データサイエンス
説明変数
読み方：せつめいへんすう
説明変数とは
説明変数（Explanatory Variable / 独立変数）は、機械学習 において予測を行うための「ヒント」「材料」となる入力データのことです。家の価格を予測する場合の広さ、築年数、駅からの距離などが説明変数に当たります。特徴量 とほぼ同義で使われます。
目的変数との関係
説明変数は予測の材料であり、予測して未来を知りたい大元となる 目的変数 と対になる概念です。教師あり学習 では、説明変数と目的変数のペアとなる正解をモデルに大量に学習させることで、新しい説明変数（ヒント）から未来の目的変数を予測できるようになります。
真のKPI発掘とデータ資産化のリターン（ROI）
企業のビジネスにおいて「明日の売上（目的変数）」を伸ばしたいとき、AIにどんな「今日の現場の細かなアクション（説明変数）」を与えれば正確な予測ができるかを探し当てる作業こそが、データサイエンティストの最も付加価値が高くROIを生み出す仕事です。 たとえば営業部門にとって、「単なる客先への訪問回数」よりも「特定のデモ資料を提示した回数」の方が、受注確率を予測する上で圧倒的に強力な説明変数であるとAIによって証明できれば、それは単なる分析結果ではなく「全営業マンのアクティビティを最適化し、全社の売上を底上げする強力な社内ナレッジ（資産）」へと変貌します。無駄で不要なデータの収集コストを削減し、真にROIへ直結する強力な説明変数を特定・獲得するためのインフラ投資が、2026年におけるDXの主戦場です。