルフ

クラブ

キャディ

バッグ

ゴルフ

シューズ

ゴルフ

グローブ

ゴルフ

ボール

7.4% 13.5% 7.1% 7.4% 8.3% 7.9%

138

上記期間における単純予測の予測値の平均絶対誤差率(MAPE)は 7.4%であるのに対し、ゴルフ

用品の POS を掛け合わせて作成した予測では、最も誤差率の低いキャディバッグのケースにおい

ても誤差率が 7.1％と、わずかに単純予測の精度を上回るに留まった。しかしながら、その他用品

類では単純予測よりも平均絶対誤差率(MAPE)の値は寧ろ大きくなり、精度の面で単純予測を下回

る結果となった。本結果を踏まえると、単純予測に各種ゴルフ用品類の販売数量前年比を乗じるこ

とによる予測の作成については有効性が認められなかった。

続いて、次節では 2 番目の方法として、下記の方法により予測値を作成し、予測精度が向上する

かどうかを検証する。

2)前年前月の実績値に各種ゴルフ用品の当月の販売数量前年比を乗じ予測値とする

定義 ゴルフ場利用者数（特定サービス産業動態統計調査）の単純予測に POS のゴル

フ用品の販売数量前年比を乗じた予測値

当月 t におけるゴルフ場利用者数（特定サービス産業動態統計調査）の値を𝑍𝑡と表す。同様に前月

t-1、前年同月 t-12、前年前月 t-13 の各値をそれぞれ𝑍𝑡−1、𝑍𝑡−12、𝑍𝑡−13と表す。また、当月 t にお

けるゴルフ用品の販売数量を𝑌𝑡と表す。同様に前月 t-1、前年同月 t-12、前年前月 t-13 の各値をそ

れぞれ𝑌𝑡−1、𝑌𝑡−12、𝑌𝑡−13と表す。

このとき、前年前月のゴルフ場利用者数（特定サービス産業動態統計調査）にゴルフ用品の販売数量

前年比を乗じることによって算出したの当月 t の予測 𝐙�̂�とは以下の計算によって求められる値とす

る。

𝑍�̂� = 𝑍𝑡−13 × (𝑌𝑡−12 ÷ 𝑌𝑡−13)

