OLAP

多次元データ分析を対話的に行うためのシステム。ダイスアップ/ダウン（集約レベルの変更）、スライス/ダイス（次元の切出し）、ピボット（軸の回転）などの操作でデータを多角的に分析する。

DWHなどに蓄積した大量のデータを、多次元の切り口で対話的に集計・分析する処理。ドリルダウンやスライスなどの操作で視点を変えながら傾向や原因を探る用途に使い、少数の複雑な集計の問合せが中心となる。日々の取引を多数の短いトランザクションとして処理するOLTPと対比される。

企業の意思決定支援のために、業務システムから収集した大量のデータを時系列で蓄積・統合した分析用データベース。データは「目的別」「統合された」「時系列の」「削除や変更をしない」の4つの特性を持つ。OLAPやデータマイニングの基盤となる。

データウェアハウスから特定の部門や業務目的に合わせて必要なデータを抽出した小規模なデータベース。部門単位の分析に特化しており、データウェアハウスよりもアクセスが高速。営業部門向けや経理部門向けなど用途別に構築される。

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。

目的変数と説明変数の関係を数式モデルで表現する統計手法。説明変数が1つの単回帰分析と複数の重回帰分析がある。最小二乗法で回帰係数を推定し、決定係数で当てはまりの良さを評価する。予測や要因分析に広く活用される。

2つの変数間の線形関係の強さと方向を-1から1の範囲で示す指標。1に近いほど正の相関、-1に近いほど負の相関、0に近いほど無相関を示す。因果関係を意味しない点に注意が必要。

多次元データの分散が最大となる方向（主成分）を求めてデータを低次元に射影する統計手法。次元削減や多変量データの可視化に用いられ、固有値分解により主成分を算出する。寄与率で各主成分の重要度を評価。