コードを書かずにデータセット内の外れ値を見つける方法（2026年版ガイド）
コードを書かずに外れ値を見つけるには、IQRルール、z-scores、またはbox plotを使用します。これら3つはすべてスプレッドシートで機能します。IQRルールは、四分位数から四分位範囲（IQR）の1.5倍を超えて離れた値にフラグを立てます。z-scoresは、平均値から3標準偏差以上離れた値にフラグを立てます。これらは頻繁に異なる結果を示しますが、その理由を理解することこそが真のスキルです。
外れ値を見つけることは簡単な半分に過ぎません。それをどう処理するかを決めることこそが、分析が誠実であるかどうかを決定する半分であり、どの手法もその答えを教えてはくれません。
このガイドでは、2つの標準的な手法がなぜ異なる結果を示すのか、そしてコードを使わずに外れ値を検出する3つの方法について解説します。さらに、検出された外れ値を除外すべきか、残すべきか、あるいは別個に報告すべきかを判断する方法についても説明します。
外れ値の処理が「ただ削除するだけ」よりも難しい理由
2つの標準的な手法は設計上、異なる結果を示す
IQRルールは、位置データである四分位数に基づいて機能します。値がどれほど極端であるかは考慮せず、ソートされた順序の中でどこに位置しているかのみを考慮します。そのため、検出しようとしている外れ値そのものによって歪められにくいという特徴があります。
Z-scoresは平均値と標準偏差に基づいて機能しますが、これらはどちらも極端な値に引っ張られます。1つの巨大な値が標準偏差を膨らませ、その結果、その値自身を含むすべてのz-scoreが縮小してしまいます。小さなデータセットでは、1つの劇的な外れ値がこのようにして身を隠してしまうことがあります。
そのため、同じ列であっても、IQRでは4つの外れ値が示され、z-scoresでは1つしか示されないということが起こります。これらの手法は矛盾しているわけではなく、異なるものを測定しているのです。
判断は統計的なものではない
$200の注文が並ぶファイルの中にある$2 millionの取引は、どの手法でもフラグが立ちます。これを除外すべきかどうかは、どの手法もアクセスできない事実にかかっています。
小数点の位置を間違えたデータ入力ミスであれば、削除します。本物の大口取引であれば、削除することは分析から最も重要な顧客を排除することを意味します。誰かが消去し忘れたテスト取引であれば、削除した上で、他に同様のものがないか確認します。3つの異なるアクションに対して、フラグはまったく同じ1つです。
分布の形状が前提を崩す
どちらの標準的な手法も、データがおおむねベル型であることを前提としています。所得、ページビュー、注文額、セッション時間などは通常、右に長い裾を持つ歪んだ分布をしており、高い値は例外的というよりも正常なものです。
そのような列にz-scoreルールを適用すると、完全に正常なデータの大部分にフラグが立ってしまいます。解決策は、まず分布の形状を確認し、対数変換を検討するか、代わりにパーセンタイルに基づくカットオフを使用することです。
これがもたらす代償
誰の実態も表さない平均値。 1つの極端な値が平均値を大きく動かしてしまい、実際のデータの大部分が存在する範囲から外れてしまうことがあります。そして、その数値に基づいて意思決定が行われてしまいます。
軸が読めないチャート。 他の値の10倍も大きい値が1つあるだけで、それ以外のすべてが下部の平らな線に圧縮されてしまいます。チャートは技術的には正確ですが、何も伝わりません。
黙って削除すること。 最悪の結末は、ファイルを共有する前に、誰かが不都合な行をこっそり削除してしまうことです。下流の誰もが分母が変わったことを知らず、結果を再現することもできなくなります。
コードを使わずに外れ値を見つける3つの方法
オプション1：IQRルール
QUARTILE関数を使用して第1四分位数と第3四分位数を取得し、その差から四分位範囲（IQR）を求めます。Q1マイナス1.5 × IQR未満、またはQ3プラス1.5 × IQRを超えるものすべてにフラグを立てます。
これがデフォルトであるのには理由があります。極端な値に強く、分布の前提を必要としないからです。大きく歪んだデータでは、依然として右側の裾に過剰にフラグが立ってしまうため、カウントを信頼する前に形状を確認してください。
オプション2：Z-scores
STDEV.P関数で平均値と標準偏差を計算し、各値が平均値から標準偏差の何倍離れているかを算出します。通常は3を超えるかどうかがしきい値となります。
これは、おおむね対称なデータに対してうまく機能し、単なる「はい/いいえ」のフラグではなく、その乖離の大きさを示すため、ランキングに便利です。ただし、サンプルサイズが小さい場合や、歪んだ列に対しては信頼性が低くなります。
オプション3：box plot
列をbox plotとしてプロットし、ひげの外側にある点を読み取ります。Excelのbox plotは同じ1.5 × IQRの慣例を使用しているため、結果はオプション1と一致します。違いは、分布の形状を同時に確認できる点です。
これは、他の2つの手法がそもそも適切であるかどうかを確認する最も早い方法です。箱が一方の端に極端に寄っていて長い裾が伸びている場合は、いかなるしきい値ルールも疑ってかかる必要があります。
3つの手法すべてが直面する共通の限界
どの手法も、フラグが立った行のリストを返します。しかし、どのフラグがエラーで、どれが本物の極端な値で、どれがデータが汚れているのではなく列が歪んでいるだけなのかは、どれも教えてくれません。