ゴルフ場利用者数、単純予測、及び、各ゴルフ用品の販売数量前年比を乗じた予測値を比較した

結果を以下の図に示す。

139

（図65） 利用者数、単純予測及びゴルフクラブ販売データを用いた予測値との比較

（図66） 利用者数、単純予測及びキャディバッグ販売データを用いた予測値との比較

0

200

400

600

800

1,000

1,200

1,4002

01

7年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(千人) 利用者数合計 単純予測 ゴルフクラブ

0

200

400

600

800

1,000

1,200

20

17年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(千人) 利用者数合計 単純予測 キャディバッグ

140

（図67） 利用者数、単純予測及びゴルフシューズ販売データを用いた予測値との比較

（図68） 利用者数、単純予測及びゴルフグローブ販売データを用いた予測値との比較

0

200

400

600

800

1,000

1,2002

01

7年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(千人) 利用者数合計 単純予測 ゴルフシューズ

0

200

400

600

800

1,000

1,200

20

17年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(千人) 利用者数合計 単純予測 ゴルフグローブ

141

（図69） 利用者数、単純予測及びゴルフクラブ販売データを用いた予測値との比較

0

200

400

600

800

1,000

1,2002

01

7年

1月

20

17年

2月

20

17年

3月

20

17年

4月

20

17年

5月

20

17年

6月

20

17年

7月

20

17年

8月

20

17年

9月

20

17年

10月

20

17年

11月

20

17年

12月

20

18年

1月

20

18年

2月

20

18年

3月

20

18年

4月

20

18年

5月

20

18年

6月

20

18年

7月

20

18年

8月

20

18年

9月

20

18年

10月

20

18年

11月

20

18年

12月

(千人) 利用者数合計 単純予測 ゴルフボール

142

ゴルフ場の利用者数、単純予測、および本予測によって算出した予測値を下記表にまとめる。

（表30） ゴルフ場利用者数、単純予測及び、各用品類を利用した予測値との比較

利用者数 単純予測

ゴルフ

クラブ

キャディ

バッグ

ゴルフ

シューズ

ゴルフ

グローブ

ゴルフ

ボール

2017年 1月 445,667 421,425 380,067 434,353 413,969 425,075 402,706

2017年 2月 390,700 439,185 373,949 408,545 380,583 401,709 386,814

2017年 3月 625,750 573,947 590,323 629,825 573,153 647,625 569,307

2017年 4月 793,031 755,681 688,909 850,415 788,288 788,485 726,932

2017年 5月 1,051,329 1,086,816 921,085 1,128,040 1,036,882 1,044,973 986,859

2017年 6月 944,287 908,698 855,085 960,195 924,730 989,539 887,156

2017年 7月 978,880 1,024,229 948,177 1,046,595 979,085 1,089,964 937,791

2017年 8月 883,619 852,512 922,318 946,744 908,741 995,246 871,441

2017年 9月 940,213 941,579 1,145,878 963,079 888,288 948,007 937,255

2017年 10月 867,623 1,011,286 1,056,489 922,531 927,869 1,023,203 986,143

2017年 11月 817,529 680,690 787,198 796,446 771,194 783,379 737,882

2017年 12月 628,106 672,088 789,135 628,222 608,878 655,270 581,976

2018年 1月 422,353 440,661 503,432 435,464 410,125 432,477 415,944

2018年 2月 379,770 370,261 444,661 377,924 373,409 377,929 382,119

2018年 3月 610,462 608,244 675,473 616,946 672,268 596,085 614,422

2018年 4月 816,189 773,656 880,552 757,334 823,330 783,088 808,091

2018年 5月 993,923 1,082,030 1,159,293 997,103 1,004,584 1,035,129 1,077,269

2018年 6月 925,098 892,726 994,888 912,677 901,210 925,493 925,668

2018年 7月 816,603 958,988 952,640 848,773 827,488 838,287 909,445

2018年 8月 818,850 737,134 858,085 810,958 770,050 779,222 879,938

2018年 9月 788,607 871,296 730,643 903,170 884,815 917,564 857,688

2018年 10月 924,371 727,722 872,138 912,149 906,163 809,137 986,499

2018年 11月 814,856 871,001 849,617 814,327 869,404 756,690 933,944

2018年 12月 618,997 626,052 523,847 628,718 715,452 647,643 690,773

また、上記期間の予測について、実績値との平均絶対誤差率(MAPE)は下記となる。

（表31） 単純予測及び、各用品類を利用した予測値それぞれの平均絶対誤差率(MAPE)

