第1章　「勘」から「データ」へ、そして「データ」から「意味」へ

この章の要点

• 研究も事業も、本質は「客観的なデータに基づく意思決定」を回すこと
• セラピストの臨床推論は、すでに「データ思考」と同じ構造を持っている
• 大切なのは数字を集めることではなく、数字から意味を読み解くこと

一枚の地図が、世界を変えた話

データ活用の歴史を語るとき、必ず登場する一枚の地図があります。

19世紀のロンドン。コレラが大流行し、原因も分からず人々が次々と倒れていきました。当時の主流は「悪い空気が病気を運ぶ」という考え方でした。そんな中、ジョン・スノウという医師は、患者が出た家を一軒ずつ地図に点で打っていきました。すると、ある一つの井戸の周りに、点が密集していたのです。

彼はその井戸の使用を止めさせ、流行は収束しました。原因を「思い込み」ではなく、観察されたデータの分布から突き止めたのです。これが、疫学（epidemiology）──「集団の中で起こる健康状態や病気の分布と、その決定要因を明らかにし、予防や介入の方法を科学的に導く学問」──の出発点だとされています。

この話には、本コンテンツのすべてが凝縮されています。

傾向を可視化し → 因果を検証し → 効果的な介入を導く。

これはそのまま、現代の研究のプロセスであり、同時に現代のビジネス戦略のプロセスでもあります。市場を観察し、何が顧客の行動を動かしているかを突き止め、最適な打ち手を導く。スノウが井戸を見つけたように、わたしたちは「効く介入」「響くサービス」を、データから見つけ出していくのです。

⸻

セラピストは、すでにデータ思考をしている

ここで、身構えてしまった方に伝えたいことがあります。

あなたは、臨床で毎日こんなことをしていないでしょうか。

• 患者さんを観察し、評価する（＝データを取得する）
• 「この痛みは、ここから来ているのではないか」と仮説を立てる
• 検査・動作分析で仮説を検証する
• 介入し、前後の変化を確かめる
• うまくいかなければ、仮説を修正して再挑戦する

これは、研究や事業で行う「仮説 → データ → 検証 → 改善」のサイクルと、まったく同じ構造です。臨床推論とは、一人の患者さんを対象にした、極めて精密なデータ分析にほかなりません。

違いは、対象が「一人」から「集団」へ、場が「臨床」から「研究・市場」へ広がるだけ。あなたが磨いてきた思考の筋肉は、そのままデータ活用に通用します。 必要なのは、新しい才能ではなく、すでに持っている力の「使い道を広げる」ことだけなのです。

⸻

時代が「データドリブン」を求めている

近年、研究の世界だけでなく、ビジネスの世界でも「経験則」から「データドリブン（データに基づく）」な意思決定への転換が、急速に進んでいます。背景には、こんな流れがあります。

• サブスクリプションやUX重視の潮流で、「ユーザーの行動変容」が重要な指標になった
• 不確実な市場で、「施策が本当に効いたのか」を測定・再現できる必要が高まった
• ウェルビーイングや社会的インパクトを、数値で示す枠組みが求められるようになった

ヘルスケア・ウェルビーイング領域は、まさにこの只中にあります。「なんとなく良さそう」では、もう人も予算も動きません。「効くことを、データで示せる人」の価値が、これまでになく高まっているのです。

⸻

「集めること」ではなく「読み解くこと」

ただし、ここで最初に釘を刺しておきます。データ活用の本質は、

「数字を集めること」ではなく、「数字から意味を読み解くこと」

です。AIの登場で、データを集め、計算し、グラフにすること自体は、驚くほど簡単になりました。だからこそ、差がつくのは「集めた後」です。この数字は何を意味するのか。なぜこの傾向が出たのか。次に何をすべきか。この「意味への翻訳」こそ、人間に──そして文脈を読むことに長けたセラピストに──残された仕事です。

本コンテンツは、AIに「集める・計算する」を任せ、あなたが「問う・読み解く・決める」に集中するための地図です。

試してみるプロンプト

あなたはデータ活用に詳しい研究者です。 わたしは理学療法士で、臨床・研究・事業の現場でデータをもっと活かしたいと考えています。 「臨床推論（評価→仮説→検証→介入）」のプロセスと、「研究・ビジネスのデータ分析」のプロセスが、どのように対応しているかを、初心者にもわかる表で整理してください。 最後に、わたしが今日から意識すべきことを3つ挙げてください。

第1章のまとめ

• 研究も事業も、本質は「データに基づく意思決定のサイクル」を回すこと
• セラピストの臨床推論は、すでにデータ思考と同じ構造を持っている
• 大切なのは数字を集めることではなく、数字から「意味」を読み解くこと