DS検定「データ可視化」の頻出問題｜グラフ選択・チャートジャンク・軸だしを完全図解

DS検定（データサイエンティスト検定リテラシーレベル）のスキルチェックリストには、「データ可視化」というカテゴリがあります。ここから毎回 3〜5問 程度出題されるとされており、配点としては決して無視できません。

しかもこの分野は、統計や機械学習のように「公式を覚えれば解ける」タイプではなく、「この場面でどのグラフを選ぶべきか？」「このグラフの何が不適切か？」という 判断力 を問われます。逆に言えば、考え方のフレームワークさえ理解してしまえば、暗記ゼロで得点源にできる"おいしい"分野です。

この記事では、DS検定のデータ可視化に関わる出題テーマを すべて網羅 します。試験直前にこの1記事だけ読めば十分、という完全ガイドを目指しました。

DS検定「データ可視化」の出題マップ｜5つのテーマを俯瞰する

DS検定のスキルチェックリストで「データ可視化」に関連する出題テーマは、大きく 5つ に整理できます。まずは全体像を頭に入れてから、各論に進みましょう。

#	テーマ	出題のポイント	頻出キーワード
1	方向性定義	「何のために可視化するのか？」——可視化の目的を判別する	探索的分析、説明的分析、モニタリング
2	軸だし	「何を、どの軸で見るか？」——適切な変数・グラフを選択する	ヒストグラム、散布図、箱ひげ図、棒グラフ、折れ線グラフ
3	表現・実装技法	「どう見せるか？」——データインク比、チャートジャンク、不適切表現	チャートジャンク、データインク比、3Dグラフ、軸の操作
4	データの比較	「正しく比べるには？」——A/Bテスト、条件をそろえた比較	A/Bテスト、処理前後の比較、バイアス
5	意味抽出	「グラフから何を読み取るか？」——傾向・外れ値・相関の発見	相関と因果、外れ値、トレンド、統計情報の正しい理解

テーマ1：方向性定義｜「何のために可視化するのか？」

スキルチェックリストの「方向性定義」とは、データを可視化する 目的 を正しく判別できる能力のことです。いきなりグラフを作るのではなく、「そもそもなぜグラフにするのか？」を考えるステップです。

可視化の3つの目的

可視化の目的は、大きく以下の3つに分類できます。DS検定では「この状況の可視化は何に該当するか？」と聞かれます。

テーマ2：軸だし｜「何を、どの軸で見るか？」——グラフ選択の考え方

「軸だし」とは、データの性質に合った 適切な変数の組み合わせ（＝軸）とグラフの種類 を選ぶ能力のことです。DS検定では「この状況で最も適切なグラフはどれか？」という形式で出題されます。

グラフ選択のフローチャート｜「何を知りたいか」で決まる

グラフの選択は「知りたいこと」から逆算します。以下のフローチャートを頭に入れておけば、試験本番で迷いません。

頻出グラフ①：ヒストグラム｜「棒グラフと何が違うの？」

ヒストグラムと棒グラフは見た目が似ていますが、本質がまったく違います。DS検定では「この2つを混同させる」問題が頻出します。

頻出グラフ②：散布図｜「2つの変数の関係を見る」

散布図は、2つの量的変数の関係を「点の集まり」で可視化するグラフです。横軸に説明変数（原因側）、縦軸に目的変数（結果側）を取ります。

パターン	点の散らばり方	意味
正の相関	右上がりに点が並ぶ	xが増えるとyも増える（例：広告費↑ → 売上↑）
負の相関	右下がりに点が並ぶ	xが増えるとyが減る（例：気温↑ → 暖房費↓）
無相関	ランダムに散らばる	xとyに線形関係がない

頻出グラフ③：箱ひげ図｜「5つの数値でデータを要約する」

箱ひげ図は、データの分布を 最小値・第1四分位数（Q1）・中央値（Q2）・第3四分位数（Q3）・最大値 の5つの数値で要約するグラフです。複数グループの分布を一目で比較できるのが最大の強みです。

