ビッグデータ

従来のシステムでは処理が困難なほど大量かつ多様で、高速に生成されるデータの総称。3V（Volume=量、Variety=多様性、Velocity=速度）が特徴とされ、分析により新たな価値を創出する。

従来のデータベースでは処理が困難な巨大かつ多様なデータの集合体。量（Volume）、速度（Velocity）、多様性（Variety）の3Vが特徴。AI・機械学習と組み合わせた分析により、ビジネス上の価値を創出する。

従来のデータベース技術では処理が困難な大規模・多種多様・高速に生成されるデータの総称。Volume（量）、Variety（多様性）、Velocity（速度）の3Vで特徴づけられ、AIや機械学習と組み合わせた分析活用が進む。

従来の手法では扱いきれない、量（Volume）、多様性（Variety）、速度（Velocity）を備えたデータの総称。分散処理基盤で蓄積・分析し、需要予測や異常検知などの意思決定に活用する。

従来のデータベース技術では処理が困難な、大量・多種・高速に生成されるデータの総称。Volume（量）、Variety（多様性）、Velocity（速度）の3Vで特徴づけられ、AIやBIと組み合わせた分析により、経営上の意思決定や新たな価値創出に活用される。

量（Volume）、多様性（Variety）、速度（Velocity）の点で従来の手法では扱いきれない大規模データ。IoT機器からの収集ではトラフィックが増大するため、エッジでの前処理や帯域制御が設計上の課題となる。

従来の手法では扱いきれない規模・多様性・発生速度をもつデータ群。行動ログやセンサーデータなどが典型で、活用には専用の基盤と分析技術を要する。

従来のデータベース管理の方法では扱いきれないほど大量で多様なデータ。量（Volume）、種類（Variety）、発生・更新の速度（Velocity）の3Vで特徴づけられ、正確性（Veracity）や価値（Value）を加えることもある。分散処理基盤やクラウドで蓄積・分析し、新たな知見の発見に生かす。

構造化データ、半構造化データ、非構造化データを元の形式のまま大量に蓄積するストレージ基盤。データウェアハウスと異なり、格納時にスキーマを定義する必要がなく（スキーマオンリード）、多様なデータソースからの生データを柔軟に保持できる。

E.F.コッドが提唱した、データを2次元の表（リレーション）で表現するデータモデル。数学的な集合論と述語論理に基づき、データの構造・操作・整合性制約を定義する。現在のRDBMSの理論的基盤である。

関係モデルにおける基本的なデータ構造で、属性（列）の集合で定義されるスキーマと、タプル（行）の集合で構成される。数学的には定義域の直積の部分集合である。実装上はテーブルに対応する。

関係モデルにおいて、リレーションを構成する1つの要素（行）。各属性に対して1つの値を持つ。実装上はテーブルの行（レコード）に対応する。

関係モデルにおいて、リレーションの列に相当する要素。属性名と定義域（ドメイン）を持ち、各タプルは属性ごとに定義域内の値をとる。実装上はテーブルのカラムに対応する。

関係モデルにおいて、属性がとりうる値の集合。例えば「年齢」属性のドメインは正の整数、「性別」属性のドメインは{'男','女'}など。SQLではCHECK制約やデータ型で制限を実現する。