単純予測

ゴルフ

クラブ

キャディ

バッグ

ゴルフ

シューズ

ゴルフ

グローブ

ゴルフ

ボール

7.4% 11.4% 3.6% 4.5% 5.4% 6.2%

上記期間における単純予測の予測値の平均絶対誤差率(MAPE)は 7.4%であるのに対し、ゴルフ

クラブを除き今回の予測のほうが平均絶対誤差率(MAPE)の値が小さくなり、特に、キャディバッ

143

グやゴルフシューズの販売数量前年比を用いた予測値で予測精度が向上するという結果が得られ

た。

今回のケースにおいても、ゴルフクラブの販売データを用いた場合にはゴルフ場利用者数の予測

について、単純予測から精度を向上させる結果とはならなかったが、これは、ゴルフクラブは特に

その年に発売された商品によって市場の規模が左右される傾向があるためと考えられる。一方、キ

ャディバッグやゴルフシューズの販売に関しては、ゴルフ場利用者数と同様に、台風等の天候不順

といった事象が市場に影響を及ぼすと考えられ、これら用品類の販売データを利用して予測値を算

出することにより、既存統計の予測精度を向上させることが可能であるという結果が得られた。

今回実施した内容は、単純な予測モデルと POS データを掛け合わせた予測による検証という内

容であるが、POS データの活用によって、ゴルフ場利用者数といったゴルフ関連の既存統計につ

いて、予測精度を向上させる可能性が見いだされたといえよう。

144

5.7 家電総需要指標

試験調査において集計・報告の基準や前項の報告の際の負担に関する報告者へのヒアリングの

際、及び報告者の協力依頼の際に、今後の政府統計に期待することについてもヒアリングを行っ

た。この中で、今後の統計への要望として、「家電市場全体を網羅するような指標」という意見が

上がった。この意図としては、商業動態統計（丁２調査）のような家電大型専門店という特定の産

業の動向だけでなく、他の小売産業も含めた家電分野全体の動向を捉えたいということと理解し

た。確かに GfK では、携帯電話・スマートフォンの市場における、家電大型専門店の販売台数構

成比を 2 割前後と推計しており、携帯電話専門店（キャリアショップ等）の販売構成比の方が圧倒

的に高い。また、経済産業省が発表している、「電子商取引に関する市場調査47」においても e コ

マースにおける家電製品の伸びが報告されている。このことからも家電大型専門店分野だけでは家

電市場の全体像を捉えるのは難しいといえる。合わせて、今後店舗別サマリーによる POS 等ビッ

グデータの提供を動機付けるためには、報告者のメリットとなるような指標の提供も必要である。

これらを踏まえ、GfK が収集する家電大型専門店以外の業種の家電販売データを用いて、「家電総

需要指標」を試作した。

（図70） 家電総需要指標（試作）

同指標は GfK が収集する家電製品を取り扱う業種全てを対象とし、国内の総店舗数等を参照し

て推計するものである。現時点では試作段階であるため、数値は仮定のものであるが、このような

47 「平成 29 年度我が国におけるデータ駆動型社会における基盤整備（電子商取引に関する市場調査）」

https://www.meti.go.jp/press/2018/04/20180425001/20180425001.html

145

アプローチによって、家電市場におけるより網羅性の高い指標となる。今後報告者、有識者等に意

見を貰いながら精度を高めていきたい。

本試験調査のみならず、今後政府統計を進化させていくにあたっては、報告者の協力は欠かせな

い。このような、より報告者のビジネスに直結する指標の開発を進めることで、統計による指標が

報告者に資することが認められるようになれば、報告者との間で政府統計の進化に向けた取り組み

を加速させることができるのではないだろうか。

5.8 総括

新たな経済指標開発

以上、ヘルスケア産業とスポーツ産業において、ビッグデータを活用した新たな経済指標の開発

の提案として、当社が保有する POS データを広範囲に活用した新指標開発について述べてきた。

既に包括的に市場動向を把握するデータが存在する分野から短期間で新指標開発を実施するという

取り組みであったが、他の分野への応用可能性を含め、多くの示唆を得ることができた。

改めて述べると、ヘルスケア産業では B to C 市場を包括的に捕捉することで、予防医療分野の

市場を拡大させ、日本社会における重要な課題のひとつである医療費削減に寄与することを目的と

し、視力矯正器具とヘルスケア家電で具体的な検討を行った。視力矯正器具においては、POS デ

ータではコンタクトレンズと眼鏡という商品群単位での販売動向を確認できるため、粒度の粗い既

存の政府統計、商業動態統計や薬事工業生産動態統計調査を補完する新指標として利用できる点に

ついて言及した。また、ユースケースとしては政策等のキャンペーンを実施した際の効果測定に使