その他の頻出グラフ｜円グラフ・帯グラフ・ヒートマップ・ツリーマップ

ヒストグラム・散布図・箱ひげ図ほど出題頻度は高くありませんが、以下のグラフも「選択肢の一つ」として出てきます。それぞれの特徴をサッと確認しておきましょう。

グラフ	得意なこと	注意点	DS検定での出題ポイント
🥧 円グラフ	全体に対する各カテゴリの割合を直感的に示す	カテゴリが6つ以上になると読みにくい。3D円グラフは奥行きで面積が歪むためNG	「3D円グラフ」はチャートジャンクの代表例として出題される
📊 帯グラフ （積み上げ棒）	構成比の時間推移を比較する	合計が100%でないデータに使うと誤解を招く	「時系列の構成比変化」に適切なグラフを選ぶ問題で登場
🌡️ ヒートマップ	多変量データ（相関行列など）の全体パターンを色の濃淡で一覧表示	色の選び方が不適切だと誤読を誘発する（例：赤緑色覚障害への配慮）	「多変数の関係を一覧で把握」する場面で選択肢に登場
🌳 ツリーマップ	階層構造を持つデータの面積比で量を表現	面積の微妙な差は人間には判別しにくい	「部門別の予算配分」などの場面で選択肢に登場

テーマ3：不適切なグラフ表現｜チャートジャンクとデータインク比

DS検定では「このグラフの何が不適切か？」を問う問題が出ます。不適切なグラフ表現は大きく 2つの概念 で整理できます。「チャートジャンク」と「データインク比」です。

チャートジャンク（Chartjunk）とは？

チャートジャンクとは、統計学者エドワード・タフティ（Edward Tufte）が著書『The Visual Display of Quantitative Information』（1983年）で提唱した概念です。グラフに含まれる データの理解に寄与しない、不必要な視覚的装飾 のことを指します。

一言で言えば「見た目は派手だけど、データの本質を伝えることに貢献していないゴミ要素」です。

チャートジャンクの代表例6つ

#	チャートジャンクの種類	なぜダメなのか	具体例
1	3Dグラフ（立体化）	奥行きにより面積・高さの比較が歪む。手前のデータが大きく、奥のデータが小さく見える	3D円グラフ、3D棒グラフ
2	過剰なグリッド線	目盛線が多すぎるとデータの線や棒が埋もれて読みにくくなる	5刻みの細かすぎるグリッド
3	装飾的なイラスト	棒グラフの棒を「人の絵」や「ビルの絵」に変えると、面積比がデータ量と一致しなくなる	ピクトグラム風の棒グラフ
4	不要な背景画像	グラフの背景に風景写真やグラデーションを入れると、データの色と干渉して読みにくい	背景にオフィス写真を入れた折れ線グラフ
5	過剰な影・反射効果	棒グラフに立体的な影やグラデーションを加えると、正確な高さの読み取りを妨げる	光沢感のある棒グラフ
6	装飾的なフォント	データラベルに手書き風フォントやゴシック調フォントを使うと可読性が下がる	英字筆記体のラベル

データインク比（Data-Ink Ratio）とは？

チャートジャンクの概念をさらに「数値化」したのが、タフティが提唱した データインク比 です。

「インクの量」と言うと紙の話に聞こえますが、これはデジタルグラフでも同じです。画面上で「データそのものを表すピクセル」と「装飾に使われたピクセル」の比率と考えてください。

【超頻出】軸の操作｜グラフを「嘘つき」にする手口

チャートジャンク以上に悪質なのが、軸の操作（Misleading Axis）です。DS検定では「このグラフの何が不適切か？」という問題で、軸の操作を見抜く力が問われます。

操作の手口	何が起きるか	見抜き方
Y軸が0から始まらない （切断された軸）	わずかな差が視覚的に大きく見える。例：売上が100万→102万の微増が、グラフ上では「2倍に見える」	縦軸の起点を確認する。途中で「波線（中断記号）」があるか
軸のスケールが不均等	目盛りの間隔が不揃いだと、変化量の大小が歪む	目盛りの数値を確認する。等間隔になっているか
2軸グラフの悪用	左右のY軸のスケールを恣意的に設定し、「相関があるように見せる」	2本の折れ線が「意図的に重なるように」軸を調整していないか
面積で量を表現	値が2倍でも、アイコンの直径を2倍にすると面積は4倍に見える	「長さ」ではなく「面積」で比較していないか確認

