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。

大量のデータを統計や機械学習の手法で分析し、経験則では気づきにくい規則性や関連を見つけ出すこと。併売傾向の発見などに用いられる。

企業の内部環境（Strength：強み、Weakness：弱み）と外部環境（Opportunity：機会、Threat：脅威）を4象限で整理し、戦略策定に活用するフレームワーク。情報戦略の実現度合いの確認や事業戦略の策定において、現状把握と戦略方向性の導出に用いられる。

マイケル・ポーターが提唱した、業界の競争環境を5つの力（新規参入の脅威、代替品の脅威、買い手の交渉力、売り手の交渉力、既存競合間の敵対関係）で分析するフレームワーク。

市場・顧客（Customer）、競合（Competitor）、自社（Company）の3つの視点から事業環境を分析するフレームワーク。大前研一が提唱し、戦略立案の基礎分析として広く活用される。

企業活動を、五つの主活動（購買物流、製造、出荷物流、販売・マーケティング、サービス）と四つの支援活動（全般管理、人事・労務管理、技術開発、調達活動）に区分し、企業の競争優位の源泉を分析するフレームワーク。

企業の経営資源を価値（Value）、希少性（Rarity）、模倣困難性（Inimitability）、組織（Organization）の4要素で評価し、持続的な競争優位の源泉を特定する内部環境分析のフレームワーク。

BCGが考案した、事業や製品を市場成長率と相対的市場シェアの2軸で4象限（花形、金のなる木、問題児、負け犬）に分類し、経営資源の最適配分を検討するフレームワーク。