用できることを述べた。ヘルスケア家電では、ヘルスケア家電を健康増進家電と疾病予防家電に分

類して動向を確認し、ヘルスケア家電を使用した結果の運動習慣や健康意識の高まりが、長期的に

は健康寿命の延伸につながると期待できるため、家電 POS データを含めたビッグデータを分析す

ることの重要性に言及した。加えて、ヘルスケア家電は国内メーカーのシェアが高く、市場の拡大

は国内企業の後援にもつながることを指摘した。続いてスポーツ産業では、POS データを用いる

ことで、ゴルフ市場についての既存の政府統計である特定サービス産業実態調査や特定サービス産

業動態調査では統計の対象となっていないゴルフ用品における販売動向を確認し、ゴルフ業界全体

の市場動向を把握することを検討した。また、POS データを用いれば、政府統計で対象としてい

るゴルフ場利用者数の足元予測の精度が向上する可能性に言及した。

以上の検討では POS データが以下の 3 つの役割を担う可能性があるということがいえる。1 つ

目は一部の産業においては既に POS データが包括的に収集されているため、追加の人的リソース

やシステム開発コスト等を掛けず、少ない労力で新指標を開発することが容易である点だ。POS

データは既存のものを応用するだけなので簡単に指標化できることに加えて、今回確認したように

関連する既存の政府統計よりも早い時期に集計を完了させることができる上（速報化）、商品特徴

146

に応じた細かい粒度での分析が可能であるため（把握内容の詳細化）、幅広い活用が期待できる。2

つ目は既存の政府統計の補完ができる点である。POS データの特徴である速報性を持ち、かつ詳

細化されたデータを活用することで、既存の政府統計では目の届かなかった粒度や範囲の経済動向

を把握することが可能になる。3 つ目は当該市場の足元予測として活用できる点である。速報性に

優れた POS データを用いれば既存の政府統計の速報値公表前にその当月の動きを予測すること、

つまりはナウキャスティングが可能となり、政府や関連産業はそれに合わせて迅速に施策やサービ

スの検討、または直近の動向に合わせた対応を取ることができる。これら 3 つの役割全てが、当社

が保有する POS データ全ての商品群に当てはまるわけではなく、各商品群の特徴や経済規模を含

めた市場環境、政府統計との関連性等に応じて、実現できる役割は異なる。しかしながら、それぞ

れの商品群で POS データの特徴を活かした利用方法を模索することができれば、多くの商品群で

経済指標として有効活用することが期待できる。

今後の展望

ビッグデータである当社が保有する POS データを活用し、平成２９年度までは「ＩｏＴを活用

した新ビジネス創出推進事業（ビッグデータを活用した新指標開発事業）」にて家電産業における

新指標開発を検討し、平成３０年度では一般統計調査として総務大臣の承認を得て、試験調査を実

施した。更に平成３０年度はより広範囲に経済動向を把握するためにヘルスケア産業とスポーツ産

業における新指標開発を検討した。当社としては、引き続き従来の指標を比較して経済動向の把握

に有効である新指標開発のための検討を進めていく方針である。当社が保有している POS データ

の商品群の中で、他にも経済指標として検討できるものに自動車関連産業がある。日本において自

動車産業は基幹産業であるとともに、国全体の経済動向に与える影響が大きい産業である。そのた

め、自動車産業の動向を把握できる経済指標は重要度が高いといえる。また、2019 年は消費税の

増税も予定されており、価格の大きな買い物である自動車の販売台数は増税前に急伸し、増税後に

急落する傾向で、通常の季節性とは大きく異なり、速報性のある指標の役割は大きい。特に今回

は、過去の消費税導入や引き上げが実施された 4 月ではなく 10 月に引き上げが予定されているた

め、過去の傾向だけでは予測しきれない可能性もある。自動車の新車販売台数、中古車登録台数に

ついては、一般社団法人日本自動車販売協会連合会（自販連）48と一般社団法人全国軽自動車協会

連合会（全軽自協）49 が翌月の 15 日前後に発表しており、月次での販売台数の動向はそれらの数

値にてある程度把握できる。当社 POS で取り扱いがある自動車関連商品は、車用タイヤ、エンジ

ンオイル、ドライブレコーダーであり、新車販売台数や中古車登録台数に影響される商品だと考え

られる。いずれも月次に加えて、週次のデータもあることから、更なる速報性と商品特徴に応じた

分析が可能な詳細性を持っており、自動車の新車販売台数、中古車登録台数の数値を自動車関連商

48 一般社団法人日本自動車販売協会連合 http://www.jada.or.jp/ 49 一般社団法人全国軽自動車協会連合会 https://www.zenkeijikyo.or.jp/