テーマ4：データの比較｜A/Bテストと「条件をそろえた比較」

DS検定のモデルカリキュラムには「データの比較（条件をそろえた比較、処理の前後での比較、A/Bテスト）」と明記されています。ここでは、特に頻出の A/Bテスト と 比較の3つの原則 を解説します。

A/Bテストとは？｜「どっちがいいか」を科学的に決める方法

A/Bテストとは、2つの選択肢（AパターンとBパターン）を用意し、同じ条件下で比較してどちらが効果的かを判断する手法です。

「正しい比較」の3原則

A/Bテストに限らず、データの比較には 3つの鉄則 があります。これを破ると「見せかけの差」に騙されます。

テーマ5：意味抽出｜グラフから「何を読み取るか」

可視化の最終ゴールは「グラフを作ること」ではなく、「グラフから意味を読み取ること」です。DS検定では、グラフを見せて「この結果から正しく言えることはどれか？」と問う出題パターンがあります。

意味抽出で引っかかる3つのワナ

#	ワナの名前	説明	DS検定での出方
1	相関と因果の混同	散布図で正の相関があっても、AがBの「原因」とは限らない。第三の変数（交絡因子）が両方に影響している擬似相関の可能性がある	「このグラフから因果関係があると言えるか？」→ 言えない（相関があるだけ）
2	外れ値の無視	箱ひげ図やヒストグラムの端に極端な値がある場合、平均値が大きく歪む。中央値と平均値の乖離に注意	「平均値が代表値として適切か？」→ 外れ値がある場合は中央値のほうが適切
3	統計情報の誇張表現	軸の切断、スケール操作、サンプルサイズの隠蔽などにより、差が実際より大きく（または小さく）見える	「このグラフから読み取れる正しい解釈はどれか？」→ 軸を確認して判断

試験直前チェック｜出題パターン別の対策まとめ

最後に、この記事の内容を「DS検定で聞かれる形式」に合わせて整理します。試験前にこの表だけ見返せば、データ可視化分野は万全です。

出題パターン	解答のコツ	この記事で該当するセクション
「この場面で最も適切なグラフはどれか？」	「知りたいこと」×「データの型」でグラフ選択フローチャートに当てはめる	テーマ2：軸だし
「このグラフの不適切な点はどれか？」	①3D表現 ②Y軸が0始まりでない ③過剰装飾——の3つをまずチェック	テーマ3：チャートジャンク＋軸の操作
「チャートジャンクに該当するものはどれか？」	「消してもデータの意味が変わらない要素」＝ジャンク。データインク比の考え方	テーマ3：データインク比
「データインク比の説明として正しいものはどれか？」	タフティが提唱。「データを表すインク÷全体のインク」。1に近いほど良い	テーマ3：データインク比
「A/Bテストの説明として正しいものはどれか？」	2パターンを用意し、条件をそろえてランダムに割り当て、結果を比較する	テーマ4：データの比較
「このグラフから正しく言えることはどれか？」	相関≠因果、外れ値の影響、軸の操作の3点を意識して選択肢を精査	テーマ5：意味抽出
「可視化の目的に関する記述として正しいものはどれか？」	探索的（仮説なし・パターン発見）と説明的（結論あり・他者に伝える）の違い	テーマ1：方向性定義

まとめ

DS検定の「データ可視化」分野は、5つのテーマ（方向性定義・軸だし・表現技法・データの比較・意味抽出）を体系的に理解すれば、暗記に頼らず得点できます。

特に押さえるべきは以下の3点です。

データ可視化は「数式なしで解ける」数少ない分野です。この記事の内容を頭に入れておけば、本番で3〜5問を確実に拾えます。合格ラインが約80%のDS検定において、「確実に取れる分野」を増やすことが合格への最短ルートです。