データマイニング

大量のデータから統計的手法やAI技術を用いて、隠れたパターンや有用な知識を発見する技術。顧客の購買傾向の分析や不正検出などに活用される。

大量のデータから統計学やAI・機械学習の手法を用いて、未知のパターンや相関関係、有用な知識を自動的に発見する技術。マーケティング分析、顧客分析、リスク予測、不正検知などに活用される。

大量のデータから統計学やAI技術を用いて、隠れたパターン、相関関係、傾向などの有用な知見を発見する手法。テキストマイニング、アソシエーション分析、クラスタリングなどの手法がある。

大量のデータから統計的手法やAI技術を用いて、隠れたパターンや関係性を発見する分析手法。クラスター分析、決定木分析、ロジスティック回帰分析、アソシエーション分析などの手法があり、経営戦略の意思決定やマーケティングに活用される。

大量のデータから統計的手法や機械学習を用いて、有用なパターンや知識を発見する技術。相関ルール分析、クラスタ分析、決定木、回帰分析などの手法がある。データウェアハウスと組み合わせて活用される。

蓄積したデータを集計・可視化し、業務上の意思決定を支援するツール。専門家でなくてもダッシュボードやグラフを操作して分析できる点が特徴。

情報システム部門に依頼せず、業務部門の担当者が自らデータを取得して分析する形態。迅速な意思決定につながる一方、データの解釈違いを防ぐルールが必要になる。

分析に使える状態にするため、データを収集・クレンジング・変換・結合する準備作業。分析工程全体の中で大きな割合を占めるとされる。

異なるデータソースのデータを、分析ツール上で一時的に結合して扱う手法。データ基盤側を作り替えずに、目的に応じた分析を素早く試せる。

行と列の形式で整理され、項目の意味と型が定まっているデータ。表計算やリレーショナルデータベースで扱え、集計や検索が容易である。

文書、画像、音声、動画のように、あらかじめ定まった構造を持たないデータ。そのままでは集計できず、分析にはメタデータの付与や特徴抽出が必要になる。