147

品の OS データを持って補完することにより、消費税の増税前後の動きを詳細に分析し、迅速な対

応に活かせる可能性があると考えている。引き続き、当社が保有する POS データを広範囲に活用

した新たな経済指標の開発に自社として積極的に取り組み、ビッグデータを活用した公的統計開発

の一助を担っていきたい。

148

成果の取りまとめ・普及活動について

6.1 成果の取りまとめ・普及活動の概要

本事業「平成３０年度ビッグデータを活用した商業動態統計調査の実施・結果検証及び新指標開

発事業」は第２章にて述べたように POS データを用いて一般統計調査（試験調査）を実施する

「試験調査パート」と、ビッグデータ利活用に係る包括的調査や新指標開発を行う「調査・研究パ

ート」の 2 パートで構成されているのであるが、それらの成果を広く普及させるため、試験調査結

果の公表後にその結果を取りまとめ、インターネット上で成果の公開を行った。本事業における試

験調査はビッグデータを用いて実施された経済産業省初の統計調査であり、本試験調査のように

POS データを広範囲に収集して直近の商業動態を把握する公的統計は世界的に見ても先行事例は

見当たらず50、この成果や得られた知見を広く一般に普及させることは、EBPM や官民におけるデ

ータ利活用の推進、また、我が国の統計行政の発展において非常に有意義であると考えている。

本事業の仕様書51には成果の公開に係る項目として、「４．（１）ⅳ）３）集計・分析システ

ム」に記載の「ホームページコンテンツは、セルフ BI ツールの活用を検討し、「ビッグデータを

活用した商業動態統計調査結果」から導き出された情報をグラフや表などを使い端的に伝える工夫

（データビジュアライゼーション）を取り入れること。」また、「４．（３）成果のとりまとめ・

普及活動」に記載の「本事業により得られた知見等については、ポータルサイト等を通じて、ユー

ザーに広く周知することとする。」の 2 点が言及されており、本事業の成果の取りまとめ・普及活

動においては仕様書の内容に準拠し、セルフ BI ツールの活用とポータルサイトを開発することに

よって成果の公開を行うこととした。更にその双方においてデータビジュアライゼーションによる

コンテンツの作成を実施し、成果を一般に幅広く普及させるため、分かりやすい表現によって試験

調査や新指標開発の結果を伝えることとした。

6.2 データビジュアライゼーションについて

試験調査は「景気動向把握の向上に資するための把握内容の詳細化の実現可能性の精査に必要な

基礎資料を得ること」を一つの目的として実施された一般統計調査であり、集計された統計表も週

次区切り 4 年分・都道府県別かつ 12 分類別と膨大なボリュームとなっている。大量に並ぶセルに

よって統計表を眺めるだけでは統計ユーザーがインサイトを導きにくい状況であるため、セルフ

50 本事業の「調査・研究パート」によって実施した海外調査（デスクリサーチ及びイギリス、オラン

ダ、シンガポールにおける実地調査）によって、POS 等の民間ビッグデータのみを用いて商業動態を把

握する公的統計は存在しないことが分かった。（2018 年 12 月現在） 51 「平成３０年度ビッグデータを活用した商業動態統計調査の実施・結果検証及び新指標開発事業 仕

