CRISP-DM

データマイニングやデータ分析のプロジェクトを進めるための、業種を問わない標準的なプロセスモデル。ビジネスの理解、データの理解、データの準備、モデリング、評価、展開の6つのフェーズからなり、必要に応じて前のフェーズに戻りながら反復して進める。

監査人がコンピュータとソフトウェアを利用して監査手続を実施する技法の総称。大量のデータを抽出・集計・突合して異常な取引を検出するデータ分析、テストデータを処理させて結果を検証するテストデータ法、本番の処理に監査用のモジュールを組み込む方法などがあり、AI（生成AIを含む）を用いた監査も含まれるようになっている。

SoR（記録のシステム）やSoE（つながりのシステム）に蓄積されたデータを分析し、意思決定や新たな価値の創出に役立つ洞察を得るためのシステム。データ分析基盤、BIツール、機械学習の基盤などが該当する。

機能（プロセス）とデータ（エンティティ）を縦横に並べ、各機能がどのデータを生成（Create）・参照（Read）・更新（Update）・削除（Delete）するかを記入した表。生成も削除もされないデータや、どの機能からも使われないデータを見つけ、要件の漏れや機能とデータの関係の不整合を検出するのに使う。

機械学習アプリケーションの開発のために、CRISP-DMを拡張した工程モデル。ビジネスとデータの理解、データ準備、機械学習モデルの作成、機械学習モデルの評価、モデル展開、監視と保守の6フェーズからなり、各フェーズに品質保証の手順を組み込んだものをCRISP-ML(Q)という。運用後の監視と保守を独立したフェーズとした点がCRISP-DMとの大きな違いである。

観測値と予測値の差（残差）の2乗の合計が最小になるように、直線や曲線の係数を決める方法。回帰分析で回帰式を求める代表的な手法であり、表計算ソフトの近似曲線もこれを使っている。

二つのデータに強い相関があるように見えても、実際は共通の別の要因（第三の変数）によって生じている見かけ上の相関。相関があることを因果関係と早合点しないための注意点として問われる。