それに答えるには、フラグが立った行を文脈の中で見る必要があります。その行に他に何が記載されているか。特定の期間や特定のソースシステムに集中しているか。同じ顧客が繰り返し現れているか。それは計算ではなく調査であり、実際に時間がかかるのはこの部分です。
Powerdrill Bloomで外れ値を見つける方法
ステップ1：データをアップロードする
ExcelまたはCSVファイルをアップロードします。Powerdrill Bloomはインポート時に入力された各列をプロファイリングするため、検出方法を選択する前に分布の形状や極端な値を確認できます。
ステップ2：自然言語でチェック内容を説明する
直接質問してください：「この列で四分位範囲の1.5倍から外れている値にフラグを立て、文脈を確認できるように行全体を表示してください」。その後、実際に判断を下すための質問を続けます。フラグが立った行が日付やソースごとに集中しているか、同じ識別子が繰り返されているか、それらを除外した場合に要約統計量がどのように変化するか、などです。
ステップ3：チャート、レポート、またはスライドをエクスポートする
box plot、文脈情報を含むフラグ付き行のテーブル、またはどの行がなぜ除外されたかを記録したメモを書き出します。
これが手動での検出作業よりも優れている理由
| スプレッドシートでの手順 | Powerdrill Bloom | |
|---|---|---|
| IQRとz-scoreの結果の比較 | 2組の数式、手動での突き合わせ | 両方を要求するだけ |
| フラグが立った値の周辺の文脈の確認 | フィルターをかけてスクロール | 行と一緒に返される |
| 最初に分布の形状を確認する | ヒストグラムを作成する | アップロード時にプロファイリングされる |
| 除外による影響のテスト | シートを複製する | 両方のバージョンを要求するだけ |
最後の行が最も重要です。曖昧な外れ値を処理する誠実な方法は、それを含めた結果と除外した結果の両方を報告することです。結論が1つの行に依存しているかどうかを読者に示しましょう。スプレッドシートでこの比較を行うには再構築が必要になるため、通常は行われません。
ベストプラクティス：外れ値の処理方法を決める
除外する前に調査する。 行全体を確認してください。小数点の位置の間違い、テストレコード、そして本物の大口顧客は、単一の列の中ではまったく同じように見えます。
黙って削除しない。 行を除外する場合は、結果と同じドキュメント内に、何行をどのような理由で除外したかを明記してください。注記なしに分母が変更された分析は、再現性がありません。
重要な場合は両方のバージョンを報告する。 1つの値によって結論が覆る場合、それこそが「発見」であり、片付けるべき不都合な事実ではありません。
しきい値を選択する前に形状を確認する。 歪んだ列には、z-scoreルールではなく、パーセンタイルに基づくカットオフや対数変換が必要です。
クラスターに注意する。 同じ日付や同じソースから複数の外れ値が発生している場合、それは通常、本当に珍しい顧客というよりも、パイプラインの問題を意味します。当社のデータのクリーニングと重複排除に関するガイドで、このケースをカバーしています。
結論
コードを使わずに外れ値を見つける方法は、最終的に3つのツールに集約されます。IQRルールは外れ値に強いデフォルトの手法であり、z-scoresはおおむね対称なデータで乖離の大きさを知りたい場合に適しており、box plotはどちらの前提が成り立つかを確認するのに役立ちます。これらが異なる結果を示すことを想定し、その不一致を情報として捉えてください。
どの手法もカバーしていない部分は「判断」です。各行の調査に時間がかかりすぎて、外れ値の処理がフラグを立てた列の段階で止まっている場合は、そのファイルでPowerdrill Bloomをお試しください。また、当社のAIデータクリーニングページ、記述統計の実行に関するガイド、およびCSVをチャートに変換する方法もご覧ください。
よくある質問
データセットにおいて何が外れ値とみなされますか？
一般的には、第1四分位数または第3四分位数から四分位範囲の1.5倍を超えて離れた値、あるいは平均値から3標準偏差以上離れた値です。これらはどちらも法則ではなく慣例であり、どちらが適しているかは、データがおおむね対称であるか、それとも歪んでいるかによって異なります。
コードを使わずにExcelで外れ値を見つけるにはどうすればよいですか？
QUARTILE関数を使用してIQRの境界を作成し、その範囲外の値にフラグを立てるか、平均値とSTDEV.P関数を使用してz-scoresを計算します。box plotを使用すると、同じIQRの結果を視覚的に得られると同時に、分布の形状も確認できます。
分析から外れ値を除外すべきですか？
その原因を特定した後にのみ除外してください。データ入力ミスやテストレコードは除外すべきですが、本物の極端な値は通常除外すべきではありません。なぜなら、それらを除外することは本物の情報を削除することを意味するからです。判断が曖昧な場合は、両方のパターンの結果を報告してください。
なぜIQRとz-scoreは異なる値にフラグを立てるのですか？
IQRは、極端な値によって歪められない四分位数に基づいて機能します。一方、z-scoresは平均値と標準偏差に基づいて機能するため、極端な値によって歪められます。十分に大きな値は標準偏差を膨らませ、自らを覆い隠してしまうことがあります。
データがベル型ではなく歪んでいる場合はどうすればよいですか？
所得や注文額などの歪んだ列では、標準的なしきい値を使用すると、長い裾の部分に過剰にフラグが立ってしまいます。パーセンタイルに基づくカットオフを使用するか、最初に列を対数変換し、ルールを選択する前に分布の形状を確認してください。