様書

149

BI ツールを用いたデータビジュアライゼーションによって統計表を可視化し、様々な切り口で調

査結果を伝える工夫を行った上で成果を公開した。また、新指標開発は前述「5.新指標開発」のよ

うにスポーツ用品市場やヘルスケア商品市場等日本国内に公的統計が存在していない分野にて新た

な経済指標の開発を実施した。統計ユーザーに、従来は指標が存在していなかった新たな分野で開

発した経済指標であることを印象付けて指標の先進性をアピールし、更に市場動向を分かりやすく

伝えるために新指標開発についてもポータルサイト上でデータビジュアライゼーションを実施して

成果の公表を行うこととした。また、詳細は後段にて述べるが先進性のアピールと分かりやすさを

追求するため、ゲーミフィケーションによる新たな見せ方を検討した。

6.3 セルフ BI ツールによる成果の公表について

本事業における試験調査では把握内容の詳細化に関する検証を行ったため、公表する統計表が膨

大なボリュームになることは先に述べたが、家電大型専門店という１業態を調査した統計であるに

も関わらず、実際に公表された Microsoft Excel 形式の統計表の内、最も大きなシートは 500 行×

800 列を超えており、一見したのみでは内容を把握することが困難な状況となっている。そのた

め、仕様書 51にも記載がある通り、セルフ BI ツールを用いてデータビジュアライゼーションを実

施し、成果を公開するのであるが、セルフ BI ツールは複数社から販売されているため、以下の基

準でツールの選定を行った。一般的にセルフ BI ツールは複数のグラフを 1 画面で表示させる「ダ

ッシュボード」を作成する機能を持っているため、その作成や公開の利便性を中心に検討した。

GUI による操作によってダッシュボードを作成することができること

ダッシュボードのインターネットによる公開が容易であること

公開用のサーバーの領域が十分確保されていること（統計表データの容量が重いため）

簡易分析用のライセンスがあること（報告者に継続して閲覧してもらい、試験調査のフィー

ドバックを得るため）

経済産業省調査統計グループにユーザーがいること（ダッシュボードについて意見交換を実

施するため）

2018 年 10 月に調査をした結果、上記の基準を全て満たすセルフ BI ツールは Tableau 社の製品

のみであったため、Tableau 社が提供しているセルフ BI ツール「Tableau」にてダッシュボード

を構築し、試験調査結果を公開することとした。Tableau は Tableau 社のクラウド上にダッシュボ

ードを公開する機能（Tableau Public）を提供しており、その機能を利用して、下記の URL にて

平成３１年３月にダッシュボードを公開した。

150

https://public.tableau.com/profile/bigdatasyoudou#!/

また、本事業における「調査・研究パート」で実施した海外調査における訪問国であるイギリ

ス、オランダ、シンガポールでは公的統計の統計表の公表において、BI ツールやデータ分析アプ

リケーションで扱いやすい形式に整形した「machine readable」なファイルを提供していた。印刷

されることが前提として作成されている通常の統計表はセルフ BI ツール等では扱いにくい形式で

あるため、公的統計の分野においても machine readable file の提供も行うことが標準となりつつ

ある。日本国内においても総務省が e-Stat において API を提供するなど machine readable file が

入手できる環境が徐々に整いつつあるが、本事業においても Tableau Public の機能を使い、セル

フ BI ツール等で扱いやすい machine readable file の提供を行った。

開発したダッシュボード詳細については実際に公開されている Web サイトを参照願いたいが、

試験調査実施の目的の内「公表の早期化」、「景気動向把握の向上に資するための把握内容の詳細

化」の実現可能性を精査するために調査した内容として、週次の時系列データ、各都道府県・経済

産業局における分類別データ、店頭販売・EC 販売別データ等を地図上にマッピングする等のビジ

ュアライゼーションを実施し、ダッシュボード化して公表を行った。また、公開したダッシュボー

ドは編集可能な簡易ライセンスを調査客体に提供し、フィードバックや分析等における調査客体の

ニーズを得る予定である。（調査客体へのヒアリングは 2019 年 4 月以降も継続して実施）なお、

Tableau によって作成・公表されたダッシュボードはアップデート作業が容易に実施できる。

Tableau Desktop アプリケーション上で追加や修正を行いそのままアップロードできるため、この

先報告者や経済産業省調査統計グループの Tableau ユーザーとの意見交換からフィードバックされ

た内容を基に、可能な範囲でダッシュボードのアップデートしていきたい。

6.4 ポータルサイトによる成果の公表について

セルフ BI ツールを用いて作成した試験調査結果のダッシュボードによる公開は、把握内容の詳

細化のために膨大になった公表数値をデータビジュアライゼーションによって分かりやすく伝える

ために実施した取り組みであるが、調査・研究パートにおける新指標開発においても試験調査結果

の公表と同様、データビジュアライゼーションによって成果を公開することとし、新指標開発の成

果公表についてはポータルサイトを構築し、そこにコンテンツを掲載することによって広く一般に

普及させることを目指した。

151

ポータルサイト名は「Big Data STATS」とし、公開先は経済産業省の統計ページ内にある下記

の領域とした。（平成３１年３月末までにデータセットを経済産業省に納品し、順次公開を行う。）

https://www.meti.go.jp/statistics/bigdata-statistics/index.html

「Big Data STATS」は平成２９年 7 月～平成３０年３月に期間限定で平成２８年度、平成２９

年度に開発した新指標を試験公開したページである。平成３０年４月以降は一旦閉鎖された状態で

あるが、本事業の成果を公表する場をして再活用する。

「Big Data STATS」による成果の公表については、新たに開発した経済指標を分かりやすく伝

えるために、データビジュアライゼーションを行うと共に試験的にゲーミフィケーションの技術を

用いることとした。ゲーミフィケーションはゲームの企画開発ノウハウを活用して社会課題や企業

課題を解決する技術である。ゲーミフィケーションは企業のマーケティングに活用されることが多

かったが52、高橋・川崎・前田・中村（2016）53等、近年では社会課題の解決にもその手法が用い

られるようになってきている。本事業におけるポータルサイト構築においては、ユーザーに伝わり

辛い新たな分野における指標を分かりやすく、且つ印象付けて伝えるためにゲーミフィケーション

の技術を用いることとした。また、ポータルサイトでは一部の試験調査結果や既存の公的統計の調

査結果もゲーミフィケーションによる表現で公表し、その効果を検証することとした。ゲーミフィ

ケーションによる成果の公表については事業実施期間終了後も継続的に効果の検証を行い、統計行

政が持つ課題やその解決方法を把握する場として活用したい。なお、ゲーミフィケーションによる

ポータルサイト構築にあたっては、複数社から取り寄せた開発実績と開発に係る見積金額や期間、

ゲーミフィケーションのノウハウの保有状況を加味して検討した結果、クロシードデジタル株式会

社に外注することとした。

本ポータルサイトにて導入したゲーミフィケーションの技術は以下の 2 つである。

(1) インタラクティブな 3D 地図表現

(2) Video Game Animation による表現

52 日本郵便株式会社のプロモーションページにて導入された事例

https://www.post.japanpost.jp/kids/ 53 高橋・川崎・前田・中村（2016）「街歩きによる高齢者の社会的孤立の防止~ ソーシャルマッチング

とゲーミフィケーションを用いたアプローチの検証~」

152

また、ゲーミフィケーションによる表現と従来のグラフ表現の比較・検証のために、従来型のグ

ラフ表現についてもポータルサイトに掲載することとした。(1) インタラクティブな 3D 地図表現

については、地図上で数値の大小を表現する手法を 3D でインタラクティブに動かすことが可能な

地図に置き換え、より数値を把握しやすくした表現方法である。これにより、47 都道府県別の状

況を一目で把握しやすい効果が得られると考える。また、3D 表現になったことにより、2D 表現と

比較して表示できる数値が 1 軸増えるため、3 軸で数値を掲載し、それらをユーザーが動かしなが

ら把握する表現も実装することも可能であり、今後は１つの地図で一目で複数の要素を把握できる

表現の実装も検討したい。(2) Video Game Animation による表現についてはゲーム的なアニメー

ションによって数値の大小や時系列の動向を表現する手法である。今回はゴルフ用品市場の新指

標、ヘルスケア家電の新指標、試験調査結果（家電大型専門店の EC 販売動向）を人や物の動き及

び多少によって表現する手法を採用した。どちらの表現についても統計調査や指標の公表に利用さ

れたケースは少ないと考えられるが、これらの表現がユーザー側の統計に係る理解度に与えた影響

等について検証していきたい。

今回は試験的な取り組みであるため、ゲーミフィケーションによる表現は上記のように２種類の

実装となったが、先に記載したように把握内容が詳細化された統計調査や新たな分野における新指

標においては、そのインサイトを導くためにユーザー側で多くの労力が発生する可能性があり、そ

の公開方法については従来の統計調査と比較して一段の工夫が必要となる。ゲーミフィケーション

による表現は統計調査の理解を深める一助をなる可能性があると考えられるため、引き続きゲーミ

フィケーションによる統計の表現について探求していきたい。なお、ポータルサイトには試験調査

結果のダッシュボードへのリンクを貼り、「Big Data STATS」からダッシュボードへ遷移できるよ

うにした。また、試験調査結果のダッシュボードの開発においてはクロシードデジタル株式会社に

協力頂き、デザインやグラフ表現についてアドバイスを受け、可能な限り色合いやレイアウトを統

一させ、事業の成果を包括的にイメージできるようにした。

6.5 成果の取りまとめ・普及活動の課題と今後の展望について

経済産業省におけるビッグデータ利活用に係るプロジェクトは 2014 年度からスタートした。当

社は 2016 年度よりビッグデータを活用した新指標開発事業に参画し、2018 年度に実施した本事業

は 3 年目にあたる取り組みである。本事業では経済産業省調査統計グループ協力の上、総務大臣の

承認を得て POS データによる一般統計調査（試験調査）を実施することができた。試験的な取り

組みではあるが、公的統計として社会実装されたことにより、この試験調査は今後「ビッグデータ

153

を活用した商業動態統計調査（試験調査：家電大型専門店分野）」の基幹統計化を目指す上で、ま

た、ビッグデータを活用した新たな公的統計を開発する上での一つのマイルストーンとなった。試

験調査の実施によって節目を迎えた経済産業省における新指標開発事業の成果を広く一般に普及さ

せることは、官民においてビッグデータ利活用の機運を高め、更に成果公表後のフィードバックに

よって知見が集約されることも期待できるため、成果の公表及び普及活動はビッグデータを活用し

た商業動態統計調査の基幹統計化に、また、新たな公的統計開発の推進にプラスに寄与すると考え

ている。

今回、本事業の実施期間で作成することができたコンテンツは試験調査結果の一部のダッシュボ

ードと POS データを用いて開発した新指標の一部の成果であるが、今後も自社の活動として、

Tableau のライセンスが有効な限りダッシュボードをアップデートしていくと共に、経済産業省調

査統計グループ内の「Big Data STATS」にて継続的にビッグデータ利活用に係る情報が発信され

ることを期待し、当社としても「Big Data STATS」のアップデートのために本事業の成果をコン

テンツとして継続提供していきたいと考えている。また、例えば 2017 年度事業で実施した、家電

大型専門店の POS データによる IIP のナウキャスティング54に係る取り組み等昨年度までの成果

についても新たにコンテンツを作成する等、「Big Data STATS」における情報発信の取り組みに協

力していく。

ビッグデータを利活用した統計調査や新たな経済指標を広く一般に普及させるためにはその広報

活動が不可欠である。ビッグデータを活用することによって把握内容が詳細化される等、統計調査

結果の高度化が期待されるが、その反面、細かく集計された結果によってインサイトが導き辛くな

る可能性も存在する。その解決手段としてデータビジュアライゼーションやゲーミフィケーション

等の技術は非常に有用であると考えている。POS 等ビッグデータの公的統計における活用可能性

や経済動向を把握する新たな指標の開発可能性を追求していくのはもちろんであるが、その発信方

法についても継続して検討していきたい。

54 需要（販売側）のデータで、供給（製造側）の指数を作成する取組み。「GfK×小西指数（made in

Japan 指数）」需要と共有にはラグがあり、家電製品においては 1 か月ラグが発生しているが、POS デ

ータの速報性を活かし、供給側である鉱工業指数が公表される前に、需要側である POS データの販売

動向を把握し、需要側のデータで供給側の動向を足元予測する取組み。